【技术实现步骤摘要】
基于CNN的自监督电压暂降源辨识方法
本专利技术涉及电能质量扰动源识别领域，尤其涉及一种基于CNN的自监督电压暂降源辨识方法。
技术介绍
随着工业装备、建筑电气自动化及智能化水平越来越高，电压暂降问题对于工商业大用户的生产经营影响也越来越显著，特别是半导体制造、精密仪器加工、汽车制造等大量应用电力电子设备的工业，对电压暂降十分敏感，当电压有效值低于90％持续时间达到1～2周波以上时就会跳闸停运。电压暂降是一种常见的电能质量问题，电动机启动、变压器投切、短路故障等都会引起电压暂降现象，因电压暂降干扰而导致的生产中断和延缓呈明显的上升趋势，由此带来的直接及间接经济损失日趋严重，这对供电质量提出了更高要求。不同暂降源引起的电压波形特征是不同的，准确识别暂降源能有针对性地对当地的电压暂降情况进行分析、补偿和抑制，同时可作为电力供应部门和用户之间协调纠纷的依据，是治理电压暂降问题中必不可少的步骤。电压暂降源辨识方法作为目前的研究热点，吸引了众多国内外学者参与相关研究。目前电压暂降源识别方法主要包括信息采集、特征提取、样本训练和...
【技术保护点】
1.一种基于CNN的自监督电压暂降源辨识方法，其特征在于，包括如下步骤：/nS10，采集电压暂降数据，对所述电压暂降数据进行预处理；所述电压暂降数据包括短路故障数据、变压器投切数据及电动机启动引起的电机运行数据；/nS20，在自动编码器的基础上构建卷积编码器与卷积解码器，以建立CNN自监督模型，使所述CNN自监督模型采用卷积层与池化层提取特征，采用BP分类网络进行分类；/nS30，将预处理后的电压暂降数据划分为训练集和测试集，将训练集批量输入所述CNN自监督模型，以训练所述CNN自监督模型的特征提取能力与分类能力；/nS40，将所述测试集输入训练后的CNN自监督模型，以对所...
【技术特征摘要】
1.一种基于CNN的自监督电压暂降源辨识方法，其特征在于，包括如下步骤：
S10，采集电压暂降数据，对所述电压暂降数据进行预处理；所述电压暂降数据包括短路故障数据、变压器投切数据及电动机启动引起的电机运行数据；
S20，在自动编码器的基础上构建卷积编码器与卷积解码器，以建立CNN自监督模型，使所述CNN自监督模型采用卷积层与池化层提取特征，采用BP分类网络进行分类；
S30，将预处理后的电压暂降数据划分为训练集和测试集，将训练集批量输入所述CNN自监督模型，以训练所述CNN自监督模型的特征提取能力与分类能力；
S40，将所述测试集输入训练后的CNN自监督模型，以对所述测试集进行电压暂降源辨识。
2.根据权利要求1所述的基于CNN的自监督电压暂降源辨识方法，其特征在于，所述采集电压暂降数据，对所述电压暂降数据进行预处理包括：
获取所述电动机启动引起的电机运行数据、所述变压器投切数据和所述短路故障数据；所述短路故障数据包括三相短路数据、单相接地数据和两相相间短路数据；
获取所述电机运行数据、所述变压器投切数据和所述短路故障数据分别对应的暂降波形数据；
将所述暂降波形数据进行滤波处理，采用小波变换提取滤波处理后的暂降波形数据的电压暂降凹陷域，将所述电压暂降凹陷域的三相电压的每一相作为一行，将每个样本的规范为一个3×3s的二维矩阵，对所得到的二维矩阵进行标准化处理，使二维矩阵中每个元素的值均在区间[0,1]中，将每行数据重复3次，得到9×3s的样本矩阵；s表示所述电压暂降数据所包括的数据类型。
3.根据权利要求2所述的基于CNN的自监督电压暂降源辨识方法，其特征在于，所述单相接地数据包括A相接地数据、B相接地数据、和C相接地数据；所述两相相间短路数据包括AB相间短路数据、BC相间短路数据、和CA相间短路数据。
4.根据权利要求3所述的基于CNN的自监督电压暂降源辨识方法，其特征在于，所述在自动编码器的基础上构建卷积编码器与卷积解码器，以建立CNN自监督模型，使所述CN...
【专利技术属性】
技术研发人员：郑建勇，李丹奇，梅飞，沙浩源，李陶然，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。