一种基于同步相量量测数据的电能质量扰动识别方法与流程

1.一种基于同步相量量测数据的电能质量扰动识别方法，其特征在于，包括：

2.根据权利要求1所述的一种基于同步相量量测数据的电能质量扰动识别方法，其特征在于：所述原始电能质量扰动信号为电压时序信号或电流时序信号。

3.根据权利要求1所述的一种基于同步相量量测数据的电能质量扰动识别方法，其特征在于：将包含时域信息的原始电能质量扰动信号u(t)或i(t)与对其进行处理得到的包含频域信息的频域分量图tfu(t)或tfi(t)进行组合，构建同时包含时-频特征的输入特征组用于并行融合卷积神经网络的特征提取与分类识别。

4.根据权利要求1所述的一种基于同步相量量测数据的电能质量扰动识别方法，其特征在于：

5.根据权利要求1所述的一种基于同步相量量测数据的电能质量扰动识别方法，其特征在于：所述并行融合卷积神经网络包括：用于提取时域特征的一维卷积神经网络、用于提取频域特征的二维卷积神经网络与用于融合特征的并行融合层。

6.根据权利要求5所述的一种基于同步相量量测数据的电能质量扰动识别方法，其特征在于：所述一维卷积神经网络由两组串行连接的卷积层、池化层与批量归一化层所构成；其以原始扰动信号作为输入，依次通过一维卷积层、一维池化层以及批量归一化层完成一维时序特征的提取。

7.根据权利要求5所述的一种基于同步相量量测数据的电能质量扰动识别方法，其特征在于：所述二维卷积神经网络以二维频域分量图作为输入，输入维度取决于原信号经变换后的尺寸；其频域特征的提取依次通过二维卷积层、二维池化层以及批量归一化层完成。

8.根据权利要求7所述的一种基于同步相量量测数据的电能质量扰动识别方法，其特征在于：所述二维卷积神经网络的输出维度与一维卷积神经网络相同，通过全连接层放缩得到。

9.根据权利要求5所述的一种基于同步相量量测数据的电能质量扰动识别方法，其特征在于：所述并行融合层将一维特征与二维特征进行横向拼接，并将拼接后的特征依次输入全连接层、双向长短时记忆网络层、全连接层以及softmax激活函数以完成电能质量扰动识别；其中，两层全连接层用于放缩信号维度并构建输入输出间的概率关系；双向长短时记忆网络层用于提取信号间的时-频域间的时序依赖关系；softmax激活函数用于将输出特征转化为多个对应电能质量扰动类型的标志。

10.一种同步相量测量装置，其特征在于，设置有根据权利要求1-9其中任一所述方法获得的训练完备的并行融合卷积神经网络，用于电能质量扰动的分类识别。