(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 202211069836.8 (22)申请日 2022.09.01 (71)申请人 合肥工业大 学 地址 230000 安徽省合肥市包河区屯溪路 193号 申请人 国网安徽省电力有限公司滁州供电 公司　 国网安徽省电力有限公司 (72)发明人 李奇越　徐叶刚　周亚　吴航　 蒋伟　谢涛　刘鑫　周攀　孙伟　 李帷韬　戴盛全　李希明　 (74)专利代理 机构 合肥市浩智运专利代理事务 所(普通合伙) 34124 专利代理师 闫客(51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/06(2012.01) G06F 113/04(2020.01) G06F 119/02(2020.01) (54)发明名称 配电网故障监测轻量化实现方法、 装置、 设 备及存储介质 (57)摘要 本发明公开一种配电网故障监测轻量化实 现方法、 装置、 设备及存储介质， 故障监测神经网 络部署于嵌入式微处理器， 嵌入式微处理器包含 两级存储器结构， 一级存储器存储有故障监测神 经网络的权重参数， 故障监测神经网络为基于网 络权重参数图内距离聚类与类内均匀剪枝得到 的轻量化LSTM神经网络， 方法包括： 获取配电网 线路的三相电流电压数据； 二级存储器从一级存 储器中读取所述权重参数， 并基于故障监测神经 网络， 对三相电流电压数据进行处理， 得到配电 网故障类型。 本发明减少了两级存储器 之间对于 神经网络模 型权重参数的内存访问次数， 降低了 功耗； 并且减少了网络模型内权重参数数量， 模 型规模小， 更易于在嵌入式设备 上部署。 权利要求书2页 说明书10页 附图1页 CN 115408945 A 2022.11.29 CN 115408945 A 1.一种配电网故障监测轻量化实现方法， 其特征在于， 故障监测神经网络部署于嵌入 式微处理器， 所述嵌入式微处理器包含两级存储器结构， 一级存储器存储有所述故障监测 神经网络的权 重参数， 所述方法包括： 获取配电网线路的三相电流电压数据； 二级存储器从所述一级存储器中读取所述权重参数， 并基于所述故障监测神经网络， 对所述三相电流电压数据进行处 理， 得到配电网故障类型； 其中， 所述故障监测神经网络为基于网络权重参数图内距离聚类与类 内均匀剪枝得到 的轻量化LSTM神经网络 。 2.如权利要求1所述的配电网故障监测轻量化实现方法， 其特征在于， 所述故障监测神 经网络包括依次连接的MaxPo oling1D层、 LSTM层、 Dropout层和Dense层； 所述LSTM层包括输入门、 输出门、 遗 忘门和细胞状态。 3.如权利要求1所述的配电网故障监测轻量化实现方法， 其特征在于， 所述基于网络权 重参数图内距离聚类与类内均匀剪枝得到轻量 化LSTM神经网络的过程包括： 基于所述LSTM层的单元结构， 建立有向无环图G＝{V,E}， 其中， V为节点集合， 由单元结 构内权重参数矩阵中的所有元素组成； E为边集合， 由单元结构内权重参数矩阵中所有元素 间的乘法和 加法关系组成； 计算对所述有向无环图G进行聚类的类数； 基于所述聚类的类数， 对所述有向无环图G中节点 集合V进行聚类， 得到k类权 重参数； 基于k类所述权 重参数， 对所述 LSTM层进行剪枝处 理， 得到所述轻量 化LSTM神经网络 。 4.