[發明專利]一種電網的干擾源類型辨識方法、裝置、設備及存儲介質

在審

• 申請號: 201811333872.4
• 申請日: 2018-11-09
• 公開（公告）號: CN109670526A
• 公開（公告）日: 2019-04-23
• 發明（設計）人: 周勝軍;馮丹丹;王同勛;劉穎英
• 申請（專利權）人: 全球能源互聯網研究院有限公司;國家電網有限公司;國網上海市電力公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q50/06
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 馬永芬

本發明公開了一種電網的干擾源類型辨識方法、裝置、設備及存儲介質，其中，電網的干擾源類型辨識方法包括如下步驟：獲取電網的歷史監測數據中的異常片段；將異常片段中多次同時出現的若干個特征作為一個特征組，并將若干個特征組的集合作為第一特征集；獲取預設時間內樣本特征集中各特征的數據，形成樣本數據集；樣本特征集為第一特征集；根據樣本數據集構建隨機森林；使用隨機森林對電網的待識別監測數據集進行干擾源類型識別。根據電網的樣本數據集構建隨機森林，而隨機森林能夠對電網的待識別監測數據集進行多干擾源類型的分類識別，并且隨機森林的構建運算量小，構建速度快，能夠解決現有技術中的電網干擾源的識別方法的運算量較大的問題。

技術領域

本發明涉及電力系統技術領域，尤其涉及到一種電網的干擾源類型辨識方法、電網的干擾源類型辨識裝置、辨識設備和計算機可讀存儲介質。

背景技術

隨著高鐵、新能源發電等干擾源越來越多，導致電能質量問題日趨復雜，嚴重影響電網可靠運行，因此，建立電能質量干擾源特征庫成為電能質量問題分析治理的前提。而實現電能質量干擾源特征庫的建立，需要依托在線監測數據提取特征和干擾源的類型辨識。

近年來，國家電網公司運用成熟的電能質量監測技術積累建設了覆蓋27省/市的全網電能質量監測系統，實現上萬個監測點電壓偏差、頻率偏差、三相不平衡、諧波和間諧波、閃變、電壓暫降/暫升等全部電能質量指標的實時同步監測，重點覆蓋電氣化鐵路、直流換流站、風電場、光伏電站等主要干擾源類型，而基于電能質量監測數據的干擾源分析主要依賴模式識別技術，常用的模式識別方法為神經網絡或者支持向量機等。其中，基于向量機實現多標簽分類的識別方法對單分類具有較高的分類準確率，但是若要用于多分類則需設計實現多個支持向量機，間接增加了計算量；神經網絡方法具有較高的識別率，但需要選擇合適的小波基進行變換并需要進行多次迭代，運算量也較大。

發明內容

因此，本發明要解決的技術問題在于解決現有技術中的電網干擾源的識別方法的運算量較大的問題，提供一種基于隨機森林的電網的干擾源類型辨識方法。

為此，根據第一方面，本發明提供了一種電網的干擾源類型辨識方法，包括如下步驟：獲取電網的歷史監測數據中的異常片段；將異常片段中多次同時出現的若干個特征作為一個特征組，并將若干個特征組的集合作為第一特征集；獲取預設時間內樣本特征集中各特征的數據，形成樣本數據集；樣本特征集為第一特征集；根據樣本數據集構建隨機森林；使用隨機森林對電網的待識別監測數據集進行干擾源類型識別；待識別監測數據集為一個待識別周期內樣本特征集中各特征對應的數據組成的數據集。

可選地，電網的干擾源類型辨識方法還包括如下步驟：對電網的各類干擾源進行機理分析，得到由各類干擾源的特征組成的第二特征集；樣本特征集為第一特征集和第二特征集的并集。

可選地，獲取預設時間內樣本特征集中各特征的數據，形成樣本數據集，包括如下步驟：獲取預設時間內樣本特征集中各特征的數據，形成原始數據集；使用特征轉換算法對原始數據集進行降維處理，得到樣本數據集；待識別監測數據集為使用特征轉換算法降維后的數據集。

可選地，特征轉換算法為主成分分析算法。

可選地，根據樣本數據集構建隨機森林，包括如下步驟：根據樣本數據集構建若干個原始隨機森林；各個原始隨機森林的參數不同；計算各個原始隨機森林的袋外數據誤分率，并將袋外數據誤分率最低的原始隨機森林作為隨機森林。

可選地，原始隨機森林的參數包括原始隨機森林中的決策樹的數量、決策樹的節點分裂標準和生成一顆決策樹的數據對應的特征數量。