[發明專利]電能質量問題成因識別方法、裝置、電子設備及存儲介質

在審

• 申請號: 202210096133.8
• 申請日: 2022-01-26
• 公開（公告）號: CN116562660A
• 公開（公告）日: 2023-08-08
• 發明（設計）人: 張璐;張起銘;趙春雪;唐巍;張博;蘇國強
• 申請（專利權）人: 中國農業大學;國網山東省電力公司電力科學研究院
• 主分類號: G06Q10/0639
• 分類號: G06Q10/0639;G06Q50/06;G06F18/241;G06N3/04;G06N3/084
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 譚云

1.一種電能質量問題成因識別方法，其特征在于，包括：

確定待檢測低壓配電臺區對應的待識別電能質量數據；

將所述待識別電能質量數據輸入至機理數據模型中，得到所述機理數據模型輸出的第一識別結果；

其中，所述機理數據模型是根據神經網絡模型對機理模型進行優化得到的，所述機理模型是根據所述待檢測低壓配電臺區的特性確定的。

2.根據權利要求1所述的電能質量問題成因識別方法，其特征在于，所述機理數據模型是基于如下步驟確定的：

在連續多個識別周期內，獲取所述神經網絡模型輸出的第一電能質量問題標簽的數量作為第一數值；

連續多次改變所述機理模型中的成因判決閾值，獲取所述機理模型輸出的多個第二識別結果的數量，并選取最接近所述第一數值的數量作為第二數值；

根據所述第一數值與所述第二數值獲取修正閾值；

根據所述修正閾值對所述機理模型進行優化，生成所述機理數據模型。

3.根據權利要求2所述的電能質量問題成因識別方法，其特征在于，所述根據所述第一數值與所述第二數值獲取修正閾值，包括：

若所述第一數值與所述第二數值的數值差在預設范圍內，則將所述第二數值對應的成因判決閾值作為所述修正閾值。

4.根據權利要求1所述的電能質量問題成因識別方法，其特征在于，所述神經網絡模型是基于如下步驟確定的：

確定訓練數據集，所述訓練數據集是根據所述機理模型和特征數據獲取的；

基于所述訓練數據集對初始神經網絡模型進行訓練，得到所述神經網絡模型。

5.根據權利要求4所述的電能質量問題成因識別方法，其特征在于，所述基于所述訓練數據集對初始神經網絡模型進行訓練，得到所述神經網絡模型，包括：

獲取所述訓練數據集，并根據運行數據時間、三相電壓值和功率進行特征提取，生成特征數據集；

將所述特征數據集輸入至原始神經網絡模型中，獲取所述特征數據集對應的電能質量問題標簽的概率；

根據所述概率調整所述原始神經網絡模型的權值；

當所述概率達到預設數值時，所述原始神經網絡模型的訓練完成，生成所述神經網絡模型。

6.根據權利要求4所述的電能質量問題成因識別方法，其特征在于，所述確定訓練數據集，包括：

獲取所述機理模型中的各個識別結果，并將各個所述識別結果進行編號；

獲取電網監測數據，并基于所述電網監測數據得到所述特征數據；

將每一所述特征數據與所述編號相關聯，生成所述訓練數據集。

7.根據權利要求1所述的電能質量問題成因識別方法，其特征在于，所述機理模型是基于如下步驟確定的：

根據低壓配電臺區源荷的發電特性、用電特性和接入規模對低壓配電臺區進行場景劃分，生成農村電能質量問題機理成因庫、城鎮電能質量問題機理成因庫和城市電能質量問題機理成因庫；

根據所述農村電能質量問題機理成因庫、所述城鎮電能質量問題機理成因庫和所述城市電能質量問題機理成因庫確定所述機理模型。

8.一種電能質量問題成因識別裝置，其特征在于，包括：

數據確定模塊，用于確定待檢測低壓配電臺區對應的待識別電能質量數據；

成因識別模塊，用于將所述待識別電能質量數據輸入至機理數據模型中，得到所述機理數據模型輸出的第一識別結果；

其中，所述機理數據模型是根據神經網絡模型對機理模型進行優化得到的，所述機理模型是根據所述待檢測低壓配電臺區的特性確定的。

9.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至7任一項所述電能質量問題成因識別方法的步驟。

10.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述電能質量問題成因識別方法的步驟。