【技术实现步骤摘要】
本专利技术涉及领域，具体涉及一种港口设备的供配电故障诊断分析方法及系统。
技术介绍
1、电力系统中的谐波来自电气设备，也就是说来自发电设备和用电设备。由于发电机的转子产生的磁场不可能是完善的正弦波，因此发电机发出的电压波形不可能是一点不失真的正弦波。由于正弦电压加压于非线性负载，基波电流发生畸变产生谐波。
2、同时电力谐波还会影响电力计量设备以及电气检测设备的检测准确性，导致在一些电力诊断分析系统中，诊断结果不准确。
技术实现思路
1、为了解决现有技术中，电力计量设备以及电气检测设备在电力谐波的影响下检测准确性降低等技术问题，本专利技术提供一种港口设备的供配电故障诊断分析方法及系统一种港口设备的供配电故障诊断分析方法及系统。
2、本专利技术解决上述技术问题的技术方案如下：
3、一种港口设备的供配电故障诊断分析方法，包括如下步骤：
4、获取港口设备供电网络的多个连续时间段的历史电力数据；
5、基于所述历史电力数据构建模型训练数据集；
6、基于计算机深度学习方法，并利用所述模型训练数据集构建谐波分类模型；
7、获取所述港口设备供电网络的当前时间段的实时电力数据；
8、通过将所述实时电力数据输入所述谐波分类模型预测所述港口设备供电网络在下一阶段的谐波种类；
9、根据所预测的谐波种类，实施谐波抑制策略；
10、采集实施谐波抑制策略后的电力数据；
11、利用实施
12、本专利技术的有益效果是：通过利用计算机深度学习方法构建计算机模型，利用计算机模型预测阶段性谐波，再通过谐波抑制技术在该阶段进行谐波抑制处理，实现对谐波的预处理，提高了谐波预测的准确性；同时，利用经过谐波预处理之后的电力数据进行电力系统的诊断分析，提高了诊断分析准确性。
13、进一步，获取港口设备供电网络的多个连续时间段的历史电力数据，包括如下步骤：
14、获取所述港口设备供电网络的多个历史数据集；其中，每个所述历史数据集为所述港口设备供电网络在一天内的历史数据；
15、将每个所述历史数据集中的数据按照分成多个子数据集；其中，多个所述子数据集对应一天内的多个连续时间段内的数据的集合；所述历史电力数据包括多个所述子数据集。
16、进一步，基于所述历史电力数据构建模型训练数据集，包括如下步骤：
17、将多个所述历史数据集中，同一天内相同时间段的所述子数据集种的数据整合成一个数据集，得到多个混合数据集；所述模型训练数据集包括多个所述混合数据集。
18、进一步，基于计算机深度学习方法，并利用所述模型训练数据集构建谐波分类模型，包括如下步骤：
19、构建卷积神经网络模型；
20、利用所述模型训练数据集中的数据训练所述卷积神经网络模型，得到训练好的所述卷积神经网络模型；
21、基于知识蒸馏方法将训练好的所述卷积神经网络模型进行迁移学习，得到所述谐波分类模型。
22、进一步，所述历史电力数据包括历史谐波电压以及历史谐波电流；所述实时电力数据包括实时谐波电压以及实时谐波电流。
23、进一步，通过将所述实时电力数据输入所述谐波分类模型预测所述港口设备供电网络在下一阶段的谐波种类，包括如下步骤：
24、将所述实时电力数据输入所述谐波分类模型，得到下一阶段的谐波的频率；
25、当下一阶段的所述谐波的频率只有一个时，则输出所述谐波的频率；
26、当下一阶段的所述谐波的频率有多个时，则将过滤频率小于预设阈值的所述谐波，输出一个或多个剩余的所述谐波的频率。
27、进一步，根据所预测的谐波种类，实施谐波抑制策略，包括如下步骤：
28、当输出的所述谐波的频率只有一个时，则利用一个谐波抑制器抑制所述谐波；
29、当输出的所述谐波的频率有多个时，则利用多个所述谐波抑制器抑制所述谐波。
30、为了解决上述技术问题，本专利技术还提供一种港口设备的供配电故障诊断分析系统，其具体
技术实现思路
如下：
31、一种港口设备的供配电故障诊断分析系统，包括数据获取装置、数据分析装置以及谐波抑制装置；
32、所述数据获取装置用于，获取港口设备供电网络的多个连续时间段的历史电力数据；
33、所述数据分析装置用于，基于所述历史电力数据构建模型训练数据集；基于计算机深度学习方法，并利用所述模型训练数据集构建谐波分类模型；
34、所述数据获取装置还用于，获取所述港口设备供电网络的当前时间段的实时电力数据；
35、所述数据分析装置还用于，通过将所述实时电力数据输入所述谐波分类模型预测所述港口设备供电网络在下一阶段的谐波种类；
36、谐波抑制装置用于，根据所预测的谐波种类，实施谐波抑制策略；
37、所述数据获取装置还用于，采集实施谐波抑制策略后的电力数据；
38、所述数据分析装置还用于，利用实施谐波抑制策略后的所述电力数据进行电力故障诊断分析。
本文档来自技高网...【技术保护点】
1.一种港口设备的供配电故障诊断分析方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种港口设备的供配电故障诊断分析方法，其特征在于，获取港口设备供电网络的多个连续时间段的历史电力数据，包括如下步骤：
3.根据权利要求2所述的一种港口设备的供配电故障诊断分析方法，基于所述历史电力数据构建模型训练数据集，包括如下步骤：
4.根据权利要求2所述的一种港口设备的供配电故障诊断分析方法，其特征在于，基于计算机深度学习方法，并利用所述模型训练数据集构建谐波分类模型，包括如下步骤：
5.根据权利要求1所述的一种港口设备的供配电故障诊断分析方法，其特征在于，所述历史电力数据包括历史谐波电压以及历史谐波电流；所述实时电力数据包括实时谐波电压以及实时谐波电流。
6.根据权利要求1所述的一种港口设备的供配电故障诊断分析方法，其特征在于，通过将所述实时电力数据输入所述谐波分类模型预测所述港口设备供电网络在下一阶段的谐波种类，包括如下步骤：
7.根据权利要求6所述的一种港口设备的供配电故障诊断分析方法，其特征在于，根据所预
8.一种港口设备的供配电故障诊断分析系统，其特征在于，包括数据获取装置、数据分析装置以及谐波抑制装置；
...【技术特征摘要】
1.一种港口设备的供配电故障诊断分析方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种港口设备的供配电故障诊断分析方法，其特征在于，获取港口设备供电网络的多个连续时间段的历史电力数据，包括如下步骤：
3.根据权利要求2所述的一种港口设备的供配电故障诊断分析方法，基于所述历史电力数据构建模型训练数据集，包括如下步骤：
4.根据权利要求2所述的一种港口设备的供配电故障诊断分析方法，其特征在于，基于计算机深度学习方法，并利用所述模型训练数据集构建谐波分类模型，包括如下步骤：
5.根据权利要求1所述的一种港口设备的供配电...
【专利技术属性】
技术研发人员：阮钰钧，张雷强，
申请(专利权)人：茂名港长兴石化储运有限公司，
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。