本发明实施例涉及电能质量扰动识别技术领域，特别是涉及一种电压暂升和暂降的电能质量扰动识别方法、装置、设备及计算机可读存储介质。
背景技术：
随着经济快速发展，工业制造与居民用电的多样化，导致电网的电能质量问题更加复杂化、随机化与多样化，其中，电压暂降和暂升是电力系统运行过程中不可避免的短时扰动现象，并且，电压暂降和暂升已经成为各类企业与电网研究单位首要的治理和研究方向。目前，接入电力系统的电子设备越来越多，并且这些设备对电压变化非常敏感，电压的暂升或暂降会对整个系统的运行带来严重的影响，所以有效识别电压暂升和暂降信号及其类别具有十分重要的意义。
现有技术中，主要是通过人工神经网络、支持向量机或小波和模糊集理论对电压暂升和暂降的电能质量扰动进行识别的，但是，这几种方法均需要依据数据库中存储的历史数据训练识别模型，并且在识别的过程中需要通过识别模型提取待识别信号的特征量，在根据特征量对待识别信号进行识别，整个过程需要处理大量的数据，导致识别速度较慢，识别效率低。另外，现有技术中的方法只能识别出三相电压信号时暂升或暂降，不能识别其扰动类型，不利于后续的系统维护。
鉴于此，如何提供一种解决上述技术问题的电压暂升和暂降的电能质量扰动识别方法、装置、设备及计算机可读存储介质成为本领域技术人员目前亟待解决的问题。
技术实现要素：
本发明实施例的目的是提供一种电压暂升和暂降的电能质量扰动识别方法、装置、设备及计算机可读存储介质，在使用过程中不仅可以识别电压暂升和暂降，还可以确定电压暂升和暂降的扰动类型，识别过程中数据量小，识别速度快、效率高，并且通过扰动类型，为后续的系统维护工作提供了可靠的依据。
为解决上述技术问题，本发明实施例提供了一种电压暂升和暂降的电能质量扰动识别方法，包括：
获取三相电压信号，并依据所述三相电压信号建立三相信号模型和向量模型；
依据所述三相信号模型和所述向量模型建立一般矢量信号模型；
采用预分类器对所述一般矢量信号模型进行预分类处理，得到预处理结果；
将所述预处理结果与预先建立的各个预分类类型进行匹配，确定出与所述三相电压信号对应的预分类类型；
依据与所述预分类类型对应的判断条件确定所述三相电压信号的扰动类型。
可选的，所述依据所述三相电压信号建立三相信号模型和向量模型的过程为：
依据所述三相电压信号确定样本数据矩阵、噪声样本数据矩阵、n*2实数幅值矩阵和2*3实数幅值矩阵；
依据所述样本数据矩阵、所述噪声样本数据矩阵、所述n*2实数幅值矩阵和所述2*3实数幅值矩阵建立三相信号模型，其中，所述三相信号模型为
通过对称分量法对所述三相电压信号进行对称分解，得到向量模型，所述向量模型为c＝wksk，其中，k∈(1,2,3,4)，wk为旋转矩阵，sk为实部虚部提取矩阵；
所述依据所述三相信号模型和所述向量模型建立一般矢量信号模型的过程为：
依据所述三相信号模型
可选的，所述预分类器为最大似然预分类器，其中，所述最大似然预分类器为：
可选的，所述预分类器为近似预分类器，其中，所述近似预分类器为：
可选的，所述将所述预处理结果与预先建立的各个预分类类型进行匹配，确定出与所述三相电压信号对应的预分类类型的过程为：
依据所述预处理结果
可选的，所述各个预分类类型包括第一预分类类型、第二预分类类型、第三预分类类型和第四预分类类型；
所述依据与所述预分类类型对应的判断条件确定所述三相电压信号的扰动类型的过程为：
当所述预分类类型为第一预分类类型，判断|z1|是否小于1，如果是，则所述三相电压信号为扰动类型a；
当所述预分类类型为第二预分类类型，判断|z1+z2|是否小于1，如果|z1+z2|＜1，则判断|z1-z2|是否小于1，如果|z1-z2|＜1，则所述三相电压信号为扰动类型f或扰动类型g，如果|z1-z2|≥1，则所述三相电压信号为扰动类型d；如果|z1+z2|≥1，则所述三相电压信号为扰动类型c；
当所述预分类类型为第三预分类类型，判断|z0/z1|是否小于0，如果是，则所述三相电压信号为扰动类型h，否则，所述三相电压信号为扰动类型i；
