[發明專利]電網波形濾波系統及其濾波方法

有效

• 申請號: 202210522511.4
• 申請日: 2022-05-13
• 公開（公告）號: CN115514343B
• 公開（公告）日: 2023-08-11
• 發明（設計）人: 滕敏亮;江先志;李明華;滕韻嫻;潛衛強;雷建峰;林建豪
• 申請（專利權）人: 浙江騰騰電氣有限公司
• 主分類號: H03H17/02
• 分類號: H03H17/02;G06N3/0455;G06N3/0464;G06N3/084;H02J3/01;H02J3/38
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種電網波形濾波系統，其特征在于，包括：

采樣單元，用于以預設采樣頻率從電網獲取電壓信號；

頻率分析單元，用于基于離散快速傅里葉變換對所述電壓信號進行處理以提取所述電壓信號的各個采樣點的頻率、幅值和相位；

上下文語義編碼單元，用于將所述電壓信號在各個采樣點的頻率、幅值和相位通過包含嵌入層的上下文編碼器以得到三個特征向量，并將所述三個特征向量進行級聯以生成對應于所述電壓信號的各個采樣點的波形頻譜特征向量；

采樣點關聯編碼單元，用于將所述電壓信號的各個采樣點的波形頻譜特征向量進行二維排列為特征矩陣后通過第一卷積神經網絡以得到波形頻譜特征矩陣；

波形圖編碼單元，用于將所述電壓信號的波形圖通過第二卷積神經網絡以得到圖像特征矩陣；

特征矩陣融合單元，用于融合所述圖像特征矩陣和所述波形頻譜特征矩陣以得到解碼特征矩陣；

特征矩陣校正單元，用于對所述解碼特征矩陣進行柯西重概率化處理以得到校正后解碼特征矩陣，其中，所述對所述解碼特征矩陣進行柯西重概率化處理基于一與所述解碼特征矩陣中各個位置的特征值之間的加和值除以一與所述解碼特征矩陣中所有位置的特征值之和的加和值來進行；以及

解碼生成單元，用于將所述校正后解碼特征矩陣通過作為濾波生成器的第三卷積神經網絡以得到濾波后電壓信號；

其中，所述上下文語義編碼單元，用于：

嵌入編碼子單元，用于使用所述包含嵌入層的上下文編碼器模型的嵌入層分別將所述電壓信號在各個采樣點的頻率、幅值和相位轉化為輸入向量以獲得嵌入向量的序列；

語義編碼子單元，使用所述包含嵌入層的上下文編碼器模型的基于轉換器的Bert模型對所述嵌入編碼子單元獲得的所述嵌入向量的序列進行基于全局掩碼結構的全局語義編碼以得到所述三個特征向量；

級聯子單元，用于將所述語義編碼子單元獲得的所述三個特征向量進行級聯以生成對應于所述電壓信號的各個采樣點的所述波形頻譜特征向量。

2.根據權利要求1所述的電網波形濾波系統，其中，所述采樣點關聯編碼單元，進一步用于：將所述電壓信號的各個采樣點的波形頻譜特征向量進行二維排列為特征矩陣；使用所述第一卷積神經網絡的各層在層的正向傳遞中對輸入數據進行卷積處理、沿通道維度的池化處理和激活處理以由所述第一卷積神經網絡的最后一層生成所述波形頻譜特征矩陣，其中，所述第一卷積神經網絡的第一層的輸入為所述特征矩陣。

3.根據權利要求2所述的電網波形濾波系統，其中，所述波形圖編碼單元，進一步用于：所述第二卷積神經網絡的各層在層的正向傳遞中分別對輸入數據進行基于二維卷積核的卷積處理、沿通道維度的池化處理和激活處理以由所述第二卷積神經網絡的最后一層輸出所述圖像特征矩陣，其中，所述第二卷積神經網絡的第一層的輸入為所述電壓信號的波形圖。

4.根據權利要求3所述的電網波形濾波系統，其中，所述特征矩陣融合單元，進一步用于：以如下公式融合所述圖像特征矩陣和所述波形頻譜特征矩陣以得到所述解碼特征矩陣；

其中，所述公式為：

M＝αM_l+PM₂

其中，M為所述解碼特征矩陣,M₁為所述圖像特征矩陣，M₂為所述波形頻譜特征矩陣，“+”表示所述圖像特征矩陣和所述波形頻譜特征矩陣相對應位置處的元素相加，α和β為用于控制所述解碼特征矩陣中所述圖像特征矩陣和所述波形頻譜特征矩陣之間的平衡的加權參數。

5.根據權利要求4所述的電網波形濾波系統，其中，所述特征矩陣校正單元，進一步用于：以如下公式對所述解碼特征矩陣進行柯西重概率化處理以得到所述校正后解碼特征矩陣；

其中，所述公式為：

其中m_i,j和m'_i,j分別是校正前和校正后的所述解碼特征矩陣的各個位置的特征值。