[发明专利]一种电能质量综合评估方法

权利要求书

1.一种电能质量综合评估方法，其特征在于，包括：

根据预设的采样周期周期性地采集电能检测数据，并根据预设的等级划分标准对所述电能检测数据进行等级划分；

确定等级划分后的电能检测数据中各等级的各项指标对应的概率值；

将等级划分后的电能检测数据、对应的概率值作为输入量输入预先训练的神经网络进行计算，得到与所述电能检测数据对应的电能质量综合评估结果。

2.如权利要求1所述的方法，其特征在于，所述电能检测数据的各项指标至少包括电压偏差、电压闪变、频率偏差、三相不平衡度及总谐波畸变率。

3.如权利要求2所述的方法，其特征在于，所述根据预设的等级划分标准对所述电能检测数据进行等级划分包括：

识别所述电能检测数据的数据类型及数值，将所述数据类型与电能检测数据的各项指标进行匹配，根据匹配结果对电能检测数据进行分类；

根据预设的等级划分标准将每一类电能检测数据划分为多个等级，将符合预设的合格级标准的等级项划分为合格级，将不符合预设的合格级标准的等级项划分为不合格级。

4.如权利要求3所述的方法，其特征在于，所述确定等级划分后的电能检测数据各等级中各项指标对应的概率值包括：

获取电能检测数据采集过程中总的采样点个数值，并获取所述电能检测数据的各项指标在每一等级中的采样点个数值；

将电能检测数据的每项指标在各等级中的采样点个数值与采集过程中总的采样点个数值的比值输出为电能检测数据的每项指标处于各等级的概率值。

5.如权利要求4所述的方法，其特征在于，所述预先训练的神经网络包括：

第一计算权重中间层，包括第一权重矢量，所述第一权重矢量包括与所述第一矩阵中相对应的电能检测数据与所有指标项对应的权重值及对应的指标项数，用以表示各指标项对综合指标评价的贡献大小，初始时平等对待各指标的贡献；

第二计算权重中间层，包括第二权重矢量，所述第二权重矢量包括与所述第二矩阵中相对应的电能检测数据中所有等级对应的权重值及对应的每个指标的等级项数，用以表示各级别对综合指标的贡献大小，初始时平等对待各级别的贡献。

6.如权利要求5所述的方法，其特征在于，所述预先训练的神经网络通过以下步骤进行训练：

按预设的训练周期统计电能检测数据，得到多个数据对；其中，所述数据对包括概率分布矩阵和实际样本的输出值，所述概率分布矩阵表示电能质量的五个指标项；而每个指标项是由多个值构成的矢量，对应指标项的某级别数乘以该级别对应的概率值；

将所述多个数据对作为多个训练样本输入预设的神经网络进行训练，得到训练输出值；

根据所述训练输出值和所述实际样本的输出值计算第一误差值，当第一误差值的绝对值不等于0时，按预设的步长调整第一权重矢量中的各项值，根据调整后的第一权重矢量重新计算误差值，得到第二误差值；

当第二误差值的绝对值等于0时，训练结束，输出训练后的第一权重矢量；当第二误差值的绝对值不等于0时，按预设的步长调整第二权重矢量中的各项值，根据调整后的第二权重矢量重新计算误差值，得到第三误差值；

当第三误差值的绝对值等于0时，训练结束，输出训练后的第二权重矢量；当第三误差值的绝对值不等于0时，计算所有训练样本的均方差；

将所有训练样本的均方差中最小均方差对应的第一权重矢量、第二权重矢量输出为训练后的第一权重矢量、训练后的第二权重矢量。

7.如权利要求6所述的方法，其特征在于，根据以下公式计算得到训练输出值：

Y_p＝ω_i*X_p*ω_j

其中，Y_p表示模式p下的训练输出值，对第p个训练样本称为模式p；ω_i表示第一权重矢量；ω_j表示第二权重矢量；X_p为节点的输入，即是某个训练周期的电能质量的概率矩阵。