趙雪松謝蓓敏張宏偉

（1.國網(wǎng)吉林省電力有限公司，吉林長春 130000；2.國網(wǎng)吉林省電力有限公司檢修公司，吉林長春 130000）

一種基于深度學(xué)習(xí)算法的電網(wǎng)故障診斷方法

趙雪松1謝蓓敏2張宏偉2

（1.國網(wǎng)吉林省電力有限公司，吉林長春 130000；2.國網(wǎng)吉林省電力有限公司檢修公司，吉林長春 130000）

電網(wǎng)故障原因復(fù)雜，開關(guān)和保護(hù)的誤動(dòng)、拒動(dòng)以及信道的信號干擾均會(huì)給傳統(tǒng)的淺層智能模型帶來困難，所以需要從更深入的層面表征電網(wǎng)故障，并對其進(jìn)行故障診斷。針對這一問題，本文提出一種基于深度學(xué)習(xí)算法的電網(wǎng)故障診斷方法，該算法利用由Convolution層、Pooling層、Flatten層及MLP層構(gòu)成的深度網(wǎng)絡(luò)結(jié)構(gòu)，對電網(wǎng)故障信息進(jìn)行學(xué)習(xí)并獲得對應(yīng)的診斷模型。試驗(yàn)表明PGFD-DL算法具有更高的穩(wěn)定性與精度。

電網(wǎng)；故障診斷；深度學(xué)習(xí)；神經(jīng)網(wǎng)；深層表達(dá)

隨著電網(wǎng)規(guī)模的不斷擴(kuò)大，變電站自動(dòng)化和無人值班得到了廣泛的關(guān)注。電網(wǎng)自動(dòng)化管理的一個(gè)關(guān)鍵環(huán)節(jié)就是能夠?qū)﹄娋W(wǎng)出現(xiàn)的故障進(jìn)行診斷，并調(diào)整相應(yīng)的保護(hù)裝置［1，2］。當(dāng)前很多人工智能算法被應(yīng)用到了電網(wǎng)故障診斷領(lǐng)域，并取得了較好的應(yīng)用效果［3］。

然而電網(wǎng)故障原因復(fù)雜，開關(guān)和保護(hù)的誤動(dòng)、拒動(dòng)以及信道的信號干擾均會(huì)給傳統(tǒng)的淺層智能模型帶來困難，所以需要從更深入的層面表征電網(wǎng)故障，并對其進(jìn)行故障診斷。針對這一問題，本文提出了一種基于深度學(xué)習(xí)算法的電網(wǎng)故障診斷方法（Power Grid Fault Diagnosis Method Based on Deep Learning Algorithm，PGFD-DL），該算法利用由Convolution層、Pooling層、Flatten層以及MLP層構(gòu)成的深度網(wǎng)絡(luò)結(jié)構(gòu)，對電網(wǎng)故障信息進(jìn)行學(xué)習(xí)獲得對應(yīng)的模型。然后引入電網(wǎng)實(shí)際運(yùn)行數(shù)據(jù)，PGFD-DL與傳統(tǒng)神經(jīng)網(wǎng)算法、決策樹算法及隨機(jī)森林算法進(jìn)行對比，表明PGFD-DL算法具有更好的穩(wěn)定性與精度。

1 一種基于深度學(xué)習(xí)算法的電網(wǎng)故障預(yù)測方法

本文構(gòu)造了一種深度學(xué)習(xí)算法的電網(wǎng)故障預(yù)測方法，其深度網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 深度網(wǎng)絡(luò)結(jié)構(gòu)

如圖1所示，本文提出的算法包含4個(gè)組成部分：Convolution層、Pooling層、Flatten層及MLP層。卷積層連接輸入數(shù)據(jù)，對于卷積層其輸入為對于一個(gè)二維矩陣I，該卷積層對應(yīng)的一個(gè)m行n列的核K計(jì)算產(chǎn)生對應(yīng)的公式為：

式（1）中，s的每一個(gè)元素均通過該公式計(jì)算獲得，一個(gè)卷積層可以對應(yīng)多個(gè)核，每個(gè)核Kernel對應(yīng)一個(gè)輸出s。Pooling層連接Convolution，Pooling指定一個(gè)filter的大小通過該filter將輸入矩陣劃分為多個(gè)子部分，而每個(gè)子部分經(jīng)過計(jì)算獲得一個(gè)輸出值。該層在默認(rèn)情況下使用Max求子部分的最大值，當(dāng)然也可以選用Mean、Stdv等方式進(jìn)行計(jì)算。Flatten層將Pooling層的輸出轉(zhuǎn)換為1維矢量并連接MLP層；MLP層為一個(gè)3層神經(jīng)網(wǎng)連接Flatten層包含一個(gè)隱層、一個(gè)輸出層。對于該深度網(wǎng)絡(luò)結(jié)構(gòu)，其訓(xùn)練算法如下：

