[發(fā)明專利]交直流電網(wǎng)運(yùn)行狀態(tài)參數(shù)局部擾動(dòng)特征學(xué)習(xí)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201911064509.1
• 申請(qǐng)日: 2019-11-01
• 公開(kāi)（公告）號(hào): CN110909302A
• 公開(kāi)（公告）日: 2020-03-24
• 發(fā)明（設(shè)計(jì)）人: 楊曉楠;郎燕生;張印;李理;羅亞迪;李靜;王少芳;王磊;王淼;宋旭日;吳奇;彭獻(xiàn)永;林金星;張磊
• 申請(qǐng)（專利權(quán)）人: 中國(guó)電力科學(xué)研究院有限公司;國(guó)家電網(wǎng)有限公司;國(guó)網(wǎng)山東省電力公司電力科學(xué)研究院
• 主分類號(hào): G06F17/15
• 分類號(hào): G06F17/15;G06F17/18;G06N3/04;G06N3/08;G06Q50/06
• 代理公司: 北京安博達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11271
• 代理人: 徐國(guó)文

本發(fā)明公開(kāi)了一種交直流電網(wǎng)運(yùn)行狀態(tài)參數(shù)局部擾動(dòng)特征學(xué)習(xí)方法及系統(tǒng)，所述方法包括：對(duì)獲取的歷史運(yùn)行參數(shù)進(jìn)行降噪處理；對(duì)降噪處理后的運(yùn)行參數(shù)利用光滑偽仿射維格納?維勒分布生成深度學(xué)習(xí)的運(yùn)行參數(shù)特征向量；利用Student?t分布的混合模型對(duì)所述運(yùn)行參數(shù)特征向量的隱變量進(jìn)行學(xué)習(xí)生成各運(yùn)行參數(shù)特征對(duì)應(yīng)的狀態(tài)標(biāo)簽；基于各運(yùn)行參數(shù)特征對(duì)應(yīng)的狀態(tài)標(biāo)簽采用深度收縮自編碼網(wǎng)絡(luò)?高斯過(guò)程識(shí)別交直流電網(wǎng)運(yùn)行狀態(tài)。通過(guò)本發(fā)明實(shí)現(xiàn)了對(duì)各運(yùn)行參數(shù)對(duì)應(yīng)的不同運(yùn)行參數(shù)特征生成對(duì)應(yīng)的狀態(tài)標(biāo)簽，基于各運(yùn)行參數(shù)特征對(duì)應(yīng)的狀態(tài)標(biāo)簽采用深度收縮自編碼網(wǎng)絡(luò)?高斯過(guò)程識(shí)別交直流電網(wǎng)運(yùn)行狀態(tài)，提高了識(shí)別的準(zhǔn)確度。

技術(shù)領(lǐng)域

本發(fā)明涉及交直流輸電網(wǎng)絡(luò)，具體涉及一種交直流電網(wǎng)運(yùn)行狀態(tài)參數(shù)局部擾動(dòng)特征學(xué)習(xí)方法及系統(tǒng)。

背景技術(shù)

