[发明专利]一种提高电能质量扰动信号识别效果的方法

说明书

本发明提供一种提高电能质量扰动信号识别效果的方法。一种提高电能质量扰动信号识别效果的方法，其中，包括如下步骤：S1.训练样本选取：训练样本包括电压骤升、电压中断、暂态脉冲、谐波四种电能质量扰动信号；S2.网络构建及训练：以步骤S1扰动信号作为输入，扰动信号类别作为输出，构建一个多层神经网络，并对网络进行训练，得到训练好的神经网络；S3.检验样本识别：将检验样本输入到步骤S2训练好的网络，得到检验样本的识别结果。本发明对传统的神经网络结构进行改造，降低了信号处理的难度。同时，结合粒子群优化算法，加深网络训练深度，达到了提高电能质量扰动信号识别准确率的目的。

技术领域

本发明涉及电能质量扰动信号识别技术领域，更具体地，涉及一种提高电能质量扰动信号识别效果的方法。

背景技术

对电能质量扰动信号进行精确识别，进而分析电能质量扰动原因和采取相应治理措施，是提高供电可靠性和客户服务质量的重要技术手段，具有重要意义和价值。

电能质量扰动信号识别方法中，中国专利CN110458189A公开了一种压缩感知和深度卷积神经网络电能质量扰动分类方法，神经网络法由于具有自学习、自组织、自适应等特点，能够取得不错的识别效果；但传统的网络结构和训练方法，在样本过多时，不易收敛甚至不收敛。

发明内容

本发明为了克服上述传统的网络结构和训练方法，在样本过多时，不易收敛甚至不收敛的缺陷，提供一种提高电能质量扰动信号识别效果的方法。本发明对传统的神经网络结构进行改造，降低了信号处理的难度。同时，结合粒子群优化算法，加深网络训练深度，达到了提高电能质量扰动信号识别准确率的目的。

为解决上述技术问题，本发明采用的技术方案是：一种提高电能质量扰动信号识别效果的方法，其中，包括如下步骤：

S1.训练样本选取：训练样本包括电压骤升、电压中断、暂态脉冲、谐波四种电能质量扰动信号；

S2.网络构建及训练：以步骤S1扰动信号作为输入，扰动信号类别作为输出，构建一个多层神经网络，并对网络进行训练，得到训练好的神经网络；

S3.检验样本识别：将检验样本输入到步骤S2训练好的网络，得到检验样本的识别结果。

进一步的，所述步骤S1中，电压骤升、电压中断、暂态脉冲、谐波四种电能质量扰动信号的信号长度均为T。

进一步的，所述步骤S2具体包括如下步骤：

S21.对扰动信号类别进行标记，其中电压骤升、电压中断、暂态脉冲、谐波四种电能质量扰动信号分别标记为00，01，10，11；

S22.以扰动信号为输入，扰动信号类别标记为输出，构建多层神经网络；

S23.利用训练样本，结合粒子群优化算法对神经网络进行训练，得到训练好的神经网络。

进一步的，所述步骤S22中，多层神经网络包括输入层、卷积层、连接层和输出层，其中卷积层包括R层，每个卷积层的神经元个数均为I；连接层包括S层，各连接层的神经元个数为K_s(s＝1,2,…,S)。

进一步的，所述步骤S22中，记输入为X(t)，则第r个卷积层第i个神经元的输出为Y(r,i)＝y_r((X(t)*a_r,i(t))*a_r,i(t))

式中，X(t)*a_r,i(t)表示X(t)和a_r,i(t)的卷积计算，a_r,i(t)为特征函数；函数y(t)＝ave(div(t))，即表示将t等分成若干区间，并计算每个子区间的平均值；y_r表示进行r次y((X(t)*a_r,i(t))*a_r,i(t))迭代计算。