[发明专利]一种电压暂降源辨识模型训练方法、辨识方法和装置有效

专利信息
申请号: 202111032248.2 申请日: 2021-09-03
公开(公告)号: CN113743503B 公开(公告)日: 2023-01-24
发明(设计)人: 许中;栾乐;莫文雄;王勇;彭和平;朱璐;孔令明;崔屹平;刘俊翔;罗思敏;周凯;徐硕;范旭娟 申请(专利权)人: 广东电网有限责任公司广州供电局
主分类号: G06F18/214 分类号: G06F18/214;G06F18/24;G06N3/006
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 陈嘉雯
地址: 510630 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 电压 暂降源 辨识 模型 训练 方法 装置
【权利要求书】:

1.一种电压暂降源辨识模型训练方法,其特征在于,包括:

对原始电压暂降信号进行特征提取,得到所述原始电压暂降信号的特征集合;

初始化目标参数,基于所述原始电压暂降信号的特征集合和所述目标参数中的分类器参数构建蝙蝠的位置,生成蝙蝠种群;

计算当前时刻蝙蝠种群中各蝙蝠的适应度值,并通过所述适应度值确定当前时刻蝙蝠种群的全局最优位置;

通过当前时刻计算得到的脉冲频率和当前时刻的全局最优位置对当前时刻各蝙蝠的飞行速度进行更新,并通过更新后的各蝙蝠的飞行速度对当前时刻各蝙蝠的位置进行更新;

判断当前时刻是否满足预设的收敛条件,若是,则将当前时刻中的全局最优位置进行输出,若否,则返回所述计算当前时刻蝙蝠种群中各蝙蝠的适应度值,并通过所述适应度值确定当前时刻蝙蝠种群的全局最优位置的步骤;

将输出的全局最优位置中的分类器参数导入到分类器中,以对所述分类器进行初始化,并通过所述原始电压暂降信号的特征集合构建的训练样本训练初始化后的分类器,得到电压暂降源辨识模型。

2.根据权利要求1所述的电压暂降源辨识模型训练方法,其特征在于,所述对原始电压暂降信号进行特征提取,得到所述原始电压暂降信号的特征集合,包括:

通过原始电压暂降信号提取三相的谐波增量、三相的恢复斜率、三相电压暂降的持续时间比、突变次数和三相不平衡度,得到所述原始电压暂降信号的特征集合。

3.根据权利要求1所述的电压暂降源辨识模型训练方法,其特征在于,所述分类器为支持向量机,所述计算当前时刻蝙蝠种群中各蝙蝠的适应度值,并通过所述适应度值确定当前时刻蝙蝠种群的全局最优位置,包括:

通过适应度函数计算当前时刻蝙蝠种群中各蝙蝠的适应度值,所述适应度函数为:

式中,fitnessi为蝙蝠i的适应度值,xi为蝙蝠i的位置,yi、bi为蝙蝠i对应的支持向量机的超平面参数;

选择当前时刻适应度值最小的蝙蝠的位置作为当前时刻蝙蝠种群的全局最优位置。

4.根据权利要求1所述的电压暂降源辨识模型训练方法,其特征在于,所述目标参数还包括:脉冲频度、响度、最大频率和最小频率。

5.根据权利要求4所述的电压暂降源辨识模型训练方法,其特征在于,所述通过当前时刻计算得到的脉冲频率和当前时刻的全局最优位置对当前时刻各蝙蝠的飞行速度进行更新,包括:

随机生成当前时刻的第一随机数,通过当前时刻的该第一随机数、所述最大频率和所述最小频率计算当前时刻的脉冲频率;

通过当前时刻计算得到的脉冲频率和当前时刻的全局最优位置对当前时刻各蝙蝠的飞行速度进行更新。

6.根据权利要求4所述的电压暂降源辨识模型训练方法,其特征在于,通过更新后的各蝙蝠的飞行速度对当前时刻各蝙蝠的位置进行更新,之后还包括:

随机生成当前时刻的第二随机数,比较该第二随机数与当前时刻的脉冲频度的大小;

当所述第二随机数小于当前时刻的脉冲频度时,对更新后的各蝙蝠的位置进行越界处理,得到各蝙蝠的新的位置;

当所述第二随机数大于或等于当前时刻的脉冲频度时,对最优蝙蝠解集中的任一全局最优位置依次进行随机干扰和越界处理,得到各蝙蝠的新的位置,所述最优蝙蝠解集为各时刻的全局最优位置的集合。

7.一种电压暂降源辨识方法,其特征在于,包括:

对获取的待辨识电压暂降信号进行特征提取,得到所述待辨识电压暂降信号的特征集合;

将所述待辨识电压暂降信号的特征集合输入到电压暂降源辨识模型中进行电压暂降源辨识,得到电压暂降源辨识结果,其中,所述电压暂降源辨识模型通过权利要求1-6任一项所述的电压暂降源辨识模型训练方法训练得到。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东电网有限责任公司广州供电局,未经广东电网有限责任公司广州供电局许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111032248.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top