[发明专利]一种电压暂降发生原因的识别方法、识别装置及电子设备

说明书

本申请提供了一种电压暂降发生原因的识别方法、识别装置及电子设备，所述识别方法包括：获取待识别区域的电压特征数据；对所述电压特征数据进行特征分类处理，得到至少一个暂降特征值；将所述暂降特征值输入至训练好的暂降识别模型中，得到电压暂降发生原因的识别结果。对噪声及系统参数的敏感度较低，可对多种电压暂降发生原因进行精细识别，提升了暂降发生原因识别的精度。

技术领域

本申请涉及电力系统技术领域，尤其是涉及一种电压暂降发生原因的识别方法、识别装置及电子设备。

背景技术

电压暂降是指供电电压有效值快速下降到额定值的90％～10％，且持续0.5s-1min后又恢复正常的短时扰动现象。电力系统中若发生电压暂降故障，会导致电力用户中半导体、科学仪器、工业机器人及可编程控制器等对电能质量要求较高的精密设备损毁、报废，带来经济损失。因此，电压暂降已经成为电能质量指标中倍受关注的一项，为了防止电压暂降带来的危害，如何识别暂降发生源成为首先急需考虑的问题。

目前，对电压暂降发生原因的识别主要依靠S变换及小波分析。其中，基于S变换的电压暂降发生原因的识别方法，通过电压暂降波形奇异性识别暂降发生原因，但此方法易受到系统参数变化的影响；基于小波分析的电压暂降发生原因的识别方法，通过小波熵特征识别暂降发生原因，利用短路故障与非短路故障引起的暂降在暂降恢复点处对应小波变换系数的区别，对暂降发生原因进行识别，但其对噪声的影响极为敏感且只能识别短路与非短路故障引起的电压暂降，识别精度较差且稳定性较低。

发明内容

有鉴于此，本申请的目的在于提供一种电压暂降发生原因的识别方法、识别装置及电子设备，通过聚类算法及识别模型对电压暂降发生原因进行识别分析，将从电网获取的电压数据进行聚类处理后输入至训练好的暂降识别模型，自动输出识别结果，且使用的暂降识别模型经过提前训练并达到需求的精度要求，对噪声及系统参数的敏感度较低，可对多种电压暂降发生原因进行精细识别，提升了暂降发生原因识别的精度。

本申请实施例提供了一种电压暂降发生原因的识别方法，所述方法包括：

获取待识别区域的电压特征数据；

对所述电压特征数据进行特征分类，得到至少一个暂降特征值；

将至少一个所述暂降特征值输入至训练好的暂降识别模型中，得到电压暂降发生原因的识别结果。

进一步的，所述获取待识别区域的电压特征数据，包括：

采集发生电压暂降区域内的电压波形；

根据所述电压波形，获取电压特征数据。

进一步的，所述对所述电压特征数据进行特征分类，得到至少一个暂降特征值，包括：

对所述电压特征数据进行聚类，将所述电压特征数据分类为多个数据集合；

为每个所述数据集合中的每一个所述电压特征数据设置与该集合对应的特征标签；

确定包括所述特征标签的至少一个所述电压特征数据为对应的至少一个所述暂降特征值。

进一步的，所述对所述电压特征数据进行聚类，将所述电压特征数据分类为多个数据集合，包括：

基于随机选取的多个电压特征数据，确定出多个初始聚类中心；

将除多个所述初始聚类中心之外的全部所述电压特征数据分类至与多个所述初始聚类中心对应的多个数据集合中；

根据每个所述数据集合中的所述电压特征数据重新计算得到过渡聚类中心；

判断所述初始聚类中心与所述过渡聚类中心是否相同；若所述初始聚类中心与所述过渡聚类中心不同，则以所述过渡聚类中心作为所述初始聚类中心重新对所述电压特征数据进行分类；若所述初始聚类中心与所述过渡聚类中心相同，则确定分类完成。