【技術實現步驟摘要】
本專利技術屬于電能質量評測領域，具體涉及一種基于增量學習的供電質量評估方法及系統。
技術介紹
1、電能質量是一種交流電能的質量，主要由供電網絡提供給需求用戶，能夠以足夠穩定的頻率進行輸送、分配以及使用，是電力系統實現其安全穩定的一個重要因素。其中包括電壓質量、頻率質量、供電可靠性與服務性指標四項，主要用于評價電能質量的指標有電壓、頻率和波形，電能質量可定義為提供給用戶的電能品質的優劣程度，用戶衡量電力系統的可靠性和安全性。一般在理想狀態下，給用戶提供的是頻率恒定且呈正弦波的標準電壓。在三相交流系統中，同時要求各相電壓與電流的幅值應該大小相等、相位對稱并且互差120°。但是在實際情況中，基本不存在理想的電能狀態，這是因為系統中包括了很多非線性或不對稱性的電氣設備，或者由于一些特殊的操作運行、外來干擾和故障等，使得電能質量受到一定影響。
2、現有技術主要是通過測量和模型計算包括電壓偏差、頻率偏差、三相不平衡度、諧波和間諧波等電能指標來評估電能質量。但是實際上這些指標是動態變化的，因為數據流的不確定性使得模型在計算電能指標時難以適應數據的變化，自身的模型參數和結構無法隨著數據量的增長而不斷增長，最后計算出的電能質量評估結果精確度不高。
技術實現思路
1、本專利技術提出了一種基于增量學習的供電質量評估方法及系統，通過增量學習的方式自動調整模型參數和結構以適應不斷增長的數據量，從而根據實時監測的供電數據快速評估出供電質量，得到全面、準確的電網現狀和存在的問題，提高電力系統的可靠性
2、本專利技術的第一方面提供了一種基于增量學習的供電質量評估方法，所述方法包括：
3、對采集的供電數據進行預處理和特征提取，得到供電質量數據集；其中，所述供電質量數據集包括預處理后的供電數據和供電質量特征；
4、將所述供電質量數據集輸入至預設的供電質量評估模型中，先使用供電質量特征調整所述供電質量評估模型的環境參數，再使用所述供電質量數據集對所述供電質量評估模型進行訓練，得到最優供電質量評估模型；
5、當監測到新增的供電數據時，從新增的供電數據中提取出新增供電質量特征；其中，新增供電質量特征是從未輸入至最優供電質量評估模型的供電質量特征；
6、將新增供電質量特征、新增的供電數據和歷史供電數據輸入至最優供電質量評估模型中，得到當前電網的供電質量評估結果。
7、上述方案先提取供電數據的供電質量特征，得到供電質量數據集，然后將供電質量數據集輸入到供電質量評估模型中進行學習，得到符合供電質量特征、高精度的最優供電質量評估模型；然后對新增的供電數據進行特征提取，得到在最優供電質量評估模型中不存在的新增供電質量特征；最后將新增供電質量特征、新增的供電數據和已有供電數據輸入至最優供電質量評估模型中，進行增量學習和評估計算；通過新增供電質量特征可以自動調整模型參數和結構以適應不斷增長的數據量，使得最優供電質量評估模型能更好的適應數據的變化和不確定性，得到更高精度的當前電網的供電質量評估結果，從而得到全面、準確的電網現狀和存在的問題，提高電力系統的可靠性和穩定性。
8、在第一方面的一種可能的實現方法中，對采集的供電數據進行預處理和特征提取，得到供電質量數據集，具體為：
9、對所述供電數據依次進行刪除重復值、刪除異常值和填充缺失值，得到預處理后的供電數據；
10、從所述預處理后的供電數據中提取供電質量特征并進行標準化處理，得到供電質量特征；
11、其中，刪除重復值為根據所述供電數據的設備編號和時間戳，識別并刪除所述供電數據中重復的數據；刪除異常值為通過構建箱線圖和散點圖，識別并處理所述供電數據中的異常值；填充缺失值為使用插值和回歸方法填充所述供電數據中的缺失值。
12、上述方案通過對所述供電數據依次進行刪除重復值、刪除異常值和填充缺失值處理，提升了所述供電數據的精度。
13、在第一方面的一種可能的實現方法中，從所述預處理后的供電數據中提取供電質量特征并進行標準化處理，得到供電質量特征，具體為：
14、對所述預處理后的供電數據中的文本數據進行關鍵詞提取和格式轉化，得到數值類型的供電關鍵詞；
15、對所述預處理后的供電數據中的時間序列數據進行編碼，得到供電特征向量；
16、根據所述供電關鍵詞和供電特征向量，得到供電質量特征。
17、上述方案先轉換所述預處理后的供電數據的數據類型，將文本類型的數據轉化為數值型，方便后續處理；再將時間序列數據進行編碼，將時間序列數據轉換為適合后續處理的特征向量，為接下來的模型訓練提供數據支撐。
18、在第一方面的一種可能的實現方法中，將所述供電質量數據集輸入至預設的供電質量評估模型之前，需要將所述供電質量數據集按照預設的比例劃分為訓練集、驗證集和測試集。
19、上述方案將為了提高模型訓練的效率和防止過擬合，將所述供電質量數據集劃分為訓練集、驗證集和測試集，訓練集用于訓練模型，驗證集用于調整模型的參數，測試集用于評估模型的性能。
