配电网故障定位方法及系统与制作流程
低压配电网故障检测与定位算法
低压配电网故障检测与定位算法低压配电网是城市电力供应的重要组成部分，它负责将高压输电网输送下来的电能分配给每户用户。
然而，在低压配电网运行过程中，由于种种原因，故障可能会发生，比如短路、接地故障等，这些故障会导致电力供应异常，甚至给用户带来安全隐患。
因此，低压配电网故障检测与定位算法的研究显得尤为重要。
一、低压配电网故障检测算法1. 检测传感器数据的异常值低压配电网故障检测的第一步是通过监测传感器数据。
在配电网中，安装有各种传感器，用于测量电流、电压等参数。
通过实时监测传感器数据，可以检测到异常值。
例如，当某一传感器数据与周围传感器数据相比有明显偏离时，可能意味着该部分存在故障。
因此，通过统计学方法或机器学习方法，可以对传感器数据进行异常值检测，从而及时发现低压配电网中的故障。
2. 多传感器数据融合低压配电网中有多个传感器同时监测电力参数，因此可以将这些传感器数据进行融合，得到更全面、准确的故障检测结果。
融合方法可以采用加权平均、主成分分析等统计学方法，也可以利用深度学习算法进行融合。
通过多传感器数据融合，可以减少单一传感器数据异常造成的误判率，提高低压配电网故障检测的准确性。
3. 基于机器学习的故障检测机器学习是一种通过从数据中学习规律，从而预测或者判断新数据的方法。
在低压配电网故障检测中，可以利用机器学习算法，从历史数据中学习低压配电网正常运行模式，并利用这些学习到的模式来检测故障。
常用的机器学习算法包括决策树、支持向量机、神经网络等。
通过不断优化机器学习算法，可以提高低压配电网故障检测的准确率和效率。
二、低压配电网故障定位算法1. 检测故障传播路径低压配电网中，故障具有传播性，即一个故障点可能会导致周围多个节点故障。
因此，通过检测故障传播路径，可以确定故障点的位置。
传统的方法是基于故障电流的测量，但受限于传感器布局和精度，可能无法准确检测故障传播路径。
因此，可以引入机器学习算法，通过分析历史数据来预测故障传播路径，从而定位故障点。
配电网故障快速定位及快速抢修解决方法研究
配电网故障快速定位及快速抢修解决方法研究随着城市化进程的加速和用电负荷的不断增加，配电网的稳定性、可靠性和安全性已成为城市运行的重要因素之一。
然而，配电网故障是难免的，其产生给城市运行带来严重影响。
因此，如何快速定位和抢修配电网故障成为了解决配电网故障问题的关键。
本文将从以下两个方面进行探讨。
1.电力线路排查法电力线路排查法是一种常用的快速定位方法，它通过观察电力线路以及相关设备的运行情况，找出可能有故障的设备或线路，然后进行检修。
这种方法定位快、效果好，但需要一定的技术和经验。
2.故障指示器法故障指示器是一种提高配电网自动化程度的设备，其可以自动监测系统状态，并通过发光指示灯或声音告知操作人员相关信息，指示故障位置。
故障指示器配合配电网监控系统使用，可以实现快速定位故障，并减少人工干预。
3.红外线测温法红外线测温法是一种非常好的快速定位方法，其可以通过红外线测温仪快速测量设备表面温度，来辨别故障相对应的线路或设备。
相对于其他方法，不需要接触式修理，不会对系统造成进一步损坏，快捷、准确性高。
1.架空线路故障抢修在架空线路故障抢修中，一般采用人工巡视方式，将定位到的故障线路、设备进行隔离、排除，使故障部分与正常部分灵活地隔离开，尽可能缩短停电时间。
在抢修过程中，应注意操作人员的安全，急救预案、行动信号灯等设备需要配齐。
2.地下电缆故障抢修地下电缆故障抢修相对架空线路抢修更加复杂。
在发生地下电缆故障时，一般采用钻孔抢修法和检测仪抢修法。
前者是先通过钻孔进入地下电缆线路，找出故障点进行维修；后者是通过检测信号，确定故障点并进行维修。
这种方法抢修速度较慢，需要设备及技术的支持，同时园区地形路况均需要考虑。
