本發(fā)明涉及到電力系統(tǒng)電能質(zhì)量擾動(dòng)識(shí)別技術(shù)領(lǐng)域，具體地說，是一種帶標(biāo)簽信息子字典級(jí)聯(lián)學(xué)習(xí)的電能質(zhì)量擾動(dòng)識(shí)別方法。

背景技術(shù)：

隨著電力能源的逐步被開發(fā)和應(yīng)用，電能作為一種經(jīng)濟(jì)高效的清潔能源成為了應(yīng)用廣泛且最具有潛力的能源。但是，隨著電力系統(tǒng)的擴(kuò)張，電網(wǎng)的迅猛發(fā)展和大量大型工業(yè)負(fù)荷的出現(xiàn)，用戶不可避免的大量使用非線性和沖擊性的設(shè)備，導(dǎo)致電能波形、頻率幅值的不均衡變化，造成電能質(zhì)量的污染。同時(shí)當(dāng)電力系統(tǒng)的安全穩(wěn)定運(yùn)行受到威脅時(shí)，聯(lián)在上面的負(fù)載和設(shè)備必然也會(huì)受到損害，因此對(duì)電能質(zhì)量擾動(dòng)的準(zhǔn)確識(shí)別，實(shí)現(xiàn)電能質(zhì)量問題的分析與評(píng)估以及電網(wǎng)安全有效的運(yùn)行具有重要意義。

電能質(zhì)量的擾動(dòng)分為穩(wěn)態(tài)和暫態(tài)的情況。隨著電能質(zhì)量對(duì)國(guó)民經(jīng)濟(jì)的影響逐步加大，實(shí)際電網(wǎng)發(fā)生的擾動(dòng)情況都比較復(fù)雜，一般都是由各種單一擾動(dòng)相互作用而引發(fā)的復(fù)合擾動(dòng)。由于復(fù)合擾動(dòng)會(huì)因單一擾動(dòng)導(dǎo)致混疊和消失等情況的發(fā)生，復(fù)合擾動(dòng)的特征提取和識(shí)別問題都是一大難點(diǎn)。多標(biāo)簽分類是分類問題中比較復(fù)雜的問題，它允許樣本同時(shí)屬于多個(gè)類別，而電能質(zhì)量復(fù)合擾動(dòng)問題就是屬于多標(biāo)簽分類的范疇，但目前多標(biāo)簽分類問題主要是分解成多個(gè)二分類問題，但是這種分類問題缺少對(duì)標(biāo)簽之間相關(guān)性的考慮。

字典學(xué)習(xí)最重要的是通過學(xué)習(xí)相應(yīng)的字典學(xué)習(xí)代價(jià)函數(shù)，獲得能夠?qū)π盘?hào)進(jìn)行稀疏表示的字典，因而字典優(yōu)劣會(huì)影響著識(shí)別效果的好壞。傳統(tǒng)的字典學(xué)習(xí)僅僅是對(duì)某一類信號(hào)的學(xué)習(xí)，而本發(fā)明中先是學(xué)習(xí)每個(gè)子字典，然后將子字典級(jí)聯(lián)成結(jié)構(gòu)化字典，同時(shí)加入了子字典相關(guān)性的判別式，不僅提高了單一擾動(dòng)識(shí)別率，也增加了對(duì)復(fù)雜信號(hào)的識(shí)別力，解決了實(shí)際電力系統(tǒng)中復(fù)合電能質(zhì)量的擾動(dòng)識(shí)別問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明公開了一種帶標(biāo)簽信息子字典級(jí)聯(lián)學(xué)習(xí)的電能質(zhì)量擾動(dòng)識(shí)別方法，所述的方法加入了標(biāo)簽信息，會(huì)獲得更加優(yōu)化字典，使得對(duì)電能質(zhì)量擾動(dòng)信號(hào)有更加精確的識(shí)別，同時(shí)測(cè)試了電能質(zhì)量復(fù)合擾動(dòng)信號(hào)，為實(shí)際電能質(zhì)量的檢測(cè)和分析提供了方法，對(duì)進(jìn)一步提高供電質(zhì)量等具有重要的實(shí)際意義。

本發(fā)明采用的技術(shù)方案具體包括以下幾個(gè)步驟：

步驟1、建立K類電能質(zhì)量擾動(dòng)信號(hào)模型，生成相應(yīng)的含有復(fù)合信號(hào)的訓(xùn)練樣本集利用主成分分析PCA方法進(jìn)行降維特征提取，并貼上標(biāo)簽；

