公开(公告)号：CN110414412B

公开(公告)日：2023-03-31

申请号：CN201910674207.X

申请日：2019-07-25

Applicant: 长沙理工大学

Inventor： 席燕辉 ,  崔永林 ,  李泽文 ,  唐欣 ,  曾祥君 ,  王康 ,  胡康

IPC: G06F18/10 ,  G06F18/213 ,  G06F18/24 ,  G06N3/084 ,  G06N3/0455

Abstract: 本发明提出了一种基于大数据分析的广域电网多重扰动精确识别方法和装置，该方法包括：获取扰动暂态大数据；提取常规特征，以滤波残差作为检验统计量，实时检测电网扰动发生；构建用于提取深度扰动特征的深度网络，设置该深度网络为具有特定结构的栈式自编码器；将常规特征和扰动暂态大数据一起作为深度网络的输入，经逐层训练，使深度扰动特征和常规特征相融合，提取出融合后的耦合特征，对其进行解耦分离，分离成不同的单一扰动类型，完成扰动类型的辨识。该装置包括数据模块、常规特征模块、深度网络设置模块、深度学习模块和耦合分离模块。该方法和装置，可及时检测到电网扰动并辨识多重扰动的类型。

公开(公告)号：CN110414412A

公开(公告)日：2019-11-05

申请号：CN201910674207.X

申请日：2019-07-25

Applicant: 长沙理工大学

Inventor： 席燕辉 ,  崔永林 ,  李泽文 ,  唐欣 ,  曾祥君 ,  王康 ,  胡康

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于大数据分析的广域电网多重扰动精确识别方法和装置，该方法包括：获取扰动暂态大数据；提取常规特征，以滤波残差作为检验统计量，实时检测电网扰动发生；构建用于提取深度扰动特征的深度网络，设置该深度网络为具有特定结构的栈式自编码器；将常规特征和扰动暂态大数据一起作为深度网络的输入，经逐层训练，使深度扰动特征和常规特征相融合，提取出融合后的耦合特征，对其进行解耦分离，分离成不同的单一扰动类型，完成扰动类型的辨识。该装置包括数据模块、常规特征模块、深度网络设置模块、深度学习模块和耦合分离模块。该方法和装置，可及时检测到电网扰动并辨识多重扰动的类型。