根據(jù)該算法可以基于訓(xùn)練的效果動(dòng)態(tài)地添加核，直到精度滿足要求。在該算法基礎(chǔ)上，模型的獲取及故障診斷過程如下：①對于每一個(gè)樣本數(shù)據(jù)截取該樣本所在時(shí)間點(diǎn)之前的s秒所有電網(wǎng)采樣數(shù)據(jù)，構(gòu)成一個(gè)數(shù)據(jù)矩陣M，該矩陣的橫向?yàn)椴煌牟蓸狱c(diǎn)，縱向?yàn)閷?yīng)采樣點(diǎn)不同的屬性，轉(zhuǎn)換所有樣本構(gòu)成訓(xùn)練樣本集合Train Set；②利用TrainModel算法獲得深度網(wǎng)絡(luò)結(jié)構(gòu)DeepMod?el；③對應(yīng)電網(wǎng)當(dāng)前的時(shí)間點(diǎn)截取該樣本所在時(shí)間點(diǎn)之前的s秒所有電網(wǎng)采樣數(shù)據(jù)，構(gòu)成待分析數(shù)據(jù)矩陣M，將M輸入給DeepModel獲得診斷結(jié)果。

2 試驗(yàn)驗(yàn)證

為了驗(yàn)證算法的診斷能力，本文引入電網(wǎng)2015年的真實(shí)的運(yùn)行數(shù)據(jù)，截取其中1 000個(gè)存在故障的時(shí)間點(diǎn)和1 000個(gè)正常運(yùn)行的時(shí)間點(diǎn)作為樣本，隨機(jī)選取其中100，200，……，1 000共10組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，隨機(jī)選取1 000個(gè)樣本作為測試數(shù)據(jù)。PGFD-DL與傳統(tǒng)神經(jīng)網(wǎng)算法、決策樹算法及隨機(jī)森林算法進(jìn)行對比，4種算法的診斷精度如表1所示。

表1 4種算法的診斷精度

從表1中可以看出，決策樹算法的診斷精度在4種算法中是最低的，傳統(tǒng)神經(jīng)網(wǎng)算法雖然精度略有提高，隨機(jī)森林算法分類精度接近神經(jīng)網(wǎng)穩(wěn)。PGFD-DL算法對于10組訓(xùn)練樣本獲得的診斷精度均高于另外3種算法，在1 000個(gè)樣本時(shí)達(dá)到了最高的92%。4種算法診斷精度對比如圖2所示。

從圖2中可以看出，PGFD-DL在分類精度和穩(wěn)定性方面均優(yōu)于另外3種算法。

3 結(jié)論

本文提出了一種基于深度學(xué)習(xí)算法的電網(wǎng)故障診斷方法，該算法通過建立一個(gè)深度網(wǎng)絡(luò)結(jié)構(gòu)，可以對電網(wǎng)故障的信息進(jìn)行分析獲得深層次電網(wǎng)故障知識。通過將PGFD-DL與傳統(tǒng)神經(jīng)網(wǎng)算法、決策樹算法及隨機(jī)森林算法進(jìn)行對比，結(jié)果表明PGFD-DL在分類精度和穩(wěn)定性方面均優(yōu)于另外3種算法。本文提出的算法對保證電網(wǎng)系統(tǒng)安全運(yùn)行提高供電可靠性具有十分重要的應(yīng)用價(jià)值。

［1］杜一，張沛超，郁惟鋪.基于事例和規(guī)則混合推理的變電站故障診斷系統(tǒng)［J］.電網(wǎng)技術(shù)，2004（1）：34-37.

［2］畢天妹，倪以信，吳復(fù)立，等.基于新型神經(jīng)網(wǎng)絡(luò)的電網(wǎng)故障診斷方法［J］.中國電機(jī)工程學(xué)報(bào)，2002（2）：33-38.

［3］陳平，謝志江，歐陽奇多層傳遞函數(shù)的量子神經(jīng)網(wǎng)絡(luò)在汽輪機(jī)故障診斷中的應(yīng)用［J］.動(dòng)力工程，2007（4）：569-572.

A Power Grid Fault Diagnosis Method Based on Deep Learning Algorithm

Zhao Xuesong1Xie Beimin2Zhang Hongwei2
（1.State Grid Jilin Electric Power Co.Ltd.，Changchun Jilin 130000；2.State Grid Jilin Electric Power Co.Ltd.Maintenance Branch，Changchun Jilin 130000）

Because of the complex cause of grid fault,the malfunction and failure of switch and protection,and the signal interference of channel will bring difficulties to the traditional shallow intelligent model.Therefore,it is neces?sary to characterize grid fault and diagnose it in a deeper level.In order to solve this problem,a power grid fault diag?nosis method based on deep learning algorithm(PGFD-DL)was proposed.This algorithm utilizes the Convolution lay?er,Pooling layer,Flatten layer and MLP Layer to construct a deep network structure,the grid fault information can be learned and get the corresponding diagnostic model.Experiments show that PGFD-DL algorithm has higher stability and accuracy.

power grid；fault diagnosis；deep learning；neural network；deep expression

TM711

A

1003-5168（2016）12-0053-02

2016-11-25

趙雪松（1972-），男，本科，高級工程師，研究方向：電力系統(tǒng)及其自動(dòng)化。