一种基于混合神经网络的低压用户电表双电源同供识别方法、系统技术方案

本发明专利技术公开了一种基于混合神经网络的低压用户电表双电源同供识别方法、系统，该方法包括：获取低压用户电表电流、电压、有功及无功功率数据；对数据格式化处理，识别缺失值和异常值并填充，对数据标准化处理；从预处理后数据中提取统计维度特征、轨迹特征、相位特征、周期性特征及相关系数特征，构建特征集；打上是否双电源同供的标签，结合特征集形成样本集并划分；构建TCN‑RNN混合神经网络模型；利用训练集和验证集训练和优化模型，用测试集对模型进行性能评价；利用模型对近期低压用户计量数据研判，识别出低压用户电表双电源同供情况；定期将反馈结果输入至模型，对模型更新迭代。本发明专利技术实现低压电表双电源同供的自动化识别与计算。

【技术实现步骤摘要】

本专利技术涉及低压用户电表，具体涉及一种基于混合神经网络的低压用户电表双电源同供识别方法、系统。

技术介绍

1、在电力供应系统中，低压用户电表是确保电能计量准确、保障用户用电权益的重要环节。然而，当电表出现双电源同时供电的情况时，将引发一系列潜在的电力危害，这不仅可能影响电力系统的稳定运行，还可能对用户的设备安全及人身安全构成威胁。由于地市公司在日常工作中面临的复杂性和多样性，这类问题往往难以被及时发现和处理。

2、双电源同时供电对低压用户电表系统带来的危害不容忽视。首先，这种情况可能导致电压波动，进而引发设备性能下降或损坏。其次，若两个电源间缺乏恰当的同步与协调机制，还可能诱发电路故障，如短路和过载等，这些故障将进一步加剧系统的不稳定性和风险。此外，双电源的同时作用还可能触发安全隐患，如火灾和电击事故，对用户的人身安全造成直接威胁。

3、地市公司在日常工作中难以发现此类问题的原因多方面。一方面，可能由于监控手段的相对落后或不足，使得公司无法实时、全面地掌握电表系统的运行状态，从而难以及时发现双电源同时供电这种异常情况。另一方面，员本文档来自技高网...

【技术保护点】

1.一种基于混合神经网络的低压用户电表双电源同供识别方法，其特征在于，包括：

2.根据权利要求1所述的一种基于混合神经网络的低压用户电表双电源同供识别方法，其特征在于，将获取的数据格式化整合成Python中Dataframe数据结构；

3.根据权利要求1所述的一种基于混合神经网络的低压用户电表双电源同供识别方法，其特征在于，所述统计维度特征包括峰值、谷值、均值、标准差、均方根；

4.根据权利要求1所述的一种基于混合神经网络的低压用户电表双电源同供识别方法，其特征在于，所述傅里叶变换的表达式如下：

5.根据权利要求1所述的一种基于混合神经网络...

【技术特征摘要】

1.一种基于混合神经网络的低压用户电表双电源同供识别方法，其特征在于，包括：

2.根据权利要求1所述的一种基于混合神经网络的低压用户电表双电源同供识别方法，其特征在于，将获取的数据格式化整合成python中dataframe数据结构；

3.根据权利要求1所述的一种基于混合神经网络的低压用户电表双电源同供识别方法，其特征在于，所述统计维度特征包括峰值、谷值、均值、标准差、均方根；

4.根据权利要求1所述的一种基于混合神经网络的低压用户电表双电源同供识别方法，其特征在于，所述傅里叶变换的表达式如下：

5.根据权利要求1所述的一种基于混合神经网络的低压用户电表双电源同供识别方法，其特征在于：设计tcn层时，先确定tcn层的层数和每层使用的滤波器数量；在tcn层的连续层中使用递增的扩张系数，在tcn层之后使用非线性激活函数relu来提升模型的表达能力。

6.根据权利要求1所述的一种基于混合神经网络的低压用户...

【专利技术属性】
技术研发人员：周祉君，陈烨，陈锦铭，赵新冬，蔡云峰，梁伟，袁宇波，焦昊，陈静，
申请(专利权)人：江苏省电力试验研究院有限公司，
类型：发明
国别省市：