以上就是配电网故障快速定位及抢修解决方法的研究。
希望本文能够对解决配电网故障的问题提供参考。
配电网故障定位的方法
配电网故障定位的方法快速，准确的故障定位是迅速隔离故障和恢复供电的前提，对于维护配电网的安全运行具有重要意义。
配电网故障定位快速，准确的故障定位是迅速隔离故障和恢复供电的前提，对于维护配电网的安全运行具有重要意义。
那么，如何对配电网进行快速，准确的故障定位呢？一、配电网故障处理特点配电网络馈线上一旦发生单相、相间、三相等短路时，设备上的F1U及时将故障信息卜传至主站系统。
即变电站SCADAS系统，若变电站运行人员处理不了，再次将信息上传至上一级调度，经调度SCADAS系统分析进行定位、隔离、恢复。
一般来说，配电网故障处理有以下几个特点：（1）配电网不仪有集中在变电站内的设备，而且还有分布于馈线沿线的设备，如柱上变压器、分段开关、联络开关等。
信号的传输距离较远，采集相对比较困难，而且信号具有畸变的可能性，如继电器节点松动。
开关检修过程中的试分/合操作及兀’U本身的误判断等都会干扰甚至淹没有用信号，导致采集到的信号产生畸变。
（2）配电网设备的操作频度及故障频度较高，因此运行方式具有多变性，相应的网络拓扑也具有自身的多变性。
（3）配电网的拓扑结构和开关设备性能的不同。
对故障切除的方式也不同。
如多分段干线式结构多采用不具有故障电流开段开关和联络线开关，故障由变电站的断路器统一切断，这种切除方式导致了停电范围的扩大。
配电网故障定化是配电网故障隔离、故障恢复的前提，它对于提高配电网的运行效率、改善供电质量、减小停电范围有着重要作用。
二、配电网故障定位的方法1、短路故障定位技术方法配电网系统中短路故障是指由于某种原因，引起系统中电流急剧增大、电压大幅下降等不利运行工况，同时该故障发生后会进一步引发配电网系统中变配电电气设备损坏的相与相、相对地间的大电流短接故障。
按照短路发生部位，可以分为三相短路、两相短路、两相对地短路、以及单相对地短路故障。
由于配电网发生短路故障后，其电流、电压等特征故障参量较为明显，故障定位技术方法的实现相对较为简单，工程中最常用的是“过电流法”。
配电网故障快速定位及快速抢修解决方法研究
配电网故障快速定位及快速抢修解决方法研究随着城市化进程加速和人们对能源需求的增强，低压配电系统的重要性越发凸显。
但是在配电系统的日常运营和维护过程中，故障难免会发生。
因此，本文旨在探讨配电网故障的快速定位和快速抢修解决方法，以提高电网运行效率和服务质量。
一、配电网故障的分类和原因1.故障分类低压配电系统的故障可以分为以下几类：（1）线路故障，如线路短路、开路等；（2）设备故障，如开关、断路器、电容器、变压器等设备故障；（3）动力系统故障，如变频器、电机等动力系统故障；（4）人为原因，如误操作、施工等。
2.故障原因（1）设备老化，如开关、断路器等设备长期使用导致损坏或老化；（2）负荷过载，长期超载运行会导致设备过热甚至烧坏；（3）环境因素，如高温、低温、潮湿等因素会影响设备的正常运行；（4）人为因素，如误操作、错误安装等操作失误会导致设备故障。
当配电网发生故障时，为了能够快速定位故障点，需要进行以下步骤：1. 建立故障现象记录和分析在发现故障后，需要对故障现象进行具体的记录和分析。
（1）故障发生的时间、地点和具体现象；（2）该设备或线路的重要参数，如电流大小、电压、功率因数、电能等；（3）其他需要记录和分析的信息。
（1）通过检查设备、线路等来确定故障原因；（2）根据故障现象和记录的信息，分析故障的原因；（3）调查相关人员的操作错误等可能的人为原因。
3. 修复故障在确认了故障原因后，需及时进行修复。
（1）根据故障原因，选择正确的处理方法；（2）修复完成后，对相关设备和线路进行检查，确保问题解决。
