(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 202111362632.9 (22)申请日 2021.11.17 (71)申请人 中国南方电网有限责任公司超高压 输电公司昆明局 地址 650000 云南省昆明市自由贸易试验 区昆明片区经开区出口加工区玉缘路 21号 (72)发明人 周源　鞠翔　黄大彬　魏金林　 魏国富　郭康　吕星岐　张函　 颜帅　徐家将　李谱　袁虎强　 吴镇宇　 (74)专利代理 机构 广州华进联合专利商标代理 有限公司 4 4224 代理人 邓云鹏(51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/00(2012.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) (54)发明名称 基于LSTM的避雷器故障判断方法、 装置、 设 备、 介质和产品 (57)摘要 本申请涉及电力技术领域， 提供了一种基于 修正LSTM的避雷器故障判断方法、 装置、 计算机 设备、 存储介质和计算机程序产品。 本申请能够 实现准确判断避雷器是否发生了表面污秽故障 或受潮故障。 该方法包括： 获取避雷器的故障数 据集， 其中包括风的实时属性、 地理位置因素和 监测数据， 根据风的实时属性和地理位置因素构 建时空关联性模型， 基于时空关联性模型、 平均 绝对误差条件和误差的反向传播算法神经网络 构建基于LS TM的泄漏电流预测模型， 将监测数据 输入至该模 型， 得到下一时刻避雷器阻性电流并 得到阻性电流基波和三次谐波值， 若阻性电流基 波和三次谐波值满足增长率条件， 则判断避雷器 为表面污秽故障， 若阻性电流基波满足阈值条 件， 则判断其 为受潮故障。 权利要求书2页 说明书11页 附图4页 CN 114021475 A 2022.02.08 CN 114021475 A 1.一种基于修 正LSTM的避雷器故障判断方法， 其特 征在于， 所述方法包括： 获取避雷器受潮和表面污秽度的故障数据集； 所述故障数据集包括风的实时属性、 地 理位置因素和监测数据； 根据所述 风的实时属性和地理位置因素， 构建得到时空关联性模型； 基于所述时空关联性模型、 平均绝对误差条件和误差的反向传播算法神经网络， 构建 得到基于LSTM的泄漏电流预测模型； 将所述监测数据输入至所述基于LSTM的泄漏电流预测模型， 得到下一时刻避雷器阻性 电流， 并计算得到阻性电流基波和三次谐波值； 若所述阻性电流基波和三 次谐波值满足第 一增长率条件， 则判断所述避雷器为表面污 秽故障； 若所述阻性电流基波满足阈值条件， 则判断所述避雷器为受潮故障。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述时空关联性模型、 平均绝对 误差条件和误差的反向传播 算法神经网络， 构建得到基于LSTM的泄漏电流预测模型， 包括： 构建得到基于LSTM的第一泄漏电流预测模型； 根据所述时空关联性模型， 修正所述基于LSTM的第一泄漏电流预测模型， 得到基于 LSTM的第二泄漏电流预测模型； 根据平均绝对误差条件， 修正所述基于LSTM的第二泄漏电流预测模型， 得到基于LSTM 的第三泄漏电流预测模型； 根据误差的反向传播算法神经网络， 修正所述基于LSTM的第三泄漏电流预测模型， 得 到基于LSTM的泄漏电流预测模型。 3.根据权利要求2所述的方法， 其特征在于， 所述基于LSTM的第一泄漏电流预测模型包 括遗忘门层、 输入门层和输出门层。 4.根据权利要求2所述的方法， 其特征在于， 所述根据平均绝对误差条件， 修正所述基 于LSTM的第二泄漏电流预测模型， 包括： 若平均绝对误差大于平均绝对误差阈值， 则更新第一偏置、 第二偏置、 第三偏置及权 重， 并根据模 型训练输入 数据， 以及， 更新后的第一偏置、 第二偏置、 第三偏置及权重修正所 述基于LSTM的第一泄漏电流预测模型； 若平均绝对误差小于平均绝对误差阈值， 则模型训练输出数据作为另一个初始化参 数。 5.根据权利要求1所述的方法， 其特征在于， 所述计算得到阻性电流基波和三 次谐波值 之后， 所述方法还 包括： 若所述阻性电流基波和三 次谐波值不满足第 一增长率条件， 且所述阻性电流基波不满 足阈值条件， 则计算所述阻性电流基波和所述三次谐波值的增长率， 得到监测状态量的变 化趋势； 若所述变化趋势满足变化趋势第二增长率条件， 则判断所述避雷器为状态 异常。 6.根据权利要求1所述的方法， 其特征在于， 所述风的实时属性包括风力和/或风向； 所 述地理位置因素包括设备经纬度和/或距离避雷器最近的海岸线参考点经纬度； 所述监测 数据包括故障类型、 运行功率、 历史监测泄漏电流、 阻性电流、 动作次数和/或 温湿度。 7.一种基于修 正LSTM的避雷器故障判断装置， 其特 征在于， 所述装置包括： 数据获取模块， 用于获取避雷器受潮和表面污秽度的故障数据集； 所述故障数据集包权　利　要　求　书 1/2 页 2 CN 114021475 A 2括风的实时属性、 地理位置因素和监测数据； 关联性模型构建模块， 用于根据所述风的实时属性和地理位置因素， 构建得到时空关 联性模型； 预测模型构建模块， 用于基于所述时空关联性模型、 平均绝对误差条件和误差的反向 传播算法神经网络， 构建得到基于LSTM的泄漏电流预测模型； 电流得到模块， 用于将所述监测数据输入至所述基于LSTM的泄漏电流预测模型， 得到 下一时刻避雷器阻性电流， 并计算得到阻性电流基波和三次谐波值； 故障判断模块， 用于若所述阻性电流基波和三次谐波值满足第一增长率条件， 则判断 所述避雷器为表面污秽故障； 若所述阻性电流基波满足阈值条件， 则判断所述避雷器为受 潮故障。 8.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至 6中任一项所述的方法的步骤。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现权利要求1至 6中任一项所述的方法的步骤。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 该计算机程序被处理器执行 时实现权利要求1至 6中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114021475 A 3