申请/专利权人：国网四川省电力公司电力科学研究院

申请日：2023-10-17

公开（公告）日：2024-06-11

公开（公告）号：CN117347788B

主分类号：G01R31/08

分类号：G01R31/08;G01R31/52;G06N3/084;G06N20/00;G06F30/20;G06F113/04

优先权：

专利状态码：有效-授权

法律状态：2024.06.11#授权;2024.01.23#实质审查的生效;2024.01.05#公开

摘要：本发明涉及配电网故障检测及保护技术领域，公开了一种配电网单相接地故障类别概率预测方法，包括：S1、依据主流方法，构造反映接地故障的若干故障特征，形成故障特征集合X；S2、结合多层感知机方式，构建故障特征与多类故障类别之间映射关系的单相接地故障类别辨识学习模型，并在所述单相接地故障类别辨识学习模型的输出层引入多类的激活函数，并对通过所述激活函数得到的输出层的结果进行概率性转换；S3、引入交叉熵方式对所述单相接地故障类别辨识学习模型进行反向的权重及偏差修正，使修正后的所述单相接地故障类别辨识学习模型能依据所述故障特征预测出故障类别的概率。本发明可以对接地故障进行最大可能性的概率性辨识。

主权项：1.一种配电网单相接地故障类别概率预测方法，其特征在于，包括：S1、依据主流方法，构造反映接地故障的若干故障特征，形成故障特征集合X；S2、结合多层感知机方式，构建故障特征与多类故障类别之间映射关系的单相接地故障类别辨识学习模型，并在所述单相接地故障类别辨识学习模型的输出层引入多类的激活函数，并对通过所述激活函数得到的输出层的结果进行概率性转换，使所述单相接地故障类别辨识学习模型适应多类别接地故障的有效区分及干扰下的接地故障概率化分类；S2的具体步骤为：S2.1、根据多层感知机，将所述故障特征的总数设定为所述单相接地故障类别辨识学习模型的输入层维度N，所述故障类别的总数设定为所述单相接地故障类别辨识学习模型的输出层维度O，并根据避免极端情况的原则下设定隐藏层维度S；所述隐藏层的维度S具体为： 式中：round·和sqrt·分别为向上取整函数和平方根函数，N为输入层维度，O为输出层维度；S2.2、根据所述输入层、隐藏层和输出层的维度，设定所述输入层与隐藏层之间的第一权重矩阵所述隐藏层的第一偏差向量所述隐藏层与输出层之间的第二权重矩阵所述输出层的第二偏差向量所述第一权重矩阵、第一偏差向量、第二权重矩阵、第二偏差向量均设定为均值为零、标准差为1的正态分布，N代表输入层维度、代表空间；S2.3、基于接地故障属性，结合所述第一权重矩阵、第一偏差向量、第二权重矩阵、第二偏差向量在所述输出层设置多类的激活函数得到所述输出层与所述激活函数以及所述第一权重矩阵、第一偏差向量、第二权重矩阵、第二偏差向量的数学关系式；S2.4、引入概率转换函数，对所述数学关系式进行概率转换，以得到所述故障特征属于的每一个故障类别的概率；S3、引入交叉熵方式对所述单相接地故障类别辨识学习模型进行反向的权重及偏差修正，使修正后的所述单相接地故障类别辨识学习模型能依据所述故障特征预测出故障类别的概率。

全文数据：

权利要求：

百度查询： 国网四川省电力公司电力科学研究院 一种配电网单相接地故障类别概率预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD