本发明涉及电力传输领域，具体而言，涉及一种孤岛检测状态的识别方法及装置、存储介质、处理器。
背景技术：
孤岛效应是指当配电主网由于检修、电气故障或其他原因导致断路器跳闸中断供电时，由分布式能源系统继续向负载供电，从而形成孤立的供电系统。其中，基于逆变器侧的孤岛检测算法按是否注入扰动信号主要可分为主动式检测和被动式检测两类。
主动式检测算法通过向系统注入小扰动信号，如电压幅值、频率等，由于并网运行时大电网的平衡作用，扰动基本不会对电网造成影响，而当产生孤岛时，通过检测电压、频率和相位的变化情况从而实现识别。被动式检测方法通过检测系统孤岛前后公共耦合点的电量信号特征，包括电压幅值、频率、相位、电压/电流谐波含量等变化来判断是否发生孤岛。
现有的主动式检测算法控制较复杂，且降低了逆变器输出电能的质量；被动式检测算法存在较大检测盲区，检测效率较低，且这两类算法都不能用于电能表计。
针对相关技术中，孤岛检测算法存在较大的检测盲区，检测效率较低且对电能质量影响大的技术的问题，目前尚未提出有效的解决方案。
技术实现要素：
本发明实施例提供了一种孤岛检测状态的识别方法及装置、存储介质、处理器，以至少解决孤岛检测算法存在较大的检测盲区，检测效率较低且对电能质量影响大的技术问题。
根据本发明实施例的一个实施例，提供了智能电能表孤岛检测识别方法，包括：根据小波变换算法得到公共耦合点的电压信号对应的小波系数，其中，公共耦合点是指风电光伏并网与公共电网的连接点；根据得到的小波系数确定样本训练库；采用邻近分类算法对样本训练库的样本进行训练，根据训练结果识别孤岛检测状态。
进一步地，根据小波变换算法得到公共耦合点的电压信号对应的小波系数，包括：
根据对称分量法提取公共耦合点的电压的负序电压；选择小波基对负序电压分量进行小波分解得到小波系数。
进一步地，根据得到的小波系数确定样本训练库，包括：对小波系数进行标准方差和能量偏差平均值计算，获得样本训练库。
进一步地，根据得到的小波系数确定样本训练库，包括：设置训练样本集和测试样本集，针对测试样本和每个样本进行距离计算，对距离进行降序排序，选择k个样本作为测试样本的k个近邻，，其中，所述训练样本集中包括所述训练样本，所述测试样本集包括所述训练样本，其中，k为正整数。
根据本发明实施例的另一方面，还提供了一种孤岛检测状态的识别装置，包括：获取单元，用于根据小波变换算法得到公共耦合点的电压信号对应的小波系数；确定单元，用于根据得到的所述小波系数确定样本训练库；检测单元，用于采用邻近分类算法对样本训练库的样本进行训练，根据训练结果识别孤岛检测状态。
进一步地，获取单元，还包括：获取模块，还用于根据对称分量法提取公共耦合点的电压的负序电压；还用于选择小波基对负序电压分量进行小波分解得到小波系数，其中所述负序电压分量从所述负序电压获得。
进一步地，确定单元，还包括：确定模块，还用于根据得到的小波系数确定样本训练库，包括：用于对小波系数进行标准方差和能量偏差平均值计算，获得样本训练库。
进一步地，确定单元，还包括处理模块：还用于针对测试样本和每个训练样本进行距离计算，对所述距离进行降序排序，选择k个样本作为测试样本的k个近邻，其中，所述训练样本集中包括所述训练样本，所述测试样本集包括所述训练样本，其中，k为正整数。
根据本发明的又一个实施例，还提供了一种存储介质，存储介质包括存储的程序，其中，程序运行时执行上述任一项的方法。
根据本发明的又一个实施例，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述任一项的方法。
在本发明实施例中，根据小波变换算法得到公共耦合点的电压信号对应的小波系数，其中，公共耦合点是指风电光伏并网与公共电网的连接点；根据得到的所述小波系数确定样本训练库；采用邻近分类算法对所述样本训练库的样本进行训练，根据训练结果识别孤岛检测状态，进而解决了相关技术中，孤岛检测算法存在较大的检测盲区，检测效率较低且对电能质量影响大的技术问题，进而达到在不影响电能质量前提下，利用基于小波变换的新型检测算法可快速有效实现孤岛检测，检测精度高，检测盲区小的效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种可选的孤岛检测状态的识别方法的流程图；
图2是根据本发明实施例的一种可选的孤岛检测状态的识别装置示意图(一)；
图3是根据本发明实施例的一种可选的孤岛检测状态的识别装置示意图(二)；
图4是根据本发明实施例的一种可选的孤岛检测状态的识别装置示意图(三)；
图5是根据本发明实施例的一种可选的孤岛检测状态的识别装置示意图(四)；
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例，提供了一种孤岛检测状态的识别方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种可选的孤岛检测状态的识别方法的流程图，如图1所示，该方法包括如下步骤：
