【技术实现步骤摘要】
本申请涉及电力系统，特别是涉及一种电能质量扰动识别方法、装置、设备、介质和产品。
技术介绍
1、电能质量是指电力系统中电压、电流、频率等电力参数的稳定性和准确性，直接关系到电力系统的安全高效运行。随着全球能源互联网建设的稳步推进以及坚强智能电网的全面建设，新一代电力系统的电源及负荷均发生了重大变化，导致当代电网电能质量也相应地展现出一些新现象和新规律。从电源的角度看，可再生能源发展势头迅猛，并网后导致暂态电能质量扰动问题；从负荷的角度看，大规模电力电子设备接入电网，导致复合电能质量扰动问题日渐凸显。
2、正是在上述暂态电能质量扰动和复合电能质量扰动的共同作用下，现代电力系统的电能质量扰动形式呈现复杂多样性，给电力系统的安全可靠运行带来了新的挑战。因此，及时快速的将电能质量扰动识别出来是一个亟需解决的技术问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够及时快速的将电能质量扰动识别出来的电能质量扰动识别方法、装置、设备、介质和产品。
2、第一方面，本申请提供了一种电能质量扰动识别方法，包括：
3、获取目标采样时刻的电流采样信号和电压采样信号，并根据电流采样信号和电压采样信号，得到目标采样时刻对应的目标利萨茹曲线；
4、若目标利萨茹曲线满足预设的扰动条件，则根据电压采样信号得到目标电能图像；
5、将目标电能图像输入至预先训练好的扰动识别模型，得到扰动识别模型输出的扰动识别结果。
6、在其中一个实
7、计算目标利萨茹曲线的面积，得到目标面积值；
8、获取上一个采样时刻对应的历史利萨茹曲线对应的历史面积值；
9、根据目标面积值和历史面积值，得到目标利萨茹曲线的变化度量值；
10、若变化度量值与预设的变化阈值之间的关系满足预设的扰动条件，则执行根据目标电压采样信号得到目标电能图像的步骤。
11、在其中一个实施例中，根据目标面积值和历史面积值，得到目标利萨茹曲线的变化度量值，包括：
12、根据目标面积值和历史面积值得到面积差值；
13、将面积差值与目标面积值和历史面积值之中的较大值进行比值计算处理，得到变化度量值。
14、在其中一个实施例中，扰动识别模型包括特征提取结构和扰动分类结构，将目标电能图像输入至预先训练好的扰动识别模型，得到扰动识别模型输出的扰动识别结果，包括：
15、将目标电能图像输入至特征提取结构，得到特征提取结构输出的特征向量；
16、将特征向量输入至扰动分类结构，得到扰动分类结构输出的扰动识别结果。
17、在其中一个实施例中，特征提取结构包括卷积层和自编码层，将目标电能图像输入至特征提取结构，得到特征提取结构输出的特征向量，包括：
18、通过卷积层对目标电能图像进行gabor滤波处理，得到目标电能图像对应的gabor特征数据；
19、通过自编码层对gabor特征数据进行稀疏自编码处理，得到特征向量。
20、在其中一个实施例中，自编码层包括输入子层、第一编码子层和第二编码子层，通过自编码层对gabor特征数据进行稀疏自编码处理，得到特征向量，包括：
21、通过输入子层对gabor特征数据进行预处理，得到待编码数据；
22、通过第一编码子层对待编码数据进行稀疏编码处理，得到第一编码数据；第一编码子层中隐藏单元的数量大于输入子层中隐藏单元的数量；
23、通过第二编码子层对第一编码数据进行稀疏编码处理，得到特征向量，第二编码子层中隐藏单元的数量小于输入子层中隐藏单元的数量。
24、第二方面，本申请还提供了一种电能质量扰动识别装置，包括：
25、曲线确定模块，用于获取目标采样时刻的电流采样信号和电压采样信号，并根据所述电流采样信号和所述电压采样信号，得到所述目标采样时刻对应的目标利萨茹曲线；
26、图像转换模块，用于若所述目标利萨茹曲线满足预设的扰动条件，则根据所述电压采样信号得到目标电能图像。
27、扰动分类模块，用于将所述目标电能图像输入至预先训练好的扰动识别模型，得到所述扰动识别模型输出的扰动识别结果。
28、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
29、获取目标采样时刻的电流采样信号和电压采样信号，并根据电流采样信号和电压采样信号，得到目标采样时刻对应的目标利萨茹曲线；