当所述预分类类型为第四预分类类型，判断|z1-z0|是否小于1，如果是，则所述三相电压信号为扰动类型e，否则，所述三相电压信号为扰动类型b；
其中，所述z0、z1和z2为通过对称分量法对所述三相电压信号进行对称分解得到的。
本发明实施例相应的提供了一种电压暂升和暂降的电能质量扰动识别装置，包括：
第一模型建立模块，用于获取三相电压信号，并依据所述三相电压信号建立三相信号模型和向量模型；
第二模型建立模块，用于依据所述三相信号模型和所述向量模型建立一般矢量信号模型；
处理模块，用于采用预分类器对所述一般矢量信号模型进行预分类处理，得到预处理结果；
预分类模块，用于将所述预处理结果与预先建立的各个预分类类型进行匹配，确定出与所述三相电压信号对应的预分类类型；
判断模块，用于依据与所述预分类类型对应的判断条件确定所述三相电压信号的扰动类型。
可选的，所述第一模型建立模块包括：
确定单元，用于依据所述三相电压信号确定样本数据矩阵、噪声样本数据矩阵、n*2实数幅值矩阵和2*3实数幅值矩阵；
第一建立单元，用于依据所述样本数据矩阵、所述噪声样本数据矩阵、所述n*2实数幅值矩阵和所述2*3实数幅值矩阵建立三相信号模型，其中，所述三相信号模型为
对称分解单元，用于通过对称分量法对所述三相电压信号进行对称分解，得到向量模型，所述向量模型为c＝wksk，其中，k∈(1,2,3,4)，wk为旋转矩阵，sk为实部虚部提取矩阵；
所述第二模型建立模块包括：
第二建立单元，用于依据所述三相信号模型
本发明实施例还提供了一种电压暂升和暂降的电能质量扰动识别设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述所述电压暂升和暂降的电能质量扰动识别方法的步骤。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述电压暂升和暂降的电能质量扰动识别方法的步骤。
本发明提供了一种电压暂升和暂降的电能质量扰动识别方法、装置、设备及计算机可读存储介质，包括：获取三相电压信号，并依据三相电压信号建立三相信号模型和向量模型；依据三相信号模型和向量模型建立一般矢量信号模型；采用预分类器对一般矢量信号模型进行预分类处理，得到预处理结果；将预处理结果与预先建立的各个预分类类型进行匹配，确定出与三相电压信号对应的预分类类型；依据与预分类类型对应的判断条件确定三相电压信号的扰动类型。
可见，本发明实施例预先确定各个预分类类型，然后通过对三相电压信号进行预分类后，确定与该三相电压信号对应的预分类类型，再根据该预分类类型及相应的判断条件即可确定该三相电压信号的扰动类型，通过扰动类型即可确定该三相电压信号是否电压暂升和暂降信号。本发明不仅可以识别电压暂升和暂降，还可以确定电压暂升和暂降的扰动类型，识别过程中数据量小，识别速度快、效率高，并且通过扰动类型，为后续的系统维护工作提供了可靠的依据。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种电压暂升和暂降的电能质量扰动识别方法的流程示意图；
图2为本发明实施例提供的各个扰动类型的三相电压特征示意图；
图3为本发明实施例提供的一种电压暂升和暂降的电能质量扰动识别装置的结构示意图。
具体实施方式
本发明实施例提供了一种电压暂升和暂降的电能质量扰动识别方法、装置、设备及计算机可读存储介质，在使用过程中不仅可以识别电压暂升和暂降，还可以确定电压暂升和暂降的扰动类型，识别过程中数据量小，识别速度快、效率高，并且通过扰动类型，为后续的系统维护工作提供了可靠的依据。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参照图1，图1为本发明实施例提供的一种电压暂升和暂降的电能质量扰动识别方法的流程示意图。
该方法包括：
s11：获取三相电压信号，并依据三相电压信号建立三相信号模型和向量模型；
s12：依据三相信号模型和向量模型建立一般矢量信号模型；
s13：采用预分类器对一般矢量信号模型进行预分类处理，得到预处理结果；
s14：将预处理结果与预先建立的各个预分类类型进行匹配，确定出与三相电压信号对应的预分类类型；