20、在第一方面的一種可能的實現方法中，先使用供電質量特征調整所述供電質量評估模型的環境參數，再使用所述供電質量數據集對所述供電質量評估模型進行訓練，得到最優供電質量評估模型，具體為：
21、先根據供電質量特征調整所述供電質量評估模型的環境參數的取值；其中，所述環境參數包括環境溫度、環境濕度和故障事件；
22、根據所述環境參數，確定所述供電質量評估模型的類型；
23、根據所述供電質量數據集的訓練集對所述供電質量評估模型進行訓練；
24、在每個訓練周期結束后，根據所述供電質量數據集的驗證集調整所述供電質量評估模型的計算參數，然后使用所述供電質量數據集的測試集對所述供電質量評估模型進行評估，直到得到滿足預設精度的最優供電質量評估模型。
25、上述方案先根據供電質量特征調整所述供電質量評估模型的環境參數的取值，使所述供電質量評估模型符合所述供電質量數據集的計算要求，提升模型的計算精度；然后根據所述供電質量數據集的訓練集對所述供電質量評估模型進行訓練，并使用所述供電質量數據集的驗證集調整所述供電質量評估模型的計算參數，優化模型的性能，以得到滿足預設精度的最優供電質量評估模型。
26、在第一方面的一種可能的實現方法中，當監測到新增的供電數據時，從新增的供電數據中提取出新增供電質量特征，具體為：
27、當監測到產生新增的供電數據時，先對新增的供電數據進行數據清洗，去除無效和錯誤的數據；
28、計算新增的供電數據的貢獻度，根據所述貢獻度和重要度達到第二閾值的新增的供電數據，確定新增供電質量特征。
29、上述方案當檢測到產生新增的供電數據時，先對新增的供電數據進行數據清洗，提升數據的精確度，再通過計算新增的供電數據的貢獻度，提取貢獻度高的新增供電數據的新增供電質量特征，作為最優供電質量評估本文檔來自技高網...
【技術保護點】
1.一種基于增量學習的供電質量評估方法，其特征在于，包括：
2.根據權利要求1所述的基于增量學習的供電質量評估方法，其特征在于，所述對采集的供電數據進行預處理和特征提取，得到供電質量數據集，具體為：
3.根據權利要求2所述的基于增量學習的供電質量評估方法，其特征在于，所述從所述預處理后的供電數據中提取供電質量特征并進行標準化處理，得到供電質量特征，具體為：
4.根據權利要求1所述的基于增量學習的供電質量評估方法，其特征在于，將所述供電質量數據集輸入至預設的供電質量評估模型之前，需要將所述供電質量數據集按照預設的比例劃分為訓練集、驗證集和測試集。
5.根據權利要求1所述的基于增量學習的供電質量評估方法，其特征在于，所述先使用供電質量特征調整所述供電質量評估模型的環境參數，再使用所述供電質量數據集對所述供電質量評估模型進行訓練，得到最優供電質量評估模型，具體為：
6.根據權利要求1所述的基于增量學習的供電質量評估方法，其特征在于，所述當監測到新增的供電數據時，從新增的供電數據中提取出新增供電質量特征，具體為：
7
8.一種基于增量學習的供電質量評估系統，其特征在于，包括：特征提取模塊、模型訓練模塊、增量學習模塊和供電質量評估模塊；
9.一種終端設備，其特征在于，包括處理器和存儲器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述的一種基于增量學習的供電質量評估方法的步驟。
10.一種存儲介質，其特征在于，所述存儲介質存儲計算機可讀程序代碼，當所述計算機可讀程序代碼被執行時實現權利要求1至7中任一項所述的一種基于增量學習的供電質量評估方法的步驟。
...【技術特征摘要】
1.一種基于增量學習的供電質量評估方法，其特征在于，包括：
2.根據權利要求1所述的基于增量學習的供電質量評估方法，其特征在于，所述對采集的供電數據進行預處理和特征提取，得到供電質量數據集，具體為：
3.根據權利要求2所述的基于增量學習的供電質量評估方法，其特征在于，所述從所述預處理后的供電數據中提取供電質量特征并進行標準化處理，得到供電質量特征，具體為：
4.根據權利要求1所述的基于增量學習的供電質量評估方法，其特征在于，將所述供電質量數據集輸入至預設的供電質量評估模型之前，需要將所述供電質量數據集按照預設的比例劃分為訓練集、驗證集和測試集。
5.根據權利要求1所述的基于增量學習的供電質量評估方法，其特征在于，所述先使用供電質量特征調整所述供電質量評估模型的環境參數，再使用所述供電質量數據集對所述供電質量評估模型進行訓練，得到最優供電質量評估模型，...
【專利技術屬性】
技術研發人員：謝銳彪，黃盛，孫勇，紀素娜，李俊，王泉，易志平，
申請(專利權)人：廣東電網有限責任公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。