[发明专利]基于小波变换和极限学习机的电压暂降源快速辨识方法

说明书

本发明涉及一种基于小波变换和极限学习机的电压暂降源快速辨识方法，包括以下步骤：步骤1、获取原始电压暂降信号；步骤2、对原始电压暂降信号进行归一化处理；步骤3、对电压暂降信号进行小波多分辨分析，并提取各尺度上的能量特征；步骤4、形成带标签的各类电压暂降源数据样本；步骤5、将各类电压暂降源数据样本分为测试集和训练集；步骤6、构建最优的基于ELM模型的暂降源辨识模型；步骤7、将测试集输入到构建好的最优的基于ELM模型的暂降源辨识模型。本发明辨识结果准确可靠且能够实现对暂降源快速识别。

技术领域

本发明属于电能质量监测技术领域，涉及电压暂降源快速辨识方法，尤其是一种基于小波变换和极限学习机的电压暂降源快速辨识方法。

背景技术

电压暂降(voltage sag)是指工频条件下电压有效值降低到0.1～0.9p.u之间、持续时间为0.5周波至1分钟的短时电压变动现象。电压暂降是系统正常运行过程中不可避免的短时扰动现象，上级输电网、远方配网和本地配网的短路类故障、变压器激磁、大型电机的起动以及负荷的投切等是导致电压暂降的主要原因，同时系统阻抗、故障阻抗、变压器参数、保护和继电保护的安装和参数设置等，对电压暂降也有重要影响。

随着我国不断由制造大国向制造强国迈进，优质的电力是高精度、高科技等产业的根本保证，因而电能质量问题也是日前越来越关注的问题。电能质量不仅影响电网企业的安全性与经济性，同时也会影响用户产品的产品质量与设备安全。而电压暂降问题作为当下最为突出的电能质量问题，受到了电力公司和用户的极大关注，尤其是当电压暂降问题给用户造成经济损失，会引起用户的投诉和抱怨。而对于电压暂降的治理，从源头上抑制和消除暂降源是治理和改善电压暂降问题的关键。而这需要以如何快速、准确地对电压暂降源进行辨识，从而为暂降责任分摊和治理决策提供给依据。

目前，针对暂降源辨识的问题，主要通过信号处理的方法实现，如小波变换、S变换、Hilbert-Huang变换等，这些方法简单易处理、需要样本数量小、物理意义明确；或者模式识别方法，如深度置信网络、卷积神经网络等，这些方法能智能识别、自动批量处理、结果直观。但是信号处理具有人工取阈值、主观因素强、识别结果不直观等缺点和模式识别类的方法或多或少的存在计算量大、计算时间长、相关参数设置和模型调试困难、模型复杂等缺点。因此急需一种拥有信号处理和模式识别的优点的方法，以实现暂降源的快速辨识。

与此同时，考虑到在电力物联网背景下在电能质量监测终端会产生海量数据，直接这些数据传输到某一平台进行集中处理，会增加数据传输量和传输时间，以及对平台集中处理数据的能力要求高的特点，因此，本发明提出一种适用于边缘计算(即直接在电能质量检测终端获得进行数据计算和处理)的基于小波变换和极限学习机的电压暂降源快速辨识方法。

发明内容

本发明的目的在于克服现有技术的不足，提出一种设计合理、辨识结果准确可靠且能够实现对暂降源快速识别的基于小波变换和极限学习机的电压暂降源快速辨识方法。

本发明解决其现实问题是采取以下技术方案实现的：

一种基于小波变换和极限学习机的电压暂降源快速辨识方法，包括以下步骤：

步骤1、获取原始电压暂降信号；

步骤2、将步骤1获取的原始电压暂降信号进行归一化处理；

步骤3、对步骤2归一化处理后的电压暂降信号进行小波多分辨分析，并提取各尺度上的能量特征，作为每类电压暂降源的辨识特征向量；

步骤4、对每类多个电压暂降源提取能量特征并形成辨识特征向量，对其进行标签的设定，形成带标签的各类电压暂降源数据样本；

步骤5、将各类电压暂降源数据样本分为测试集和训练集；

步骤6、构建最优的基于ELM模型的暂降源辨识模型；