【技术实现步骤摘要】
基于双向WaveNet深度学习的电压暂降源定位方法
[0001]本专利技术属于电能质量分析
,具体涉及一种基于双向WaveNet深度学习的电压暂降源定位方法。
技术介绍
[0002]据统计,70%以上的电能质量问题是由电压暂降引起。电压暂降不仅给利益相关方带来了巨额的经济损失,还可能造成极大的社会影响。准确地追溯电压暂降源对划分责任和加快电力市场化进程均具有重要意义。然而,现有的电压暂降源定位方法多是以馈线单元告警信息为数据资源,利用矩阵算法进行定位,算法简单容易实现,但定位精度低,容错性差。在此基础上,通过将矩阵算法与优化算法相结合以改善容错性差的问题,但该类方法需要人工建立复杂繁琐的规则。因此,现有电压暂降源定位方法面对日益复杂的电网结构,电压暂降发生后的电气特征量将发生显著变化,从而导致现有方法难以实现精准的电压暂降源定位。事实上,电压暂降多数是由故障引起的,可以借助于电网中已经广泛安装了的电能质量监测设备,进而结合监测设备所采集到的电压信息实现电压暂降源定位。
技术实现思路
[0003]本专利技 ...
【技术保护点】
【技术特征摘要】
1.基于双向WaveNet深度学习的电压暂降源定位方法,其特征在于,具体按照以下步骤实施:步骤1:利用电网中已经安装的电能质量监测设备,分别对观测节点的三相电压的幅值进行采样,并对上述收集到的数据进行预处理,获得预处理后的监测电压数据,并形成训练数据集和测试数据集;步骤2:搭建双向WaveNet整体模型结构;步骤3:对步骤2的模型使用步骤1的训练数据集进行训练;步骤4:使用监测到的实际电压幅值数据,经过步骤1的预处理后获得电压幅值矩阵数据,将电压矩阵数据输入步骤3所获得的模型中,输出数据即为所需的电压暂降源定位结果。2.根据权利要求1所述的基于双向WaveNet深度学习的电压暂降源定位方法,其特征在于,所述步骤1中,具体为:步骤1.1,利用现有电网已有的电能质量监测设备对各监测节点的三相电压幅值数据进行采集;对所选取的节点的电压幅值进行采样,获取电压幅值采样数据,并对数据进行式(1)所示的归一化,获得预处理数据;其中,x
*
为归一化后的数据输出,x为原始数据,x
max
为输入的样本数据中的最大值,x
min
为输入的样本数据中的最小值;步骤1.2,将步骤1.1中预处理数据转化为矩阵形式,矩阵尺寸为三维矩阵,矩阵形式为[样本数,时间步长,预处理后电压幅值];步骤1.3,对步骤1.2中预处理后数据进行人工标注,标注每一采样点下,其输入所对应的线路编号,进而构成标签数据,并将其转换为标签数据矩阵,矩阵形式为[样本数,时间步长,输出节点,线路编号];对步骤1.2...
【专利技术属性】
技术研发人员:邓亚平,王璐,林邵杰,贾颢,同向前,
申请(专利权)人:西安理工大学,
类型:发明
国别省市:
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。