s15：依据与预分类类型对应的判断条件确定三相电压信号的扰动类型。
需要说明的是，本发明实施例中的依据电压暂升和暂降的三相电压故障特征将电压暂升和暂降分为9种不同的扰动类型，分别为扰动类型a、扰动类型b、扰动类型c、扰动类型d、扰动类型e、扰动类型f、扰动类型g、扰动类型h和扰动类型i，各个扰动类型的三相电压特征图如图2所示。本申请中将各个扰动类型分成4类，也即预分类类型有4类，分别为第一预分类类型c1、第二预分类类型c2、第三预分类类型c3和第四预分类类型c4。
具体的，在对三相电压信号进行识别时，首先根据三相电压信号建立三相信号模型和向量模型，其中：
在上述s11中，依据三相电压信号建立三相信号模型和向量模型的过程，具体可以为：
依据三相电压信号确定样本数据矩阵、噪声样本数据矩阵、n*2实数幅值矩阵和2*3实数幅值矩阵；
依据样本数据矩阵、噪声样本数据矩阵、n*2实数幅值矩阵和2*3实数幅值矩阵建立三相信号模型，其中，三相信号模型为
通过对称分量法对三相电压信号进行对称分解，得到向量模型，向量模型为c＝wksk，其中，k∈(1,2,3,4)，wk为旋转矩阵，sk为实部虚部提取矩阵；
需要说明的是，在一个三相电力系统中，三相中每项的信号均可由
本申请通过引入vec算子，可以将矩阵转换为相应的列向量，并把矩阵的列叠加在另一个列上，本申请使用矢量化算子的性质，将三相电压信号定义为3n*1的列向量x＝vec(x)，x即为与样本数据矩阵对应的列向量，从而得到三相信号模型
另外，本申请中通过对称分量法可以将三相电压信号进行分解，其中，对称分量法的变形表示如下：
采用对称分量法对三相电压信号进行分解后，对于不同类型的三相电压信号，可以将其分解成三个对称系统的叠加状态，并且针对四类预分类类型的模型，三相电压信号中包含的实部和虚部，所以可以通过矩阵c＝wksk表示，从而得到向量模型。
例如，对于第一预分类类型c1而言，
进一步的，在建立好三相信号模型和向量模型后，再依据三相信号模型和向量模型建立一般矢量信号模型，其过程具体为：
依据三相信号模型
具体的，i3表示三阶单位阵，k表示的是三相电压信号为第k类预分类类型，其中，k＝1时，三相电压信号为第一预分类类型c1，k＝2时，三相电压信号为第二预分类类型c2，k＝3时，三相电压信号为第三预分类类型c3，k＝4时，三相电压信号为第四预分类类型c4。另外，针对不同的预分类类型，wk和sk也有所不同，其具体形式可参见表1。
表1
其中，第一预分类类型c1：零序分量和负序分量均等于零，即z0＝z2＝0；
第二预分类类型c2：零序分量均等于零，即z0＝0；
第三预分类类型c3：负序分量等于零，即z2＝0；
第四预分类类型c4：所有的序列都不等于零。
进一步的，为了提高辨识结果的准确度和计算速度，本申请中的预分类器可以为最大似然预分类器，其中，最大似然预分类器为：
另外，为了提高辨识结果的准确度和计算速度，本申请中的预分类器除了可以采用最大似然预分类器之外，还可以采用近似预分类器，其中，近似预分类器为：
需要说明的是，通过向量模型c＝wksk可以得到wk和sk，并通过一般矢量模型中的
更进一步的，在上述s14中，将预处理结果与预先建立的各个预分类类型进行匹配，确定出与三相电压信号对应的预分类类型的过程为：
依据预处理结果
具体的，通过预处理结果
进一步的，本发明实施例中的各个预分类类型包括第一预分类类型c1、第二预分类类型c2、第三预分类类型c3和第四预分类类型c4；
则，相应的依据与预分类类型对应的判断条件确定三相电压信号的扰动类型的过程为：
当与三相电压信号对应的预分类类型为第一预分类类型c1时，判断|z1|是否小于1，如果是，则该三相电压信号的扰动类型为扰动类型a；如果否，则说明该三相电压信号没有扰动；
当与三相电压信号对应的预分类类型为第二预分类类型c2时，判断|z1+z2|是否小于1，如果|z1+z2|＜1，则继续判断|z1-z2|是否小于1，如果|z1-z2|＜1，则该三相电压信号的扰动类型为扰动类型f或扰动类型g，如果|z1-z2|≥1，则该三相电压信号的扰动类型为扰动类型d；如果|z1+z2|≥1，则该三相电压信号的扰动类型为扰动类型c；
