[发明专利]一种基于DCNN的电力系统暂态信号分析方法

说明书

本发明涉及一种基于DCNN的电力系统暂态信号分析方法，包括以下步骤：步骤一：采集一维电能信号；步骤二：将一维电能信号进行二维图像化处理；步骤三：构建DCNN模型；步骤四：基于二维图像训练DCNN模型；步骤五：基于经训练的DCNN模型进行电力系统暂态信号分析。本发明电力系统暂态信号分析方法，实现了原始信号直接作为输入信号进行分类识别的目的，而且具备对电能质量扰动数据进行分类识别的功能，提高了电力系统暂态信号的识别速度和准确率。

技术领域

本发明涉及一种基于DCNN的电力系统暂态信号分析方法，属于电力系统维护技术领域。

背景技术

随着当今社会科技的飞速发展，社会对电力能源的需求快速提升。特别是基于微电子的精密IT设备的出现，对电能质量也提出了更严格的标准和要求。按照传统习惯，电能质量通常可以分成稳态和暂态两部分。稳态电能质量包括电压的波动和简谐波等信号；暂态电能质量主要指短时电压变化和一些暂态现象，主要包括短时谐波、电压暂升、电压暂降、电压中断、暂态震荡等。信号仿真波形如图四。与稳态电能质量相比，暂态电能质量虽然持续时间短、影响范围小，但对电能质量的影响非常大。因此，研究电力系统暂态信号分析方法是迫切的。

目前，对于电力系统暂态信号的分析主要包括特征提取、类别划分两部分。且信号分析之前需要进行复杂的预处理，如降噪滤波等。数据的预处理需要耗费大量时间，且预处理结果直接影响后期信号分析的结果。因此，避免前期对信号的复杂预处理、实现原始信号的直接输入是电力系统暂态信号分析发展的必然趋势。

DCNN(Deep Convolutional Neural Networks：深度卷积神经网络)，是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一。DCNN拥有多个隐藏层，使得其具有更强的表征学习能力，能够按其阶层结构对输入信息进行平移不变分类。在处理多维输入向量的图像时，DCNN可以直接输入原始信号进行分类识别，避免传统方法特征提取与数据分类处理过程的复杂性，显著降低计算量。目前，DCNN已经广泛应用与人脸识别、车牌识别等等领域。

例如，中国专利文献CN106874940A公开了一种建立识别车辆信息的模型的方法及装置，所述建立识别车辆信息的模型的方法包括：获取车辆信息图像和所述车辆信息图像对应的车辆信息；根据所述车辆信息图像，得到所述车辆信息图像的灰度特征图、1bp特征图、梯度幅值特征图和梯度方向特征图；将所述车辆信息图像的灰度特征图、1bp特征图、梯度幅值特征图和梯度方向特征图和所述车辆信息图像对应的车辆信息作为训练数据，对神经网络模型进行训练，直至所述神经网络模型对所述车辆信息图像信息识别的准确度大于预设阈值，解决了现有汽车采用语音通讯方式获取信息，使得信息在传输过程中容错性差，信息存储量低且抗干扰性差，降低了汽车驾驶过程中信息获取的准确性的问题。

中国专利文献CN108573225A公开了一种局部放电信号模式识别方法及系统，其主要技术特点是：获取局部放电信号的大数据样本；构建深度卷积神经网络模型；基于局部放电信号的大数据样本训练深度卷积神经网络模型；基于经训练的所述深度卷积神经网络模型确定待识别的局部放电信号的模式。本发明设计合理，克服了现有技术在变电站现场GIS的局部放电检测中的不足，能够对变电站现场GIS数量庞大、来源复杂的局部放电进行模式识别，且可以获得更高的模式识别正确率，具有更好的识别性能，更适用于大数据平台下的工程应用。

经检索，未发现有利用DCNN技术对电力系统暂态信号分析的技术公开。因此，研究将DCNN应用于电力系统暂态信号的分析，可以避免复杂的数据预处理，对于提高电力系统暂态信号的识别速度和准确率，具有重要意义。

发明内容

针对现有技术的不足，本发明提供一种基于DCNN的电力系统暂态信号分析方法。

本发明的技术方案如下：

一种基于DCNN的电力系统暂态信号分析方法，包括以下步骤：

步骤一：采集一维电能信号；