[发明专利]一种基于图像快速处理技术的配电网电压异常诊断方法

说明书

本发明公开一种基于图像快速处理技术的配电网电压异常诊断方法，包括：步骤1、通过配电网自动化数据库获取初始数据；步骤2、对所读取的初始数据格式和类型进行转换获得电压日曲线图像，并分类；步骤3、将class1和class2中的数据分为训练集、验证集和测试集；步骤4、利用深度学习的VGG16网络对于处理之后的电压日曲线图像进行特征提取；步骤5、用训练集和验证集中的数据结合深度学习神经网络模型对进行数据训练和模型参数优化，将训练后的数据进行整合；步骤6、将训练好的模型进行保存；输入待检测电压日曲线图像，通过训练好的模型进行特征提取，并映射到分类空间，判断图像类别；输出测试精度。本发明方法能够快速、准确的进行电压数据的处理。

技术领域

本发明属于配电网异常检测领域，特别涉及一种基于图像快速处理技术的配电网电压异常诊断方法。

背景技术

如今电力系统庞大的数据信息量也在朝着可视化方向发展，为了方便对电力系统运行进行监控和预测，人们将电力系统中的庞大数据转换成直观的图形和图像形式进行分析和研究。但仅靠传统的电力技术对电网的运行进行监测和维护是需要大量的人力资源的。

传统的电压异常检测方法为了实时监控电力系统的运行状态，对电力系统的运行状态做出及时调整，通常需要进行大量而快速的潮流计算，这不仅耗费大量的人力和时间，面对海量的配电网电力数据时普遍面临着运算时间长、统计分析功能不全以及数据可视化效果不理想等问题。

为了确保配电网运行的安全可靠，其电压问题必须得到有效地诊断和治理，而配电网电压易受到负荷波动或分布式电源接入及电压无功控制设备动作影响而发生异常波动，但中低压配电网节点众多，现有方法无法实时判断并搜索异常电压节点，而错过及时发现异常并治理的时机，从而影响了供电服务质量。

因此，实有必要提供一种诊断方法，以快速、准确的进行电压数据的处理，进而快速、准确的识别电压问题，并针对所找到的电压问题及时调整，保证电网运行的安全性和可靠性。

发明内容

本发明的目的在于提供一种基于图像快速处理技术的配电网电压异常诊断方法，以解决上述技术问题。

为了实现上述目的，本发明采用如下技术方案：

一种基于图像快速处理技术的配电网电压异常诊断方法，包括以下步骤：

步骤1、通过配电网自动化数据库获取初始数据；

步骤2、对所读取的初始数据格式和类型进行转换获得电压日曲线图像，并对电压的状态进行分类；将电压曲线图像分为class1和class2两类，class1中为电压过高的数据，class2中为电压过低的数据；

步骤3、将class1和class2中的数据分为训练集、验证集和测试集，训练集中的数据为模型的训练提供数据输入，验证集数据用来调整分类器参数；

步骤4、利用深度学习的VGG16网络对于处理之后的电压日曲线图像进行特征提取，然后将这些特征输入电压分类器，开始训练；

步骤5、用训练集和验证集中的数据结合深度学习神经网络模型对步骤2中预处理过的数据进行数据训练和模型参数优化，将训练后的数据进行整合；

步骤6、将训练好的模型进行保存；输入待检测电压日曲线图像，通过训练好的模型进行特征提取，并映射到分类空间，判断图像类别；输出测试精度。

进一步的，步骤1中采集的初始数据包含了瞬时有功功率、无功功率、三相电流、三相电压和总功率因数数据；在每天的数据测量中，每隔十五分钟得到一个测量值。