[发明专利]一种基于深度学习的电磁式电压互感器电压反算方法

说明书

本发明公开一种基于深度学习的电磁式电压互感器电压反算方法，步骤包括：1)采集待测电压互感器的二次侧电压数据；2)建立LSTM电磁式电压互感器电压反算模型；3)将待测电压互感器的二次侧电压数据输入到LSTM电磁式电压互感器电压反算模型中，计算得到待测电压互感器一次侧电压值。本发明基于LSTM模型，使得仅需要通过测量电压互感器二次侧电压便能精确还原其一次侧电压，为电网安全监测提供了更加精确的数据。

技术领域

本发明涉及电力系统技术与大数据处理领域，具体是一种基于深度学习的电磁式电压互感器电压反算方法。

背景技术

人工神经网络深度学习是近几年来提出的一个全新概念，是机器学习领域一个全新的研究方向。人工神经网络深度学习是通过不断深入学习样本数据从而揭示其内在规律和表示层次，最终目标是让机器能够如同人一样具有分析学习能力。深度学习的概念源于人工神经网络的研究，含多个隐藏层的多层感知器就是一种深度学习结构。深度学习通过将基本单元不断组形成复杂、抽象的某种属性或特征。选择合适的输入和输出层，基于样本数据不断深入学习，进而构建较为准确的输入与输出函数关系。

电压互感器是电网中电压监测的主要电压传感终端，通过对电网电压运行状态长期稳定监测，以保障电网安全运行，为风险预警、事故朔源、谐波分析等提供实时数据支撑。但目前以大规模布网的电压互感器存在低频深度饱和失真以及中高频率失真，导致其可有效测量的频带范围或幅值范围极窄，严重制约电网数字化建设。为解决电压互感器难以准确测量电压全波的难题，必须建立可准确表征电压互感器宽频非线性模型。

发明内容

本发明的目的是提供一种基于深度学习的电磁式电压互感器电压反算方法，包括以下步骤：

1)采集待测电压互感器的二次侧电压数据。

2)建立LSTM电磁式电压互感器电压反算模型。

所述LSTM电磁式电压互感器电压反算模型包括输入层、隐藏层和输出层。输入门、输出门、遗忘门的激活函数是sigmoid函数。每个门都有sigmoid函数和按位乘操作。

所述输入层用于接收待测电压互感器的二次侧电压数据。

所述隐藏层包括若干记忆模块，每个记忆模块包括输入单元、输出单元、输入门、输出门、遗忘门、Ceil。输入单元、输出单元的激活函数为tanh函数。

所述输出层的激活函数为线性函数，输出层用于输出待测电压互感器的一次侧电压。

所述LSTM电磁式电压互感器电压反算模型输入门i_t、遗忘门f_t、输出门o_t、单元激活向量c_t、隐藏层单元h_t分别如下所示：

i_t＝σ(W_xiX_t+W_hih_t-1+W_cic_t-1+b_i)

f_t＝σ(W_xfX_t+W_hfh_t-1+W_cfc_t-1+b_f)

c_t＝f_tc_t-1+i_t tanh(W_xcX_t+W_hch_t-1+b_c)