步驟2、采用訓(xùn)練字典的算法對(duì)K類降維的電能質(zhì)量數(shù)據(jù)訓(xùn)練成冗余子字典，對(duì)含有標(biāo)簽信息的子字典級(jí)聯(lián)成結(jié)構(gòu)化字典，同時(shí)降維訓(xùn)練樣本是具有標(biāo)簽性的矩陣，目標(biāo)字典是具有帶線性分類器參數(shù)形式；

步驟3、輸入降維特征提取的測(cè)試樣本信號(hào)，讓其在優(yōu)化下的級(jí)聯(lián)字典下進(jìn)行稀疏表示，獲得稀疏表示矩陣形式；

步驟4、利用K類電能質(zhì)量擾動(dòng)信號(hào)的訓(xùn)練樣本的子字典依次重構(gòu)K個(gè)降維測(cè)試樣本信號(hào)，分別計(jì)算與原降維測(cè)試樣本信號(hào)的冗余誤差，由冗余誤差最小值確定目標(biāo)歸屬類。

進(jìn)一步，步驟1中，K類電能質(zhì)量擾動(dòng)信號(hào)的訓(xùn)練樣本集為：E＝[E₁，E₂，...，E_k]∈R^M×N，其中k表示訓(xùn)練樣本類別數(shù)，M表示為采樣點(diǎn)數(shù)，N為信號(hào)長(zhǎng)度，每一類訓(xùn)練樣本集E_i，訓(xùn)練的樣本集類別分別代表電壓正常，電壓暫降，電壓諧波，電壓中斷，電壓缺口，電壓振蕩，電壓尖峰，電壓暫升以及相應(yīng)組合的復(fù)合信號(hào)構(gòu)成，經(jīng)過PCA降維以后獲得的特征矩陣為Y＝[Y₁，Y₂，...，Y_k]∈R^P×N，其中P＜M，對(duì)于標(biāo)簽信息的電能質(zhì)量模型信號(hào)，可以附加標(biāo)簽信息矩陣H＝[H₁，H₂，...，H_k]，則H₁＝[0，0，...，1]^T表示電壓暫升。

進(jìn)一步，步驟2中，采用訓(xùn)練字典的算法對(duì)K類降維的電能質(zhì)量數(shù)據(jù)訓(xùn)練成冗余子字典以及結(jié)構(gòu)化字典的進(jìn)行優(yōu)化，該過程可以分為以下幾個(gè)步驟：

步驟2.1)、選取降維后的特征訓(xùn)練樣本的部分原子作為初始化字典D_i，每個(gè)特征原子作為作為初始化冗余字典的每一列，為了提高算法的運(yùn)算效率，對(duì)初始化的字典作歸一化處理，||D_ij||₂＝1，i＝1，2，...，k，j＝1，2，...，P，D_ij作為字典的列向量，于是級(jí)聯(lián)之后的結(jié)構(gòu)化字典：

D＝[D₁，D₂，...，D_k]，其中i，j＝1，2，...，k。

步驟2.2)、對(duì)于字典的優(yōu)化目標(biāo)函數(shù)為：

i＝1，2，...，k，j＝1，2，...，P，降維樣本Y_i在字典D上的編碼系數(shù)A_i可以表示為表示Y_i在D_j上的編碼系數(shù)，因此降維訓(xùn)練樣本可以表示為：目標(biāo)函數(shù)中為重構(gòu)精度要求，保證降維子訓(xùn)練樣本Y_i可以被子字典D_i很好的表示，同時(shí)子訓(xùn)練樣本在其他子字典D_j(j≠i)上系數(shù)非常小，D_j就不能很好地重構(gòu)Y_i，W是線性分類器H-WA的參數(shù)矩陣，H為標(biāo)簽矩陣，這樣編碼系數(shù)A和對(duì)應(yīng)的類別標(biāo)簽H就建立了一個(gè)線性分類器，通過學(xué)習(xí)后該分類器對(duì)編碼系數(shù)具有良好的識(shí)別力，這樣就能用學(xué)習(xí)得到的線性分類器來進(jìn)行識(shí)別。μ，η，β，λ為正則化參數(shù)用來權(quán)衡誤差和稀疏程度。

