一种输电线路故障类型识别方法及系统

1.一种输电线路故障类型识别方法，其特征是，包括以下步骤：利用预先构建的输电线路故障仿真模型生成目标线路各类型的故障时序数据，对故障时序数据进行处理，产生面向卷积神经网络CNN的目标域数据样本；利用目标域数据样本对预先构建的预训练模型进行卷积核迁移训练，形成目标域模型；采用目标域模型对目标线路的故障类型进行识别；其中，所述预训练模型的构建步骤为：利用预先构建的输电线路故障仿真模型生成源线路的各类型的故障时序数据，对该源线路的故障时序数据进行处理，产生面向卷积神经网络CNN的源域数据样本；构建初始卷积神经网络，输入源域数据样本对初始卷积神经网络进行预训练，得到预训练模型；输电线路故障仿真模型的构建步骤为：构建单条输电线路故障仿真模型；设置输电线路参数遍历表，对不同参数故障期间的电气量进行遍历采集，产生可用于预训练和迁移训练的输电线路两端三相电压和三相电流的时序数据；对故障时序数据进行处理，包括：首先对故障时序数据进行等间隔采样，选取故障前后等间隔的若干数据点；随后以二维矩阵形式对数据进行排列，构建12×12的二维数据矩阵；最后对数据进行分别归一化，最终产生面向卷积神经网络CNN的目标域数据样本。 2.根据权利要求1所述的一种输电线路故障类型识别方法，其特征是，参数遍历表中包含的输电线路参数有电压、频率、故障位置、负荷、过渡电阻和故障类型。 3.根据权利要求1所述的一种输电线路故障类型识别方法，其特征是，对故障时序数据进行处理的步骤包括：等间隔采样、二维数据矩阵构建和归一化的步骤。 4.根据权利要求1所述的一种输电线路故障类型识别方法，其特征是，预训练时，以识别率和训练时间为优化目标，确定最优深度网络参数。 5.根据权利要求4所述的一种输电线路故障类型识别方法，其特征是，最优深度网络参数包括迭代次数、卷积核维度和池化核维度。 6.根据权利要求1所述的一种输电线路故障类型识别方法，其特征是，迁移训练时，优化的参数为迁移训练迭代次数。 7.一种输电线路故障类型识别系统，其特征是，包括：故障数据生成模块：利用预先构建的输电线路故障仿真模型生成目标线路各类型的故障时序数据；数据处理模块：对故障时序数据进行处理，产生面向卷积神经网络CNN的目标域数据样本；迁移训练模块：利用目标域数据样本对预先构建的预训练模型进行卷积核迁移训练，形成目标域模型；故障类型识别模块：采用目标域模型对目标线路的故障类型进行识别；其中，所述预训练模型的构建步骤为：利用预先构建的输电线路故障仿真模型生成源线路的各类型的故障时序数据，对该源线路的故障时序数据进行处理，产生面向卷积神经网络CNN的源域数据样本；构建初始卷积神经网络，输入源域数据样本对初始卷积神经网络进行预训练，得到预训练模型；输电线路故障仿真模型的构建步骤为：构建单条输电线路故障仿真模型；设置输电线路参数遍历表，对不同参数故障期间的电气量进行遍历采集，产生可用于预训练和迁移训练的输电线路两端三相电压和三相电流的时序数据；对故障时序数据进行处理，包括：首先对故障时序数据进行等间隔采样，选取故障前后等间隔的若干数据点；随后以二维矩阵形式对数据进行排列，构建12×12的二维数据矩阵；最后对数据进行分别归一化，最终产生面向卷积神经网络CNN的目标域数据样本。 8.根据权利要求7所述的一种输电线路故障类型识别系统，其特征是，进一步包括：仿真模型构建模块，用于预先构建单条输电线路故障仿真模型；设置输电线路参数遍历表，对不同参数故障期间的电气量进行遍历采集，产生可用于预训练和迁移训练的输电线路两端三相电压和三相电流的时序数据，得到输电线路故障仿真模型；预训练模型构建模块，用于利用预先构建的输电线路故障仿真模型生成源线路的各类型的故障时序数据，对该源线路的故障时序数据进行处理，产生面向卷积神经网络CNN的源域数据样本；构建初始卷积神经网络，输入源域数据样本对初始卷积神经网络进行预训练，得到预训练模型。