由于交直流混合電網(wǎng)存在交流系統(tǒng)對(duì)直流系統(tǒng)的作用、直流系統(tǒng)對(duì)交流系統(tǒng)的影響以及直流系統(tǒng)之間的相互影響，導(dǎo)致給電網(wǎng)造成巨大沖擊。傳統(tǒng)故障診斷主要集中在信號(hào)處理和物理模型診斷方面，目前如何對(duì)交直流電網(wǎng)的運(yùn)行參數(shù)進(jìn)行瞬態(tài)時(shí)頻分析，對(duì)于辨識(shí)故障原因至關(guān)重要。而通過(guò)人工提取交直流電網(wǎng)系統(tǒng)時(shí)頻特征，受制于專家自身知道的局限，不少交直流電網(wǎng)信息沒(méi)有完全被包含在所提取特征之內(nèi)，導(dǎo)致提取信息不完整。因此王應(yīng)晨等利用降噪自編碼器來(lái)無(wú)監(jiān)督學(xué)習(xí)模擬電路的故障特征，并取得很好的識(shí)別率；石鑫利用自動(dòng)編碼器來(lái)識(shí)別變壓器的故障，識(shí)別率高達(dá)90.96％。針對(duì)交直流電網(wǎng)運(yùn)行狀態(tài)參數(shù)狀態(tài)信號(hào)，不僅需要去除冗余信息增加計(jì)算效率，還需要抗干擾能力，以保障高效率高準(zhǔn)確率的故障識(shí)別。但上述文獻(xiàn)的自編碼網(wǎng)絡(luò)僅去除信號(hào)冗余度提高計(jì)算效率，但對(duì)差別比較小的正常、微弱故障信號(hào)、極度故障信號(hào)之間的分類并不顯著，但根據(jù)正常、微弱故障信號(hào)、極度故障信號(hào)可以采用不同的保護(hù)措施，對(duì)故障的處理方式選擇有重要的影響。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)中所存在的上述不足，本發(fā)明提供一種交直流電網(wǎng)運(yùn)行狀態(tài)參數(shù)局部擾動(dòng)特征學(xué)習(xí)，包括：

對(duì)獲取的歷史運(yùn)行參數(shù)進(jìn)行降噪處理；

對(duì)降噪處理后的運(yùn)行參數(shù)利用光滑偽仿射維格納-維勒分布生成深度學(xué)習(xí)的運(yùn)行參數(shù)特征向量；

利用Student-t分布的混合模型對(duì)所述運(yùn)行參數(shù)特征向量的隱變量進(jìn)行學(xué)習(xí)生成各運(yùn)行參數(shù)特征對(duì)應(yīng)的狀態(tài)標(biāo)簽；

基于各運(yùn)行參數(shù)特征對(duì)應(yīng)的狀態(tài)標(biāo)簽采用深度收縮自編碼網(wǎng)絡(luò)-高斯過(guò)程識(shí)別交直流電網(wǎng)運(yùn)行狀態(tài)。

優(yōu)選的，所述對(duì)獲取的歷史運(yùn)行參數(shù)進(jìn)行降噪處理，包括：

通過(guò)DB10小波對(duì)交直流電網(wǎng)的歷史運(yùn)行參數(shù)進(jìn)行分解，獲得相應(yīng)的小波系數(shù)幅值；

從小波系數(shù)幅值中去除小波系數(shù)極大值的變化趨勢(shì)為降低的運(yùn)行參數(shù)，獲得降噪處理后的運(yùn)行參數(shù)。

優(yōu)選的，所述對(duì)降噪處理后的運(yùn)行參數(shù)利用光滑偽仿射維格納-維勒分布生成深度學(xué)習(xí)的運(yùn)行參數(shù)特征向量，包括：

對(duì)降噪處理后的運(yùn)行參數(shù)進(jìn)行時(shí)頻分布變換，獲得維格納分布函數(shù)；

在維格納分布函數(shù)中加入分析信號(hào)，獲得維格納-維勒分布函數(shù)；

在所述維格納-維勒分布函數(shù)中添加Kaiser窗函數(shù)，得到光滑偽維格納-維勒分布；

基于所述光滑偽維格納-維勒分布的時(shí)頻分布進(jìn)行能量譜密度提取，生成深度學(xué)習(xí)的運(yùn)行參數(shù)特征向量。

優(yōu)選的，所述對(duì)降噪處理后的運(yùn)行參數(shù)按下式進(jìn)行時(shí)頻分布變換：

式中：s為運(yùn)行參數(shù)；s^*(u)是s(u)的共軛復(fù)數(shù)；是核函數(shù)；u為時(shí)間變量；θ為函數(shù)的固定參數(shù)；τ為駐留時(shí)間；ω為頻率；t為時(shí)間。

優(yōu)選的，所述Kaiser窗函數(shù)，如下式所示：