一种电压暂降扰动源的辨识方法及系统技术方案

本发明专利技术提供一种电压暂降扰动源的辨识方法，包括获取待辨识的电压暂降扰动数据并进行预处理，得到待辨识的时间序列样本数据；将待辨识的时间序列样本数据导入预先训练好的电压暂降扰动源辨识模型中，得到所属暂降扰动源；其中，电压暂降扰动源辨识模型包括用于接收数据输入并基于时间卷积网络所构建出来的特征提取层和用于输出暂降扰动源并由含有多个隐藏层的多层感知机所形成的类别映射层。实施本发明专利技术，能够有效解决现有电压暂降扰动特征提取及溯源的难题，提高了鲁棒性，为电力系统的安全稳定运行提供技术支持。的安全稳定运行提供技术支持。的安全稳定运行提供技术支持。

【技术实现步骤摘要】
一种电压暂降扰动源的辨识方法及系统


[0001]本专利技术涉及电力系统检测
，尤其涉及一种电压暂降扰动源的辨识方法及系统。

技术介绍

[0002]随着电力系统的发展和电网规模的不断扩大，电压暂降扰动成为影响电力系统安全稳定运行的重要问题。电压暂降扰动是指电力系统中电压瞬间降低的现象，可能会引起电力设备的故障，对电网的稳定性和可靠性带来威胁。因此，电压暂降扰动源追溯的研究对于保障电网的安全运行至关重要。
[0003]目前，电压暂降扰动源的辨识方法包括基于数学模型的方法和基于信号处理的方法。其中，基于数学模型的方法需要事先建立系统的数学模型，再利用系统的特征值进行暂降源的辨识和诊断，但是该方法由于电力系统的复杂性和不确定性，使得建立准确的数学模型十分困难；基于信号处理的方法主要是利用傅里叶变换、希尔伯特黄变换及小波变换等技术对电压暂降扰动进行特征提取，再通过分类器完成扰动源辨识，但是该方法需要单独对电压信号进行特征提取，导致分类器的性能容易受到特征选取的影响。
[0004]因此，亟需一种电压暂降扰动源的新辨识方法，能够有效解决现有电压暂降扰动特征提取及溯源的难题，为电力系统的安全稳定运行提供技术支持。

