[发明专利]一种基于轨迹关键点匹配及区域划分的暂降同源事件检测、类型辨识方法

说明书

本发明公开了一种基于轨迹关键点匹配及区域划分的暂降同源事件检测、类型辨识方法，包括：基于尺度不变特征转换算法提取暂降有效值波形灰度轨迹的特征关键点，基于关键点的方向信息匹配归算数据库中与基准数据同源的暂降事件。同时，利用所提取特征关键点的图上位置信息，基于像素域划分的暂降轨迹特征提取方法，构建了暂降样本特征矩阵，基于LightGBM树结构分类模型实现了暂降类型的准确辨识。本发明所提算法避免了重复记录的暂降数据致使运维人员对暂降严重程度的过评估，并帮助运维人员正确判断电压暂降的类型，提高暂降的运维效率。算法的性能更优，表达更直观，对实测数据的鲁棒性更强，应用价值和前景巨大。

技术领域

本发明属于暂降监测领域，具体涉及一种基于轨迹关键点匹配及区域划分的暂降同源事件检测、类型辨识方法。

背景技术

由于我国制造业的蓬勃发展，一大批智能高新产业应运而生，产品生产线也趋于集成化和精密化，使得企业负荷对供电质量尤其是电压质量的要求也越来越高。目前，各省级电力公司已开展了对省内高新产业园区、开发区以及敏感负荷集中地区的电压质量情况的监测，意在通过对监测数据的分析，有针对性的制定暂降问题的治理方案。

随着暂降监测范围的不断扩大，暂降监测数据的体量也在不断增大。然而，事实上在电网中并没有相应数量的暂降事件发生。这是由于暂降在电网中传播，使得监测数据库中包含多个监测终端在传播时间片内重复记录同一暂降事件的情况。重复记录的暂降数据，不仅造成了大量的冗余分析计算，而且还易导致对节点暂降严重程度的过评估，影响了运维人员对暂降事件分析的聚焦性和准确性。因此，有必要对暂降监测数据进行同源检测，归算其中重复记录的暂降事件，确定暂降发生的源头，提高暂降问题分析治理效率。

在现有对暂降问题的研究中，一些学者首次提到了同源检测的概念，提出使用基于 Wasserstein距离的相似度计算方法作为同源数据的检测手段，并对监测点在时间片内(10min)监测的暂降数据以相似度结果为依据进行聚类，将同一类簇的样本归算为同源事件，实现对同源暂降数据的归算。由文章可知，上述方法包含以下三点关键信息：1、对数据有时间片范围的严格要求，将所有监测点在时间片内监测的所有暂降数据共同汇集成同源检测集；2、分析暂降数据时需有效截取完整的暂降域，将未包含完整暂降域的数据视为“坏数据”；3、无法逐一对数据进行同源检测，也就是说文章默认在所分析的数据集内必存在与基准数据同源的暂降数据(这样才能得到有效的聚类结果)，并将未重复记录(只记录一次)的暂降数据视作噪点处理。

然而实际情况中，监测数据的质量以及数据库环境并没有这么理想，未记录完整或一条数据同时包含两个暂降事件的情况常常发生，并且在数据库中并没有对发生在同一时间片内的暂降事件进行清晰的划分，需要人工先确定基准事件，然后按时间先后排序，筛选出满足条件的监测数据后，再进行同源检测。并且，该算法的总体比对过程较为复杂，不具备可视化功能，难免会影响检测方法在各地市、县等基层单位的应用与推广。

发明内容

发明目的：为了克服现有技术中存在的不足，提供一种基于轨迹关键点匹配及区域划分的暂降同源事件检测、类型辨识方法，以有效解决一次暂降事件被多个监测点重复记录导致数据冗余的问题，避免重复记录的暂降数据导致运维人员对节点暂降严重程度的过评估，提高运维人员对暂降事件分析的聚焦性和准确性，并帮助运维人员正确判断电压暂降的类型，为治理电压暂降问题提供针对性的理论指导。

技术方案：为实现上述目的，本发明提供一种基于轨迹关键点匹配及区域划分的暂降同源事件检测、类型辨识方法，包括如下步骤：

S1：基于尺度不变特征转换(Scale-invariant feature transform,SIFT)算法提取暂降有效值波形灰度轨迹的特征关键点，并获得特征关键点的方向信息和图上位置信息；

S2：基于特征关键点匹配的方法归算数据库中与基准数据同源的暂降事件；