1. 快速抢修的流程为了能够快速抢修，需要建立一套高效的快速抢修流程，具体步骤如下：（1）接到抢修通知后，立即组织相关人员、车辆和设备设备；（2）到达现场后，第一时间进行故障确认，同时启动备用电源；（3）查明故障原因和范围；（4）确定故障解决方案和施工计划；（5）开始施工，改造、更换或修复设备；（6）测试设备运行状态，确保正常运行。
配电网故障快速定位及快速抢修解决方法研究
配电网故障快速定位及快速抢修解决方法研究随着电力系统的发展，配电网扮演着越来越重要的角色。
然而，由于各种原因，如天气变化、设备老化、人为疏忽等原因，配电网随时可能出现故障，给生产和生活带来巨大的影响。
因此，如何快速地定位故障并进行抢修已成为一个迫切需要解决的问题。
一、故障定位1.故障标示。
在配电网中，所有的设备都应该有明确的标示和编号，从而使得检测和定位故障更加简单。
当出现故障时，可以通过标示和编号快速查找设备和跟踪线路，从而定位故障。
2.灵活就位。
为了快速、准确的定位故障，维护人员应该灵活应对不同的现场环境，考虑到不同的因素并采取相应的措施，例如合理选择检测仪器，选择合适的检测模式和检测点等。
3.电流检测。
电流检测是配电网故障定位中比较重要的一种方法。
在出现故障时，可以通过检测故障附近的电流大小，快速地定位故障点。
4.综合检测。
故障是非常复杂和多样的，所以在检测时应该采用综合检测的方式，将多种方法综合运用起来，以提高定位的准确性和效率。
二、故障抢修1.保证人员安全。
在抢修过程中，应该始终确保人员的安全，特别是在高压电中，要采取严格的安全措施，比如穿戴绝缘服、戴好安全帽，使用绝缘工具等。
2.快速响应。
一旦发现故障，应该快速响应，及时到达现场，尽快进行抢修。
在抢修过程中，应该紧张而有序地开展工作，以尽快将输电稳定下来。
3.定性判定。
在抢修过程中，应该准确地判定故障的性质和严重程度，以制定相应的解决方案和抢修计划。
4.备件配齐。
为了更好地应对突发故障，需要备足相应的备件和工具，尤其是在严重的大规模故障中备件配齐尤为重要。
总之，配电网作为电力系统中最后一级的输电线路，对于电力安全保障至关重要。
定位故障和快速抢修是保障电网运行安全的重要环节。
通过科学合理的方式，能够更加准确迅速地定位故障并及时进行抢修，保证电力系统的正常运转。
配电网故障精细定位与服务恢复技术
配电网故障精细定位与服务恢复技术随着电力供应的日益重要，配电网的运行问题也越来越受到关注。
故障的发生会导致停电、电器损坏甚至人身安全受到威胁。
因此，配电网故障的精细定位与服务恢复技术变得至关重要。
本文将介绍一些常用的精细定位技术和服务恢复方法，以帮助读者更好地解决配电网故障问题。
一、故障精细定位技术1. 高频电流测量技术：这种技术通过测量高频电流的变化来判断故障点位置。
高频电流在故障点附近会有显著的变化，可以通过分析电流波形来定位故障点。
这种技术能够快速准确地找到故障点，并有助于提高服务恢复速度。
2. 配电自动化系统：配电自动化系统是一种集成了监测、控制和保护功能的系统。
它可以实时监测配电网络的状态，并通过数据分析来定位故障点。
同时，它还可以自动切换电源路径，快速恢复服务。
3. 高精度定位装置：通过安装高精度定位装置在配电网上，可以实时监测电流和电压，并计算出故障点的位置。
这种技术能够提供更准确的故障定位信息，有助于提高服务恢复效率。
二、服务恢复技术1. 制定应急预案：在配电网故障发生之前，应制定详细的应急预案。
预案中应包括人员调度、物资调配、故障处理流程等内容，以确保在故障发生后能够迅速响应并进行有效的服务恢复。
2. 快速供电车辆：在故障发生时，可以派遣快速供电车辆到达故障点附近，为用户提供临时供电。
这种车辆通常配备有高容量的储能装置和快速充电设备，可以快速将电能输送到用户处，以减少停电时间。
