[发明专利]基于分块时频谱和深度学习算法的配电网内部过电压识别方法

摘要

本发明涉及一种基于分块时频谱和深度学习算法的配电网内部过电压识别方法，首先获取过电压信号；然后分解过电压信号；接着对各分量按照设定的频带进行带通滤波，构造时频矩阵；然后获取分块时频谱图；最后采用深度学习算法进行分类识别。本发明采用分块时频谱图作为深度学习算法的输入，能够自主学习各类过电压的特征，实现配电网内部过电压的分类识别。

主权项

1.一种基于分块时频谱和深度学习算法的配电网内部过电压识别方法，其特征在于：包括以下步骤：步骤S1：获取过电压信号；步骤S2：利用局部特征尺度分解方法分解步骤S1获取的过电压信号；步骤S3：按照设定的频带对步骤S2中的过电压信号进行带通滤波，构造时频矩阵；步骤S4：获取分块时频谱图；步骤S5：采用深度学习算法对步骤S4获得的分块时频谱图进行分类识别；其中，步骤S3具体为：设过电压信号经希尔伯特带通滤波后分解为m个子频带，各个波形采样点数均为n，各个子频带波形的数据点为a_ij(i＝1,2,...,m；j＝1,2,...n)，构造时频矩阵为：其中，所述步骤S4具体包括以下步骤：步骤S41：设过电压信号被分解为m个频带，每个频带n个数据点，将时频矩阵中各个频带序列按时间进行Z等分，即对每一行序列按时间进行Z等分，得到Z个时频区域，称为时频块，每个时频块含有P个数据点，其中P＝n/Z，第m个频带中第z个时频块的能量的计算公式为：其中：表示第m个频带第z个时频块中第y个数据点的幅值，Δt表示两个数据点间的时间间隔，即采样周期；步骤S42：每个过电压信号的分块时频谱矩阵为：步骤S43：将4个过电压波形对应的分块时频谱按三相电压、零序电压的顺序从上至下拼接，即可得到总的分块时频谱E_total，作为过电压识别的特征量，其总的分块时频谱E_total表达形式为：其中，分别表示A相电压信号、B相电压信号、C相电压信号、零序电压信号的分块时频谱矩阵。