【技術實現步驟摘要】
本專利技術涉及配電網技術，尤其涉及基于混合傳感的配電網光纖復合故障智能定位與診斷方法。
技術介紹
1、配電網是電力系統中的重要組成部分，其安全穩定運行直接關系到用戶的可靠供電。隨著配電網規模不斷擴大和智能化水平提升，配電網故障的快速準確定位和診斷成為保障供電可靠性的關鍵技術。目前，配電網故障定位主要依靠電氣傳感器采集的電壓、電流等數據進行分析。同時，光纖傳感技術因其抗電磁干擾、分布式測量等優勢，在配電網監測中得到廣泛應用。
2、現有的配電網故障定位與診斷方法主要存在以下不足：首先，傳統方法往往單一依賴電氣傳感數據或光纖傳感數據進行故障分析，未能充分利用多源異構數據所包含的豐富信息，導致故障定位精度和可靠性受限。其次，現有的數據融合方法多采用簡單的特征拼接或固定權重融合，無法有效適應不同故障類型下各類傳感數據的貢獻差異，降低了故障診斷的準確性。再次，傳統故障定位方法較少考慮配電網中物理拓撲結構、電氣特性和時序演化的復雜關聯，難以準確刻畫故障傳播特性和故障影響范圍，影響故障定位的準確性和實時性。
3、隨著人工智能技術的發展，深度學習方法在故障診斷領域展現出良好的應用前景。然而，如何有效融合多源異構數據、自適應提取故障特征、準確建模故障傳播機理，仍然是亟待解決的關鍵科學問題。這對開發新型的配電網故障智能定位與診斷方法提出了迫切需求。
技術實現思路
1、本專利技術實施例提供基于混合傳感的配電網光纖復合故障智能定位與診斷方法，能夠解決現有技術中的問題。
2
3、提供基于混合傳感的配電網光纖復合故障智能定位與診斷方法，包括：
4、獲取配電網各監測節點的光纖傳感數據和電氣傳感數據，對光纖傳感數據和電氣傳感數據進行數據預處理，去除異常值、歸一化處理、時間序列對齊，獲得標準化的傳感數據序列；
5、將標準化的傳感數據序列按照數據類型分別輸入至預先訓練的多通道卷積神經網絡的對應輸入通道，通過卷積層提取時頻域特征，利用注意力機制計算不同傳感數據的動態權重系數，根據動態權重系數對不同類型傳感數據的特征進行自適應加權融合，得到融合特征向量；
6、根據融合特征向量構建故障特征空間，將故障特征空間輸入至預先通過歷史故障數據訓練的故障診斷模型中；構建包含物理、電氣和時序關聯的動態故障傳播圖，結合圖卷積和因果卷積進行時空特征提取，利用注意力機制進行消息傳遞更新節點狀態，融合局部特征和全局特征，經多任務損失函數優化后輸出故障定位結果和故障類型識別結果。
7、將標準化的傳感數據序列按照數據類型分別輸入至預先訓練的多通道卷積神經網絡的對應輸入通道，通過卷積層提取時頻域特征，利用注意力機制計算不同傳感數據的動態權重系數，根據動態權重系數對不同類型傳感數據的特征進行自適應加權融合，得到融合特征向量包括：
8、將標準化的傳感數據序列按照數據類型分別輸入至對應的特征提取通道，特征提取通道包括用于一維數據的一維卷積網絡通道、用于二維數據的二維卷積網絡通道以及用于長程依賴建模的空洞卷積網絡通道，通過特征提取通道分別提取各類數據的特征，得到初始特征圖；
9、對初始特征圖進行多尺度特征提取，構建具有多個層級的特征金字塔網絡，在每個層級通過卷積運算提取特征，將第一層級特征通過上采樣與第二層級特征結合，采用自適應權重系數對不同層級的特征進行加權聚合，得到層次化增強的多尺度特征；