30、若目标利萨茹曲线满足预设的扰动条件，则根据电压采样信号得到目标电能图像；
31、将目标电能图像输入至预先训练好的扰动识别模型，得到扰动识别模型输出的扰动识别结果。
32、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
33、获取目标采样时刻的电流采样信号和电压采样信号，并根据电流采样信号和电压采样信号，得到目标采样时刻对应的目标利萨茹曲线；
34、若目标利萨茹曲线满足预设的扰动条件，则根据电压采样信号得到目标电能图像；
35、将目标电能图像输入至预先训练好的扰动识别模型，得到扰动识别模型输出的扰动识别结果。
36、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
37、获取目标采样时刻的电流采样信号和电压采样信号，并根据电流采样信号和电压采样信号，得到目标采样时刻对应的目标利萨茹曲线；
38、若目标利萨茹曲线满足预设的扰动条件，则根据电压采样信号得到目标电能图像；
39、将目标电能图像输入至预先训练好的扰动识别模型，得到扰动识别模型输出的扰动识别结果。
40、上述电能质量扰动识别方法、装置、设备、介质和产品，通过获取目标采样时刻的电流采样信号和电压采样信号，并根据电流采样信号和电压采样信号，得到目标采样时刻对应的目标利萨茹曲线；若目标利萨茹曲线满足预设的扰动条件，则根据电压采样信号得到目标电能图像；将目标电能图像输入至预先训练好的扰动识别模型，得到扰动识别模型输出的扰动识别结果。这样，通过目标采样时刻对应的目标利萨茹曲线快速判断出发生电能质量扰动的时刻，可以快速地识别出电能质量问题的产生；再将发生电能质量扰动的时刻对应的电压信号转换成目标电能图像输入至训练好的扰动识别模型，可以快速确定发生电能质量扰动的类型。
本文档来自技高网...【技术保护点】
1.一种电能质量扰动识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述若所述目标利萨茹曲线满足预设的扰动条件，则根据所述电压采样信号得到目标电能图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标面积值和所述历史面积值，得到所述目标利萨茹曲线的变化度量值，包括：
4.根据权利要求1所述的方法，其特征在于，所述扰动识别模型包括特征提取结构和扰动分类结构，所述将所述目标电能图像输入至预先训练好的扰动识别模型，得到所述扰动识别模型输出的扰动识别结果，包括：
5.根据权利要求4所述的方法，其特征在于，所述特征提取结构包括卷积层和自编码层，所述将所述目标电能图像输入至所述特征提取结构，得到所述特征提取结构输出的特征向量，包括：
6.根据权利要求5所述的方法，其特征在于，所述自编码层包括输入子层、第一编码子层和第二编码子层，所述通过所述自编码层对所述Gabor特征数据进行稀疏自编码处理，得到所述特征向量，包括：
7.一种电能质量扰动识别装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种电能质量扰动识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述若所述目标利萨茹曲线满足预设的扰动条件，则根据所述电压采样信号得到目标电能图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标面积值和所述历史面积值，得到所述目标利萨茹曲线的变化度量值，包括：
4.根据权利要求1所述的方法，其特征在于，所述扰动识别模型包括特征提取结构和扰动分类结构，所述将所述目标电能图像输入至预先训练好的扰动识别模型，得到所述扰动识别模型输出的扰动识别结果，包括：
5.根据权利要求4所述的方法，其特征在于，所述特征提取结构包括卷积层和自编码层，所述将所述目标电能图像输入至所述特征提取结构，得到所述特征提取结构输出的特征向量，包括...
【专利技术属性】
技术研发人员：杨英杰，习伟，蔡田田，刘德宏，于杨，王逸兴，
申请(专利权)人：南方电网数字电网研究院股份有限公司，
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。