3. 物资储备：建立起足够的物资储备，包括电缆、变压器、开关设备等。
在故障发生时，及时调配这些物资可以加快服务恢复速度。
4. 监测系统：建立配电网络的监测系统，可以实时监测电压、电流等参数，并及时报警。
这样可以在故障发生之前就及时发现问题，提前做好准备工作。
结论配电网故障精细定位与服务恢复技术对于保障电力供应的稳定性和可靠性至关重要。
通过采用高频电流测量技术、配电自动化系统和高精度定位装置等技术，可以快速准确地定位故障点。
配电网故障快速定位及快速抢修解决方法研究
配电网故障快速定位及快速抢修解决方法研究随着城市化进程的加快，现代社会对电力的需求越来越大，而配电网故障的情况也时有发生。
一旦出现故障，不仅会给人们的日常生活带来不便，还可能会造成重大的经济损失和安全隐患。
配电网故障的快速定位和抢修问题显得尤为重要。
本文将围绕配电网故障的快速定位及快速抢修解决方法展开研究。
一、配电网故障的快速定位1.设备监测技术现代配电网中往往使用大量的传感器和监测设备，可以实时监测电流、电压、温度、湿度等参数，一旦出现异常情况，可以通过数据分析迅速确定故障位置。
利用高压电缆的局部放电监测仪可以实时检测电缆的局部放电情况，一旦发现异常，可以迅速定位故障点。
2.智能配电设备智能变电站和智能配电设备可以实现自动化、远程化的管理和监控，一旦出现故障，可以通过智能系统的自我诊断和报警功能，快速定位故障点，提高抢修效率。
3.故障定位技术利用高压电气测量技术和故障定位装置，可以通过测量电气参数的波形特征来确定故障位置，例如利用故障波的传播特性和多点测量技术，可以精确定位故障点。
1.快速反应机制建立配电网故障快速响应机制，一旦发生故障立即启动故障处理流程，迅速调集专业人员和必要的设备到现场，确保迅速抢修。
2.预案制定针对各类可能发生的配电网故障情况，制定详细的应急预案，包括故障定位流程、抢修方案、人员调配等内容，以便在发生故障时能够快速、有序地进行抢修。
3.应急物资储备建立配电网故障应急物资储备库，包括绝缘材料、导线、开关设备、绝缘工具等，以便在发生故障时能够迅速获取必要的物资进行抢修。
4.技术装备更新配电网故障抢修需要的技术装备也需要不断更新，例如红外热像仪、激光测距仪等高新技术装备可以帮助工作人员迅速定位故障点，提高抢修效率。
5.抢修人员培训配电网抢修人员需要经过专业培训，熟悉各类设备的结构与原理，了解各类故障的处理方法，具备高效、安全的抢修能力，以保证在发生故障时能够快速有效地进行抢修。
智能配电网故障快速定位方法
智能配电网故障快速定位方法摘要：智能配电网具有智能化特征，配网出现故障以后要对故障进行快速定位，对此需要研究科学的故障定位方法，提高故障定位的精准度，在此基础上来采用技术措施来恢复故障，从而维护并确保智能电网的运行质量，减少因为故障问题所带来的不良影响。
关键词：智能配电网；故障定位；恢复一、智能配电网的优势智能配电网具有如下几方面的优势：1.1安全性更高。
在安全性方面，智能配电网进行了更进一步的升级，能够在电网遭受破坏，避免出现大面积的停电现象，也可以做好外部破坏的有效控制，确保供电的安全性。
1.2可视化管理。
智能配电网的设各可以保证整个系统的运行数据、电能质量扰动、停电数据的实时采集，使得工作人员能够全而掌握运行状态，在有问题出现时，迅速地进行管理与决策。
其可视化管理方便了整个系统的操作，问题的检测与处理。
1.3管理信息化。
管理信息化主要指的是配电与用电之间的管理信息化，智能配电网系统可以将实时的运行同离线数据管理相互融合集成，这样才能实现真正的管理信息化。
二、智能配电网故障诊断系统的实现2.1系统整体设计通过对粗糙集以及人工神经网络的研究，然后将其改进，就能够促进其相互之间的融合，应用到智能配电网故障的诊断这一操作之中。