技术实现思路

[0005]本专利技术实施例所要解决的技术问题在于，提供一种电压暂降扰动源的辨识方法及系统，能够有效解决现有电压暂降扰动特征提取及溯源的难题，提高了鲁棒性，为电力系统的安全稳定运行提供技术支持。
[0006]为了解决上述技术问题，本专利技术实施例提供了一种电压暂降扰动源的辨识方法，所述方法包括以下步骤：
[0007]获取待辨识的电压暂降扰动数据并进行数据预处理，得到待辨识的时间序列样本数据；
[0008]将所述待辨识的时间序列样本数据导入预先训练好的电压暂降扰动源辨识模型中，得到所属暂降扰动源；其中，所述电压暂降扰动源辨识模型包括用于接收数据输入并基于时间卷积网络所构建出来的特征提取层和用于输出暂降扰动源并由含有多个隐藏层的多层感知机所形成的类别映射层。
[0009]其中，所述特征提取层是由多个残差模块构成；其中，在每个残差模块中，使用空洞卷积结构扩大感受野后，进行批归一化处理，并使用ReLu激活函数进行激活，且进一步引入随机失活方法避免过拟合及使用自注意力机制进行加权。
[0010]其中，所述类别映射层中，每个隐藏层的输出均由下式计算得到：
[0011][0012]其中，x
j
是输入向量的第j个分量；w
ij
是第i个神经元与第j个输入分量之间的权重；b
i
是第i个神经元的偏置。
[0013]其中，所述电压暂降扰动源辨识模型的训练使用Adam随机梯度下降法加速模型参数的更新，且所述暂降扰动源辨识模型的训练采用Focal loss损失函数为其中，γ是一个超参数，p
ij
表示模型对第i个样本属于第j个类别的预测概率。
[0014]其中，所述数据预处理包括数据归一化处理、数据增强处理和数据长度统一化处理；其中，
[0015]所述数据归一化处理由下式计算得到：
[0016][0017]其中，x*为归一化处理后的数据，x为归一化处理前的数据，min(x)为样本序列的最小值，max(x)为样本序列的最大值；
[0018]所述数据增强处理包括数据随机裁剪、数据随机移动以及数据随机噪声添加；其中，所述数据随机裁剪，用于产生多个不同长度的电压暂降序列；所述数据随机移动，用于产生多个具有不同时间起点的电压暂降序列；所述数据随机噪声添加，用于产生多个带有不同噪声级别的电压暂降序列；
[0019]所述数据长度统一化处理是通过采用线性重采样方式来实现的。
[0020]其中，所述暂降扰动源为三个单一电压暂降扰动源及四个复合电压暂降扰动源之其中一个；其中，
[0021]所述三个单一电压暂降扰动源包括感应电机启动、变压器投切和线路短路故障；
[0022]所述四个复合电压暂降扰动源包括多级电压暂降、线路短路故障与感应电动机启动共同作用、线路短路故障与变压器投切共同作用以及感应电动机启动与变压器投切共同作用。
[0023]本专利技术实施例中还提供了一种电压暂降扰动源的辨识系统，所述系统包括：
[0024]数据获取及处理单元，用于获取待辨识的电压暂降扰动数据并进行数据预处理，得到待辨识的时间序列样本数据；
[0025]暂降扰动源追溯单元，用于将所述待辨识的时间序列样本数据导入预先训练好的电压暂降扰动源辨识模型中，得到所属暂降扰动源；其中，所述电压暂降扰动源辨识模型包括用于接收数据输入并基于时间卷积网络所构建出来的特征提取层和用于输出暂降扰动源并由含有多个隐藏层的多层感知机所形成的类别映射层。
[0026]其中，所述特征提取层是由多个残差模块构成；其中，在每个残差模块中，使用空洞卷积结构扩大感受野后，进行批归一化处理，并使用ReLu激活函数进行激活，且进一步引入随机失活方法避免过拟合及使用自注意力机制进行加权。
[0027]其中，所述类别映射层中，每个隐藏层的输出均由下式计算得到：
[0028][0029]其中，x
j
是输入向量的第j个分量；w
ij
是第i个神经元与第j个输入分量之间的权重；b
i
是第i个神经元的偏置。
[0030]其中，所述电压暂降扰动源辨识模型的训练使用Adam随机梯度下降法加速模型参数的更新，且所述暂降扰动源辨识模型的训练采用Focal loss损失函数为其中，γ是一个超参数，p
ij
表示模型对第i个样本属于第j个类别的预测概率。
[0031]实施本专利技术实施例，具有如下有益效果：
[0032]本专利技术使用时间卷积网络进行特征提取并以多层感知机作为分类器，能够捕捉电压暂降扰动的时间序列特征，提高了电压暂降扰动源辨识的准确性和适用性，从而有效地解决现有电压暂降扰动特征提取及溯源的难题，提高了鲁棒性，为电力系统的安全稳定运行提供技术支持。
附图说明
[0033]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本专利技术的范畴。
[0034]图1为本专利技术实施例提供的一种电压暂降扰动源的辨识方法的流程图；
[0035]图2为本专利技术实施例提供的一种电压暂降扰动源的辨识方法中电压暂降扰动源辨识模型内部特征提取层所含单个残差模块的工作流程图；
[0036]图3为本专利技术实施例提供的一种电压暂降扰动源的辨识系统的结构示意图。
具体实施方式
[0037]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步地详细描述。
[0038]如图1所示，为本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电压暂降扰动源的辨识方法，其特征在于，所述方法包括以下步骤：获取待辨识的电压暂降扰动数据并进行数据预处理，得到待辨识的时间序列样本数据；将所述待辨识的时间序列样本数据导入预先训练好的电压暂降扰动源辨识模型中，得到所属暂降扰动源；其中，所述电压暂降扰动源辨识模型包括用于接收数据输入并基于时间卷积网络所构建出来的特征提取层和用于输出暂降扰动源并由含有多个隐藏层的多层感知机所形成的类别映射层。2.如权利要求1所述的电压暂降扰动源的辨识方法，其特征在于，所述特征提取层是由多个残差模块构成；其中，在每个残差模块中，使用空洞卷积结构扩大感受野后，进行批归一化处理，并使用ReLu激活函数进行激活，且进一步引入随机失活方法避免过拟合及使用自注意力机制进行加权。3.如权利要求1所述的电压暂降扰动源的辨识方法，其特征在于，所述类别映射层中，每个隐藏层的输出均由下式计算得到：其中，x
j
是输入向量的第j个分量；w
ij
是第i个神经元与第j个输入分量之间的权重；b
i
是第i个神经元的偏置。4.如权利要求1所述的电压暂降扰动源的辨识方法，其特征在于，所述电压暂降扰动源辨识模型的训练使用Adam随机梯度下降法加速模型参数的更新，且所述暂降扰动源辨识模型的训练采用Focal loss损失函数为其中，γ是一个超参数，p
ij
表示模型对第i个样本属于第j个类别的预测概率。5.如权利要求1所述的电压暂降扰动源的辨识方法，其特征在于，所述数据预处理包括数据归一化处理、数据增强处理和数据长度统一化处理；其中，所述数据归一化处理由下式计算得到：其中，x*为归一化处理后的数据，x为归一化处理前的数据，min(x)为样本序列的最小值，max(x)为样本序列的最大值；所述数据增强处理包括数据随机裁剪、数据随机移动以及数据随机噪声添加；其中，所述数据随机裁剪，用于产生多个不同长度的电压暂降序列；所述数据随机移动，用于产生多个具有不同时间起点的电压暂降序列；所述数据随机噪声添加，用于产生多个带有...

【专利技术属性】
技术研发人员：张华赢，钟隽，李艳，汪清，吴显，游奕弘，孙睿晨，董坤，
申请(专利权)人：深圳供电局有限公司，
类型：发明
国别省市：