[发明专利]一种电压暂降源识别模型构建方法、装置、终端及介质

权利要求书

1.一种电压暂降源识别模型构建方法，其特征在于，包括：

基于历史电压暂降源数据，通过S变换公式，提取所述历史电压暂降源数据的特征曲线，并基于所述特征曲线，结合特征指标计算公式，得到特征指标数据；

将所述特征指标数据输入到初始神经网络模型，通过所述特征指标数据对所述初始神经网络模型进行训练，得到电压暂降源识别模型，以便利用得到的所述电压暂降源识别模型对实际电压暂降数据进行分析，得出电压暂降源识别结果，其中，所述初始神经网络模型为基于贝叶斯优化算法进行寻优得到的超参数构建的LSTM网络模型。

2.根据权利要求1所述的一种电压暂降源识别模型构建方法，其特征在于，所述超参数的寻优过程具体包括：

获取各个待寻优的超参数的参数集合，所述参数集合包含有所述超参数在预设取值范围内的多个超参数候选值；

从所述参数集合中，确定第一超参数与第二超参数，其中所述第一超参数为所述待寻优的超参数的其中一个，所述第二超参数为除所述第一超参数外剩余的超参数；

根据所述第二超参数的预设取值范围的中间值，以所述中间值作为所述第二超参数对应的目标超参数候选值，并基于所述目标超参数候选值，通过贝叶斯优化算法对所述第一超参数进行寻优，得到优化后的第一超参数；

从所述第二超参数中确定新的第一超参数，并基于所述新的第一超参数进行寻优，直至得到全部优化后的超参数。

3.根据权利要求1所述的一种电压暂降源识别模型构建方法，其特征在于，所述S变换公式的表达式为：

式中，w(t-τ,f)为电压暂降源数据的正态窗，τ为平移因子用于调节窗函数在时间轴t上的位置，f为频率，e^-j2πft为电压暂降源数据的旋转因子，旋转因子中的j表示虚数单位；|S(τ,f)|为电压暂降源数据经过S变换并求模后的结果，σ²为电压暂降源信号的方差值，a为正态窗幅度调节因子，b为正态窗指数调节因子。

4.根据权利要求3所述的一种电压暂降源识别模型构建方法，其特征在于，基于历史电压暂降源数据，通过S变换公式，提取所述历史电压暂降源数据的特征曲线之前还包括：

确定所述历史电压暂降源数据中待提取的目标电压暂降源数据，根据所述目标电压暂降源数据的暂降源类型，结合预设的第一对应关系，确定所述正态窗幅度调节因子与所述正态窗指数调节因子的取值，其中，所述第一对应关系为暂降源类型与调节因子取值的对应关系。

5.根据权利要求1所述的一种电压暂降源识别模型构建方法，其特征在于，所述特征指标数据具体包括：电压暂降源数据的均值、标准差、均方根值、能量、峰度、香农熵、对数能量熵、偏度、波形系数、波峰系数、暂降深度、暂降时间比、突变点个数、基频幅值上升斜率、基频幅值下降斜率以及二次谐波含有率。

6.根据权利要求5所述的一种电压暂降源识别模型构建方法，其特征在于，将所述特征指标数据输入到初始神经网络模型之前还包括：

通过层次分析法与熵值法，对所述特征指标数据进行精简优化，得到优化后的特征指标数据，以将所述优化后的特征指标数据输入到初始神经网络模型。

7.根据权利要求6所述的一种电压暂降源识别模型构建方法，其特征在于，所述优化后的特征指标数据具体包括：电压暂降源数据的标准差、峰度、偏度、二次谐波含有率、暂降深度、暂降时间比、突变点个数、基频幅值下降斜率和基频幅值上升斜率。