[发明专利]电能质量扰动信号分类方法、装置、存储介质和电子设备

权利要求书

1.一种电能质量扰动信号分类方法，其特征在于，所述方法包括：

获取目标信号，所述目标信号包括需要进行分类的信号；所述目标信号包括待分类的电能质量扰动信号；

根据所述目标信号，通过预先训练得到的特征提取模型，获取所述目标信号的特征向量；所述特征向量用于表征所述电能质量扰动信号的特征及特征值；所述特征值包括所述电能质量扰动信号的能量和样本熵；

根据所述特征向量，通过预先训练得到的信号分类模型，确定分类结果，所述信号分类模型包括平滑因子，所述平滑因子通过基于自适应t分布的麻雀搜索算法tSSA确定；

所述信号分类模型通过样本特征向量训练得到，以所述样本特征向量的分类错误率作为所述tSSA的适应度值，通过迭代选出最小适应度值对应的麻雀位置，将所述麻雀位置作为所述平滑因子；所述样本特征向量为对与按照预设的范围随机生成的电能质量扰动信号对应的分量信号，提取特征后得到的样本特征向量；

所述通过迭代选出最小适应度值对应的麻雀位置，将所述麻雀位置作为所述平滑因子包括：

根据tSSA的规则更新麻雀的位置，并重新计算每只麻雀的适应度值，若新的最优适应度值小于上一次最优适应度值，则记录所述新的最优适应度值作为全局最优适应度值，同时记录所述新的最优适应度值对应的麻雀位置，并将所述新的最优适应度值对应的麻雀位置更新为最优平滑因子。

2.根据权利要求1所述的方法，其特征在于，所述预先训练得到的信号分类模型，通过以下方式预先训练：

获取所述样本特征向量，以及所述样本特征向量对应的信号分类；

根据所述样本特征向量和所述样本特征向量对应的信号分类对目标训练模型进行训练，得到信号分类模型。

3.根据权利要求2所述的方法，其特征在于，所述信号分类模型包括基于tSSA的PNN，所述PNN包括输入层、模式层、求和层和输出层，所述输入层的输出与所述模式层的输入耦合，所述模式层的输出与所述求和层的输入耦合，所述求和层的输出与所述输出层的输入耦合：

所述输入层用于接收目标信号特征向量，并将所述目标信号特征向量输出至所述模式层；

所述模式层用于针对多个预设信号类别中的每个信号类别，计算所述目标信号特征向量与当前信号类别的多个相似度，并将每个信号类别对应的相似度输出至所述求和层；

所述求和层用于计算每个信号类别对应的相似度的和值，并将所述和值输出至所述输出层；

所述输出层用于输出所述相似度的和值最大的情况下对应的信号类别，并将所述信号类别作为所述目标信号的分类。

4.根据权利要求3所述的方法，其特征在于，所述模式层用于计算目标信号特征向量与目标分类的相似度包括：

通过所述tSSA确定所述平滑因子；

通过所述目标信号特征向量与所述目标分类权向量的标量积，以及所述平滑因子来确定目标信号特征向量与目标分类的相似度。

5.根据权利要求4所述方法，其特征在于，通过迭代选出最小适应度值对应的麻雀位置作为平滑因子包括：

N只麻雀在d维搜索空间内觅食，则第i只麻雀在d维搜索空间内觅食位置为X_i＝[x_i1,x_i2,...,x_id]；

其中i＝1,2,...,N，x_id表示第i只麻雀在d维搜索空间内的位置；

则N只麻雀的适应度值表示为：

6.根据权利要求1-5任一项所述的方法，其特征在于，所述预先训练得到的特征提取模型，通过以下方式预先训练：

获取信号分类训练样本，所述信号分类训练样本包括按照预设的范围随机生成的电能质量扰动信号，以及所述信号分类训练样本对应的分量信号提取的样本特征向量；

根据所述信号分类训练样本和所述信号分类训练样本对应的分量信号提取的样本特征向量对目标训练模型进行训练，得到特征提取模型。