[发明专利]一种电网的干扰源类型辨识方法、装置、设备及存储介质

说明书

本发明公开了一种电网的干扰源类型辨识方法、装置、设备及存储介质，其中，电网的干扰源类型辨识方法包括如下步骤：获取电网的历史监测数据中的异常片段；将异常片段中多次同时出现的若干个特征作为一个特征组，并将若干个特征组的集合作为第一特征集；获取预设时间内样本特征集中各特征的数据，形成样本数据集；样本特征集为第一特征集；根据样本数据集构建随机森林；使用随机森林对电网的待识别监测数据集进行干扰源类型识别。根据电网的样本数据集构建随机森林，而随机森林能够对电网的待识别监测数据集进行多干扰源类型的分类识别，并且随机森林的构建运算量小，构建速度快，能够解决现有技术中的电网干扰源的识别方法的运算量较大的问题。

技术领域

本发明涉及电力系统技术领域，尤其涉及到一种电网的干扰源类型辨识方法、电网的干扰源类型辨识装置、辨识设备和计算机可读存储介质。

背景技术

随着高铁、新能源发电等干扰源越来越多，导致电能质量问题日趋复杂，严重影响电网可靠运行，因此，建立电能质量干扰源特征库成为电能质量问题分析治理的前提。而实现电能质量干扰源特征库的建立，需要依托在线监测数据提取特征和干扰源的类型辨识。

近年来，国家电网公司运用成熟的电能质量监测技术积累建设了覆盖27省/市的全网电能质量监测系统，实现上万个监测点电压偏差、频率偏差、三相不平衡、谐波和间谐波、闪变、电压暂降/暂升等全部电能质量指标的实时同步监测，重点覆盖电气化铁路、直流换流站、风电场、光伏电站等主要干扰源类型，而基于电能质量监测数据的干扰源分析主要依赖模式识别技术，常用的模式识别方法为神经网络或者支持向量机等。其中，基于向量机实现多标签分类的识别方法对单分类具有较高的分类准确率，但是若要用于多分类则需设计实现多个支持向量机，间接增加了计算量；神经网络方法具有较高的识别率，但需要选择合适的小波基进行变换并需要进行多次迭代，运算量也较大。

发明内容

因此，本发明要解决的技术问题在于解决现有技术中的电网干扰源的识别方法的运算量较大的问题，提供一种基于随机森林的电网的干扰源类型辨识方法。

为此，根据第一方面，本发明提供了一种电网的干扰源类型辨识方法，包括如下步骤：获取电网的历史监测数据中的异常片段；将异常片段中多次同时出现的若干个特征作为一个特征组，并将若干个特征组的集合作为第一特征集；获取预设时间内样本特征集中各特征的数据，形成样本数据集；样本特征集为第一特征集；根据样本数据集构建随机森林；使用随机森林对电网的待识别监测数据集进行干扰源类型识别；待识别监测数据集为一个待识别周期内样本特征集中各特征对应的数据组成的数据集。

可选地，电网的干扰源类型辨识方法还包括如下步骤：对电网的各类干扰源进行机理分析，得到由各类干扰源的特征组成的第二特征集；样本特征集为第一特征集和第二特征集的并集。

可选地，获取预设时间内样本特征集中各特征的数据，形成样本数据集，包括如下步骤：获取预设时间内样本特征集中各特征的数据，形成原始数据集；使用特征转换算法对原始数据集进行降维处理，得到样本数据集；待识别监测数据集为使用特征转换算法降维后的数据集。

可选地，特征转换算法为主成分分析算法。

可选地，根据样本数据集构建随机森林，包括如下步骤：根据样本数据集构建若干个原始随机森林；各个原始随机森林的参数不同；计算各个原始随机森林的袋外数据误分率，并将袋外数据误分率最低的原始随机森林作为随机森林。

可选地，原始随机森林的参数包括原始随机森林中的决策树的数量、决策树的节点分裂标准和生成一颗决策树的数据对应的特征数量。