利用好ＶｉｓｕａｌＣ＋＋与Ｍａｔ－ｌａｂ，就能够构成诊断系统，之后通过相对应的改进，可以对其正确性和有效性进行系统之内的验证。
具体的整体简化设计图如图１所示，其具体的界面由配电网络简化模型图、输入以及输入界面这三个核心的部分组成。
在故障信息的处理与诊断之中，首先需要建立样本———历史配电网故障数据，然后利用约简属性，将数据得出，之后再输入训练神经网络，之后，再输入新故障数据，做出判断，最终送至诊断界面。
图2 配电网故障诊断算法流程2.4Ｍａｔｌａｂ与ＶｉｓｕａｌＣ＋＋接口实现利用Ｍａｔｌａｂ本身的科学计算和可视化双重功能，可以得到多个扩展工具箱以及可扩展环境的支持，这样就可以让Ｍａｔｌａｂ成为计算机辅助的设计与分析方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
本技术公开了一种配电网故障定位方法，该方法包括：对包含多层网络模块和双向长短时记忆网络模块的深度神经网络模型框架进行机器学习训练，从而得到最优深度神经网络模型；各监测终端对配电网进工况录波得到录波数据，并对录波数据进行截取获得故障波形区域；利用最优深度神经网络模型中的多层网络模块对故障波形区域进特征提取；各监测终端将特征数据上传至系统主站，并有系统主站进行特征数据归集，并根据配电网拓扑结构将位于同一传输线路上的监测终端的特征数据组合成特征数据序列；将特征数据序列输入双向长短时记忆网络模块从而获得各监测终端与故障点之间的相对位置。
权利要求书1.一种配电网故障定位方法，其特征在于，该方法包括：对包含多层网络模块和双向长短时记忆网络模块的深度神经网络模型框架进行机器学习训练，从而得到最优深度神经网络模型；各监测终端对配电网进行工况录波得到录波数据，并对录波数据进行截取获得故障波形区域；利用最优深度神经网络模型中的多层网络模块对故障波形区域进行特征提取得到特征数据；各监测终端将特征数据上传至系统主站，并由系统主站进行特征数据归集，根据配电网拓扑结构将位于同一传输线路上的监测终端的特征数据按线路位置组合成特征数据序列；将特征数据序列输入双向长短时记忆网络模块从而获得各监测终端与故障点之间的相对位置。
2.根据权利要求1所述的配电网故障定位方法，其特征在于，所述多层网络模块内置于监测终端内部，由监测终端完成对工况录波的特征提取。
3.根据权利要求2所述的配电网故障定位方法，其特征在于，所述多层网络模块包含输入卷积层、卷积块、平均池化层及全连接层。
4.根据权利要求3所述的配电网故障定位方法，其特征在于，所述卷积块的结构为双层卷积层叠加结构，或者为多通道的且每一通道由双层卷积层叠加的结构构成，或者为多通道的且每一通道包含1至3层卷积层的结构构成。
5.根据权利要求4所述的配电网故障定位方法，其特征在于，所述卷积层区域中的卷积块之间设置有残量连接，所述残量连接是指将一个卷积块的输入和输出取和，并将取和结果作为输入传递至下一卷积块。
6.根据权利要求1所述的配电网故障定位方法，其特征在于，所述双向长短时记忆网络模块中的每一长短时记忆单元均对应于一个监测终端，且长短时记忆单元的排列顺序对应于特征数据序列中特征数据的排列方式。
7.一种用于配电网故障定位的系统，该系统使用权利要求1-6之一所述的配电网故障定位方法进行故障定位，该系统包括系统主站以及布置于配电网拓扑中不同位置的多个监测终端；其特征在于，该系统使用端对端的深度神经网络对配电网的故障进行定位判定；所述深度神经网络中包含多层网络模块和双向长短时记忆网络模块，其中多层网络模块布置于监测终端内部，双向长短时记忆网络模块布置于系统主站内部。
8.根据权利要求7所述的用于配电网故障定位的系统，其特征在于，所述多层网络模块包含输入卷积层、卷积块、平均池化层及全连接层。