如权利要求3所述的配电网故障监测轻量化实现方法， 其特征在于， 所述计算对所述 有向无环图G进行聚类的类数， 包括： 根据所述三相电流电压数据的输入向量维度、 所述LSTM层的单元结构中输入门内的控 制向量维度以及所述LSTM层的单元结构中输入门内的偏 置向量维度， 计算所述LSTM层的单 元结构中参与运 算的乘积项数A； 计算利用所述二级存储器最多可产生的乘积项数T(S)， 所述二级存储器的最大存储空 间不超过空间阈值S； 基于所述乘积项数T(S)和所述空间阈值S， 计算有向无环图G聚类后 每个子类最多包含 的乘积项数Q(S)； 基于所述乘积项数A和所述乘积项数Q(S)， 计算在所述二级存储器上对有向无环图G进 行聚类所能得到的子类 个数的最小值P(S)， 作为对所述有向无环图G进行聚类的类数。 5.如权利要求3所述的配电网故障监测轻量化实现方法， 其特征在于， 所述基于所述 聚 类的类数， 对所述有向无环图G中节点 集合V进行聚类， 得到k类权 重参数， 包括： a)根据权重参数ni在所述有向无环图G中与权重参数nj间的最短路径长度Dij， 计算权重 参数ni的坐标为Ai(Di1,Di2,…,Dij,…,Dix)； b)选取k个点作为簇心m1,m2,…,mi,…,mk， 记簇心mi坐标为Mi(Mi1,Mi2,…,Mij,…,Mix)； c)计算每一权重参数到每个簇心的欧式距离， 找到离该权重参数最近的簇心， 并将该 权重参数归属到距离 离该权重参数最近的簇心； d)计算每 个簇心包 含的所有权 重参数的平均坐标， 并将所述平均坐标作为 新的簇心； e)重复执行步骤c)～d)， 直至第i个簇心的变化率为αi满足： αi<α0,i∈{1,2, …,k}， α0为权　利　要　求　书 1/2 页 2 CN 115408945 A 2迭代终止 簇心变化 率， 得到k类权 重参数。 6.如权利要求5所述的配电网故障监测轻量化实现方法， 其特征在于， 第i个所述簇心 的变化率为αi的计算公式为： 式中： 为第k次执行所述步骤c)时第i个簇心， 为第k+1次执行所述步骤c)时第i 个簇心， 为第k+2次执 行所述步骤c)时第i个簇心。 7.如权利要求3所述的配电网故障监测轻量化实现方法， 其特征在于， 所述基于k类所 述权重参数， 对所述 LSTM层进行剪枝处 理， 得到所述轻量 化LSTM神经网络， 包括： 对每一类参数由大到小进行排序， 将排序在βk*Nk后的参数均置为0， 得到剪枝后网络， 其中， βk为第k类权 重参数的剪枝阈值， Nk为第k类权 重参数的个数； 检验所述剪枝后网络的精度γ， 并判断是所述剪枝后网络的精度γ否大于等于设置预 期精度γ0， 若是， 则得到所述轻量 化LSTM神经网络； 若否， 则对所述 LSTM层进行 再训练， 直至得到所述轻量 化LSTM神经网络 。 8.一种配电网故障监测轻量化实现装置， 其特征在于， 所述装置包括： 三相电流电压采 集模块和故障分析模块， 故障分析模块包括嵌入式微处理器， 故障监测神经网络部署于嵌 入式微处理器， 所述 故障监测神经网络为基于网络权重参数图内距离聚类与类内均匀剪枝 得到的轻量化LSTM神经网络， 所述嵌入式微处理器包括一级存储器和二级存储器， 一级存 储器存储有所述故障监测 神经网络的权 重参数， 其中： 三相电流电压采集模块， 用于获取配电网线路的三相电流电压数据； 二级存储器， 用于从所述一级存储器中读取所述权重参数， 并基于所述故障监测神经 网络， 对所述 三相电流电压数据进行处 理， 得到配电网故障类型。 9.一种配电网故障监测轻量化实现设备， 其特征在于， 所述设备包括存储器、 处理器； 其中， 所述处理器通过读取所述存储器中存储的可执行程序 代码来运行与所述可执行程序 代码对应的程序， 以用于实现如权利要求1 ‑7中任一项所述的方法。 10.一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， 实现如权利要求1 ‑7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115408945 A 3