技术新讯 > 计算推算,计数设备的制造及其应用技术 > 电能质量问题分类模型构建及分类方法、设备和介质与流程  >  正文

电能质量问题分类模型构建及分类方法、设备和介质与流程

  • 国知局
  • 2024-11-21 11:49:46

本发明实施例涉及电能质量分析,尤其涉及一种电能质量问题分类模型构建及分类方法、设备和介质。

背景技术:

1、随着高速公路的快速发展,越来越多的新能源被用于高速公路机电设备的供电,而新能源发电和负荷的双重不确定性使得高速公路供电质量问题日益严重,要改善高速公路的供电质量,就必须对电能质量问题进行检测、分类,然后针对不同问题的相应污染源采取适当的解决办法。如何对电能质量问题进行快速准确的分类,是亟待解决的问题。

技术实现思路

1、本发明实施例提供一种电能质量问题分类模型构建及分类方法、设备和介质,以解决上述问题。

2、第一方面,本发明实施例提供了一种电能质量问题分类模型构建方法,包括:

3、获取不同电能质量问题下的多个电能信号时序序列;

4、分别对各电能信号时序序列进行小波变换,得到对应的频域特征;

5、利用k-means聚类算法对各频域特征进行聚类,得到不同电能质量问题的聚类中心,作为分类标准构建电能质量问题分类模型;

6、其中,在k-means聚类算法中采用如下公式计算各频域特征与各类别中心的距离:

7、

8、式中,表示任一类别中心的第i个维度,表示任一频域特征的第i个维度,n表示频域特征的维度数量,k为一极限变量,s表示所述任一频域特征与所述任一类别中心的距离。

9、第二方面,本发明实施例提供了一种电能质量问题分类方法,包括:

10、获取待分类的电能信号时序序列;

11、对所述电能信号时序序列进行小波变换,得到对应的频域特征;

12、计算所述频域特征与电能质量问题分类模型中各聚类中心的距离,其中,所述模型采用上述实施例的方法构建;

13、根据各距离,确定所述电能信号时序序列存在的电能质量问题类型。

14、第三方面,本发明实施例还提供了一种电子设备,所述电子设备包括:

15、一个或多个处理器;

16、存储器,用于存储一个或多个程序,

17、当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现任一实施例所述的电能质量问题分类方法。

18、第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现任一实施例所述的电能质量问题分类方法。

19、综上所述,本发明实施例提供了一种电能质量分类模型构建方法及分类方法,首先采集各类质量问题下的时域波形样本,并提取各时域样本的频谱特征;然后,通过改进的k-means聚类算法对各频域样本进行聚类,将各聚类中心作为电能质量分类模型的分类标准。聚类过程中通过对距离度量方法的改进,加强远距离分量的比重,使得远距离样本的分类更加准确。

技术特征:

1.一种电能质量问题分类模型构建方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述不同电能质量问题包括:电压畸变、电压过低、电压跌落、电压中断、谐波。

3.根据权利要求1所述的方法,其特征在于,各电能信号时序序列包括高速公路电压变送器前后的电压时序序列。

4.根据权利要求1所述的方法,其特征在于,所述分别对各电能信号时序序列进行小波变换,得到对应的频域特征,包括:

5.根据权利要求1所述的方法,在所述利用k-means聚类算法对各频域特征进行聚类之前,还包括:

6.根据权利要求1所述的方法,其特征在于,所述利用k-means聚类算法对各频域特征进行聚类,得到不同电能质量问题的聚类中心,包括:

7.一种电能质量问题分类方法,其特征在于,包括:

8.根据权利要求7所述的方法,其特征在于,计算所述频域特征与电能质量问题分类模型中各聚类中心的距离,包括:

9.一种电子设备,其特征在于,包括:

10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,该程序被处理器执行时实现权利要求1-6任一所述的电能质量问题分类模型构建方法,或权利要求7或8所述的电能质量问题分类方法。

技术总结本发明实施例公开了一种电能质量问题分类模型构建及分类方法、设备和介质,涉及电能质量分析技术领域。其中,方法包括:获取不同电能质量问题下的多个电能信号时序序列;分别对各电能信号时序序列进行小波变换,得到对应的频域特征;利用K‑means聚类算法对各频域特征进行聚类,得到不同电能质量问题的聚类中心,作为分类标准构建电能质量问题分类模型。本实施例提高了电能质量问题分类的准确性。技术研发人员:刘新建,冯冲,王海越,吴会彩,谷建玲,刘若旭,陆峰,刘维权,甄旭明,张颖,王晓倩,李万明,王冰,张家安受保护的技术使用者:河北高速公路集团有限公司技术研发日:技术公布日:2024/11/18

本文地址:https://www.jishuxx.com/zhuanli/20241120/332913.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。