[发明专利]一种基于长短期记忆网络的直流闭锁检测与控制方法

权利要求书

1.一种基于长短期记忆网络的直流闭锁检测与控制方法，其特征在于，所述方法包括以下步骤：

1）将故障检测启动后一定量时间窗内的波形数据输入第一LSTM神经网络模型；

2）根据所述第一LSTM神经网络模型判断目前所发生的故障类型；

3）智能终端根据判断的故障类型执行进行相应动作。

2.根据权利要求1所述的一种基于长短期记忆网络的直流闭锁检测与控制方法，其特征在于，所述2）中，判断目前所发生故障属于交流故障还是直流故障，并判断交流故障是否引发了直流闭锁。

3.根据权利要求1所述的一种基于长短期记忆网络的直流闭锁检测与控制方法，其特征在于，所述3）中，若判断结果为系统发生了交流故障且直流未闭锁，则智能终端不动作，检测过程结束。

4.根据权利要求3所述的一种基于长短期记忆网络的直流闭锁检测与控制方法，其特征在于，所述3）中，若判断结果为系统发生了交流故障并引起了直流闭锁，则智能终端动作，切除控制范围内的分布式负荷。

5.根据权利要求4所述的一种基于长短期记忆网络的直流闭锁检测与控制方法，其特征在于，所述3）中，若判断结果为系统发生了直流故障，则增加采样的时间窗，并将增加后的时间窗内的波形数据输入第二LSTM神经网络模型，判断直流故障是否引起了直流输电系统闭锁，若未引起闭锁，则智能终端不动作，检测过程结束，若引起闭锁，则智能终端动作，切除控制范围内的分布式负荷。

6.根据权利要求1所述的一种基于长短期记忆网络的直流闭锁检测与控制方法，其特征在于，对于神经网络模型建立包括以下步骤：

1）对输入的数据进行归一化，将输入值投影到[－1,1]区间内，公式如下：，公式中xmin为变量的极小值，xmax为变量的极大值；

2）建立第一LSTM神经网络模型的网络架构，将全部故障数据集的数据选取故障后一定量时间长度，在数据归一化处理后用于第一LSTM神经网络模型的训练，得到用于区分交直流故障和交流故障是否引起直流闭锁的网络模型；

3）建立第二LSTM神经网络模型的网络架构，将故障数据集中直流故障的数据选取故障后一定量时间长度，在数据归一化处理后用于第二LSTM神经网络模型的训练，得到用于判断直流故障是否引起闭锁的网络模型；

4）在使用数据对第一LSTM神经网络模型或第二LSTM神经网络模型训练时，将数据集划分为训练集和测试集，其中训练集的分类结果已知，对训练集进行监督式学习，得到神经网络模型，将测试集的数据输入到神经网络模型中，得到测试集的预测分类结果。

7.根据权利要求6所述的一种基于长短期记忆网络的直流闭锁检测与控制方法，其特征在于，所述2）或3）中，网络包含一个序列输入层，设置其时间序列的输入维数，一个双向的LSTM层，设置LSTM网路中包含的隐藏单元数目，全连接层和softmax层规定分类的类别数目并输出各类的概率，设置模型的故障数据集，最后一层用于输出分类的结果。

8.根据权利要求7所述的一种基于长短期记忆网络的直流闭锁检测与控制方法，其特征在于，其中第一LSTM神经网络模型中，其时间序列的输入维数为4，每一个时刻的输入都是一个4维的列向量，分别包含电压、电流、频率及功率信息，LSTM网路中包含的隐藏单元数目设置为128，全连接层和softmax层规定分类的类别数目并输出各类的概率，该模型将故障数据集分为3类；最后一层用于输出分类的结果。

9.根据权利要求8所述的一种基于长短期记忆网络的直流闭锁检测与控制方法，其特征在于，其中第二LSTM神经网络模型中，其时间序列的输入维数为4，包含电压、电流、频率及功率信息，LSTM网路中包含的隐藏单元数目设置为256，全连接层和softmax层规定分类的类别数目并输出各类的概率，该模型将故障数据集分为2类，最后一层用于输出分类的结果。

10.根据权利要求6所述的一种基于长短期记忆网络的直流闭锁检测与控制方法，其特征在于，所述4）中，将预测分类结果和测试集的实际分类结果进行比较，用准确率对分类效果进行评估，其公式为：，其中n_T为分类正确的数据组数，n_F为分类错误的数据组数。