一种基于小波变化和卷积神经网络的电网电能质量在线状态估计方法技术

本发明专利技术公开了一种基于小波变化和卷积神经网络的电网电能质量在线状态估计方法，采用小波变化提取电能质量监测数据特征值，生成典型电能质量扰动随机数据样本，划分训练样本和测试样本比例；其次对训练样本和测试样本分别进行小波变换，并根据电能质量特性模型提取电能质量扰动的多个特征值；最后通过卷积神经网络方法完成数据自动分类和电能质量在线状态估计，本发明专利技术的优点是，相对传统的机器学习方法，其电能质量特征提取更精确，分类准确度更高。

【技术实现步骤摘要】

本专利技术涉及电网电能质量估计方法的，更具体地说是涉及电网电能质量在线状态估计方法的。

技术介绍

1、在落实碳中和目标、推进能源转型、构建新型电力系统的发展背景下，新能源技术快速进步、投资成本逐渐降低，目前新能源发电容量逐年增多。新能源大规模并网，导致电能质量监测点迅速增加，数据量不断增长，数据处理速度就会减缓，应用业务性能下降，传统数据采集与处理方法难以适应新一代电网需要；大数据、人工智能电网背景下，新一代电力系统电能质量数据要求跨平台交互、超大数据库量的支持、高速数据的处理能力，导致传统的电能质量数据采集与处理方法难以适应电网发展需要。需要研究电能质量大数据分析技术，精确提取电能质量扰动特征，提高电能质量状态监测性能。

2、在电能质量扰动特征提取方面，主要有傅里叶变换、小波变换、s变换、希尔伯特黄变换等；扰动信号特征提取是通过数据特征分类掌握电网运行状态的基础，现有的数据特征识别及分类方法包括，神经网络、随机森林网络、支持向量机等。

技术实现思路

1、本专利技术为了解决上述技术问题而提供一种基本文档来自技高网...

【技术保护点】

1.一种基于小波变化和卷积神经网络的电网电能质量在线状态估计方法，其特征在于步聚如下：

【技术特征摘要】

1.一种基于小波变化和卷积神经网络的电网电能...

【专利技术属性】
技术研发人员：张文倩，陈来军，韩俊，苏小玲，刘禹彤，司杨，朱振，赵正奎，景延嵘，李宗容，
申请(专利权)人：国网青海省电力公司电力科学研究院，
类型：发明
国别省市：