步驟2.3)、設(shè)置迭代次數(shù)s和迭代的閾值J_s。

進(jìn)一步，對(duì)目標(biāo)函數(shù)需要進(jìn)一步優(yōu)化求解，設(shè)置于是對(duì)目標(biāo)函數(shù)進(jìn)行進(jìn)一步的優(yōu)化：

i＝1，2，...k，j＝1，2，...P，μ，λ為權(quán)衡誤差和稀疏程度的標(biāo)量參數(shù)。由于D′做了歸一化處理，就可以直接省略。通過上述的換元，將訓(xùn)練樣本矩陣Y轉(zhuǎn)化為帶標(biāo)簽信息的矩陣Y′，將字典D轉(zhuǎn)化為帶線性分類器參數(shù)的字典D′，將三個(gè)變量D、A、W轉(zhuǎn)變?yōu)閮蓚€(gè)變量D′、A′，極大地提高了字典的求解效率。

進(jìn)一步，還包括，對(duì)優(yōu)化后的字典模型進(jìn)行學(xué)習(xí)，分為兩個(gè)部分：稀疏編碼和字典更新：

稀疏編碼：固定字典D′更新稀疏編碼稀疏A′：

字典更新：更新的稀疏編碼稀疏A′來更新字典D′：

字典D′的更新是通過逐個(gè)子字典依次更新的，D′＝[D₁′，D₂′，...，D_k′]。

進(jìn)一步，步驟3中，獲得測(cè)試信號(hào)的稀疏表示矩陣，稀疏表示是通過子字典更新得到的稀疏表示矩陣

進(jìn)一步，步驟4中，由冗余誤差最小值確定目標(biāo)歸屬類：

本發(fā)明的有益效果是：

本發(fā)明公開了一種帶標(biāo)簽信息子字典級(jí)聯(lián)學(xué)習(xí)的電能質(zhì)量擾動(dòng)識(shí)別方法，首先對(duì)不同類別的電能質(zhì)量擾動(dòng)信號(hào)(含復(fù)合信號(hào))特征提取并貼入標(biāo)簽信息，然后對(duì)不同類別的電能質(zhì)量數(shù)據(jù)降維提取并訓(xùn)練成冗余子字典，對(duì)含有標(biāo)簽信息的子字典級(jí)聯(lián)成判別性字典進(jìn)行優(yōu)化學(xué)習(xí)，其次輸入測(cè)試樣本信號(hào)在優(yōu)化下的級(jí)聯(lián)字典下進(jìn)行稀疏，最后重構(gòu)信號(hào)并由冗余誤差最小確定目標(biāo)的類別。本發(fā)明所述的方法加入了標(biāo)簽信息，會(huì)獲得更加優(yōu)化字典，使得對(duì)電能質(zhì)量擾動(dòng)信號(hào)有更加精確的識(shí)別，同時(shí)測(cè)試了電能質(zhì)量復(fù)合擾動(dòng)信號(hào)，為實(shí)際電能質(zhì)量的檢測(cè)和分析提供了方法，對(duì)進(jìn)一步提高供電質(zhì)量等具有重要的實(shí)際意義。

附圖說明

圖1是帶標(biāo)簽信息子字典級(jí)聯(lián)學(xué)習(xí)的流程圖。

圖2是8類電能質(zhì)量擾動(dòng)信號(hào)訓(xùn)練樣本集的MATLAB仿真圖；(a)為正常電壓信號(hào)；(b)為電壓暫降信號(hào)；(c)為電壓諧波信號(hào)；(d)為電壓中斷信號(hào)；(e)為電壓缺口信號(hào)；(f)為電壓振蕩信號(hào)；(g)為電壓尖峰信號(hào)；(h)為電壓暫升信號(hào)。

圖3為實(shí)驗(yàn)中采用8類訓(xùn)練樣本的MATLAB仿真圖；(a)為正常電壓信號(hào)；(b)為電壓振蕩信號(hào)；(c)為電壓暫升信號(hào)；(d)為電壓諧波信號(hào)；(e)為電壓缺口信號(hào)；(f)為電壓諧波、暫降信號(hào)；(g)為諧波、中斷、暫升信號(hào)；(h)為諧波、中斷、暫升、中斷信號(hào)。

具體實(shí)施方式

一種帶標(biāo)簽信息子字典級(jí)聯(lián)學(xué)習(xí)的電能質(zhì)量擾動(dòng)識(shí)別方法，本發(fā)明主要包括以下步驟：

步驟(1)：建立K類電能質(zhì)量擾動(dòng)信號(hào)模型，生成相應(yīng)的含有復(fù)合信號(hào)的訓(xùn)練樣本集利用主成分分析PCA方法進(jìn)行降維特征提取，并貼上標(biāo)簽。

