[发明专利]一种电网故障诊断数据清洗方法

说明书

本发明涉及电网故障检修领域，特别公开了一种基于离散Hopfield神经网络的电网故障诊断数据清洗方法。它包括如下步骤：1）分为故障诊断类、保护动作诊断类和跳闸类型三大类；2）训练三个神经网络，得到每个网络的吸引域；3）即确立标准吸引子；4）剔除步骤2）虚假吸引子的数据；5）再次训练神经网络；6）按分组对应输入到训练好的三个神经网络模型中进行修正清洗。本发明首先对采集到的故障遥信数据进行清洗，对干扰误变位数据进行修正，对丢失数据进行补充，提高故障诊断的精度，查找差错数据从而查找数据误变位及丢失的原因。用清洗后的数据进行电网故障诊断可以解决部分遥信误报、漏报问题，使得诊断结果更加准确。

技术领域

本发明涉及电网故障检修领域，特别涉及一种基于离散Hopfield神经网络的电网故障诊断数据清洗方法。

背景技术

目前利用遥信变位数据进行电网故障诊断的方法中，很少有利用遥信数据清洗的方法，即对遥信中的差错数据进行清洗，同时不影响正常数据的方法。现有故障诊断方法利用方法本身的容错机制对遥信误变位或丢失数据纠正，如Petri网、0-1规划、多维方程求解等方法。这些方法大多数通过复杂数学模型的求解，求解出在一定概率下的期望变位遥信数据，再和实际故障遥信数对比，检测出误变位或丢失的遥信数据。方法复杂、运算量大，建模方法对遥信差错数据的检测影响很大。其复杂的数学计算过程难以适应于电网大数据平台下，大量遥信变位数接入差错数据的检测和故障诊断方法的实现。

发明内容

本发明为了弥补现有技术的缺陷，提供了一种方法简单的基于离散Hopfield神经网络的电网故障诊断数据清洗方法。

本发明是通过如下技术方案实现的：

一种基于离散Hopfield神经网络的电网故障诊断数据清洗方法，其特征是，包括如下步骤：

1）把输电线路发生故障后产生的遥信数据分为故障诊断类、保护动作诊断类和跳闸类型这三大类；

2）利用穷举法列出三大类遥信数据组的所有可能，每组分别输入离散Hopfield神经网络，训练三个神经网络，得到每个网络的吸引域；

3）根据变电站历史遥信数据及人工分析，确定遥信数据的标准清洗模式，即确立标准吸引子；

4）根据步骤3）中的标准吸引子，剔除步骤2）穷举出来的数据中能引起训练结果为虚假吸引子的数据；

5）再次训练神经网络，得到最终三个神经网络模型；

6）将实际故障遥信数据，按照相关性进行分组，然后进行编码，化为神经网络所能识别的输入源，再按分组对应输入到训练好的三个神经网络模型中进行修正清洗，得出修正后的结果。

在步骤2）和步骤5）中，通过Hebb规则的外积法，计算网络的权值矩阵，确定离散Hopfield神经网络的参数。

本发明的有益效果是：在利用故障诊断算法前首先对采集到的故障遥信数据进行清洗，对干扰误变位数据进行修正，对丢失数据进行补充，提高故障诊断的精度，查找差错数据从而查找数据误变位及丢失的原因。用清洗后的数据进行电网故障诊断可以解决部分遥信误报、漏报问题，使得诊断结果更加准确。

附图说明

下面结合附图对本发明作进一步的说明：

图1为本发明提供的离散Hopfield神经网络图的结构图；

图2为本发明提供的基于DHNN的遥信数据清洗算法图；

图3为本发明提供的某市电网500kV输电线路区内故障图；

图4a、4b为本发明提供的故障过程遥信数据组的清洗图，其中图4a）为网络能量值，图4b）为记忆模式的吸引域；

图5为本发明提供的故障过程遥信数据吸引域图；