[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

本發明提供一種電能質量問題成因識別方法、裝置、電子設備及存儲介質，其中方法包括：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。本發明通過待檢測低壓配電臺區的特性確定機理模型，再通過神經網絡模型對機理模型進行優化得到機理數據模型，得到的機理數據模型能夠通過輸入待識別電能質量數據，識別出電能質量問題成因，可高效準確地對電能質量問題成因進行識別。

技術領域

本發明涉及電力技術領域，尤其涉及一種電能質量問題成因識別方法、裝置、電子設備及存儲介質。

背景技術

低壓配電臺區中的用電設備有很強的隨機性，季節性用電變化大，負荷增長具有不可預測性，因此，低壓配電臺區中很容易出現高/低電壓、三相不平衡等電能質量問題。近年來，低壓配電臺區中新型源荷的滲透率持續增長，新型源荷包括分布式光伏這種時序性和不確定性強的分布式電源和電動汽車充電樁等隨機性強、用電功率大的新型負荷。與傳統配電臺區相比，低壓配電臺區由無源網絡變為有源網絡，新型源荷的不對稱接入增大低壓配電臺區負荷不對稱性。低壓配電臺區電能質量問題，尤其是高/低電壓問題和三相不平衡問題愈發嚴重，電能質量問題的成因愈發復雜。因此，電能質量問題成因的分析和識別也變得越來越困難，解決成因識別問題，對治理電能質量問題、維持配電臺區安全穩定運行等工作至關重要。

現有的低壓配電臺區電能質量問題成因識別仍然很依賴人力排查，通過以往工作中的經驗或相關標準對電能質量問題的成因進行判斷。但是，依賴人力進行問題成因的識別一般效率比較低，同時準確率不夠高。

發明內容

本發明提供一種電能質量問題成因識別方法、裝置、電子設備及存儲介質，用以解決現有技術中電能質量問題成因的識別效率低的問題，實現高效準確識別電能質量問題成因的目的。

本發明提供一種電能質量問題成因識別方法，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。

根據本發明提供的一種電能質量問題成因識別方法，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。

根據本發明提供的一種電能質量問題成因識別方法，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。

根據本發明提供的一種電能質量問題成因識別方法，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。