K類電能質(zhì)量擾動(dòng)信號(hào)的訓(xùn)練樣本集為：E＝[E₁，E₂，...，E_k]∈R^M×N，每一類訓(xùn)練樣本集E_i，訓(xùn)練的樣本集類別分別代表電壓正常，電壓暫降，電壓諧波，電壓中斷，電壓缺口，電壓振蕩，電壓尖峰，電壓暫升以及相應(yīng)組合的復(fù)合信號(hào)構(gòu)成，經(jīng)過PCA降維以后獲得的特征矩陣為Y＝[Y₁，Y₂，...，Y_k]∈R^P×N，其中P＜M，對(duì)于標(biāo)簽信息的電能質(zhì)量模型信號(hào)，附加標(biāo)簽信息H＝[H₁，H₂，...，H_k]，則H₁＝[0，0，...，1]^T表示電壓暫升；

本發(fā)明使用的電能質(zhì)量擾動(dòng)信號(hào)主要有：電壓正常，電壓振蕩，電壓暫升，電壓諧波，電壓缺口，電壓諧波和暫降，電壓諧波、暫升和中斷，電壓諧波、暫升、中斷和振蕩，共計(jì)8中類型。利用MATLAB軟件仿真產(chǎn)生8類電能質(zhì)量擾動(dòng)信號(hào)樣本E＝[E₁，E₂，...，E₈]，貼入標(biāo)簽信息：

電壓正常：H₁＝[1，0，0，0，0，0，0，0]^T，電壓振蕩：H₂＝[0，0，0，0，0，1，0，0]^T，

電壓暫升：H₃＝[0，0，0，0，0，0，0，1]^T，電壓諧波：H₄＝[0，0，1，0，0，0，0，0]^T，

電壓缺口：H₅＝[0，0，0，0，1，0，0，0]^T，電壓諧波和暫降：H₆＝[0，1，1，0，0，0，0，0]^T，

電壓諧波、暫升和中斷：H₇＝[0，0，1，1，0，0，0，1]^T，

電壓諧波、暫升、中斷和振蕩：H₈＝[0，0，1，1，0，1，0，1]^T，

采用基波頻率50Hz，采樣頻率1600Hz，取10個(gè)周期，數(shù)據(jù)采樣長(zhǎng)度為320個(gè)點(diǎn)。采用主成分分析方法降成30維的降維訓(xùn)練樣本集Y＝[Y₁，Y₂，...，Y₈]。

步驟(2)：采用訓(xùn)練字典的算法對(duì)K類降維的電能質(zhì)量數(shù)據(jù)訓(xùn)練成冗余子字典，對(duì)含有標(biāo)簽信息的子字典級(jí)聯(lián)成結(jié)構(gòu)化字典，同時(shí)降維訓(xùn)練樣本是具有標(biāo)簽性的矩陣，目標(biāo)字典是具有帶線性分類器參數(shù)形式。

選取降維后的特征訓(xùn)練樣本的部分原子作為初始化字典D_i，每個(gè)特征原子作為初始化冗余字典的每一列，為了提高算法的運(yùn)算效率，對(duì)初始化的字典作歸一化處理，||D_ij||₂＝1，i＝1，2，...，k，j＝1，2，...，P，D_ij作為字典的列向量，于是級(jí)聯(lián)之后的結(jié)構(gòu)化字典D＝[D₁，D₂，...，D_k]，此時(shí)的目標(biāo)函數(shù)為：

i＝1，2，...，k，j＝1，2，...，P，降維樣本Y_i在字典D上的編碼系數(shù)A_i可以表示為表示Y_i在D_j上的編碼系數(shù)，因此降維訓(xùn)練樣本可以表示為：目標(biāo)函數(shù)中為重構(gòu)精度要求，保證降維子訓(xùn)練樣本Y_i可以被子字典D_i很好的表示，同時(shí)子訓(xùn)練樣本在其他子字典D_j(j≠i)上系數(shù)非常小，D_j就不能很好地重構(gòu)Y_i，W是線性分類器H-WA的參數(shù)矩陣，H為標(biāo)簽矩陣，這樣編碼系數(shù)A和對(duì)應(yīng)的類別標(biāo)簽H就建立了一個(gè)線性分類器，通過學(xué)習(xí)后該分類器對(duì)編碼系數(shù)具有良好的識(shí)別力，這樣就能用學(xué)習(xí)得到的線性分類器來進(jìn)行識(shí)別。μ，η，β，λ為正則化參數(shù)用來權(quán)衡誤差和稀疏程度。

