一种基于LGAN的电能质量扰动故障识别方法技术

本发明专利技术实施例公开了一种基于LGAN的电能质量扰动故障识别方法，涉及电能质量分析技术领域，能够在电力系统中某种电能质量扰动数据匮乏时，对匮乏电能质量扰动数据进行充分有效增强，进一步实现对此种扰动故障的准确识别。本发明专利技术包括：将生成对抗网络(GAN)网络的生成器中增加LSTM层，使生成器的网络模型更好拟合以及提取电能质量扰动数据的序列特征，提高网络产生的电能质量扰动数据集的精度；单独提出充分训练完成的LGAN网络的判别器，实现对电能质量扰动数据的实时监测。质量扰动数据的实时监测。质量扰动数据的实时监测。

【技术实现步骤摘要】
一种基于LGAN的电能质量扰动故障识别方法


[0001]本专利技术涉及电能质量分析
，尤其涉及一种基于LGAN(长短期记忆生成对抗网络)的电能质量扰动故障识别方法。

技术介绍

[0002]随着非线性、波动性、冲击性新型负荷和电源的大量接入，电网产生较严重的电能质量干扰，导致了谐波、电压波动、电压暂降、电压暂升、电压中断和振荡暂态等诸多电能质量问题。这给电力用户和电网公司造成了巨大的经济损失。电能质量扰动识别是治理改善电能质量的重要前提。为实现电能质量扰动自动识别，研究者提出小波变换、S变换等变换方法与神经网络、专家系统、随机森林、支持向量机等智能识别算法结合的识别方法，并取得不错的成果。近年来，深度神经网络改善了神经网络收敛性和实时性差等缺点，在电能质量识别中取得了广泛应用和较好的效果。
[0003]但这些智能方法大多都需要在历史电能质量扰动数据充足的场景下才能得到良好的应用结果，而在电能质量扰动数据匮乏的情况下检测识别精度则会大幅下降，甚至失效。

技术实现思路

[0004]本专利技术的实施例提供一种基于LGAN的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LGAN的电能质量扰动故障识别方法，其特征在于，包括：S1、获取数据采集系统(SCADA)的每个采样点上的数据，并记录为电能质量扰动数据，其中，每个采样点上的数据包括了数据长度和采样频率，电能质量扰动数据按照扰动类型划分为单一扰动和混合扰动；S2、对记录得到的电能质量扰动数据进行预处理；S3、对经过预处理的电能质量扰动数据进行归一化处理，得到统一电能质量扰动数据信号并存储至电能质量扰动数据集作为样本数据；S4、在生成对抗网络(GAN)网络的生成器中增加LSTM(长短期记忆网络)层，从而得到LGAN生成器；S5、取一组符合电能质量扰动数据分布的随机数P
z
作为所述LGAN生成器的输入；S6、将所述电能质量扰动数据集中提取的样本数据和所述LGAN生成器生成的数据G(z)一起作为训练集，来交替训练LGAN生成器和判别器；S7、通过完成训练的判别器来监测电力系统中电能质量扰动故障。2.根据权利要求1所述的方法，其特征在于，在S2中，包括：对记录得到的电能质量扰动数据依次进行数据去重和异常值剔除处理；其中，所述异常值剔除处理包括：通过平均值替换异常值，所述平均值包括：采样前后的电能质量扰动数据的平均值，或者，所采样到的所有电能质量扰动数据的平均值。3.根据权利要求1所述的方法，其特征在于，所记录的电能质量扰动数据包括5种单一扰动数据和4种混合扰动数据。4.根据权利要求1所述的方法，其特征在于，在S3中，包括：进行数据归一化的模型为：其中，P(m,n)为一组扰动数据集中第m行，第n列的取值，X为单次采样后的一维信号矢量，其长度为N,N为正整数，X(k)(1,2,3,...,N)表示X中的第k个数据点。5.根据权利要求1所述的方法，其特征在于，在S4中，包括：在生成对抗网络(GAN)网络的生成器中建立LSTM层，所述LSTM层包括3个门控制器：遗忘门f
(t)
、输入门i
(t)
和输出门o
(t)
，其中：输出门：由o
(t)
控制，从长期的记忆状态中提...

【专利技术属性】
技术研发人员：吕干云，胥家伟，丁皓月，陈诺，陈光宇，李军，章心因，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：