10、對層次化增強的多尺度特征進行雙重注意力增強，在通道維度上結合平均池化特征和最大池化特征計算通道注意力權重并對特征通道進行重標定，在空間維度上基于特征圖的局部區域相關性計算空間注意力權重矩陣并實現空間維度的特征增強，將空間增強特征與原始特征進行殘差連接，得到雙重增強的特征表示；
11、對雙重增強的特征表示進行全局平均池化獲取通道級特征描述并構建模態間相關性矩陣，將相關性矩陣分別輸入至多頭注意力模塊和權重生成網絡，計算動態融合權重系數，結合局部增強特征和全局上下文向量進行自適應融合，實現多模態特征的自適應融合；
12、構建包含交叉熵損失項、重建誤差項以及正則化項的聯合優化目標函數，通過最小化聯合優化目標函數對特征提取網絡、注意力模塊、權重生成網絡的參數進行端到端優化，輸出最終的融合特征表示。
13、對層次化增強的多尺度特征進行雙重注意力增強，在通道維度上結合平均池化和最大池化特征計算通道注意力權重，對特征通道進行重標定，在空間維度上基于特征圖的局部區域相關性計算空間注意力圖，實現空間維度的特征增強，得到雙重增強的特征表示包括：
14、在通道維度上對層次化增強的多尺度特征分別執行全局平均池化運算和全局最大池化運算，獲得通道維度的平均池化特征向量和最大池化特征向量，將平均池化特征向量和最大池化特征向量分別輸入至共享權重的多層感知機進行非線性變換，得到兩個中間特征向量；
15、將兩個中間特征向量進行加和運算，并通過sigmoid函數處理得到通道注意力權重向量，利用通道注意力權重向量對層次化增強的多尺度特征進行通道維度的重要性重標定，得到通道增強特征；
16、在空間維度上將通道增強特征劃分為預設數量的局部特征區域，計算不同局部特征區域之間的相關性得到區域相關性矩陣，對區域相關性矩陣進行卷積運算并通過softmax函數歸一化處理，得到空間注意力權重矩陣；
17、將空間注意力權重矩陣與通道增強特征進行空間維度的加權融合，實現空間維度的特征增強，得到空間增強特征，將空間增強特征與層次化增強的多尺度特征進行殘差連接，得到雙重增強的特征表示。
18、對雙重增強的特征表示進行全局平均池化獲取通道級特征描述并構建模態間相關性矩陣，將相關性矩陣分別輸入至多頭注意力模塊和權重生成網絡，計算動態融合權重系數，結合局部增強特征和全局上下文向量進行自適應融合，實現多模態特征的自適應融合包括：
19、對雙重增強特征進行全局平均池化運算得到通道級特征描述向量，基于通道級特征描述向量計算不同模態特征之間的相關性系數，構建模態間相關性矩陣；
20、將通道級特征描述向量通過可學習的投影矩陣分別映射為查詢向量、鍵向量和值向量，將查詢向量、鍵向量和值向量輸入至多頭注意力模塊，在每個注意力頭中計算注意力權重并與值向量相乘得到注意力輸出，將多個注意力頭的輸出進行拼接并經過線性變換得到模態交互特征；
21、將模態間相關性矩陣與模態交互特征進行特征拼接，輸入至多層感知機進行非線性變換得到初始融合權重，引入可學習的溫度參數對初始融合權重進行縮放并通過softmax函數歸一化處理，得到動態融合權重；
22、利用動態融合權重對不同模態的雙重增強特征進行加權求和得到局部增強特征，對局部增強特征進行全局平均池化得到全局上下文向量，將全局上下文向量與對應模態的雙重增強特征進行廣播乘法運算；
23、計算每個模態的重要性權重，將重要性權重分別與局部增強特征和全局本文檔來自技高網...
