[发明专利]电力无线专网故障诊断模型训练方法、诊断方法及装置

说明书

本发明提供一种电力无线专网故障诊断模型训练方法、诊断方法及装置，所述故障诊断模型训练方法采集电力无线专网运行过程中的关键性能指标，以各关键性能指标对应的条件概率密度散度值为输入，以相应样本的故障类型为输出，对预设神经网络模型进行训练，建立关键性能指标条件概率函数与故障类型的映射关系，通过挖掘各关键性能指标采样参数的分布特征区分和识别电力无线专网的故障类型。进一步地，所述诊断方法中，通过设定长度的时间窗口不断采集各关键性能指标的数据，通过预训练得到的目标故障诊断模型进行故障检测和识别，能够极大降低对人工的依赖，同时提高故障诊断的效率和准确性。

技术领域

本发明涉及无线通络通信技术领域，尤其涉及一种电力无线专网故障诊断模型训练方法、诊断方法及装置。

背景技术

电力系统全环节实时平衡是整个系统稳定可靠运行的必要条件。随着高比例可再生能源消纳、高等级电压输电以及能源消费领域的电气化进程加速，源网荷一体化调节需求与日俱增，电力系统愈来愈依赖通信网络实现海量电力设施、机器与人的广泛互联，双向互动。

目前国内电网已经建成覆盖电厂、变电站、调度大楼的广域专用光纤网络，实现对电力系统枢纽节点的广泛互联。然而，配用电侧面临终端点多面广，继续采用光纤通信技术存在光缆敷设周期长、成本高的缺点，而国家及行业政策严格限制采用无线公网承载电网实时控制业务，因此有必要利用电力自有频率资源建设专用无线通信网络，实现配用电侧海量终端的灵活接入，并满足电网实时控制需求。大电网安全稳定控制需要通信网络具备极高的可靠可用性。电力系统通信网络承载了大量电网感知与控制信号，网络故障易引发电力信息物理系统连锁反应，严重时可能会导致电力系统发生不可预估事故。因此，需要对电力无线专网的运行状态进行实时检测与故障诊断。

目前针对电力无线专网的日常运维主要依赖于人工路测、专家诊断与网优工程师现场实施的方式，可以较好的模拟用户行为特征（如步行、驾驶汽车等移动状态）测试网络性能，但也面临路测成本高、故障诊断依赖人工判断耗时耗力等缺点。

发明内容

本发明实施例提供了一种电力无线专网故障诊断模型训练方法、诊断方法及装置，以消除或改善现有技术中存在的一个或更多个缺陷，解决电力无线专网故障检测诊断成本高、对人工判断依赖度高以及缺少自动故障诊断模型的问题。

为了解决上述技术问题，本发明的技术方案如下：

一方面，本发明提供一种电力无线专网故障诊断模型训练方法，包括：

获取多个电力无线专网的样本数据，每个样本数据包含一种故障状态下多种关键性能指标的多个采样数据，所述关键性能指标至少包括：参考信号接收功率、信号与干扰加噪声比、随机接入成功率和业务平均传输速率；所述故障状态至少包括：过覆盖、弱覆盖、接入故障和信号干扰；

对每个样本数据中各关键性能指标对应的采样数据计算条件概率密度散度值，并将每个样本数据中各关键性指标对应的条件概率密度散度值作为输入，将各样本对应的故障类型作为标签，构成训练样本集；

获取预设神经网络模型，并采用所述训练样本集对所述预设神经网络模型进行训练，得到目标故障诊断模型。

在一些实施例中，所述预设神经网络模型为脉冲神经网络，所述脉冲神经网络包括依次连接的输入层、设定数量个隐含层、输出层和softmax层。所述输入层和各隐含层通过线性函数连接，所述输出层为所述隐含层输出变量线性加权后的激活值，所述输出层采用的激活函数为sigmoid函数。

在一些实施例中，所述方法还包括：