[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

说明书

本申请公开了一种电压暂降源识别模型构建方法、装置、终端及介质，其中方法包括：基于历史电压暂降源数据，通过S变换公式，提取历史电压暂降源数据的特征曲线，并基于特征曲线，结合特征指标计算公式，得到特征指标数据；将特征指标数据输入到初始神经网络模型，其中，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网络模型通过特征指标数据对初始神经网络模型进行训练，利用训练得到的电压暂降源识别模型对实际电压暂降数据进行分析。本申请利用贝叶斯算法对长短期记忆网络模型的参数进行寻优，获得最佳参数并设置到长短期记忆网络中，避免了人工调参的低效性，有效提高了网络对不同电压暂降源辨识的准确性。

技术领域

本申请涉及电力技术领域，尤其涉及一种电压暂降源识别模型构建方法、装置、终端及介质。

背景技术

随着工控自动化和智能制造领域的技术发展，以微处理器为代表的数字型和电力电子型负荷在系统占比不断增加的同时，对电压暂降非常敏感。短路故障、感应电机启动、变压器投切都会引起不同程度的电压暂降问题。

当输配电系统中发生短路故障、感应电机启动、雷击、开关操作、变压器及电容器组的投切等事件时，均可引起电压暂降。其中短路故障、感应电机启动、雷击是引起电压暂降的最主要原因。严重的电压暂降会影响工业生产过程中对电压敏感的电气设备的正常工作，甚至造成严重的经济损失，因此，快速有效的辨识不同电压暂降源对分析电压暂降问题进而制定相应治理方案具有重要意义。

分类器识别方式是目前较为常用的一种识别手段。分类器识别是指利用神经网络等分类算法设计分类器对暂降源实现自动识别，然而目前的分类器识别在辨识精度和泛化能力较弱，导致了电压暂降源识别准确度低的技术问题。

发明内容

本申请提供了一种电压暂降源识别模型构建方法、装置、终端及介质，用于解决现有的电压暂降源识别准确度低的技术问题。

本申请第一方面提供了一种电压暂降源识别模型构建方法，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。

优选地，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。

优选地，所述S变换公式的表达式为：