[发明专利]计及物联带宽约束的轻量级梯度提升机电能质量扰动识别方法

权利要求书

1.一种计及物联带宽约束的轻量级梯度提升机电能质量扰动识别方法，其特征是，它包括以下步骤：

1)基于典型物联通信方式的电能质量分析系统架构的构建

电能质量采集装置通常安装在电动汽车充电站、光伏电站、风电场、变电站、电气化铁路、工业负荷、居民负荷侧及海量分布式电源并网点位置，以低成本电能质量边缘感知与特征提取设备采集相关特征，以LoRa与NB-IoT典型物联通信方式，在分析基于物联通信的电能质量扰动识别架构的基础上实现通信，以满足窄带物联网带宽约束；

2)计及物联带宽约束的电能质量时域特征高效边缘提取

配电网海量电能质量数据难以通过有限带宽物联网信道传输，因此，以特征代替原始信号上传，在特征提取过程中，可针对原始信号进行时域分割后，直接提取时域特征，规则为：选取20种时域特征：调和平均数、方差、标准差、平均差、偏度、峭度、熵、Shannon熵、Renyi熵、Tsallis熵、均值、均方根、最大值、最小值、最大值与最小值之差、最大值与最小值之和、能量、归一化幅值因数、1/4周期能量跌落幅度、1/4周期能量上升幅度，对分割后各区间分别计算各类时域特征值；之后，分别选取各时域区间内同一类特征值中的最大值、最小值参数，共40维特征用于构建原始特征集合，此外，对原始信号整体计算各类时域特征20维，最终，共提取60维时域特征；实验均在配置为Intel Core i5-7500 CPU、DDR42666Hz12GB内存的微型计算机上完成，仿真生成17类PQ扰动信号，包括电压标准信号(C0)、电压暂降(C1)、电压暂升(C2)、电压中断(C3)、闪变(C4)、暂态振荡(C5)、谐波(C6)、电压切痕(C7)、电压尖峰(C8)、谐波含暂降(C9)、谐波含暂升(C10)、振荡含暂降(C11)、振荡含暂升(C12)、闪变含暂降(C13)、闪变含暂升(C14)、闪变含谐波(C15)、中断含谐波(C16)；

3)最优特征集合和最优分类器的构建

在Anaconda开发环境下的Spyder软件中建立轻量级梯度提升机(Light GradientBoosting Machine，LightGBM)分类器，将LightGBM分类器通过以分类过程中得到的分类错误率最小为目标，使用10折交叉验证结合贝叶斯优化进行LightGBM参数寻优，获得初步LightGBM分类器；通过初步LightGBM分类器的梯度提升算法获得各时域特征的重要度值，将重要度值由高到低排序，按照重要度降序的顺序，依次将特征加入特征子集中，每加入一个特征，计算在该特征子集下参数优化后的分类器的识别准确率，重复此过程直到所有特征均加入特征集合中，最终根据最高识别准确率确定最优特征子集，从17类电能质量扰动信号中，各取600组电能质量信号通过步骤2)中的时域特征公式将属于最优特征向量集中的特征进行特征计算后，输入初步LightGBM分类器中进行进一步训练，获得训练完成的LightGBM扰动识别分类器；

4)电能质量扰动高效识别效果分析

将采集到的电能质量扰动信号通过步骤2)中的时域特征公式，将属于步骤3)中获得的最优特征向量集中的特征进行时域特征提取，输入到步骤3)中训练完成的LightGBM扰动识别分类器中，获得所反映的电能质量问题。

2.根据权利要求1所述的计及物联带宽约束的轻量级梯度提升机电能质量扰动识别方法，其特征是：步骤1)中所述LoRa与NB-IoT典型物联通信方式的高带宽为100Kbps。

3.根据权利要求1所述的计及物联带宽约束的轻量级梯度提升机电能质量扰动识别方法，其特征是：步骤2)中所述电压标准信号的基频为50Hz，采样率为6400Hz。