[发明专利]基于可变循环神经网络的电能质量扰动识别方法、系统及介质

权利要求书

1.一种基于可变循环神经网络的电能质量扰动识别方法，其特征在于实施步骤包括：

1)输入电能质量扰动波形数据；

2)对电能质量扰动波形数据进行特征提取得到多维特征向量；

3)将多维特征向量输入预先训练好的可变循环神经网络，所述可变循环神经网络中包含用于给输出层引入潜在随机变量的随机层，且被预先训练建立了多维特征向量及其对应N种扰动的输出概率之间的映射关系；

4)将可变循环神经网络的输出通过激活函数生成对应N种扰动的输出概率曲线；

5)根据输出概率曲线确定某一时刻的扰动类型和/或某一扰动的起止时刻。

2.根据权利要求1所述的基于可变循环神经网络的电能质量扰动识别方法，其特征在于，步骤1)中的电能质量扰动波形数据为电压或者电流波形数据。

3.根据权利要求1所述的基于可变循环神经网络的电能质量扰动识别方法，其特征在于，步骤2)中进行特征提取具体是指采用傅里叶变换、短时加窗傅里叶变换、小波变换、变分模态分解、希尔伯特-黄变换、S变换中的一种。

4.根据权利要求1所述的基于可变循环神经网络的电能质量扰动识别方法，其特征在于，所述可变循环神经网络为在普通循环神经网络的输入层、隐含层、输出层三层结构上增加了随机层形成的四层结构。

5.根据权利要求1所述的基于可变循环神经网络的电能质量扰动识别方法，其特征在于，所述随机层的函数表达式如下式所示：

(μ_t,σ_t)＝g(h_t-1)

y_t＝f₂(W_ozz_t+m_t)

上式中，μ(t)和σ(t)分别为正态分布的均值和标准差，h_t-1为隐含层的第t-1个神经元，g为激活函数，g(h_t-1)表示隐含层的第t-1个神经元h_t-1达到激活条件就会激活随机变量z_t，表示随机变量z_t满足正态分布，y_t为第t个神经元的输出，f₂为激活函数，m_t为网络的中间变量，W_oz为随机变量z_t的权重系数。

6.根据权利要求1所述的基于可变循环神经网络的电能质量扰动识别方法，其特征在于，步骤4)中将可变循环神经网络的输出通过激活函数生成对应N种扰动的输出概率曲线时，激活函数选择的是softmax激活函数。

7.根据权利要求1所述的基于可变循环神经网络的电能质量扰动识别方法，其特征在于，步骤3)之前还包括训练可变循环神经网络的步骤，详细步骤包括：

S1)针对多种电能质量扰动建立扰动函数，并基于扰动函数采用蒙特卡罗算法生成电能质量扰动的样本库数据，并按照指定的比例随机分割，得到训练集，测试集和验证集；

S2)建立可变循环神经网络并进行初始化；

S3)基于所述训练集，测试集和验证集对所述可变循环神经网络进行训练直至满足预设的结束条件时结束训练并退出。

8.根据权利要求7所述的基于可变循环神经网络的电能质量扰动识别方法，其特征在于，步骤S1)中建立扰动函数的函数表达式如下：

上式中，v(t)为扰动函数，α为电压幅值范围系数，Δf_f为频率偏差量，t为时间，β_i是第i种扰动的系数，c为谐波幅值系数，t_start,i代表扰动时间轴上的第i种扰动的起始时间，t_end,i代表扰动时间轴上的第i种扰动的结束时间，f_h为谐波电压频率，t_start为扰动开始时间，μ(t)满足正态分布的电压幅值补充量，γ(t)为直流电压幅值补充量。