当与三相电压信号对应的预分类类型为第三预分类类型c3时，判断|z0/z1|是否小于0，如果是，则该三相电压信号的扰动类型为扰动类型h，否则，三相电压信号的扰动类型为扰动类型i；
当与三相电压信号对应的预分类类型为第四预分类类型c4时，判断|z1-z0|是否小于1，如果是，则该三相电压信号的扰动类型为扰动类型e，否则，该三相电压信号为扰动类型b；
其中，z0、z1和z2为通过对称分量法对三相电压信号进行对称分解得到的。
需要说明的是，本申请中根据与待识别的三相电压信号对应的预分类类型及与该预分类类型对应的判断条件即可确定出该三相电压信号的扰动类型，该扰动类型为预先确定的9种扰动类型中的一种，则说明该三相电压信号为电压暂升和暂降的扰动，并且可以精确的确定该电压暂升和暂降的扰动类型。
可见，本发明实施例预先确定各个预分类类型，然后通过对三相电压信号进行预分类后，确定与该三相电压信号对应的预分类类型，再根据该预分类类型及相应的判断条件即可确定该三相电压信号的扰动类型，通过扰动类型即可确定该三相电压信号是否电压暂升和暂降信号。本发明不仅可以识别电压暂升和暂降，还可以确定电压暂升和暂降的扰动类型，识别过程中数据量小，识别速度快、效率高，并且通过扰动类型，为后续的系统维护工作提供了可靠的依据。
相应的本发明实施例还公开了一种电压暂升和暂降的电能质量扰动识别装置，具体请参照图3。在上述实施例的基础上：
该装置包括：
第一模型建立模块1，用于获取三相电压信号，并依据三相电压信号建立三相信号模型和向量模型；
第二模型建立模块2，用于依据三相信号模型和向量模型建立一般矢量信号模型；
处理模块3，用于采用预分类器对一般矢量信号模型进行预分类处理，得到预处理结果；
预分类模块4，用于将预处理结果与预先建立的各个预分类类型进行匹配，确定出与三相电压信号对应的预分类类型；
判断模块5，用于依据与预分类类型对应的判断条件确定三相电压信号的扰动类型。
可选的，第一模型建立模块1包括：
确定单元，用于依据三相电压信号确定样本数据矩阵、噪声样本数据矩阵、n*2实数幅值矩阵和2*3实数幅值矩阵；
第一建立单元，用于依据样本数据矩阵、噪声样本数据矩阵、n*2实数幅值矩阵和2*3实数幅值矩阵建立三相信号模型，其中，三相信号模型为
对称分解单元，用于通过对称分量法对三相电压信号进行对称分解，得到向量模型，向量模型为c＝wksk，其中，k∈(1,2,3,4)，wk为旋转矩阵，sk为实部虚部提取矩阵；
第二模型建立模块2包括：
第二建立单元，用于依据三相信号模型
需要说明的是，本发明不仅可以识别电压暂升和暂降，还可以确定电压暂升和暂降的扰动类型，并且在识别过程中数据量小，识别速度快、效率高，并且通过扰动类型，为后续的系统维护工作提供了可靠的依据。
另外，对于本发明实施例中所涉及到的电压暂升和暂降的电能质量扰动识别的具体介绍请参照上述实施例，本申请在此不再赘述。
在上述实施例的基础上，本发明实施例还提供了一种电压暂升和暂降的电能质量扰动识别设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行计算机程序时实现如上述电压暂升和暂降的电能质量扰动识别方法的步骤。
需要说明的是，本发明实施例具有与上述方法实施例相同的有益效果，并且对于本发明实施例中所涉及到的电压暂升和暂降的电能质量扰动识别的具体介绍请参照上述实施例，本申请在此不再赘述。
在上述实施例的基础上，本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述电压暂升和暂降的电能质量扰动识别方法的步骤。
需要说明的是，本发明实施例具有与上述方法实施例相同的有益效果，并且对于本发明实施例中所涉及到的电压暂升和暂降的电能质量扰动识别的具体介绍请参照上述实施例，本申请在此不再赘述。
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。