港口电能质量扰动识别方法、装置、设备及其存储介质与流程
本技术涉及电力分析,尤其涉及港口电能质量扰动识别方法、装置、设备及其存储介质。
背景技术:
1、随着低碳的用电港口的快速推进,用电港口的电能质量扰动也随之而来,为了避免电能质量扰动对港口造成破坏,因此需要快速对港口的电能质量扰动进行识别。
2、目前针对电能质量扰动识别的研究主要围绕基于等效电路建模、实测数据统计分析、特征提取以及机器学习和深度学习方法展开。其中,等效电路建模无法适配用电港口工况,且难以准确描述复合与非平稳的扰动特征;实测数据统计分析成本高、周期长,且泛化能力较差;特征提取依赖单一维度的方法,无法全面刻画复杂扰动的特性;而深度学习模型结构复杂、实时性不足,机器学习还需要人工设计复杂特征,因此,无法适应用电港口的应用场景,且特征提取不全面、模型冗余复杂,从而无法实现对多类型扰动的精细化快速识别。
3、上述内容仅用于辅助理解本技术的技术方案,并不代表承认上述内容是现有技术。
技术实现思路
1、本技术的主要目的在于提供一种港口电能质量扰动识别方法、装置、设备及其存储介质,旨在解决无法适应用电港口的应用场景,且特征提取不全面、模型冗余复杂,从而无法实现对多类型扰动的精细化快速识别的技术问题。
2、为实现上述目的,本技术提出一种港口电能质量扰动识别方法,所述的方法包括:
3、获取用电港口的电能质量扰动的扰动信号;
4、对所述扰动信息,进行时域变换、频域变换、差分运算及统计分析,获得包含时域特征、频域特征、差分特征及统计特征的多维融合特征;
5、将所述多维融合特征输入至预设的双层识别模型,对所述扰动信号进行单一扰动与复合扰动分离识别,获得所述电能质量扰动的种类,所述双层识别模型包括根据所述多维融合特征初步识别所述扰动信号为单一或复合类型的第一识别层,以及基于所述多维融合特征对单一扰动再次分类,或基于所述扰动信号的原始序列对复合扰动再次分类的第二识别层。
6、在一实施例中,所述对所述扰动信息,进行时域变换、频域变换、差分运算及统计分析,获得包含时域特征、频域特征、差分特征及统计特征的多维融合特征的步骤包括:
7、基于预设的希尔伯特变换对所述扰动信号进行时域变换,得到时域特征;
8、基于预设的离散傅里叶变换对所述扰动信号进行频域变换,得到频域特征;
9、其中,所述希尔伯特变换与所述离散傅里叶变换并行执行;
10、对所述扰动信号执行差分运算与统计分析,得到差分特征和统计特征;
11、将所述时域特征、所述频域特征、所述差分特征、所述统计特征进行融合,得到多维融合特征。
12、在一实施例中,所述将所述时域特征、所述频域特征、所述差分特征、所述统计特征进行融合,得到多维融合特征的步骤之前,还包括:
13、对所述时域特征中的瞬时包络进行跨维度特征提取,获得所述扰动信号中表征能量的rms(root mean square,均方根)特征;
14、所述将所述时域特征、所述频域特征、所述差分特征、所述统计特征进行融合,得到多维融合特征的步骤,还包括:
15、所述将所述时域特征、所述频域特征、所述差分特征、所述统计特征以及所述rms特征进行融合,得到多维融合特征。
16、在一实施例中,所述获取用电港口的电能质量扰动的扰动信号的步骤之前,还包括:
17、获取用电港口的实际工况,并基于所述实际工况,构建复合作业工况对应的扰动信号模型,所述扰动信号模型是以工频基波电压为基础,反映幅值、频率及谐波相关分量的扰动特征的模型;
18、所述获取用电港口的电能质量扰动的扰动信号的步骤,还包括:
19、基于所述扰动信号模型生成匹配所述实际工况、包含单一扰动与复合扰动的扰动信号,所述复合扰动为多种相互影响、耦合发生的扰动。
20、在一实施例中,所述获取用电港口的实际工况的步骤,包括:
21、对用电港口的多类型复合扰动场景进行归纳分类,得到包含岸电设备、起重设备、变频设备及分布式电源协同作业的工况集合;
22、从所述工况集合中提取表征扰动形态的工况参数,形成所述用电港口的实际工况。
