[发明专利]换流阀故障诊断模型的构建方法、装置和计算机设备

说明书

本申请涉及一种换流阀故障诊断模型的构建方法、装置和计算机设备。所述方法包括：获取换流阀的训练数据集；基于卷积门控递归神经网络的超参数构建卷积门控递归神经网络；通过训练数据集对卷积门控递归神经网络进行训练，得到训练后的卷积门控递归神经网络；判断训练后的卷积门控递归神经网络的适应度是否达到适应度阈值；若未达到，则对超参数进行优化，得到新的超参数，并返回基于超参数构建卷积门控递归神经网络的步骤；若达到，则将训练后的卷积门控递归神经网络，作为换流阀故障诊断模型。采用本方法可以实现将换流阀的故障运行数据输入换流阀故障诊断模型，快速得到换流阀的故障类型，根据故障类型确定故障位置。

技术领域

本申请涉及故障检测技术领域，特别是涉及一种换流阀故障诊断模型的构建方法、装置、计算机设备和存储介质。

背景技术

换流阀是高压直流输电系统的核心部件，是实现交流-直流变换的枢纽，因此，具有很高的安全要求。换流阀一般拥有大量的模块和监控参数，复杂的工作环境、长期连续的工作使得关键系统设备容易出现故障。因此，如果未能预先发现故障的发生，可能会导致严重的后果。更重要的是，虽然相关的操作人员通常都接受了足够的培训，但当换流阀发生故障时，操作人员很难在很短的时间内准确判断故障类型。

目前，换流阀的关键设备故障诊断多采用传统的监测方法或依赖工作人员的经验，不能完全处理复杂系统的故障诊断任务。

发明内容

基于此，有必要针对上述技术问题，提供一种能够使工作人员可以做出准确的判断和决策，有效防止局部故障进一步发展为严重事故，实现全生命周期的智能运维，减小系统安全风险和经济损失的换流阀故障诊断模型的构建方法、装置、计算机设备和存储介质。

一种换流阀故障诊断模型的构建方法，所述方法包括：

获取换流阀的训练数据集；

确定卷积门控递归神经网络的超参数，并基于所述超参数构建相应的卷积门控递归神经网络；

通过所述训练数据集对所述卷积门控递归神经网络进行训练，得到训练后的卷积门控递归神经网络；

获取所述训练后的卷积门控递归神经网络的适应度，并判断所述适应度是否达到适应度阈值；所述适应度用于表征所述训练后的卷积门控递归神经网络对所述换流阀的故障诊断准确性；

若所述适应度未达到所述适应度阈值，则对所述超参数进行优化，得到新的超参数，并返回所述基于所述超参数构建相应的卷积门控递归神经网络的步骤；

若所述适应度达到所述适应度阈值，则将所述训练后的卷积门控递归神经网络，作为换流阀故障诊断模型。

在其中一个实施例中，所述获取换流阀的训练数据集，包括：

构建所述换流阀的数字孪生模型；

获取所述数字孪生模型的模拟运行数据和所述换流阀的历史故障数据，得到样本数据集；

从所述样本数据集中选取多组样本数据，形成训练数据集。

在其中一个实施例中，所述获取所述数字孪生模型的模拟运行数据，包括：

获取所述数字孪生模型在预设的多种故障类型下的模拟运行数据，作为故障运行数据，以及获取所述数字孪生模型在正常工作状态下的模拟运行数据，作为正常运行数据；

根据所述故障运行数据和所述正常运行数据，组成所述数字孪生模型的模拟运行数据。

在其中一个实施例中，所述通过所述训练数据集对所述卷积门控递归神经网络进行训练，得到训练后的卷积门控递归神经网络，包括：

通过所述训练数据集对所述卷积门控递归神经网络进行训练，当训练结果满足训练终止条件时，得到所述卷积门控递归神经网络的模型参数；