[发明专利]基于PSO-LSTM的输电线路故障诊断方法

说明书

本发明公开了基于PSO‑LSTM的输电线路故障诊断方法，利用粒子群优化算法在迭代过程中寻找LSTM模型的最优参数，优化长短时记忆算法来学习时域信息，根据优化后的参数建立LSTM模型中的时间信息，完成输电线路故障检测，该方法有效提高了输电线路故障监测效果。

技术领域

本发明属于输电线路的故障诊断技术领域，具体涉及基于PSO-LSTM的输电线路故障诊断方法。

背景技术

随着电力系统的不断发展，输电线路故障类型高效识别对线路分析、故障及时排除、提高电力系统运行可靠性具有重要意义。然而，现有的检测和提取技术存在识别速度慢、提取准确率低的问题，为保障电网良好的电能质量要求能够快速精准地识别出线路故障以便于运行人员及时处理。

近来人工智能技术得到快速发展，利用LSTM(Long Short-Term Memory长短期记忆网络)处理特征信息时，其模型在时间序列的分析中表现优异，但是超参数对负荷预测的准确性有较大影响，且容易在时域忽略多帧之间的接触信息，影响最终的检测和提取精度。

发明内容

本发明的目的是提供基于PSO-LSTM的输电线路故障诊断方法，能够提高输电线路故障诊断精确度。

本发明所采用的技术方案是，基于PSO-LSTM的输电线路故障诊断的方法，具体按照以下步骤实施：

步骤1、对故障类型进行编号，采集输电系统原始三相电压数据、电流数据，以及确定原始三相电压数据、电流数据对应的故障类型编号，对原始三相电压数据、电流数据分别进行归一化处理，并将归一化后原始三相电压数据、电流数据及对应的故障类型编号作为样本划分为训练集、测试集，再将训练集划分为LSTM训练集和PSO寻优集；

步骤2、建立PSO-LSTM模型，通过LSTM训练集和PSO寻优集对PSO-LSTM模型中的参数及范围进行寻优，得到优化参数的PSO-LSTM模型；

步骤3、采集输电线路三相电流、电压，对输电线路三相电流、电压分别进行归一化处理后，输入优化参数的PSO-LSTM模型，得到故障编号，即为诊断结果。

本发明的特点还在于：

步骤1中对原始三相电压数据、电流数据分别进行归一化处理的公式为：

式中，x表示原始输入数据，x_max和x_min表示原始数据的最大值和最小值，x_norm表示归一化数据。

步骤1中训练集、测试集的比例为4：1。

步骤1中LSTM训练集、PSO寻优集的比例为4：1。

步骤2中PSO-LSTM模型中包括基于PSO的适应度函数，表示为：

式中，P和Q分别代表训练样本和测试样本的数量，y_p和分别代表训练样本的真实值和预测值，y_q和分别代表训练样本的真实值和预测值。

步骤2具体过程为：将LSTM训练集和PSO寻优集输入PSO-LSTM模型，使基于PSO的适应度函数达到最大值时，对应的参数赋值给PSO-LSTM模型，得到优化参数的PSO-LSTM模型。

本发明基于PSO-LSTM的输电线路故障诊断方法有益效果是：

1)结合两种方法的优点，既具有LSTM良好的训练和预测性能，又可以自适应地优化其关键参数。

2)优化后的神经网络提高了检测和提取模型的适应性和鲁棒性，为高压输电线路故障的检测和提取提供了新的方向。