[发明专利]基于深度空间残差学习的电能质量扰动分类方法及系统

权利要求书

1.一种基于深度空间残差学习的电能质量扰动分类方法，其特征在于，包括将多种类型的电能质量扰动信号输入预先训练好的深度空间残差模型来将获得电能质量扰动信号的分类结果，所述深度空间残差模型包括：

空间残差模块，用于提取输入电能质量扰动信号数据的空间信息；

特征融合模块，用于提取输入电能质量扰动信号数据的序列信息以及融合输入电能质量扰动信号数据的空间信息和序列信息；

特征提取模块，用于学习融合信息的特异性特征；

分类模块，用于根据特异性特征区分出不同类别的电能质量扰动信号，从而获得电能质量扰动信号的分类结果；

所述空间残差模块包括：

空间重构模块，用于对输入电能质量扰动信号数据x进行空间重构得到重构数据W(x)；所述空间重构是指在输入电能质量扰动信号数据x中的两两电能质量扰动信号之间建立空间连接通道，并采用卷积核将空间连接通道所连接的电能质量扰动信号做卷积运算，从而得到由所有卷积运算结果连接形成的重构数据W(x)；

残差学习模块，用于基于预设的残差学习权重w对重构数据W(x)进行残差学习获得残差学习结果F(x,w)；残差学习模块为三层结构，第一层和第三层均包括依次相连的卷积模块Conv、批量归一化模块BN以及采用Leaky ReLU激活函数的激活函数模块，第二层则采用1×1卷积层，获得残差学习结果F(x,w)的函数表达式为：

F(x,w)= R(W(x),w)+ x，

上式中，R(W(x),w)为残差学习权重w下重构数据W(x)的加权残差，x为输入电能质量扰动信号数据。

2.根据权利要求1所述的基于深度空间残差学习的电能质量扰动分类方法，其特征在于，所述在输入电能质量扰动信号数据x中的两两电能质量扰动信号之间建立空间连接通道是指在输入电能质量扰动信号数据x中的采用固定的跨度n的方式选择电能质量扰动信号对，使得任意一个电能质量扰动信号与该电能质量扰动信号后的第n个电能质量扰动信号之间建立空间连接通道。

3.根据权利要求2所述的基于深度空间残差学习的电能质量扰动分类方法，其特征在于，所述特征融合模块用于提取输入电能质量扰动信号数据x的序列特征，并将输入电能质量扰动信号数据x的序列特征、空间残差模块的残差学习结果F(x,w)融合得到最终的融合特征。