[发明专利]一种暂态电能质量录波数据的识别分类方法

权利要求书

1.一种暂态电能质量录波数据的识别分类方法，其特征在于，包括以下步骤：

获取电能质量录波数据，并在所述数据中筛选训练数据和测试数据；

将所述数据变换成模时频矩阵，并提取所述模时频矩阵的特征向量；

根据所述特征向量，建立基于BP神经网络的电能质量录波数据的分类器；

建立训练样本和测试样本，其中，所述训练样本由所述训练数据的训练特征向量和期望训练分类组成，所述测试样本由所述测试数据的测试特征向量和期望测试分类组成；

将所述训练样本输入所述分类器，采用PSO算法优化所述分类器的BP神经网络，得到基于PSO-BP神经网络的电能质量录波数据的优化分类器；

将所述测试特征向量输入所述优化分类器，并接收所述优化分类器输出的测试分类；

判断所述测试分类与所述期望测试分类是否一致；

当所述测试分类与所述期望测试分类一致时，输出测试分类。

2.根据权利要求1所述的暂态电能质量录波数据的识别分类方法，其特征在于，所述暂态电能质量录波数据的识别分类方法，还包括：

当所述测试分类与所述期望测试分类不一致时，将所述测试样本作为错误样本；

将所述错误样本并入所述训练样本、并作为训练样本集中的一个训练样本。

3.根据权利要求1所述的暂态电能质量录波数据的识别分类方法，其特征在于，所述获取电能质量录波数据，并在所述数据中筛选训练数据和测试数据，包括：

获取实时电能质量录波数据；

由所述实时电能质量录波数据中随机选择训练数据；

将所述实时电能质量录波数据作为测试数据。

4.根据权利要求1所述的暂态电能质量录波数据的识别分类方法，其特征在于，所述获取电能质量录波数据，并在所述数据中筛选训练数据和测试数据，包括：

获取实时电能质量录波数据和获取数据库中历史电能质量录波数据；

由所述实时电能质量录波数据和/或所述历史电能质量录波数据中随机选择训练数据；

将所述实时电能质量录波数据作为测试数据。

5.根据权利要求1所述的暂态电能质量录波数据的识别分类方法，其特征在于，所述获取电能质量录波数据，并在所述数据中筛选训练数据和测试数据，包括：

基于MATLAB软件仿真生成仿真数据，其中，所述仿真数据包括电压暂降数据、电压暂升数据、电压中断数据、暂态振荡数据和暂态脉冲数据；

获取所述仿真数据和实时电能质量录波数据；

将所述仿真数据作为训练数据；

将所述实时电能质量录波数据作为测试数据。

6.根据权利要求1所述的暂态电能质量录波数据的识别分类方法，其特征在于，所述将所述数据变换成模时频矩阵，并提取特征向量，包括：

将所述数据变换成模时频矩阵，得到初始特征向量；

计算所述初始特征向量的相关系数，对所述初始特征向量进行筛选，得到特征向量。

7.根据权利要求1所述的暂态电能质量录波数据的识别分类方法，其特征在于，所述将所述数据变换成模时频矩阵，并提取特征向量，包括：

对所述数据进行等间隔时间采样，得到离散时间数据；

将所述离散时间数据变换成复时频矩阵；

将所述复时频矩阵中各个元素进行求模运算，得到模时频矩阵；

根据所述模时频矩阵，构建时频特性曲线P，其中，所述时频特性曲线P包括时频等高线P1、时间幅值包络曲线P2、频率幅值包络曲线P3和频率标准差曲线P4；

根据所述时频特性曲线P，提取数据特征以构建特征向量F，其中，所述特征向量F＝[F1，F2，F3，F4，F5，F6，F7，F8]，其中，F1为P1中最高频率等高线幅值的均方差；F2为P1中最高频率等高线幅值的平均值；F3为P2中的平均能量；F4为P2中的幅值因数；F5为八倍基波频率所对应的时间幅值曲线均方差；F6为八倍基波频率所对应的时间幅值曲线极值差；F7为P3的均方差；F8为P4的平方根的平均值。