23、在一实施例中,所述将所述多维融合特征输入至预设的双层识别模型,对所述扰动信号进行单一扰动与复合扰动分离识别,获得所述电能质量扰动的种类的步骤,包括:
24、将所述多维融合特征输入至预设的双层识别模型;
25、基于所述第一识别层对所述多维融合特征进行分类,将所述扰动信号划分为单一扰动类型与复合扰动类型;
26、针对划分为单一扰动类型的扰动信号,基于所述多维融合特征通过第二识别层完成单一扰动的再次分类,获得所述电能质量扰动的种类;
27、针对划分为复合扰动类型的扰动信号,基于所述扰动信号的原始序列通过第二识别层完成复合扰动的再次分类,获得所述电能质量扰动的种类。
28、在一实施例中所述第一识别层为随机森林分类器,所述随机森林分类器被训练为区分单一扰动与复合扰动;
29、所述第二识别层为卷积网络与多头自注意力机制相结合的优化分类网络层,包括单一扰动分支与复合扰动分支,所述单一扰动分支基于多维融合特征对所述单一扰动进行再次分类,所述复合扰动分支基于所述扰动信号原始序列,对所述复合扰动进行再次分类。
30、此外,为实现上述目的,本技术还提出一种港口电能质量扰动识别装置,所述港口电能质量扰动识别装置包括:
31、获取模块,用于获取用电港口的电能质量扰动的扰动信号;
32、特征提取模块,用于对所述扰动信息,进行时域变换、频域变换、差分运算及统计分析,获得包含时域特征、频域特征、差分特征及统计特征的多维融合特征;
33、识别模块,用于将所述多维融合特征输入至预设的双层识别模型,对所述扰动信号进行单一扰动与复合扰动分离识别,获得所述电能质量扰动的种类,所述双层识别模型包括根据所述多维融合特征初步识别所述扰动信号为单一或复合类型的第一识别层,以及基于所述多维融合特征对单一扰动再次分类,或基于所述扰动信号的原始序列对复合扰动再次分类的第二识别层。
34、此外,为实现上述目的,本技术还提出一种港口电能质量扰动识别设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序配置为实现如上文所述的港口电能质量扰动识别方法的步骤。
35、此外,为实现上述目的,本技术还提出一种存储介质,所述存储介质为计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上文所述的港口电能质量扰动识别方法的步骤。
36、本技术提出的一个或多个技术方案,至少具有以下技术效果:
37、通过获取用电港口的电能质量扰动的扰动信号,并对扰动信号进行时域变换、频域变换、差分运算及统计分析,获得包含时域特征、频域特征、差分特征及统计特征的多维融合特征;再将多维融合特征输入至预设的双层识别模型,对扰动信号进行单一扰动与复合扰动分离识别,获得电能质量扰动的种类,其中双层识别模型包括:根据多维融合特征初步识别扰动信号为单一或复合类型的第一识别层,以及基于多维融合特征对单一扰动再次分类或基于扰动信号的原始序列对复合扰动再次分类的第二识别层。因此,通过同时进行时域变换、频域变换、差分运算与统计分析,所获得的多维融合特征能够从多个维度全面刻画扰动信号在时间演化、频率分布、变化趋势及统计规律等方面的特性,避免了依赖单一维度方法进行特征提取而导致的对复杂、非平稳及复合型电能质量扰动表征不充分;同时,双层识别模型通过第一识别层先判别扰动类型属性(单一或复合),再由第二识别层针对不同属性采用适配的识别策略,也即,对单一扰动利用多维融合特征进行精细分类,对复合扰动则回溯至扰动信号的原始序列以保留多成分叠加的完整信息进行分类,整个识别过程无需依赖等效电路建模、无需大量实测数据统计分析,也无需人工设计复杂特征或采用结构复杂的深度学习模型,即可实现对单一扰动与复合扰动的高效分离与精准分类,从而提高了对多类型电能质量扰动的精细化快速识别能力。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com