9.根据权利要求7所述的用于配电网故障定位的系统，其特征在于，所述双向长短时记忆网络模块中的每一长短时记忆单元均对应于一个监测终端，且长短时记忆单元的排列的顺序对应于特征数据序列中特征数据的排列方式。
10.一种用于配电网故障定位的装置，其特征在于，该配电网故障定位的装置使用了如权利要求1-6之一所述的配电网故障定位方法进行故障定位。
技术说明书一种配电网故障定位方法及系统技术领域本技术涉及电力检测技术领域，尤其涉及一种配电网故障定位方法。
背景技术CN103728532中公布了一种在配电线路分段开关中安装特殊的配电自动化馈线终端来进行接地故障定位的方法。
此技术中配电自动化馈线终端采集零序电压3U0和零序电流3I0，然后对3U0和3I0进行一系列处理并提取特征，然后利用预设的故障判定规则来判定当前配电自动化馈线终端所在的开关相对于接地故障点的位置，最后结合多个配电自动化馈线终端来定位故障区段。
上述技术方案中，在故障判定时仅利用单个终端自身采集的故障信息进行判定，没有有效利用多个终端采集的故障信息综合判定，而利用接地故障时多个终端之间的特征进行比较判定会有更高的判定准确性，并且终端只输出是否处于故障路径上的信号量信息(0或1)，而故障特征信息在完成故障判定后就丢弃了，事后无法进一步对故障进行深入的分析，同时更新终端中预设的故障判定规则往往需要通过升级终端程序才能完成，对大量终端进行升级需要很大的工程维护量，而且终端在升级过程中会有一段时间处于停止工作状态。
CN104101812公开了一种小电流接地配电网的故障检测定位方法与系统。
该系统由馈线监测单元、通信终端、系统主站组成。
馈线监测单元在检测到疑似接地故障后，无线同步触发另外两相传输数据。
系统主站、通信终端采用GPS授时，通信终端和馈线监测单元通过时分复用无线通信网络进行对时。
系统主站通过通信终端汇聚多个点的三相馈线监测单元的故障录波数据，然后在主站中从录波中提取零序电压和零序电流的暂态信号，计算特征值，包括：幅值、平均值、微分值、积分值及其组合，暂态零序有功功率、零序无功功率，并计算各个位置暂态零序电压和零序电流信号波形的相似性，根据接地故障点前后在暂态零序电压和零序电流特征值和波形相似性上的差别，对筛选出的疑似故障线路上的各个位置，优先进行判断，定位接地故障点。
但是为了捕获足够的接地故障信息，故障录波会采用较高的采样率，通常单个录波通常会达到几十K字节的大小，由此产生以下问题：1.录波传输需要较长时间，对故障判定的实时性有一定影响；2.在故障高发季节,同一个主站辖区内可能在短时间内会出现多条线路故障的情况，因为单个录波的收集往往会经过几十次的数据交互，导致可能会在一段时间内有大量的数据流涌入主站，因此需要主站具有长时间处理大量数据流量的能力，对主站的性能要求较高；3.当前大部分具有故障录波的配电终端都是采用无线网络和主站通讯,大量的录波数据会产生不小的无线资费，运营成本较高。
同时，现有技术中的故障定位方法将波形特征提取与故障定位判断分为两个步骤，即配电网中的终端设备获取的配电网拓扑中的多位置原始波形，需先采取人工提取特征，再用特征进行故障定位，这种故障定位判断方案没有使用直接反馈的端对端训练方法，因此故障定位识别的准确率受限。
技术内容本技术所要解决的技术问题之一是提供一种端对端的神经网络模型用配电网的故障定位判定，同时将波形的特征提取内置于配电网的监测终端中以降低监测终端与系统主站之间的数据交互量。
为了解决上述技术问题，本技术提供了一种配电网故障定位方法，该方法包括：对包含多层网络模块和双向长短时记忆网络模块的深度神经网络模型框架进行机器学习训练，从而得到最优深度神经网络模型；各监测终端对配电网进工况录波得到录波数据，并对录波数据进行截取获得故障波形区域；利用最优深度神经网络模型中的多层网络模块对故障波形区域进特征提取；各监测终端将特征数据上传至系统主站，并有系统主站进行特征数据归集，并根据配电网拓扑结构将位于同一传输线路上的监测终端的特征数据组合成特征数据序列；将特征数据序列输入双向长短时记忆网络模块从而获得各监测终端与故障点之间的相对位置。
