[发明专利]基于机器学习的逆变器零压降数据处理方法

说明书

本发明涉及逆变器技术领域，具体涉及一种基于机器学习的逆变器零压降数据处理方法，该方法包括：获取逆变器的交流侧电压互感器电路中的电流构成电流数据序列，根据电流数据序列中的极大值和极小值计算分组长度，并对电流数据序列进行分组得到电流数据矩阵；对电流数据矩阵进行奇异值分解得到多个子矩阵，计算两个子矩阵的关联程度，根据关联程度对子矩阵进行分组，对分组内的子矩阵进行处理得到对角元素序列；计算噪声评价值，将该值小于评价阈值的对角元素序列删除；再计算噪声程度，进而确定权重，根据权重对所有对角元素序列加权求和得到除噪电流序列，确定是否存在异常，并对异常数据进行处理。本发明能够去除噪声，使得电流检测精度更高。

技术领域

本发明涉及逆变器技术领域，具体涉及一种基于机器学习的逆变器零压降数据处理方法。

背景技术

随着电力体制的改革和深化发展，加强客户需求侧管理得到越来越多人的重视，因此对于大用户量的电能计算回路改造就显得更加重要。而大用户计量普查中发现许多问题，其中电能计量的综合误差主要是由于电压互感器的二次回路产生的，造成二次导线压降过大的原因是多方面的，在此，为了解决该问题，现有技术中常根据电流大小来判断压降是否过大，但是在采集电流时，会受到噪声干扰，此时根据电流判断压降是不准确的。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于机器学习的逆变器零压降数据处理方法，所采用的技术方案具体如下：

获取设定时间段内逆变器的交流侧电压互感器电路中的电流，构成电流数据序列；将电流数据序列中所有极大值和极小值对应的位置序号构成极值位置序列；根据极值位置序列中相邻极大值之间的位置间隔和相邻极小值之间的位置间隔计算分组长度；利用分组长度对电流数据序列进行分组得到电流数据矩阵；

对电流数据矩阵进行奇异值分解得到多个子矩阵，其中每个子矩阵对应一个奇异值；根据任意两个子矩阵的差值得到两个子矩阵的关联程度；将关联程度小于程度阈值的子矩阵分为一组，进而得到所有子矩阵的多个分组；

利用反对角线均值化算法对多个分组进行处理得到多个对角元素序列，其中每个分组对应一个对角元素序列，对角元素序列中每个元素对应一个子矩阵的奇异值；根据各对角元素序列中元素对应的奇异值和序列长度得到噪声评价值，将噪声评价值小于评价阈值的序列删除；

对于删除操作后剩余的对角元素序列，根据序列中元素的差值得到噪声程度；根据噪声程度确定权重，利用权重对所有对角元素序列进行加权求和得到除噪电流序列；根据除噪电流序列判断是否存在异常电流，利用零压降装置对异常电流进行处理。

优选地，所述分组长度的获取方法具体为：

当极值位置序列中第一个极值和最后一个极值都为极大值或者都为极小值时，计算分组长度，用公式表示为：

其中，表示分组长度，表示极值位置序列中第2c－1个元素的取值，表示极值位置序列中第2c+1个元素的取值，表示极值位置序列中第2c个元素的取值，表示极值位置序列中第2c+2个元素的取值，r表示极值位置序列中元素的总数量；

当极值位置序列中第一个极值为极大值且最后一个极值为极小值，或者第一个极值为极小值且最后一个极值为极大值时，计算分组长度，用公式表示为：

其中，表示分组长度，表示极值位置序列中第2c－1个元素的取值，表示极值位置序列中第2c+1个元素的取值，表示极值位置序列中第2c个元素的取值，表示极值位置序列中第2c+2个元素的取值，r表示极值位置序列中元素的总数量。

优选地，所述两个子矩阵的关联程度的获取方法具体为：