[發(fā)明專利]一種電能質(zhì)量擾動識別分類方法

在審

• 申請?zhí)枺?/td>: 202111112226.7
• 申請日: 2021-09-18
• 公開（公告）號: CN113807446A
• 公開（公告）日: 2021-12-17
• 發(fā)明（設(shè)計）人: 王義春;侯艷權(quán);李維;王文琦;趙俊濤;姚越;杜欣陽
• 申請（專利權(quán)）人: 國網(wǎng)黑龍江省電力有限公司七臺河供電公司;國家電網(wǎng)有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 哈爾濱市松花江專利商標(biāo)事務(wù)所 23109
• 代理人: 牟永林

一種電能質(zhì)量擾動識別分類方法，屬于電能質(zhì)量擾動信號識別領(lǐng)域。本發(fā)明解決了現(xiàn)有對電能質(zhì)量擾動信號識別的方法不能在保證識別準(zhǔn)確率高的同時提到識別效率的問題。本發(fā)明方法包括：步驟一、獲取觀測信號，基于壓縮感知理論，把觀測信號恢復(fù)為原始擾動信號，使用正交匹配追蹤算法對原始信號進行壓縮重構(gòu)，得到重構(gòu)信號及其對應(yīng)的稀疏向量；步驟二、建立擾動信號識別模型，將重構(gòu)信號和稀疏向量輸入深度卷積神經(jīng)網(wǎng)絡(luò)進行迭代訓(xùn)練，得到訓(xùn)練后的擾動信號識別模型，將待識別的擾動信號輸入至擾動信號識別模型中，實現(xiàn)電能質(zhì)量擾動信號的分類。本發(fā)明用于電能質(zhì)量擾動信號的分類識別。

技術(shù)領(lǐng)域

本發(fā)明涉及一種電能質(zhì)量擾動識別分類方法。屬于電能質(zhì)量擾動信號識別領(lǐng)域。

背景技術(shù)

隨著電力系統(tǒng)的發(fā)展、電源接入形式多樣化、負(fù)荷種類的增加，電網(wǎng)中的電能質(zhì)量問題越來越突出。因此，準(zhǔn)確、快速地對電能質(zhì)量擾動信號識別，是保障電網(wǎng)穩(wěn)定、安全、高效運行的前提。

目前，國內(nèi)外學(xué)者針對電能質(zhì)量擾動信號識別分類進行了深入研究，通過對現(xiàn)有電能質(zhì)量擾動信號識別方法的研究可知，各種識別方法通常可分為兩個步驟：特征提取和特征分類。特征提取是使用不同的時域、頻域信號分析方法提取能反映不同擾動信號的判別信息，特征分類是通過訓(xùn)練不同的分類器實現(xiàn)對擾動信號特征的識別。方法主要有：傅里葉變換、小波變換、S變換、希爾伯特黃變換、相空間重構(gòu)等。利用小波變換將原始擾動信號分解到各個頻帶，分別計算各個頻帶的能量值和小波系數(shù)熵，將二者及基波頻帶擾動過程的均方根作為特征值輸入到改進神經(jīng)樹進行分類，分類準(zhǔn)確率較高，但所選擾動均為單一擾動信號。利用稀疏自動編碼器對原始擾動信號進行無監(jiān)督特征學(xué)習(xí)，自動提取數(shù)據(jù)特征的稀疏特征表達(dá)，隨后使用Softmax分類器進行訓(xùn)練，得到各種擾動信號的分類準(zhǔn)確率，解決了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)中權(quán)值初始隨機性的缺點，但編碼過程復(fù)雜。

發(fā)明內(nèi)容

本發(fā)明是為了解決現(xiàn)有對電能質(zhì)量擾動信號識別的方法不能在保證識別準(zhǔn)確率高的同時提到識別效率的問題，現(xiàn)提出一種電能質(zhì)量擾動識別分類方法。

一種電能質(zhì)量擾動識別分類方法，包括：

步驟一、獲取觀測信號，基于壓縮感知理論，把觀測信號恢復(fù)為原始擾動信號，使用正交匹配追蹤算法對原始信號進行壓縮重構(gòu)，得到重構(gòu)信號及其對應(yīng)的稀疏向量；

步驟二、建立擾動信號識別模型，將重構(gòu)信號和稀疏向量輸入深度卷積神經(jīng)網(wǎng)絡(luò)進行迭代訓(xùn)練，得到訓(xùn)練后的擾動信號識別模型，將待識別的擾動信號輸入至擾動信號識別模型中，實現(xiàn)電能質(zhì)量擾動信號的分類。

有益效果

本發(fā)明提出一種基于壓縮感知理論和卷積神經(jīng)網(wǎng)絡(luò)的電能質(zhì)量擾動信號識別分類方法，該方法通過離散傅里葉變換、高斯矩陣獲取原始擾動信號的稀疏向量，利用正交匹配追蹤算法重構(gòu)擾動信號，將原始擾動信號和稀疏向量輸入卷積神經(jīng)網(wǎng)絡(luò)分類模型；由實施例結(jié)果可知，可充分降低現(xiàn)有識別方法所需處理的擾動信號的數(shù)據(jù)量，實現(xiàn)了以較少的數(shù)據(jù)量表達(dá)擾動信號的特征信息，對有、無噪聲情況下的14種單一、復(fù)合擾動信號具有很高的識別率，表明了方法具有采樣數(shù)據(jù)少、特征提取方便、高識別率和較好的噪聲魯棒性的特點。

使用卷積神經(jīng)網(wǎng)絡(luò)對擾動信號經(jīng)壓縮感知生成的稀疏向量進行學(xué)習(xí)，可以有效地提取擾動的特征。在不同的噪聲情況下，將原始數(shù)據(jù)和稀疏向量分別作為網(wǎng)絡(luò)的輸入，由實驗結(jié)果可知，該方法能獲得較高的識別率，具有良好的抗噪能力。

附圖說明

圖1為電能質(zhì)量擾動信號壓縮感知流程圖。

具體實施方式

具體實施方式一：結(jié)合圖1-具體說明本實施方式，本實施方式一種電能質(zhì)量擾動識別分類方法，包括以下步驟：

步驟一、基于壓縮感知理論的電能質(zhì)量擾動信號壓縮與重構(gòu)：