[发明专利]一种基于5G的电网电压暂降事件检测方法和系统

权利要求书

1.一种基于5G的电网电压暂降事件检测方法，其特征在于，包括以下步骤：

S1：获取电能质量监测点的电压暂降历史波形及其对应的电压暂降原因标签，并对电压暂降历史波形和电压暂降原因标签进行数据预处理；

S2：根据步骤S1获取的电压暂降历史波形数据，确定用于检测电压暂降事件是否发生的检测阈值；

S3：将步骤S1所得的预处理数据分为训练集数据和测试集数据，并通过神经网络方法进行学习，获得电压暂降原因识别模型；

S4：通过5G基站，采集电能质量监测点的实时数据，并根据步骤S2所得的检测阈值判断电网是否发生电压暂降事件；

S5：根据步骤S3构建的电压暂降原因识别模型，判断电压暂降事件发生的原因，并通过5G基站将电压暂降事件发生的原因传输至远程服务器或移动终端监控设备。

2.根据权利要求1所述的一种基于5G的电网电压暂降事件检测方法，其特征在于，步骤S1中数据预处理包括以下步骤：

S11：对电压暂降历史波形进行连续采样并将采样到的电压值做归一化处理；

S12：将电压暂降原因标签向量化，采用分类编码中的one-hot格式，将每个标签表示为全零向量。

3.根据权利要求1所述的一种基于5G的电网电压暂降事件检测方法，其特征在于，步骤S3中通过神经网络方法进行学习，获得电压暂降原因识别模型包括以下步骤：

S31：构建模糊神经网络；

S32：根据步骤S31所建立的模糊神经网络，初始化模糊神经网络的网络参数；

S33：用训练集数据对步骤S32初始化后的模糊神经网络进行有监督预训练；

S34：保留步骤S33有监督预训练后模糊神经网络的参数，用深度置信网络替换模糊神经网络的全连接层；

S35：用训练集数据对深度置信网络进行无监督预训练；

S36：保留步骤S35无监督预训练后深度置信网络的参数，在现有网络的输出层后添加softmax层；

S37：用训练集数据对整个网络进行有监督训练并生成电压暂降原因识别模型；

S38：用测试集数据对步骤S37生成的电压暂降原因识别模型进行验证。

4.根据权利要求1所述的一种基于5G的电网电压暂降事件检测方法，其特征在于，步骤S4中采集电能质量监测点实时数据的方法，具体包括以下步骤：

S41：根据预设的网络制式接收一个或多个5G基站发出的无线信号；

S42：对比无线信号强度，向信号强度最强的5G基站发出第一接入请求；

S43：5G基站验明网络身份后接收第一接入请求并分配无线接入资源；

S44：接收并使用无线接入资源从电能质量监测点的服务器采集实时数据。

5.根据权利要求1或2或3或4所述的一种基于5G的电网电压暂降事件检测方法，其特征在于，步骤S5中将电压暂降事件发生的原因传输至远程服务器或移动终端监控设备的方法，具体包括以下步骤：

S51：使用无线接入资源，通过5G基站向远程服务器或移动终端监控设备发送第二接入请求；

S52：远程服务器或移动终端监控设备对第二接入请求进行验证，若验证成功，则接入并接收电压暂降原因识别模型判断的电压暂降原因。

6.根据权利要求1所述的一种基于5G的电网电压暂降事件检测方法，其特征在于，步骤S2中确定检测阈值包括以下步骤：

S21：根据步骤S1获取的电压暂降历史波形数据，确定电压暂降历史波形数据中的基准值；

S22：根据步骤S21所得的基准值，确定电能质量监测点监测到电压暂降时电压波形数据的波动范围；

S23：根据所得的基准值及波动范围，确定电能质量监测点监测到电压暂降时电压波形的极值点，极值点包括最高极值点和最低极值点；

S24：根据步骤S23所得的极值点，确定用于检测电压暂降事件是否发生的检测阈值。