本發(fā)明涉及故障檢測(cè)，具體涉及一種基于信號(hào)處理增強(qiáng)型transformer的主配協(xié)同故障檢測(cè)方法及介質(zhì)。

背景技術(shù)：

1、在電力系統(tǒng)中，故障檢測(cè)是保障電網(wǎng)穩(wěn)定運(yùn)行的關(guān)鍵環(huán)節(jié)。傳統(tǒng)的故障檢測(cè)方法主要依賴于對(duì)電壓和電流信號(hào)的基本分析，這些方法通常包括簡(jiǎn)單的閾值判斷、頻譜分析等。隨著電力系統(tǒng)的復(fù)雜化以及非線性負(fù)載的增加，傳統(tǒng)的方法對(duì)于捕捉微弱、非線性和非平穩(wěn)信號(hào)的能力顯得不足。因此，如何有效地處理并分析這些復(fù)雜的信號(hào)成為提升故障檢測(cè)精度的重要挑戰(zhàn)。

2、在實(shí)際應(yīng)用中，為了提高故障檢測(cè)的準(zhǔn)確性，工程師們常常采用基于機(jī)器學(xué)習(xí)或深度學(xué)習(xí)模型的方法來處理采集到的數(shù)據(jù)。然而，這類方法往往面臨著數(shù)據(jù)預(yù)處理復(fù)雜、特征提取不夠精準(zhǔn)的問題。特別是當(dāng)面對(duì)瞬態(tài)變化的故障信號(hào)時(shí)，傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)難以實(shí)現(xiàn)高效準(zhǔn)確的特征提取，導(dǎo)致在實(shí)時(shí)性要求較高的場(chǎng)景下性能不佳，無法滿足快速響應(yīng)的需求。

3、因此現(xiàn)有技術(shù)中還會(huì)利用transformer架構(gòu)進(jìn)行故障信號(hào)處理，通過transformer強(qiáng)大的并行計(jì)算能力和自注意力機(jī)制，可以在一定程度上改善對(duì)非線性、非平穩(wěn)信號(hào)的處理能力，從而提升故障檢測(cè)的準(zhǔn)確性和效率，但是這種方案在處理極其微弱的信號(hào)時(shí)仍存在一定的局限性，特別是在信號(hào)特征提取的全面性和精確度方面達(dá)不到基礎(chǔ)要求。

4、為此，本技術(shù)特提出一種基于信號(hào)處理增強(qiáng)型transformer的主配協(xié)同故障檢測(cè)方法以解決上述技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的主要目的在于提供一種基于信號(hào)處理增強(qiáng)型transformer的主配協(xié)同故障檢測(cè)方法，適用于主配電網(wǎng)故障發(fā)生時(shí)刻和持續(xù)時(shí)間高精度檢測(cè)，通過引入專門設(shè)計(jì)的信號(hào)處理增強(qiáng)機(jī)制，不僅能夠更加精細(xì)地捕捉故障信號(hào)的瞬態(tài)能量和時(shí)頻特征，還能夠在動(dòng)態(tài)環(huán)境下更準(zhǔn)確地識(shí)別故障模式，同時(shí)還顯著提高了對(duì)微弱非線性非平穩(wěn)信號(hào)的處理能力，克服了傳統(tǒng)transformer在處理此類信號(hào)時(shí)的局限性，實(shí)現(xiàn)了更高精度的故障檢測(cè)，以解決背景技術(shù)中所提出的技術(shù)問題。

2、本發(fā)明采用以下技術(shù)方案解決上述技術(shù)問題：

3、一種基于信號(hào)處理增強(qiáng)型transformer的主配協(xié)同故障檢測(cè)方法，包括：

4、s1.采集主配網(wǎng)故障電壓電流信號(hào)進(jìn)行預(yù)處理，并構(gòu)建訓(xùn)練集fd；

5、s2.設(shè)置故障特征編碼層和多層感知機(jī)故障檢測(cè)層，用于構(gòu)建信號(hào)處理增強(qiáng)型transformer，之后采用訓(xùn)練集fd訓(xùn)練信號(hào)處理增強(qiáng)型transformer，以獲取模型最優(yōu)參數(shù)；

6、具體的：

7、設(shè)置故障特征編碼層，故障特征編碼層包含瞬態(tài)微弱特征增強(qiáng)注意力機(jī)制、可學(xué)習(xí)非線性波形重構(gòu)機(jī)制，用于計(jì)算獲取故障瞬態(tài)重構(gòu)特征，并根據(jù)上一層故障特征，向下迭代計(jì)算所有層故障特征，以構(gòu)建多層感知機(jī)故障檢測(cè)層，獲取故障發(fā)生時(shí)刻和持續(xù)時(shí)間預(yù)檢測(cè)結(jié)果；

