[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

说明书

本申请公开了一种电压暂降源辨识模型训练方法、辨识方法和装置，获取原始电压暂降信号的特征集合，基于原始电压暂降信号的特征集合和初始化目标参数中的分类器参数构建蝙蝠的位置；计算当前时刻各蝙蝠的适应度值，并通过适应度值确定当前时刻的全局最优位置，并对当前时刻各蝙蝠的飞行速度和位置进行更新；判断当前时刻是否满足预设的收敛条件，若是，则输出全局最优位置，若否，则进入下一次迭代优化；通过全局最优位置中的分类器参数初始化分类器，进而对其进行训练得到电压暂降源辨识模型，改善了现有技术在训练模型时，通常对模型的参数进行随机初始化，存在收敛速度慢、容易陷入局部最优，导致辨识准确性不理想的技术问题。

技术领域

本申请涉及电能质量检测技术领域，尤其涉及一种电压暂降源辨识模型训练方法、辨识方法和装置。

背景技术

电能质量的优劣标志着一个国家工业发展的水平，也与国计民生关系密切。其中，电压暂降是电能质量的主要问题之一，电压暂降是指电力系统中的供电电压有效值迅速降低到0.9-0.1倍的额定电压，然后又恢复到额定电压附近的短时电压变动现象，其典型持续时间为0.5～30周波。在电力系统中，电压暂降按照产生的原因可以分为故障类电压暂降和非故障类电压暂降。故障类电压暂降一般是指由短路故障产生的电压暂降，非故障类电压暂降是指由变压器投切、电动机启动等原因造成的电压暂降。电压暂降会影响电力系统中较为敏感的负荷，还可能会导致产品精度不符合标准以致废品率提升，严重时还会造成设备的停运。

现有技术中通常采用机器学习方法来辨识电压暂降源，在训练模型时，通常对模型的参数进行随机初始化，然后通过训练样本来训练模型，该方法存在收敛速度慢、容易陷入局部最优，使得辨识准确性不理想。

发明内容

本申请提供了一种电压暂降源辨识模型训练方法、辨识方法和装置，用于改善现有技术在训练模型时，通常对模型的参数进行随机初始化，存在收敛速度慢、容易陷入局部最优，导致辨识准确性不理想的技术问题。

有鉴于此，本申请第一方面提供了一种电压暂降源辨识模型训练方法，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。

可选的，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。

可选的，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：