发明公开
- 专利标题: 一种基于小波变化和卷积神经网络的电网电能质量在线状态估计方法
-
申请号: CN202310869007.6申请日: 2023-07-16
-
公开(公告)号: CN117312902A公开(公告)日: 2023-12-29
- 发明人: 张文倩 , 陈来军 , 韩俊 , 苏小玲 , 刘禹彤 , 司杨 , 朱振 , 赵正奎 , 景延嵘 , 李宗容
- 申请人: 国网青海省电力公司电力科学研究院 , 青海大学 , 国网青海省电力公司
- 申请人地址: 青海省西宁市城西区五四西路8号
- 专利权人: 国网青海省电力公司电力科学研究院,青海大学,国网青海省电力公司
- 当前专利权人: 国网青海省电力公司电力科学研究院,青海大学,国网青海省电力公司
- 当前专利权人地址: 青海省西宁市城西区五四西路8号
- 代理机构: 北京神州信德知识产权代理事务所
- 代理商 赵丽茹
- 主分类号: G06F18/24
- IPC分类号: G06F18/24 ; H02J3/00 ; G06F18/214 ; G06N3/0464 ; G06N20/00 ; G06Q50/06
摘要:
本发明公开了一种基于小波变化和卷积神经网络的电网电能质量在线状态估计方法,采用小波变化提取电能质量监测数据特征值,生成典型电能质量扰动随机数据样本,划分训练样本和测试样本比例;其次对训练样本和测试样本分别进行小波变换,并根据电能质量特性模型提取电能质量扰动的多个特征值;最后通过卷积神经网络方法完成数据自动分类和电能质量在线状态估计,本发明的优点是,相对传统的机器学习方法,其电能质量特征提取更精确,分类准确度更高。