8、將故障特征編碼層和多層感知機(jī)故障檢測(cè)層結(jié)合形成信號(hào)處理增強(qiáng)型transformer，之后采用訓(xùn)練集fd利用反向傳播和梯度下降法對(duì)信號(hào)處理增強(qiáng)型transformer進(jìn)行訓(xùn)練，以獲取模型最優(yōu)參數(shù)；

9、s3.輸入故障數(shù)據(jù)集合作為測(cè)試集樣本，基于信號(hào)處理增強(qiáng)型transformer輸出故障時(shí)刻預(yù)測(cè)結(jié)果。

10、優(yōu)選的，所述s1步驟的具體操作流程包括：

11、s11.采集不同主配電網(wǎng)拓?fù)湎鹿收想妷弘娏餍盘?hào)數(shù)據(jù)，并構(gòu)建主配電網(wǎng)故障檢測(cè)集合，記為，存在，，表示故障總數(shù)；

12、其中表示第條故障電壓電流的信號(hào)數(shù)據(jù)，有，，表示第條故障電壓電流第采樣時(shí)刻的信號(hào)數(shù)據(jù)，表示總采樣時(shí)間；

13、s12.構(gòu)建主配電網(wǎng)故障電壓電流起始時(shí)刻和持續(xù)時(shí)間的標(biāo)簽信息集合，記為；

14、其中表示第條故障標(biāo)簽值，有，用于指示在第時(shí)刻是否發(fā)生故障；

15、s13.將帶有標(biāo)簽的故障電壓電流數(shù)據(jù)集隨機(jī)打亂順序后作為訓(xùn)練集fd。

16、優(yōu)選的，所述s2步驟的操作流程包括：

17、s21.設(shè)置瞬態(tài)微弱特征增強(qiáng)注意力機(jī)制和可學(xué)習(xí)非線性波形重構(gòu)機(jī)制，用于構(gòu)建故障特征編碼層；

18、s22.故障特征編碼層根據(jù)第層故障特征，計(jì)算獲取第層的故障特征，用于迭代計(jì)算所有層故障特征；

19、s23.基于故障特征編碼層進(jìn)一步構(gòu)建多層感知機(jī)故障檢測(cè)層，用于基于所有層故障特征獲取故障發(fā)生時(shí)刻和持續(xù)時(shí)間預(yù)檢測(cè)結(jié)果；

20、s24.基于訓(xùn)練集fd，利用反向傳播和梯度下降法對(duì)信號(hào)處理增強(qiáng)型transformer進(jìn)行訓(xùn)練，當(dāng)訓(xùn)練輪次達(dá)到最大訓(xùn)練輪次或損失函數(shù)達(dá)到最小時(shí)，停止訓(xùn)練，以獲得訓(xùn)練好的主配網(wǎng)故障發(fā)生時(shí)刻和持續(xù)時(shí)間檢測(cè)網(wǎng)絡(luò)。

21、優(yōu)選的，所述s21步驟中瞬態(tài)微弱特征增強(qiáng)注意力機(jī)制用于在第層對(duì)第層第條故障特征進(jìn)行瞬態(tài)特征增強(qiáng)處理，以得到第條故障在第層的電壓電流瞬態(tài)特征，瞬態(tài)特征增強(qiáng)處理的計(jì)算表達(dá)公式為：

22、

23、

24、

25、

26、

27、其中，為第層第條故障特征提取編碼層的瞬態(tài)能量查詢值的權(quán)重矩陣；是第層第條故障特征提取編碼層的瞬態(tài)能量查詢值；是第層第條故障特征提取編碼層的瞬態(tài)能量真值權(quán)重矩陣；是第層第條故障特征提取編碼層的瞬態(tài)能量真值；是右轉(zhuǎn)移矩陣；是左轉(zhuǎn)移矩陣；是第層故障特征提取編碼層第條故障電壓電流數(shù)據(jù)的瞬時(shí)能量；是層正則化；是激活函數(shù)；表示第層故障特征提取編碼層第條故障瞬時(shí)特征權(quán)重；表示逐元素乘。

28、優(yōu)選的，所述s21步驟中可學(xué)習(xí)非線性波形重構(gòu)機(jī)制用于在第層對(duì)輸入的第層第條故障特征重構(gòu)，用于依次得到第層第條故障特征的第段時(shí)頻域相位特征、頻域調(diào)制幅值隱藏特征及故障重構(gòu)特征，其中時(shí)頻域相位特征的計(jì)算表達(dá)公式為：

29、

30、

31、

32、其中，是第層故障特征提取編碼層第段時(shí)頻窗口大小，是第層故障特征提取編碼層第段步長(zhǎng)大小；是短時(shí)傅里葉變換；是第層故障特征提取編碼層第條故障特征的第段時(shí)頻域特征；表示求模值操作；是第層故障特征提取編碼層第條故障特征的第段時(shí)頻域幅值特征；表示求相角。