步骤s102，根据小波变换算法得到公共耦合点的电压信号对应的小波系数，其中，所述公共耦合点是指风电光伏并网与公共电网的连接点；
步骤s104，根据得到的所述小波系数确定样本训练库；
步骤s106，采用邻近分类算法对所述样本训练库的样本进行训练，根据训练结果识别孤岛检测状态。
根据本发明上述步骤，根据小波变换算法得到公共耦合点的电压信号对应的小波系数，其中，公共耦合点是指风电光伏并网与公共电网的连接点；根据得到的所述小波系数确定样本训练库；采用邻近分类算法对所述样本训练库的样本进行训练，根据训练结果识别孤岛检测状态，进而解决了岛检测算法存在较大的检测盲区，检测效率较低且对电能质量影响大的技术问的技术问题。
可选地，根据小波变换算法得到公共耦合点的电压信号对应的小波系数，包括：根据对称分量法提取所述公共耦合点的电压的负序电压；选择小波基对所述负序电压分量进行小波分解得到所述小波系数，其中所述负序电压分量从所述负序电压获得。
可选地，根据得到的所述小波系数确定样本训练库，包括：对所述小波系数进行标准方差和能量偏差平均值计算，获得所述样本训练库。
可选地，根据得到的所述小波系数确定样本训练库，包括：设置训练样本集和测试样本集，针对测试样本和每个训练样本进行距离计算，对所述距离进行降序排序，选择k个样本作为测试样本的k个近邻，其中，所述训练样本集中包括所述训练样本，所述测试样本集包括所述训练样本，其中，k为正整数。
进一步可知，通过多次对特征信号进行特征提取得到标准方差和能量偏差平均值以此作为样本数据库，以7:3的比例设置训练样本集和测试样本集。训练样本集作用为作为分类器的输入，提取算法特征训练分类模型；测试样本集作用为验证分类器分类效果，测试分类准确度，观察是否能有效检测孤岛状态。
综上，本发明实施例所提供的上述技术方案，利用小波分析在提取电力系统瞬态特征时的优良特性以及knn算法强大的分类能力，从公共耦合点(pcc)的电压信号提取小波系数，计算特征信号标准方差(sd)和能量含量，最后根据分类算法以识别孤岛状态。
通过上述方法，在不影响电能质量前提下，利用基于小波变换的新型检测算法可快速有效实现孤岛检测，检测精度高，检测盲区小，采用上述技术方案，解决了岛检测算法存在较大的检测盲区，检测效率较低且对电能质量影响大的技术问的技术问题，进而提供了孤岛检测状态的识别方案。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种孤岛检测状态的识别装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图2是根据本发明实施例的一种可选的孤岛检测状态的识别装置示意图(一)，如图2所示，该装置可以包括：
获取单元201，用于根据小波变换算法得到公共耦合点的电压信号对应的小波系数，其中，公共耦合点是指风电光伏并网与公共电网的连接点；
确定单元203，用于根据得到的所述小波系数确定样本训练库；
检测单元205，用于采用邻近分类算法对所述样本训练库的样本进行训练，根据训练结果识别孤岛检测状态。
通过上述各个模块的综合作用，根据小波变换算法得到公共耦合点的电压信号对应的小波系数，其中，公共耦合点是指风电光伏并网与公共电网的连接点；根据得到的所述小波系数确定样本训练库；采用邻近分类算法对所述样本训练库的样本进行训练，根据训练结果识别孤岛检测状态，采用上述技术方案，解决了孤岛检测算法存在较大的检测盲区，检测效率较低且对电能质量影响大的技术的问题，进而提供了一种孤岛检测状态的识别装置方案。
需要说明的是，该实施例中的获取单元201可以用于执行本申请实施例中的步骤s102，该实施例中的确定单元203可以用于执行本申请实施例中的步骤s104，该实施例中的检测单元205可以用于执行本申请实施例中的步骤s106。上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。
图3是根据本发明实施例的一种可选的孤岛检测状态的识别装置示意图(二)，如图3所示，该装置除包括图2所示的所有单元外，还包括：获取模块207，其中，
获取模块207，还用于根据对称分量法提取所述公共耦合点的电压的负序电压；
还用于选择小波基对负序电压分量进行小波分解得到所述小波系数，其中所述负序电压分量从所述负序电压获得。
图4是根据本发明实施例的一种可选的孤岛检测状态的识别装置示意图(三)，如图4所示，该装置除包括图2所示的所有单元外，还包括：确定模块209，其中，
确定模块209，还用于根据得到的所述小波系数确定样本训练库，包括：
用于对所述小波系数进行标准方差和能量偏差平均值计算，获得所述样本训练库。