步驟(3)：對(duì)目標(biāo)函數(shù)需要進(jìn)一步優(yōu)化求解，設(shè)置于是對(duì)目標(biāo)函數(shù)進(jìn)行進(jìn)一步的優(yōu)化：

i＝1，2，...k，j＝1，2，...P，μ，λ為權(quán)衡誤差和稀疏程度的標(biāo)量參數(shù)。由于D′做了歸一化處理，就可以直接省略。通過上述的換元，將訓(xùn)練樣本矩陣Y轉(zhuǎn)化為帶標(biāo)簽信息的矩陣Y′，將字典D轉(zhuǎn)化為帶線性分類器參數(shù)的字典D′，將三個(gè)變量D、A、W轉(zhuǎn)變?yōu)閮蓚€(gè)變量D′、A′，極大地提高了字典的求解效率。對(duì)優(yōu)化后的字典模型進(jìn)行學(xué)習(xí)，分為兩個(gè)部分：稀疏編碼和字典更新。

(1)稀疏編碼：固定字典D′更新稀疏編碼稀疏A′：

(2)字典更新：更新的稀疏編碼稀疏A′來更新字典D′：

字典D′的更新是通過逐個(gè)子字典依次更新的，D′＝[D₁′，D₂′，...，D_k′]。

本實(shí)驗(yàn)中采用8類的電能質(zhì)量擾動(dòng)信號(hào)，設(shè)置μ＝0.1，λ＝1。

步驟(4)：設(shè)置迭代次數(shù)s和迭代的閾值J_s。初始化次數(shù)t＝1，字典更新的最大迭代次數(shù)s＝20或者迭代的閾值J_s＝0.01時(shí)停止迭代。

步驟(5)：輸入降維特征提取的測(cè)試樣本信號(hào)，讓其在優(yōu)化下的級(jí)聯(lián)字典下進(jìn)行稀疏表示，獲得稀疏表示矩陣形式，稀疏表示是通過子字典更新得到的稀疏表示矩陣

9獲得稀疏表示矩陣就是通過求解來實(shí)現(xiàn)的，D是子字典級(jí)聯(lián)學(xué)習(xí)得到的結(jié)構(gòu)化字典，Y是降維測(cè)試訓(xùn)練樣本集。

步驟(6)：利用K類電能質(zhì)量擾動(dòng)信號(hào)的訓(xùn)練樣本的子字典依次重構(gòu)K個(gè)降維測(cè)試樣本信號(hào)，分別計(jì)算與原降維測(cè)試樣本信號(hào)的冗余誤差，由冗余誤差最小值確定目標(biāo)歸屬類。

由冗余誤差最小值確定目標(biāo)歸屬類：

仿真實(shí)驗(yàn)如下圖2、圖3所示。

圖2是8類電能質(zhì)量擾動(dòng)信號(hào)訓(xùn)練樣本集的MATLAB仿真圖。分別代表電壓正常，電壓暫降，電壓諧波，電壓中斷，電壓缺口，電壓振蕩，電壓尖峰，電壓暫升。

圖3是實(shí)驗(yàn)中采用的8類含有復(fù)合信號(hào)訓(xùn)練樣本的MATLAB仿真圖。采用基波頻率是50Hz，采樣頻率是1600Hz，一共采樣10個(gè)周期，數(shù)據(jù)長(zhǎng)度為320個(gè)采樣點(diǎn)。一共產(chǎn)生8類：電壓正常，電壓振蕩，電壓暫升，電壓諧波，電壓缺口，電壓諧波和暫降，電壓諧波、暫升和中斷，電壓諧波、暫升、中斷和振蕩。

在本說明書的描述中，參考術(shù)語“一個(gè)實(shí)施例”、“一些實(shí)施例”、“示意性實(shí)施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實(shí)施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)包含于本發(fā)明的至少一個(gè)實(shí)施例或示例中。在本說明書中，對(duì)上述術(shù)語的示意性表述不一定指的是相同的實(shí)施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)可以在任何的一個(gè)或多個(gè)實(shí)施例或示例中以合適的方式結(jié)合。

盡管已經(jīng)示出和描述了本發(fā)明的實(shí)施例，本領(lǐng)域的普通技術(shù)人員可以理解：在不脫離本發(fā)明的原理和宗旨的情況下可以對(duì)這些實(shí)施例進(jìn)行多種變化、修改、替換和變型，本發(fā)明的范圍由權(quán)利要求及其等同物限定。