在一个实施例中，所述多层网络模块内置于监测终端内部，由监测终端完成对工况录波的特征提取。
在一个实施例中，所述多层网络模块包含输入卷积层、卷积块、平均池化层及全连接层。
在一个实施例中，所述卷积块的结构可以为双层卷积层叠加结构，或者为多通道的且每一通道由双层卷积层叠加的结构构成，或者为多通道的且每一通道包含1至3层卷积层的结构构成。
在一个实施例中，所述卷积层区域中的卷积块之间设置有残量连接，所述残量连接是指将一个卷积块的输入和输出取和，并将取和结果作为输入传递至下一卷积块。
在一个实施例中，所述双向长短时记忆网络中的每一长短时记忆单元均对应于一个监测终端，且长短时记忆单元的排列的顺序对应于特征数据序列中特征数据的排列方式。
根据本技术的另一方面，还提供了一种用于配电网故障定位的系统，该系统包括系统主站以及布置于配电网拓扑中不同位置的多个监测终端；该系统使用端对端的深度神经网络对配电网的故障进行定位判定；所述深度神经网络中包含多层网络模块和双向长短时记忆网络模块，其中多层网络模块布置于监测终端内部，双向长短时记忆网络模块布置于系统主站内部。
在一个实施例中，所述多层网络模块包含输入卷积层、卷积块、平均池化层及全连接层。
在一个实施例中，所述卷积块的结构可以为双层卷积层叠加结构，或者为多通道的且每一通道由双层卷积层叠加的结构构成，或者为多通道的且每一通道包含1至3层卷积层的结构构成。
在一个实施例中，所述双向长短时记忆网络中的每一长短时记忆单元均对应于一个监测终端，且长短时记忆单元的排列的顺序对应于特征数据序列中特征数据的排列方式。
以下对本技术的配电网故障定位方法作出进一步的详细阐述。
如附图1所示的本技术的配电网故障定位方法的流程示意图，本技术采用端对端的机器学习模型进行故障定位判定，但为了降低从监测终端向系统主站的数据传输量，本技术将波形特征的提取整合在监测终端内部。
具体的，图2所示为本技术的用于故障位置判定的深度神经网络模型框架示意图，本技术是采用多层网络模块对波形特征进行提取。
这里需要强调的是，虽然本技术中是将多层网络模块整合在监测终端中，在物理位置上监测终端是远离系统主站的，但是就用于判断故障位置的深度神经网络模型而言，多层网络模块仍是该神经网络模型的一部分。
多层网络模块与位于系统主站的神经网络模型的其他部分是一体的，其共同构成了本技术用于判断故障位置的神经网络模型。
当配电网中发生故障时，首先由监测终端对录波数据进行截取，截取出故障发生的波形区段。
随后使用监测终端内置的多层网络模块对所截取的波形区段进行特征提取。
所述多层网络模块的结构如图3所示，其包括输入卷积层、卷积块、平均池化层及全连接层。
如图3a至3c所示的是本技术中可选择的卷积块的具体结构，其中图3a中所示为两层卷积结构，由两层卷积层叠加构成。
图3b中所示为多通道结构，且每一通道均有两层卷积层叠加构成。
图3c中所示为另一多通道结构，每一通道由1至3层卷积层构成。
本技术中的卷积层中所涉及的卷积运算采用现有技术中公知的卷积运算方法，但本技术中的卷积块的个数、卷积块的具体结构、所有卷积层的卷积核的长宽及个数、全连接层的层数及全连接层的神经元个数，包括但不限于上述全部参数均是通过本技术的超参数机器训练得到的。
本技术中在卷积块的输入与输出之间了增加残量连接，即将每一个卷积块的输入与该卷积块的输出取和作为该卷积块的输出值，则有F(x)+x＝H(x)，其中F(.)为卷积块函数，H(.)为下个模块的输入，x为上个模块的输出。
又F(x)＝H(x)-x，残量x的增加有利于F(.)参数的训练。