图5是根据本发明实施例的一种可选的孤岛检测状态的识别装置示意图(四)，如图5所示，该装置除包括图2所示的所有单元外，还包括：处理模块2011，其中，
处理模块2011，还用于针对测试样本和每个训练样本进行距离计算，对所述距离进行降序排序，选择k个样本作为测试样本的k个近邻，其中，所述训练样本集中包括所述训练样本，所述测试样本集包括所述训练样本，其中，k为正整数。
本发明的实施例还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：
s1，根据小波变换算法得到公共耦合点的电压信号对应的小波系数，其中，所述公共耦合点是指风电光伏并网与公共电网的连接点；
s2，根据得到的所述小波系数确定样本训练库；
s3，采用邻近分类算法对所述样本训练库的样本进行训练，根据训练结果识别孤岛检测状态。
可选地，在本实施例中，上述程序用于执行以下步骤：
s4，根据小波变换算法得到公共耦合点的电压信号对应的小波系数，包括：根据对称分量法提取所述公共耦合点的电压的负序电压；选择小波基对所述负序电压分量进行小波分解得到所述小波系数，其中所述负序电压分量从所述负序电压获得。
可选地，在本实施例中，上述程序用于执行以下步骤：
s5，根据得到的所述小波系数确定样本训练库，包括：对所述小波系数进行标准方差和能量偏差平均值计算，获得所述样本训练库。
可选地，在本实施例中，上述程序用于执行以下步骤：
s7，根据得到的所述小波系数确定样本训练库，包括：设置训练样本集和测试样本集，针对测试样本和每个训练样本进行距离计算，对所述距离进行降序排序，选择k个样本作为测试样本的k个近邻，其中，所述训练样本集中包括所述训练样本，所述测试样本集包括所述训练样本，其中，k为正整数。
本发明的实施例还提供了一种处理器，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤：
s1，根据小波变换算法得到公共耦合点的电压信号对应的小波系数，其中，所述公共耦合点是指风电光伏并网与公共电网的连接点；
s2，根据得到的所述小波系数确定样本训练库；
s3，采用邻近分类算法对所述样本训练库的样本进行训练，根据训练结果识别孤岛检测状态。
可选地，在本实施例中，上述程序用于执行以下步骤：
s4，根据小波变换算法得到公共耦合点的电压信号对应的小波系数，包括：根据对称分量法提取所述公共耦合点的电压的负序电压；选择小波基对所述负序电压分量进行小波分解得到所述小波系数，其中所述负序电压分量从所述负序电压获得。
可选地，在本实施例中，上述程序用于执行以下步骤：
s5，根据得到的所述小波系数确定样本训练库，包括：对所述小波系数进行标准方差和能量偏差平均值计算，获得所述样本训练库。
可选地，在本实施例中，上述程序用于执行以下步骤：
s7，根据得到的所述小波系数确定样本训练库，包括：设置训练样本集和测试样本集，针对测试样本和每个训练样本进行距离计算，对所述距离进行降序排序，选择k个样本作为测试样本的k个近邻，其中，所述训练样本集中包括所述训练样本，所述测试样本集包括所述训练样本，其中，k为正整数。
以下结合优选实施例对上述孤岛检测状态的识别方法进行说明，但不用于限定本发明实施例的保护范围。
优选实施例
在本优选实施例中的孤岛检测状态的识别方案主要包括如下步骤：利用小波分析在提取电力系统瞬态特征时的优良特性以及knn算法强大的分类能力，从公共耦合点(pcc)的电压信号提取小波系数，计算特征信号标准方差(sd)和能量含量，最后根据分类算法以识别孤岛状态。
本发明的特征是：1)采用新型检测方法识别孤岛，盲区小、精度高、速度快；2)通过提取信号特征值，采用机器学习算法对数据库进行分类识别。
具体实施步骤：
1、首先采集公共耦合点电压，将采集的电压用对称分量法提取负序电压；
2、选择合适小波基对采集的负序电压分量进行小波分解得到相应的小波系数；
3、统计不同负载条件下小波系数标准方差和能量偏差平均值，以此形成样本训练库；
4、构建训练样本集和测试样本集；
5、计算测试样本和每个样本的欧式距离，公式如下所示；
6、选择k个近邻样本，将计算出的距离降序排列，选择距离相对较小的k个样本作为测试样本的k个近邻；
7、根据k个近邻的类别并应用最大概率对所查询的测试样本进行分类；
8、返回分类结果。
该优选实施例的关键点：
1、提取公共耦合点电压信号，采用小波变换算法得到其小波系数；
2、计算特征值信号标准方差和能量含量，得到样本库；
3、通过训练样本得到分类器，实现快速有效检测孤岛。
该优选实施例的优点：
1、克服传统检测方法的局限性，快速准确识别孤岛状态；
2、检测盲区小，且不会对电能质量造成影响；
3、能够植入智能电能表计，对于小型分布式并网新能源并网系统尤其适用；
4、节约小型分布式能源防孤岛投资成本。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。