(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111192496.3 (22)申请日 2021.10.13 (71)申请人 华北电力大 学 地址 102206 北京市昌平区北农路2号 (72)发明人 张旭　郭子兴　 (74)专利代理 机构 北京智绘未来专利代理事务 所(普通合伙) 11689 代理人 肖继军　魏辛欣 (51)Int.Cl. G06F 30/27(2020.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G01R 31/52(2020.01) G06F 113/04(2020.01) (54)发明名称 一种基于胶囊网络的输电线路故障类型判 别方法及系统 (57)摘要 本发明提出一种基于胶囊网络的输电线路 故障类型判别方法及系统， 通过获取大量PMU (Phasor Measurement  Unit)数据， 将PMU数据图 形化生成雷达图； 构建基于胶囊网络的输电线路 故障类型判别模型， 划分训练集与测试集， 将训 练集输入所述模型进行训练， 提取图形化PMU数 据的变化特征； 将测试集输入训练好的模型进行 测试， 并将测试结果以混淆矩阵的形式进行分类 输出； 实现对输电线路故障类型的判别。 本发明 无需进行逻辑推理， 也无需引入 大量描述保护系 统行为的知识， 仅需针对 图形化的PMU数据提取 不同故障类型对应的特征。 建模和模 型修改过程 简单易操作， 将PMU数据图形化， 节省计算资源， 模型训练测试速度快， 诊断准确率相对较高。 权利要求书2页 说明书8页 附图6页 CN 113935237 A 2022.01.14 CN 113935237 A 1.一种基于胶囊网络的输电线路故障类型判别方法， 其特征在于， 所述方法包括以下 步骤： S1： 搭建电网仿真模型， 设定模型参数和运行条件， 获取输电线路故障时的相量测量装 置PMU数据； S2： 对所述PMU数据选取 特征量进行归一 化处理后将PMU数据转 化生成雷达图； S3： 构建基于胶囊网络的输电线路故障类型判别模型， 随机划分训练集与测试集； S4： 通过训练集样本对模型进行训练， 对PMU数据雷达图进行特征提取和学习， 得到训 练好的输电线路故障类型判别模型； S5： 将测试集输入训练好的输电线路故障类型判别模型中进行测试， 采用测试后的模 型进行输电线路故障类型的判别。 2.根据权利要求1所述的方法， 其特 征在于， 所述 步骤S1包括： 基于电力系统仿真软件DIgSILENT搭建仿真模型， 并根据电网实测潮流对模型进行潮 流调整， 提高模型准确度。 3.根据权利要求2所述的方法， 其特 征在于， 所述 步骤S2包括： 选取输电线路的三相电压幅值、 三相电流和零序电流幅值作为特征量， 对选取的7个电 气特征量进行归一化处理后将数值映射到[0， 1]之间， 然后设定图形区间为[ ‑0.5， 1.5]， 隐 藏相应的横纵坐标后将PMU数据转 化为7维雷达图。 4.根据权利要求3所述的方法， 其特 征在于， 所述 步骤S3中， 所述胶囊网络模型包括一个卷积层、 一个主胶囊层、 一个数字胶囊层和三个全连接层 的网络， 所述模 型输入PMU数据雷达图， 经过卷积层32个卷积核进 行32次卷积运算后输出特 征图， 经过主胶囊层8个卷积核8次卷积运算后得到9组特征图， 随后将特征图展平， 通过数 字胶囊转化为4个18维胶 囊， 传输至全连接层经过flatten函数展平后重构出和输入图像尺 寸大小相同的图像， 并通过构建Softmax分类 器对故障类型进行分类。 5.根据权利要求 4所述的方法， 其特 征在于， 所述 步骤S3包括： 将转化生成的大量PMU数据雷达图按8： 2的比例随机划分为训练集和测试集， 训练集和 测试集样本中都带有相应的标签， 所述标签包括： 单相接地短路， 两相短路， 两相接地短路， 三相短路。 6.根据权利要求5所述的方法， 其特 征在于， 所述 步骤S4包括： 将训练集输入模型对其进行训练， 提取学习PMU数据雷达图特征， 经过反复地模型参数 寻优和超参数调整后得到训练后的输电线路故障类型判别模型。 7.根据权利要求6所述的方法， 其特 征在于， 所述 步骤S5包括： 将测试集样本输入经由训练集训练和反复调参后得到判别模型， 最终输出混淆矩阵， 包括输电线路故障类型判别的准确 率、 精确率、 召回率和F1值评价指标和故障类型判别结 果。 8.一种基于胶囊网络的输电线路故障类型判别系统， 用于实现强烈要求1 ‑7所述的方 法， 其特征在于， 所述系统包括故障数据获取模块、 数据图形转化模块、 模型构建模块、 模型训练模块、 模型测试模块和输出模块； 所述故障数据获取模块用于搭建电网仿真模型， 设定模型参数和运行条件， 获取输电权　利　要　求　书 1/2 页 2 CN 113935237 A 2线路故障时的PMU数据； 所述数据图形转化模块用于将获取的PMU数据转化生成7维雷达图， 将PMU数据雷达图 按8： 2的比例随机划分为训练集和 测试集； 所述模型构建模块用于构建基于胶囊网络的输电线路故障类型判别模型； 所述模型训练模块采用训练集对胶囊网络进行训练； 所述模型测试模块采用测试集对训练好的胶囊网络进行测试， 经过胶囊网络对PMU数 据雷达图的特 征提取和学习以及故障类型分类， 实现对输电线路故障类型的判别； 所述输出模块输出混淆矩阵， 包括输电线路故障类型判别的准确率、 精确率、 召回率和 F1值评价指标和故障类型判别结果。权　利　要　求　书 2/2 页 3 CN 113935237 A 3