一种基于数字孪生的煤矿供电系统故障预警方法
文献发布时间：2023-06-19 16:06:26
技术领域
本发明涉及故障预警技术领域，更具体的说是涉及一种基于数字孪生的煤矿供电系统故障预警方法。
背景技术
目前，稳定供电是煤矿正常运行的重要条件之一。煤矿机械化生产的正常进行需要以供电系统稳定运行为基础。
因此，及时感知供电系统的安全隐患，防范可能存在的风险，进而满足煤矿供电的需求是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种基于数字孪生的煤矿供电系统故障预警方法，通过采集实际煤矿供电网络节点上的正常运行和故障情况下的电量数据，将其送入多个脉冲神经网络，根据提出的公式训练输出神经元和隐藏神经元进而构建煤矿供电网络的数字孪生模型，基于该模型实现对煤矿供电系统故障的实时预警。
为了实现上述目的，本发明采用如下技术方案：
一种基于数字孪生的煤矿供电系统故障预警方法，包括以下步骤：
S1、获取供电网络各个节点正常和故障情况下的电量数据；
S2、构建脉冲神经网络，所述脉冲神经网络包括输入层、隐藏层和输出层，所述隐藏层设置有兴奋性隐藏神经元和抑制性隐藏神经元，所述输出层设置有输出神经元；
S3、基于S1获取的电量数据对脉冲神经网络进行训练，得到训练后的脉冲神经网络；
S4、通过训练后的脉冲神经网络构建供电网络的数字孪生模型；
S5、通过数字孪生模型对供电系统故障进行预警。
优选的，所述步骤S1中的电量数据为电压和电流的时间序列。
优选的，所述步骤S3包括：
S31、对所述兴奋性隐藏神经元的权值进行训练，第i个输入神经元和第h个兴奋性隐藏神经元之间的突触权重用w
其中，t
S32、对所述抑制性隐藏神经元的权值进行训练，第h个抑制性隐藏神经元和第i和输入神经元之间的连接权重用
其中，μ
S33、延迟调整配合权重调整训练输出神经元在所需时间增加其突触后电位，以产生实际输出脉冲，并且调整输出神经元在不期望的脉冲时间减少其突触后电位来移除不期望的实际输出脉冲，通过以下等式对输出神经元权重进行训练：
式中，w
Ψ(s)是一个指数函数：
其中，τ和A分别是指数衰减时间常数和学习窗口的振幅；
x
其中，
ε
其中，
Δt
其中，t
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于数字孪生的煤矿供电系统故障预警方法，通过采集实际煤矿供电网络节点上的正常运行和故障情况下的电量数据，将其送入多个脉冲神经网络，根据提出的公式训练输出神经元和隐藏神经元进而构建煤矿供电网络的数字孪生模型，基于该模型实现对煤矿供电系统故障的实时预警。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的预警方法流程结构示意图。
图2附图为本发明提供的SNN结构示意图。
图3附图为本发明提供的测试供电系统结构示意图。
图4附图为本发明提供的节点3瞬态故障示意图。
图5附图为本发明提供的SNN输出预警信号示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种基于数字孪生的煤矿供电系统故障预警方法，包括以下步骤：
S1、获取供电网络各个节点正常和故障情况下的电量数据；
S2、构建脉冲神经网络，脉冲神经网络包括输入层、隐藏层和输出层，隐藏层设置有兴奋性隐藏神经元和抑制性隐藏神经元，输出层设置有输出神经元；
S3、基于S1获取的电量数据对脉冲神经网络进行训练，得到训练后的脉冲神经网络；
S4、通过训练后的脉冲神经网络构建供电网络的数字孪生模型；
S5、通过数字孪生模型对供电系统故障进行预警。
为进一步优化上述技术方案，步骤S1中的电量数据为电压和电流的时间序列。
为进一步优化上述技术方案，步骤S3包括：
S31、对兴奋性隐藏神经元的权值进行训练，第i个输入神经元和第h个兴奋性隐藏神经元之间的突触权重用w
其中，t
S32、对抑制性隐藏神经元的权值进行训练，第h个抑制性隐藏神经元和第i和输入神经元之间的连接权重用
其中，μ
S33、延迟调整配合权重调整训练输出神经元在所需时间增加其突触后电位，以产生实际输出脉冲，并且调整输出神经元在不期望的脉冲时间减少其突触后电位来移除不期望的实际输出脉冲，通过以下等式对输出神经元权重进行训练：
式中，w
Ψ(s)是一个指数函数：
其中，τ和A分别是指数衰减时间常数和学习窗口的振幅；
x
其中，
ε
其中，
Δt
其中，t
采用修改后的IEEE 30-bus供电系统用来测试本发明所提故障预警方法的有效性。图3显示了测试系统的单相线路图，其中标有绿色圆圈的为智能电表，其提供相应节点的电压、电流信号。每0.1ms采集相应节点的三相电压、电流信号，将得到的信号进行脉冲序列编码(BSA)，经过编码处理后得到适合脉冲神经网络输入的脉冲信号，将这些脉冲信号送入已训练完成的脉冲神经网络，如果发生故障则脉冲神经网络输出信号否则无输出信号。
图4说明了节点3处的模拟瞬态故障(A相电压跌落)，该故障发生在0.02秒，持续时间为4个周期(即0.1s恢复正常)。图3中节点1和4处的SNN会发出预警信号。从图5可以看出，当节点3发生故障时，SNN能够迅速发出故障预警信号，表示在图3中红色虚线范围内的线路发生故障。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。