本发明涉及电气工程，尤其涉及一种基于霜冰算法和注意力机制的cnn网络的故障检测方法及系统。
背景技术：
1、电力系统的稳定运行对用户用电质量至关重要。单相接地故障作为系统中最常见的一种故障类型，若处理不及时，可能会演变为严重的相间短路、供电中断等问题，严重威胁到电力系统的供电可靠性。此外，随着电缆馈线比例增加，系统对地电容增大，故障电流会引发间歇性弧光过电压造成变电站爆燃、电缆沟起火等严重事故，给社会经济带来巨大的损失。目前已有的故障检测方法，常采用简单的信号处理技术，容易造成关键故障特征信息丢失。模型的超参数设定依赖专家的经验和先验知识，固定的网络参数设置导致模型泛化性能弱，难以应对不同故障类型的检测。
技术实现思路
1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
2、鉴于上述现有存在的问题，提出了本发明。
3、因此，本发明提供了一种基于霜冰算法和注意力机制的cnn网络的故障检测方法及系统解决现有故障检测方法的难以应对不同故障类型的检测的问题。
4、为解决上述技术问题，本发明提供如下技术方案：
5、第一方面，本发明提供了一种基于霜冰算法和注意力机制的cnn网络的故障检测方法，包括：
6、获取不同故障类型下的原始电流，构建电流信号数据集，所述电流信号数据集包含已知故障的训练数据集及未知故障的测试数据集。
7、基于电流信号数据集，截取电流波形转换为二维灰度图像，捕获电流波形的时空特征；
8、基于二维灰度图像捕获电流波形的时空特征，创建双重注意力机制的卷积神经网络模型；
9、基于创建的卷积神经网络模型，通过引入改进的霜冰算法对卷积神经网络模型的超参数进行自动优化；
10、基于通过霜冰算法优化得到的超参数，使用构建的已知故障的训练数据集对模型进行训练；
11、将未知故障的测试数据集中的二维灰度图像输入训练好的模型中，输出对应故障类型，完成对未知故障的检测。
12、作为本发明所述的基于霜冰算法和注意力机制的cnn网络的故障检测方法的一种优选方案，其中：
13、所述双重注意力机制包括通道注意力和空间注意力；
14、所述通道注意力，包括以下步骤：
15、输入特征经过平均池化对整体特征分布的洞察，经过最大池化突显最显著的特征响应；
16、将两种池化结果传输进多层感知器生成通道权重；
17、经过sigmoid函数的激活，逐元素地调整输入特征图的每个通道的强度，最终形成一个通道注意力图；
18、所述空间注意力，包括以下步骤：
19、将通道注意力产生的特征图作为输入进行最大池化和平均池化计算；
20、将两种池化结果合并为一个卷积层，进一步融合和精炼特征，经过sigmoid函数的激活，生成一个空间注意力特征图。
21、作为本发明所述的基于霜冰算法和注意力机制的cnn网络的故障检测方法的一种优选方案，其中：
22、所述通道注意力表示为：
23、
24、其中，σ表示sigmoid函数；w0、w1表示全连接层输出权重；mlp表示全连接层运算，avgpool和maxpooι分别代表全局平均池化和全局最大池化运算，和分别表示经avgpool和maxpool运算后的结果。
25、所述空间注意力表示为：
26、
27、其中，σ表示sigmoid函数；f7×7[]表示卷积核大小为7×7的卷积计算；和分别表示经avgpool和maxpool运算后的结果。
28、作为本发明所述的基于霜冰算法和注意力机制的cnn网络的故障检测方法的一种优选方案，其中：
29、所述通过引入改进的霜冰算法对卷积神经网络模型的超参数进行自动优化，包括以下步骤：
30、初始化种群和参数；
31、使用阶梯式软霜冰搜索策略更新种群；
32、采用硬霜冰穿刺机制进行个体之间有效的信息交流；
33、采用正贪婪选择机制保留最优解淘汰次优解；
34、判断是否达到终止条件，若未达到终止条件，则返回执行正贪婪选择机制；
35、若达到终止条件，则输出最优超参数。
36、作为本发明所述的基于霜冰算法和注意力机制的cnn网络的故障检测方法的一种优选方案，其中：
37、所述软霜冰搜索策略，包括以下步骤：
38、每粒霜冰粒子在初始化后，依据粒子位置更新规则，在其所在的解空间中进行游动；
39、当游离态的粒子接近已存在的软霜冰智能体边界时，依据逃逸半径的规则，判断是否发生凝聚，若发生凝聚，粒子间发生粘连，则逐步扩大智能体规模；
40、附着系数e随着迭代次数的增加而增加，同时通过环境因子和迭代计数的综合调控，最终凝聚形成软霜冰智能体。