33、優(yōu)選的，所述頻域調(diào)制幅值隱藏特征的計(jì)算表達(dá)公式為：

34、

35、

36、其中，是第層故障特征提取編碼層第條故障特征的第段時(shí)頻域幅值調(diào)制特征；是第層故障特征提取編碼層幅值調(diào)制權(quán)重矩陣；是第層故障特征提取編碼層幅值調(diào)制偏置矩陣；是激活函數(shù)。

37、優(yōu)選的，所述故障重構(gòu)特征的計(jì)算流程包括：

38、l1.計(jì)算第條故障在第層故障特征提取編碼層的故障特征重構(gòu)片段，計(jì)算表達(dá)公式為：

39、

40、

41、其中，表示第層故障特征提取編碼層第條故障特征的第段相位信息，是虛數(shù)單位；是傅里葉逆變換；是第層故障特征提取編碼層第條故障特征的重構(gòu)時(shí)域特征，是第層故障特征提取編碼層第條故障特征的第段重構(gòu)時(shí)域特征；

42、l2.基于故障特征重構(gòu)片段，計(jì)算得到第條故障在第層的故障重構(gòu)特征，計(jì)算表達(dá)公式為：

43、

44、

45、

46、

47、其中，是第層故障特征提取編碼層第條故障特征的重構(gòu)查詢值；是第層故障特征提取編碼層的重構(gòu)查詢值權(quán)重矩陣；是第層故障特征提取編碼層第條故障特征的重構(gòu)鍵值；是第層故障特征提取編碼層的重構(gòu)鍵值權(quán)重矩陣；是第層故障特征提取編碼層第條故障特征的重構(gòu)真值；是第層故障特征提取編碼層的重構(gòu)真值權(quán)重矩陣；是縮放因子。

48、優(yōu)選的，所述s22步驟中故障特征編碼層計(jì)算獲取故障特征的具體計(jì)算公式為：

49、

50、

51、式中，是第層第條故障瞬態(tài)重構(gòu)特征；由兩個(gè)全連接層和relu激活函數(shù)組成，為第層故障特征提取編碼層第條故障特征。

52、優(yōu)選的，所述s23步驟中獲取故障發(fā)生時(shí)刻和持續(xù)時(shí)間預(yù)檢測(cè)結(jié)果的計(jì)算公式為：

53、

54、

55、其中，表示多層感知機(jī)梯度及反向傳播計(jì)算，表示第條故障各個(gè)采樣點(diǎn)的故障發(fā)生概率；表示第條故障在第個(gè)采樣點(diǎn)的故障概率，表示故障發(fā)生時(shí)刻和持續(xù)時(shí)間預(yù)檢測(cè)結(jié)果。

56、又一方面，本發(fā)明還公開一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，使得所述處理器執(zhí)行如上述方法的步驟。

57、再一方面，本發(fā)明還公開一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被所述處理器執(zhí)行時(shí)，使得所述處理器執(zhí)行如上方法的步驟。

58、由上述技術(shù)方案可知，本發(fā)明提供了一種基于信號(hào)處理增強(qiáng)型transformer的主配協(xié)同故障檢測(cè)方法。與現(xiàn)有技術(shù)相比本發(fā)明的具有以下優(yōu)勢(shì)：

59、1.本發(fā)明通過基于信號(hào)處理增強(qiáng)型機(jī)制的transformer對(duì)微弱非線性非平穩(wěn)主配網(wǎng)故障信號(hào)的瞬態(tài)能量和時(shí)頻協(xié)同分析，可以動(dòng)態(tài)的捕獲故障信號(hào)在時(shí)域和頻域上的瞬態(tài)特征，以提高的主配網(wǎng)故障檢測(cè)精度，滿足了準(zhǔn)確化快速化的實(shí)際需求。

60、2.本發(fā)明通過引入專門設(shè)計(jì)的信號(hào)處理增強(qiáng)機(jī)制，不僅能夠更加精細(xì)地捕捉故障信號(hào)的瞬態(tài)能量和時(shí)頻特征，還能夠在動(dòng)態(tài)環(huán)境下更準(zhǔn)確地識(shí)別故障模式，顯著提高了對(duì)微弱非線性非平穩(wěn)信號(hào)的處理能力，克服了傳統(tǒng)transformer在處理此類信號(hào)時(shí)的局限性，實(shí)現(xiàn)了更高精度的故障檢測(cè)。

61、應(yīng)當(dāng)理解，本部分所描述的內(nèi)容并非旨在標(biāo)識(shí)本發(fā)明的實(shí)施例的關(guān)鍵或重要特征，也不用于限制本發(fā)明的范圍。本發(fā)明的其它特征將通過以下的說明書而變得容易理解。當(dāng)然，實(shí)施本發(fā)明的任一產(chǎn)品并不一定需要同時(shí)達(dá)到以上所述的所有優(yōu)點(diǎn)。