【技術保護點】
1.基于混合傳感的配電網光纖復合故障智能定位與診斷方法，其特征在于，包括：
2.根據權利要求1所述的基于混合傳感的配電網光纖復合故障智能定位與診斷方法，其特征在于，將標準化的傳感數據序列按照數據類型分別輸入至預先訓練的多通道卷積神經網絡的對應輸入通道，通過卷積層提取時頻域特征，利用注意力機制計算不同傳感數據的動態權重系數，根據動態權重系數對不同類型傳感數據的特征進行自適應加權融合，得到融合特征向量包括：
3.根據權利要求2所述的基于混合傳感的配電網光纖復合故障智能定位與診斷方法，其特征在于，對層次化增強的多尺度特征進行雙重注意力增強，在通道維度上結合平均池化和最大池化特征計算通道注意力權重，對特征通道進行重標定，在空間維度上基于特征圖的局部區域相關性計算空間注意力圖，實現空間維度的特征增強，得到雙重增強的特征表示包括：
4.根據權利要求2所述的基于混合傳感的配電網光纖復合故障智能定位與診斷方法，其特征在于，對雙重增強的特征表示進行全局平均池化獲取通道級特征描述并構建模態間相關性矩陣，將相關性矩陣分別輸入至多頭注意力模塊和權重生成網絡，計算動態融
5.根據權利要求1所述的基于混合傳感的配電網光纖復合故障智能定位與診斷方法，其特征在于，構建包含物理、電氣和時序關聯的動態故障傳播圖，結合圖卷積和因果卷積進行時空特征提取，利用注意力機制進行消息傳遞更新節點狀態，融合局部特征和全局特征，經多任務損失函數優化后輸出故障定位結果和故障類型識別結果包括：
6.根據權利要求5所述的基于混合傳感的配電網光纖復合故障智能定位與診斷方法，其特征在于，基于配電網物理節點連接關系構建物理拓撲關聯矩陣，基于節點電壓、線路電流和功率參數構建電氣耦合關系矩陣，基于時間窗口內的歷史狀態序列構建時序動態關聯矩陣，將物理拓撲關聯矩陣、電氣耦合關系矩陣和時序動態關聯矩陣通過自適應權重融合構建動態故障傳播圖包括：
7.根據權利要求5所述的基于混合傳感的配電網光纖復合故障智能定位與診斷方法，其特征在于，將物理拓撲關聯矩陣、電氣耦合矩陣和時序特征矩陣通過多層非線性變換得到歸一化特征矩陣，基于歸一化特征矩陣在多個注意力子空間構建自注意力特征表示和模態交互特征，將自注意力特征和模態特征進行多尺度池化融合并通過動態門控更新，得到增強后的模態特征表示包括：
...【技術特征摘要】
1.基于混合傳感的配電網光纖復合故障智能定位與診斷方法，其特征在于，包括：
2.根據權利要求1所述的基于混合傳感的配電網光纖復合故障智能定位與診斷方法，其特征在于，將標準化的傳感數據序列按照數據類型分別輸入至預先訓練的多通道卷積神經網絡的對應輸入通道，通過卷積層提取時頻域特征，利用注意力機制計算不同傳感數據的動態權重系數，根據動態權重系數對不同類型傳感數據的特征進行自適應加權融合，得到融合特征向量包括：
3.根據權利要求2所述的基于混合傳感的配電網光纖復合故障智能定位與診斷方法，其特征在于，對層次化增強的多尺度特征進行雙重注意力增強，在通道維度上結合平均池化和最大池化特征計算通道注意力權重，對特征通道進行重標定，在空間維度上基于特征圖的局部區域相關性計算空間注意力圖，實現空間維度的特征增強，得到雙重增強的特征表示包括：
4.根據權利要求2所述的基于混合傳感的配電網光纖復合故障智能定位與診斷方法，其特征在于，對雙重增強的特征表示進行全局平均池化獲取通道級特征描述并構建模態間相關性矩陣，將相關性矩陣分別輸入至多頭注意力模塊和權重生成網絡，計算動態融合權重系數，結合局部增強特征和全局上下文向量進行自適應融...
【專利技術屬性】
技術研發人員：馬驍，蘇鑫越，閆志剛，趙磊，崔敏，張智慧，武利軍，楊利東，張雪薇，郝宇，王立杰，閆詩琦，
申請(專利權)人：內蒙古電力集團有限責任公司包頭供電分公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。