[發明專利]一種基于PCA-CNN-LVQ的電壓暫降源識別方法

在審

• 申請號: 202111150656.8
• 申請日: 2021-09-29
• 公開（公告）號: CN114021424A
• 公開（公告）日: 2022-02-08
• 發明（設計）人: 陳堃;姜小濤;汪自虎;李曉東;宋揚;楊宇坤;張瑋;李想;吳思若;朱宇超;趙錫正;石可;齊路
• 申請（專利權）人: 國網江蘇省電力有限公司南京供電分公司;國網江蘇省電力有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京天翼專利代理有限責任公司 32112
• 代理人: 朱戈勝

1.一種基于PCA-CNN-LVQ的電壓暫降源識別方法，其特征在于，所述識別方法包括以下步驟：

步驟1，構建并訓練PCA-CNN-LVQ模型：

步驟101，采集電壓暫降源的電壓暫降數據作為樣本；

步驟102，采用主成分分析法PCA對電壓暫降數據進行降維；

步驟103，將降維后的電壓暫降數據輸入到卷積神經網絡CNN中提取電壓暫降數據特征；

步驟104，將電壓暫降數據特征輸入到學習矢量量化神經網絡LVQ中對LVQ進行分類訓練；

步驟2，通過訓練好的PCA-CNN-LVQ模型對待識別的電壓暫降數據進行分類，得到待識別電壓暫降數據的電壓暫降類型。

2.根據權利要求1所述的基于PCA-CNN-LVQ的電壓暫降源識別方法，其特征在于：所述電壓暫降源的類型包括：單相接地故障、三相接地故障、變壓器投切、大型感應電動機啟動、變壓器投切同時發生單相接地故障和大型感應電動機啟動同時發生單相接地故障。

3.根據權利要求1所述的基于PCA-CNN-LVQ的電壓暫降源識別方法，其特征在于：步驟1中，采用10折交叉試驗法對每個電壓暫降源類型的樣本進行交叉驗證。

4.根據權利要求1所述的基于PCA-CNN-LVQ的電壓暫降源識別方法，其特征在于：步驟102包括：

步驟1021，計算樣本數據集X＝[x₁,x₂,x₃...x_e...x_m]的對應每一維的樣本數據的樣本均值得到樣本均值矩陣計算樣本的協方差矩陣

其中，x_e為第e組采集的電壓暫降數據，x_e＝[x_e1,x_e2,…x_ei,...x_en]^T，x_ei為采集的第e組第i維的電壓暫降數據，x_en為采集的第e組第n維的電壓暫降數據，總共采集維數為n維，n維表示n個電壓信號采樣點數據，總共采集組數為m組，得到總采樣矩陣即樣本數據集X，樣本數據集X為n行，m列的矩陣；為第i維的m組電壓暫降數據均值，為第n維的m組電壓暫降數據均值；

其中，為樣本距離樣本均值的偏差，為樣本距離樣本均值的偏差的轉置；

步驟1022，對協方差矩陣C進行特征分解，求取第j組的特征值λ_j和對應的特征向量b_j，對特征值從大到小進行排序，選擇其中最大的k個，k的個數滿足積累貢獻率的閾值；根據特征值的大小順序，構建由特征值對應的特征向量組成的特征向量矩陣P＝(b₁,b₂..b_k)，特征向量b_j中的每個元素為：其中，為按順序排列的前k個特征值之和；

步驟1023，計算降維后的電壓暫降數據即前k維電壓暫降數據矩陣Y，Y＝PX，其中，P為構造的特征向量矩陣，X為原始的總采樣矩陣。