【技术实现步骤摘要】
格拉姆角场和CNN
‑
LSTM的电能质量扰动分类方法
[0001]本专利技术涉及电能质量分类识别领域，尤其涉及格拉姆角场和CNN
‑
LSTM的电能质量扰动分类方法。
技术介绍
[0002]随着社会经济的发展，电能已经成为生产生活中不可或缺的一部分，电能质量的好坏影响着国民经济水平和人们日常生活的方方面面。目前随着电力电子技术的快速发展，大量非线性负荷的不断增多，使得电能质量日趋恶化。与此同时，风能、光伏等分布式电源的大规模接入，也使得电网易受到随机性和波动性的影响。
[0003]电能质量的好坏对电力系统的一次和二次部分都会产生很大影响。对于一次系统，较差的电能质量会使得系统的运行工况恶化，威胁系统的正常运行。对于二次系统，电能质量问题会减少设备的使用寿命，甚至直接使设备发生故障，给电力系统带来难以估量的损失。除此之外，电能质量问题还可能会使继电保护装置发生误动、拒动，对电力系统的安全稳定运行造成不良的影响。因此，对电能质量的研究具有重要意义。
[0004]当前，对电能质量扰...
【技术保护点】
【技术特征摘要】
1.格拉姆角场和CNN
‑
LSTM的电能质量扰动分类方法，其特征在于，包括以下步骤：S1、获取电能质量扰动数据，对样本数据进行预处理；S2、由GAF将一维数据从直角坐标转换到极坐标系，构建格拉姆矩阵，并转换成图像，然后对图像进行压缩；S3、由三层CNN网络对所述S2中压缩后的图像进行特征提取；S4、由LSTM层对所述S3中提取的特征值进行时间相关性学习；S5、由全连接层对所述S4输出的特征值做降维处理；S6、由概率层计算全连接层每一个输出的概率，然后通过分类层确定电能质量的类别。2.根据权利要求1所述的格拉姆角场和CNN
‑
LSTM的电能质量扰动分类方法，其特征在于：所述S1中，样本数据进行预处理为，采用离差标准化法对样本数据进行归一化，使归一化后的数据处在[
‑
1,1]之间。3.根据权利要求1所述的格拉姆角场和CNN
‑
LSTM的电能质量扰动分类方法，其特征在于，所述S2中，数据转换为图像的步骤为：S201、由GAF将一维的电能质量扰动信号从直角坐标系映射到极坐标系中，然后构建格拉姆矩阵，转换函数和格拉姆矩阵为：矩阵，转换函数和格拉姆矩阵为：其中，x
*<...
【专利技术属性】
技术研发人员：李祯维，吴建军，龙克飞，李家俊，黄谋甫，钟建伟，童占北，
申请(专利权)人：湖北民族大学，
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。