(19)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 202211512825.2 (22)申请日 2022.11.30 (71)申请人 国网天津市电力公司电力科 学研究 院 地址 300392 天津市滨 海新区华苑产业区 海泰华科四路8号 申请人 国网天津市电力公司培训中心 　 国网天津市电力公司 　 国家电网有限公司 (72)发明人 彭词　王佰淮　胡丽蕊　毕安露　 杨昕陆　霍明亮　方晓萌　孙正明　 马琳琦　刘健　徐业朝　李忠财　 (74)专利代理 机构 北京知联天下知识产权代理 事务所(普通 合伙) 11594 专利代理师 孔凡梅(51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于多类信息融合识别的电网故障诊断方 法、 装置及设备 (57)摘要 本发明公开了一种基于多类信息融合识别 的电网故障诊断方法、 装置及设备， 其中所述方 法包括： 对电网中多种类型数据进行预处理， 获 取所述多种类型数据的特征数据； 将所述多种类 型数据的特征数据进行融合， 形成融合后的特征 数据； 根据融合后的特征数据分析电网设备故 障。 本公开考虑了不同类型的电网数据能够为电 网故障诊断提供 更为准确的数据基础。 权利要求书3页 说明书8页 附图3页 CN 115545355 A 2022.12.30 CN 115545355 A 1.一种基于多类信息融合识别的电网故障诊断方法， 其特 征在于， 所述方法包括： 对电网中多种类型 数据进行 预处理， 获取所述多种类型 数据的特 征数据； 将所述多种类型数据的特征数据进行融合， 形成融合后的特征数据； 其中， 所述融合后 的特征数据包括所述多种类型 数据的混合编码向量和故障类别标记； 根据融合后的特 征数据分析电网设备故障。 2.根据权利要求1所述的方法， 其特 征在于， 形成融合后的特征数据后， 将融合后的特征数据与预测的特征数据进行逻辑运算， 获 得前一时刻的故障原因预测误差； 基于所述前一时刻的故障原因预测误差和当前时刻的故障特征向量， 确定M ‑LSTM网络 中门结构中输入门信号、 遗 忘门信号和输出门信号； 最后确定电网设备的故障。 3.根据权利要求2所述的方法， 其特征在于， 通过以下方式获得前一 时刻的故障原因预 测误差： 其中， 为在t‑1时刻， 即前一时刻的故障原因预测误差； ‑1为负单位矩阵； 为在t‑1时刻所述多种类型 数据的预测值向量； 为在t‑1时刻融合后的特 征数据中的混合编码向量； 为矩阵加法运 算符。 4.根据权利要求3所述的方法， 其特 征在于， 所述多种类型 数据的预测值是通过LSTM算法获得。 5.根据权利 要求3所述的方法， 其特征在于， 通过以下方式确定M ‑LSTM网络中门结构中 输入门信号、 遗 忘门信号和输出门信号： 其中， It为输入门信号， 用于控制LSTM中输入记忆细胞中的故障特征序列， Ft为遗忘门信号， 用于决定当前LSTM中记忆细胞中上一时刻的信息保留多少， Ot为输出门， 决定LSTM的输出 内容； Wi为LSTM算法中的输入门权重； xt为t时刻的输入数据； bi为输入门偏置项； 为 sigmoid函数； Wf为遗忘门权重； bf为遗忘门偏置项； Wo为输出门权 重； bo为输出门偏置项。 6.根据权利要求5所述的方法， 其特 征在于， 通过以下 方式更新 LSTM中的记 忆细胞 ：权　利　要　求　书 1/3 页 2 CN 115545355 A 2其中，Wc为隐含状态权 重；bc为隐含状态偏置项。 7.根据权利要求1 ‑6任一所述的方法， 其特 征在于， 将融合后的特 征数据中的混合编码向量作为M ‑BiLSTM的输入； 利用所述M ‑BiLSTM输出故障原因类别数字； 根据所述故障原因类别数字确定电网故障原因。 8.一种基于多类信息融合识别的电网故障诊断装置， 其特 征在于， 所述装置包括： 获取单元， 用于对电网中多种类型数据进行预处理， 获取所述多种类型数据的特征数 据； 融合单元， 用于将所述多种类型数据的特征数据进行融合， 形成融合后的特征数据； 其 中， 所述融合后的特 征数据包括所述多种类型 数据的混合编码向量和故障类别标记； 分析单元， 用于根据融合后的特 征数据分析电网设备故障。 9.根据权利要求8所述的装置， 其特 征在于， 形成融合后的特征数据后， 所述分析单元将融合后的特征数据与预测的特征数据进行 逻辑运算， 获得前一时刻的故障原因预测误差； 基于所述前一时刻的故障原因预测误差和当前时刻的故障特征向量， 确定M ‑LSTM网络 中门结构中输入门信号、 遗 忘门信号和输出门信号； 最后确定电网设备的故障。 10.根据权利要求9所述的装置， 其特征在于， 通过以下方式获得前一时刻的故障原因 预测误差： 其中， 为在t‑1时刻， 即前一时刻的故障原因预测误差； ‑1为负单位矩阵； 为在t‑1时刻所述多种类型 数据的预测值向量； 为在t‑1时刻融合后的特 征数据中的混合编码向量； 为矩阵加法运 算符。 11.根据权利要求10所述的装置， 其特 征在于， 所述多种类型 数据的预测值是通过LSTM算法获得。 12.根据权利 要求10所述的装置， 其特征在于， 通过以下方式确定M ‑LSTM网络中门结构 中输入门信号、 遗 忘门信号和输出门信号： 权　利　要　求　书 2/3 页 3 CN 115545355 A 3