基于轻量化神经网络的配电网异常数据检测方法及系统技术方案

技术编号：42327101 阅读：16 留言：0更新日期：2024-08-14 16:05

本发明专利技术提出了基于轻量化神经网络的配电网异常数据检测方法及系统，涉及配电网异常数据检测领域，包括：获取广域测量系统中一段时间内的PMU量测数据，并进行预处理；去除PMU量测数据中的趋势分量，获得目标信号；采用连续小波变换，提取目标信号中的时频特征；将时频特征输入到训练好的异常数据检测模型中，判断是否发生异常；其中，所述异常数据检测模型是基于改进后的ShuffleNetV2构建的轻量化神经网络，所述改进是将全局深度可分离卷积层和参数线性整流函数替换最后的全局池化层；本发明专利技术基于连续小波变换和改进后的ShuffleNetV2，构建轻量级网络从时频特征中，更快速、精准地检测相量测量单元的异常数据。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术属于配电网异常数据检测领域，尤其涉及基于轻量化神经网络的配电网异常数据检测方法及系统。

技术介绍

1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。

2、随着第四次工业革命的到来，传统配电网逐步发展成信息物理一体化的智能配电网。分布式电源等电力电子设备的大规模接入提升了对系统监测能力的需求，导致大量测量数据涌入配电网。基于相量测量单元（phasor measurement units, pmu）的广域测量系统（wide-area measurement system，wams）作为集成到电力系统的高级应用，为系统的安全稳定运行提供了数据采集、处理、分析与决策支撑。

3、由于信息和电力技术的融合，网络和物理领域之间的界限变得模糊，黑客可以通过网络攻击来篡改相量测量单元中的同步相量数据，导致广域测量系统的通信可靠性降低。同时，高比例新能源并网导致加剧了电网的随机性和波动性，大量异常数据威胁配电网的稳定运行。因此，对配电网异常数据的检测方法亟待研究。

4、当前配电网中...

【技术保护点】

1.基于轻量化神经网络的配电网异常数据检测方法，其特征在于，包括：

2.如权利要求1所述的基于轻量化神经网络的配电网异常数据检测方法，其特征在于，所述预处理是采用拉格朗日多项式插值法，补全PMU量测数据中的离散缺失值，得到PMU时序数据。

3.如权利要求1所述的基于轻量化神经网络的配电网异常数据检测方法，其特征在于，所述获得目标信号，是基于采用Savitzky-Golay滤波器，利用局部最小二乘多项式拟合来跟踪波动，并使用移动窗口来分割信号，获得移动窗口下的同步相量数据的趋势分量，从预处理后的PMU时序数据中减去趋势分量，得到目标信号。