[发明专利]一种基于DCNN的电力系统暂态信号分析方法

权利要求书

1.一种基于DCNN的电力系统暂态信号分析方法，其特征在于，包括以下步骤：

步骤一：采集一维电能信号；

步骤二：将一维电能信号进行二维图像化处理；

步骤三：构建DCNN模型；

步骤四：基于二维图像训练DCNN模型；

步骤五：基于经训练的DCNN模型进行电力系统暂态信号分析。

2.如权利要求1所述的基于DCNN的电力系统暂态信号分析方法，其特征在于，步骤一中，电能信号包括连续时间电压信号或连续时间电流信号；

步骤二中，二维图像化处理的过程包括两个步骤：

(1)将采集到的电能信号的幅值，按照以标准正弦电能信号的幅值最大值为1的基准进行归一化处理；

(2)将一维电能质量信号进行分段截取构成二维图像矩阵：

X_N×N＝[X₁,X₂,X₃,…X_N]^T

其中：向量X_i，i＝1,2，……，N为各段电能质量信号数据行向量；X_N×N为由这些行向量组成的二维矩阵，则电能质量信号数据的总长度为N²个，由此实现一维电能信号到二维图像的变换。

3.如权利要求1所述的基于DCNN的电力系统暂态信号分析方法，其特征在于，步骤三中，DCNN模型包括1个输入层、第一卷积层及对应的第一池化层、第二卷积层及对应的第二池化层、第三卷积层、1个全连接层及1个输出层。

4.如权利要求3所述的基于DCNN的电力系统暂态信号分析方法，其特征在于，输入层接受尺寸大小为64×64的灰度图，输入层共有4096个神经元。

5.如权利要求3所述的基于DCNN的电力系统暂态信号分析方法，其特征在于，第一卷积层使用6个大小为5×5的卷积核对输入的图像进行卷积操作，设定步长为1，得到6个大小为(64-5+1)×(64-5+1)＝60×60的feature maps；

当设置大小ω×ω的滤波装置，即卷积核，步长设置成k个像素点，对图像n_R×n_C进行卷积操作时，可以得到大小为的特征图形；其中，选择激活函数为ReLu，Relu函数的数学表达式如下：

设定偏置b，对图形x，通过大小为ω×ω的卷积核展开卷积操作，输出值y＝ReLu(ωx+b)；

其中，第一卷积层需要训练的参数数目：6×(5×5+1)＝156个，而输入层和第一卷积层的连接数：156×(60×60)＝561600条。

6.如权利要求3所述的基于DCNN的电力系统暂态信号分析方法，其特征在于，第一池化层将第一卷积层中每个2×2的子块x求和，再乘以一个可训练权重ω，加上可训练偏置项b，得到12个30×30的feature maps；每一个2×2的子块求和，乘以权重参数ω，加上偏置b，共计2×6＝12个参数；第一池化层中的每个像素都与第一卷积层中的2×2个像素和1个偏置相连接，共有6×5×30×30＝27000个连接。

7.如权利要求3所述的基于DCNN的电力系统暂态信号分析方法，其特征在于，第二卷积层使用2个大小为5×5的卷积核对输入的图像进行卷积操作，设定步长为1，得到12个大小为(30-5+1)×(30-5+1)＝26×26的feature maps；其中，选择激活函数为ReLu。

8.如权利要求3所述的基于DCNN的电力系统暂态信号分析方法，其特征在于，第二池化层将第二卷积层中每个2×2的子块x求和，再乘以一个可训练权重ω，加上可训练偏置项b，得到12个13×13的feature maps；每一个2×2的子块求和，乘以权重参数ω，加上偏置b，共计2×12＝24个参数。