[发明专利]一种基于深度学习的电能质量混合扰动分析方法

权利要求书

1.一种基于深度学习的电能质量混合扰动分析方法，其特征在于，包括如下步骤：

步骤1，建立电能质量混合干扰信号训练集，其中，干扰信号包含各类幅值变化较快的电能质量干扰、各类频率变化较快的电能质量干扰以及混合电能质量干扰；

步骤2，采用改进型S变换对步骤1训练集中各训练数据进行特征提取，得到训练数据对应的二维特征矩阵；其中，改进型S变换为在传统S变换中的高斯窗函数上增加一个调节因子λ；其中，对于仅包含幅值变化较快的电能质量干扰的训练数据，λ>1；对于仅包含频率变化较快的电能质量干扰的训练数据，0<λ<1；对于包含混合电能质量干扰的训练数据，λ＝1；

步骤3，构建深度学习模型并利用步骤2得到的二维特征矩阵进行训练，得到训练后的深度学习模型；

其中，深度学习训练模型包括输入层、LSTM网络、池化层和多层感知机；

其中，输入层为包含Dense层的多层感知机，对步骤2的二维特征矩阵进行预处理，其中，预处理包括降维处理、归一化处理以及特征提取；

LSTM网络为双LSTM结构，对输入层预处理后的结果进行语义分割；

池化层对LSTM网络的语义分割结果进行降维；

采用多层感知机对池化层的输出进行分类；多层感知机的输出即为深度学习模型的输出；

步骤4，针对待检测的电能质量干扰信号，采用传统S变换对该待测试信号进行特征提取，得到该待测试信号的二维特征矩阵；然后以该待测试信号的二维特征矩阵作为输入，利用步骤3训练好的深度学习模型进行分类，获得分类结果。

2.如权利要求1所述的基于深度学习的电能质量混合扰动分析方法，其特征在于，所述干扰信号包括：电压暂升、电压中断、电压暂降、暂态脉冲、暂态振荡、谐波、电压闪变七种基础干扰，以及由上述基础干扰组合而成的混合干扰；其中，电压暂升、电压中断、电压暂降和电压闪变为幅值变化较快的电能质量干扰，暂态脉冲、暂态振荡和谐波为频率变化较快的电能质量干扰。

3.如权利要求1所述的基于深度学习的电能质量混合扰动分析方法，其特征在于，所述LSTM网络将输入层输出数据分为训练样本和目标样本两类，以训练样本和目标样本的最小均方误差作为LSTM网络的损失函数。

4.如权利要求1或3所述的基于深度学习的电能质量混合扰动分析方法，其特征在于，所述LSTM网络中还包含Merge融合层，对双LSTM结构的结果进行融合。

5.如权利要求1所述的基于深度学习的电能质量混合扰动分析方法，其特征在于，所述Dense层采用10×10窗进行均方根降维。

6.如权利要求1所述的基于深度学习的电能质量混合扰动分析方法，其特征在于，所述输入层中的多层感知机结构为3层以下；池化层后的多层感知机结构为5层以下。