(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 202210653681.6 (22)申请日 2022.06.10 (71)申请人 国网浙江省电力有限公司电力科 学 研究院 地址 310014 浙江省杭州市下城区朝晖八 区华电弄 1号 申请人 国网浙江省电力有限公司 (72)发明人 任广振　赵深　曹俊平　王少华　 刘家齐　苏毅方　马振宇　邵先军　 陶瑞祥　姜凯华　 (74)专利代理 机构 浙江翔隆专利事务所(普通 合伙) 33206 专利代理师 张建青 (51)Int.Cl. G06T 7/00(2017.01)G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/44(2022.01) G06V 10/82(2022.01) G06N 20/00(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G01R 31/08(2006.01) H04L 67/01(2022.01) G16Y 10/35(2020.01) G16Y 20/20(2020.01) G16Y 40/10(2020.01) G16Y 40/20(2020.01) (54)发明名称 一种电缆 故障诊断方法、 系统及可读存储介 质 (57)摘要 本发明涉及电缆诊断技术领域， 公开了一种 电缆故障诊断方法、 系统及可读存储介质， 所述 方法包括： 各客户端获取本地故障数据作为模型 训练数据； 中心服务器随机选取若干个客户端， 被选取的客户端基于故障识别模型训练本地故 障数据， 并将训练参数发送至中心服务器； 中心 服务器基于训练参数生成全局模 型参数， 并下发 至各客户端； 各客户端基于全局模 型参数及故障 识别模型诊断电缆故障。 本发明的电缆故障诊断 方法通过各客户端对故障数据进行模 型训练， 收 集各客户端的训练参数， 通过联邦学习的方式聚 合训练参数生成全局模型参数， 从而扩大样本数 量， 解决了数据孤岛问题， 提高了模型识别的精 度， 降低了 硬件成本 。 权利要求书2页 说明书8页 附图7页 CN 115115585 A 2022.09.27 CN 115115585 A 1.一种电缆故障诊断方法， 其特 征在于， 包括： 各客户端获取本地故障数据作为模型训练数据； 中心服务器随机选取若干个客户端， 被选取的客户端基于故障识别模型训练本地故障 数据， 并将训练参数发送至中心服 务器； 中心服务器基于训练参数生成全局模型参数， 并下发至各客户端； 各客户端基于全局模型参数及故障识别模型诊断电缆故障。 2.根据权利要求1所述的电缆故障诊断方法， 其特征在于， 所述故障识别模型基于深度 残差收缩网络训练故障数据， 其具体方法包括以下步骤： 基于故障数据生成灰度图； 将灰度图导入深度残差收缩网络中的卷积层进行 卷积计算， 得到第一特 征图； 基于第一特征图及深度残差收缩网络的残差收缩建筑单元生成阈值τ， 并基于 式(1)对 第一特征图软阈值 化， 重复进行若干次本步骤， 得到第二特 征图； 其中， x为第一特 征图内的数组， y是第二特 征图内的数值； 基于深度残差收缩 网络的全连接层对第 二特征图提取特征， 将得到的结果输入分类器 分类， 其中， 分类 器是一种分类算法。 3.根据权利要求2所述的 电缆故障诊断方法， 其特征在于， 阈值τ的生成方法包括以下 步骤： 对第一特征图进行批量归一化处理、 采用ReLU函数增加神经层的非相关性以及将ReLU 函数的结果通过卷积层进 行卷积计算， 得到第三特征图， 对第三特征图重复进 行本步骤， 得 到第四特 征图； 对第四特 征图绝对值 化， 然后导入 全局平均池化层， 得到第五特 征图； 将第五特 征图导入子网络， 生成参数α； 基于式(2)以及第五特 征图和参数α 生成阈值 τ， τ ＝α×A (2) 其中， A为第五特 征图。 4.根据权利要求3所述的 电缆故障诊断方法， 其特征在于， 所述子网络生成参数α 的方 法包括以下步骤： 将第五特 征图导入两层全连接层得到第六 特征图； 对第六特征图进行批量归一化处理、 采用ReLU函数增加神经层的非相关性以及将ReLU 函数的结果 通过卷积层进行 卷积计算， 得到第七特 征图； 采用Sigmo id函数对第七特 征图的数值缩放， 得到第八特 征图； 基于第八特 征图和式(3)计算 参数α， 其中， Z为Sigmo id函数的输出 结果。 5.根据权利要求4所述的电缆故障诊断方法， 其特征在于， Sigmoid函数将第七特征图权　利　要　求　书 1/2 页 2 CN 115115585 A 2的数值缩放至 0‑1之间。 6.根据权利要求2所述的电缆故障诊断方法， 其特征在于， 所述灰度图的生成方法包括 以下步骤： 对故障数据中的正常数据标记为0， 非正常数据标记为1； 利用图像处 理工具将标记后的故障数据转 化为灰度图。 7.根据权利要求1 ‑6任意一项所述的电缆故障诊断方法， 其特征在于， 所述故障数据分 为训练集和测试集， 其中， 训练集用于训练故障识别模型， 测试集用于在获取全局模型参数 后测试应用全局模型参数的故障识别模型。 8.根据权利要求7所述的电缆故障诊断方法， 其特征在于， 中心服务器加权聚合训练参 数的方法， 采用联邦学习的FedAvg算法， 中心服务器通过式(4)将获取的训练参数生 成全局 模型参数； 通过 联邦学习的方式聚合训练参数生成全局模型参数 其中， ωt表示第t轮更新的全局模型参数； Fk(ω)表示第k个本地用户的所有数据的平 均损失， 表示平均损失的梯度； nk是表示第k个本地用户拥有的数据量， n则是所有 用户的总数据量； R是 学习率， 由实验结果得到的准确率大小来确定 。 9.一种电缆故障诊断系统， 其特 征在于， 所述系统包括： 获取单元， 用于各客户端获取本地故障数据， 作为模型训练数据； 客户端服务单元， 随机选取若干个客户端， 被选取的客户端基于故障识别模型训练本 地故障数据， 并将训练参数发送至中心服 务单元； 中心服务单元， 用于获取各客户端服务单元的训练参数并生成全局模型参数， 并下发 至各客户端； 数据分类单元， 各客户端基于故障识别模型和全局模型参数对故障数据分类， 诊断电 缆故障。 10.一种可读存储介质， 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， 使得所述处理器在运行计算机程序时实现权利要求1 ‑8任意一项所述的电缆故障诊 断方法。权　利　要　求　书 2/2 页 3 CN 115115585 A 3