[发明专利]一种电能质量治理设备运行状态评估方法及装置

权利要求书

1.一种电能质量治理设备运行状态评估方法，其特征在于，包括：

获取治理设备在设定时间内历史参数信息；

利用所述历史参数信息作为训练样本对概率神经网络进行训练；

利用训练好概率神经网络作为评估模型对治理设备是否投入运行进行评估；

根据评估结果判定治理设备是否投入运行。

2.根据权利要求1所述的电能质量治理设备运行状态评估方法，其特征在于，所述参数信息包含电压幅值参数；

所述电压幅值参数包括：A相电压偏差V_DA、B相电压偏差V_DB、C相电压偏差V_DC、三相电压不平衡V_S2S1；

所述参数信息包含电压波形畸变参数，所述电压波形畸变参数包括：A相相电压谐波总畸变率V_THDA、B相相电压谐波总畸变率V_THDB、C相电压谐波总畸变率V_THDC、A相电压长时闪变值P_ltA、B相电压长时闪变值P_ltB、C相电压长时闪变值P_ltC。

3.根据权利要求1所述的电能质量治理设备运行状态评估方法，其特征在于，所述概率神经网络包含输入层、模式层、求和层和输出层；

所述输入层，用于将获得的输入值传递给模式层的所有模式单元，输入层的神经元个数与输入特征向量的维数相同，所述输入特征向量由输入值组成，其维数为输入参数的个数；

所述模式层的神经元个数与训练样本的数量相同，每个模式层神经元的中心对应一个训练样本，该层中第i类中第j个神经元的输出为：

其中，σ为概率神经网络的平滑参数，其取值确定了以训练样本点为中心的钟状曲线的宽度；X_ij为第i类中第j个神经元的中心，X代表输入样本特征向量，d代表输入样本特征向量维数；

所述求和层用于将模式层中属于同一类的神经元的输出做加权平均，求和层的个数与分类类别的数量相同：

该式中，P_i(X)为模式层属于同一类神经元的输出的加权平均，N代表第i类的训练样本的个数；

所述输出层根据各类对输入向量的概率估计，采用贝叶斯分类规则，选出具有最大后验概率的类别作为输出的类别:

Class(X)＝arg max{P_i(X)} (3)

class(X)代表概率神经网络对于某个输入样本的分类结果。

4.根据权利要求2所述的电能质量治理设备运行状态评估方法，其特征在于：对概率神经网络进行训练之前，对所述A相电压偏差V_DA、B相电压偏差V_DB、C相电压偏差V_DC进行归一化处理；

所述归一化处理按照以下区间型指标预处理公式进行处理：

式中，u_j表示预处理后的值，x_j表示电压偏差的实际测量值，x_th1，x_th2分别表示该测量点电压等级下该指标国标的上、下限值。

5.根据权利要求2所述的电能质量治理设备运行状态评估方法，其特征在于，对概率神经网络进行训练之前，对三相电压不平衡V_S2S1、A相相电压谐波总畸变率V_THDA、B相相电压谐波总畸变率V_THDB、C相电压谐波总畸变率V_THDC、A相电压长时闪变值P_ltA、B相电压长时闪变值P_ltB、C相电压长时闪变值P_ltC按式(5)所述极小型指标预处理公式进行处理：

式中，u_j表示预处理后的值，x_j表示指标实际测量值，x_th表示该测量点电压等级下该指标的国标限值。