电网电能质量扰动分类方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术公开了一种电网电能质量扰动分类方法、装置、电子设备和存储介质，获取由历史的电力信号数据的历史曲线，电力信号包括时间和电压；对历史曲线标注电能质量扰动类型、波峰、波谷以及波峰和波谷对应的时间戳，得到训练数据；将训练数据导入到初始的扰动分类模型中进行训练，得到训练好的扰动分类模型，扰动分类模型为基于TCN‑BIGRU的模型；获取由实时检测的电力信号数据生成的检测曲线；将检测曲线输入训练好的扰动分类模型中进行预测，得到检测曲线对应的电能质量扰动类型。扰动分类模型能学习电能质量扰动类型与曲线的波峰、波谷以及对应的时间戳之间的规律和联系，具有较好的抗噪能力，在复杂环境下依然保持高效准确的分类能力。

【技术实现步骤摘要】

本专利技术涉及电网电能质量扰动分类，尤其涉及一种电网电能质量扰动分类方法、装置、电子设备和存储介质。

技术介绍

1、近年来，大量新能源和电动汽车充电装置等非线性负载接入电网，可能会引起电压不稳定、频率波动、谐波扰动等问题，从而影响电网的正常运行和供电质量。这不仅直接影响居民的用电体验，还可能危及电网的稳定性。因此，准确识别电能质量扰动是改善电能质量的关键一步，已成为国内外学者们共同关注的研究方向。

2、目前针对电能质量扰动分类的研究主要分为两个方向：一种是通过信号处理算法提取电信号特征，再利用分类器进行分类的传统方法；另一种是基于数据驱动，运用深度学习的人工智能方法。在传统方法中，常用的信号分析方法包括傅里叶变换、小波变换、s变换和经验模态分解等，在获取时频特征后转到分类器学习序列和标签之间的映射，常用的分类器有决策树，支持向量机和神经网络等。

3、传统方法针对单一扰动识别时较为成熟，但是针对复合扰动问题时，因为存在复杂的特征量重叠，很难有较高的识别率。此外，信号处理方法本身也有局限性，例如小波变换对基波选择非常敏感，s变化计算复杂本文档来自技高网...

【技术保护点】

1.一种电网电能质量扰动分类方法，其特征在于，包括：

2.如权利要求1所述的电网电能质量扰动分类方法，其特征在于，所述获取由历史的电力信号数据生成的历史曲线，包括：

3.如权利要求1所述的电网电能质量扰动分类方法，其特征在于，所述对所述历史曲线标注电能质量扰动类型、波峰、波谷以及波峰和波谷对应的时间戳，得到训练数据，包括：

4.如权利要求1-3任一项所述的电网电能质量扰动分类方法，其特征在于，所述扰动分类模型包括输入层、TCN层、BIGRU层和输出层。

5.如权利要求4所述的电网电能质量扰动分类方法，其特征在于，所述TCN层包含多个残差网络...

【技术特征摘要】

1.一种电网电能质量扰动分类方法，其特征在于，包括：

2.如权利要求1所述的电网电能质量扰动分类方法，其特征在于，所述获取由历史的电力信号数据生成的历史曲线，包括：

3.如权利要求1所述的电网电能质量扰动分类方法，其特征在于，所述对所述历史曲线标注电能质量扰动类型、波峰、波谷以及波峰和波谷对应的时间戳，得到训练数据，包括：

4.如权利要求1-3任一项所述的电网电能质量扰动分类方法，其特征在于，所述扰动分类模型包括输入层、tcn层、bigru层和输出层。

5.如权利要求4所述的电网电能质量扰动分类方法，其特征在于，所述tcn层包含多个残差网络，所述残差网络包括因果膨胀卷积层、归一化层、激活函...

【专利技术属性】
技术研发人员：王义国，林峰，姚勇，李琦，吴志超，高志东，
申请(专利权)人：广东能源集团科学技术研究院有限公司，
类型：发明
国别省市：