41、作为本发明所述的基于霜冰算法和注意力机制的cnn网络的故障检测方法的一种优选方案，其中：
42、所述硬霜冰穿刺机制，包括以下步骤：
43、对当前种群中的所有智能体对，计算智能体间的相似度和互补性；
44、基于相似度和互补性，选择最合适的智能体对进行穿刺操作；
45、按照改进的穿刺更新公式更新选中的智能体位置。
46、所述智能体间的相似度表示为：
47、similarityij＝similarity(xi，xj)
48、其中，xi和xi分别代表第i和j个智能体的特征向量；
49、所述智能体间的互补性表示为：
50、complementarityij＝f(xi+xj)-f(xi)-f(xj)
51、其中，f为目标函数；
52、所述改进的穿刺更新公式表示为：
53、x′i＝xi+γ·(xj-xi)
54、其中，γ是一个介于0和1之间的随机数。
55、作为本发明所述的基于霜冰算法和注意力机制的cnn网络的故障检测方法的一种优选方案，其中：
56、所述输出对应故障类型，包括a相接地故障、b相接地故障、c相接地故障、ab两相接地故障、bc两相接地故障、ac两相接地故障和abc三相接地故障。
57、第二方面，本发明提供了一种基于霜冰算法和注意力机制的cnn网络的故障检测系统，包括：
58、获取模块，用于获取不同故障类型下的原始电流，构建电流信号数据集，所述电流信号数据集包含已知故障的训练数据集及未知故障的测试数据集。
59、转换模块，用于基于电流信号数据集，截取电流波形转换为二维灰度图像，捕获电流波形的时空特征；
60、创建模块，用于基于二维灰度图像捕获电流波形的时空特征，创建双重注意力机制的卷积神经网络模型；
61、改进模块，用于基于创建的卷积神经网络模型，通过引入改进的霜冰算法对卷积神经网络模型的超参数进行自动优化；
62、训练模块，用于基于通过霜冰算法优化得到的超参数，使用构建的已知故障的训练数据集对模型进行训练；
63、输出模块，用于将未知故障的测试数据集中的二维灰度图像输入训练好的模型中，输出当前找到的最佳智能体，匹配对应故障类型，完成对未知故障的检测。
64、第三方面，本发明提供了一种计算设备，包括：
65、存储器，用于存储程序；
66、处理器，用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现所述基于霜冰算法和注意力机制的cnn网络的故障检测方法的步骤。
67、第四方面，本发明提供了一种计算机可读存储介质，包括：所述程序被处理器执行时，实现所述的基于霜冰算法和注意力机制的cnn网络的故障检测方法的步骤。
68、本发明的有益效果：本发明通过将电流信号转化为二维灰度图像，引入双重注意力机制的卷积神经网络模型，能够动态地对电流图像中的关键区域给予更多关注，同时抑制无关信息，通过改进的霜冰算法自动优化卷积神经网络的超参数，减少了对人工经验和先验知识的依赖，确保了模型配置达到最优状态，进一步提升了检测准确率和效率。
1.一种基于霜冰算法和注意力机制的cnn网络的故障检测方法，其特征在于，包括：
2.如权利要求1所述的基于霜冰算法和注意力机制的cnn网络的故障检测方法，其特征在于：所述双重注意力机制包括通道注意力和空间注意力；
3.如权利要求1或2所述的基于霜冰算法和注意力机制的cnn网络的故障检测方法，其特征在于：所述通道注意力表示为：
4.如权利要求3所述的基于霜冰算法和注意力机制的cnn网络的故障检测方法，其特征在于：所述通过引入改进的霜冰算法对卷积神经网络模型的超参数进行自动优化，包括以下步骤：
5.如权利要求4所述的基于霜冰算法和注意力机制的cnn网络的故障检测方法，其特征在于：所述软霜冰搜索策略，包括以下步骤：
6.如权利要求5所述的基于霜冰算法和注意力机制的cnn网络的故障检测方法，其特征在于：所述硬霜冰穿刺机制，包括以下步骤：
7.如权利要求6所述的基于霜冰算法和注意力机制的cnn网络的故障检测方法，其特征在于：所述输出对应故障类型，包括a相接地故障、b相接地故障、c相接地故障、ab两相接地故障、bc两相接地故障、ac两相接地故障和abc三相接地故障。
8.一种基于权利要求1所述的基于霜冰算法和注意力机制的cnn网络的故障检测方法的系统，其特征在于：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其存储有程序，其特征在于，所述程序被处理器执行时，实现如权利要求1-7任一项所述的基于霜冰算法和注意力机制的cnn网络的故障检测方法的步骤。
