[发明专利]电能质量扰动信号分类模型的训练方法及装置

权利要求书

1.一种电能质量扰动信号分类模型的训练方法，其特征在于，所述方法包括：

获取训练样本、以及各训练样本分别对应的类型标签，所述训练样本为电能质量扰动信号的样本数据，所述类型标签表示相应的样本数据的实际信号类型；

将所述训练样本分别输入至电能质量扰动信号分类模型中，并依次经由所述电能质量扰动信号分类模型中的第一卷积单元、第二卷积单元、去特征单元、以及全连接单元进行处理，得到相应的预测信号类型；

基于所述训练样本的类型标签和所述预测信号类型，构建目标函数；

基于所述目标函数，对所述电能质量扰动信号分类模型的模型参数进行更新，并基于更新后的模型参数进行迭代训练，直至达到训练终止条件时结束，得到训练好的电能质量扰动信号分类模型。

2.根据权利要求1所述的方法，其特征在于，所述第一卷积单元依次包括第一卷积层、归一化层、第二卷积层、以及最大池化层；所述第二卷积单元与所述第一卷积单元中的最大池化层相连，依次包括第三卷积层、归一化层、第四卷积层、以及平均池化层；所述去特征单元与所述第二卷积单元中的平均池化层相连，包括一个Dropout层；所述全连接单元与所述去特征单元相连，包括一个全连接层。

3.根据权利要求1所述的方法，其特征在于，所述获取训练样本、以及各训练样本分别对应的类型标签，包括：

获取多个不同信号类型的训练样本；其中，每个训练样本分别对应于一种信号类型；

对所述多个训练样本进行标准化处理，得到标准化训练样本；

依据各个训练样本对应的信号类型，分别对每个标准化训练样本进行标签标注，得到多个标注有类型标签的训练样本。

4.根据权利要求3所述的方法，其特征在于，所述对所述多个训练样本进行标准化处理，得到标准化训练样本，包括：

计算多个训练样本的均值和方差；

对每个训练样本，确定训练样本与均值的差异，并基于所述差异与所述方差，确定标准化训练样本。

5.根据权利要求1所述的方法，其特征在于，所述基于所述目标函数，对所述电能质量扰动信号分类模型的模型参数进行更新，包括：

基于所述电能质量扰动信号分类模型的模型参数，确定基于所述目标函数对所述模型参数计算得到的梯度；

基于所述梯度，计算所述梯度的一阶估计值和二阶估计值，并确定所述一阶估计值的校正值和二阶估计值的校正值；

基于所述一阶估计值的校正值和所述二阶估计值的校正值，对所述电能质量扰动信号分类模型的模型参数进行更新。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取待处理的电能质量扰动信号数据；

将所述待处理的电能质量扰动信号数据输入至预先训练好的电能质量扰动信号分类模型中，得到相应的信号分类结果；所述信号分类结果表示所述电能质量扰动信号数据所对应的信号类型。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述信号类型至少包括基波信号、暂降信号、暂升信号、中断信号、谐波信号、脉冲瞬态信号、振荡瞬态信号、闪变信号、陷波信号、以及尖峰信号中的一种。

8.一种电能质量扰动信号分类模型的训练装置，其特征在于，所述装置包括：

获取模块，用于获取训练样本、以及各训练样本分别对应的类型标签，所述训练样本为电能质量扰动信号的样本数据，所述类型标签表示相应的样本数据的实际信号类型；

处理模块，用于将所述训练样本分别输入至电能质量扰动信号分类模型中，并依次经由所述电能质量扰动信号分类模型中的第一卷积单元、第二卷积单元、去特征单元、以及全连接单元进行处理，得到相应的预测信号类型；

所述处理模块，还用于基于所述训练样本的类型标签和所述预测信号类型，构建目标函数；

所述处理模块，还用于基于所述目标函数，对所述电能质量扰动信号分类模型的模型参数进行更新，并基于更新后的模型参数进行迭代训练，直至达到训练终止条件时结束，得到训练好的电能质量扰动信号分类模型。