阅读说明：本技术 一种单相电能表电能质量分析的方法及单相电能表 (Method for analyzing electric energy quality of single-phase electric energy meter and single-phase electric energy meter ) 是由 杨舟 蒋雯倩 李刚 陈珏羽 周毅波 周政雷 江革力 于 2019-07-29 设计创作，主要内容包括：本发明实施例公开了一种单相电能表电能质量分析的方法及单相电能表,其方法包括：电能表在上电后,电能表中电能计量芯片的模数转换器输出波形数据,所述输出波形数据包括：电压波形数据和电流波形数据；电能表管理模块基于所述波形数据计算出每周波梯度,并对所述每周波梯度进行录波形成录波数据；基于录波数据绘制成电压-电流曲线图；将电压-电流曲线图变换为有权重的像素化图像；采用训练好的卷积神经网络将所述像素化图像作为输入完成波形检测输出。实施本发明实施例具有较高的识别准确度,能识别出不同类型的电能质量故障类型。(The embodiment of the invention discloses a method for analyzing the electric energy quality of a single-phase electric energy meter and the single-phase electric energy meter, wherein the method comprises the following steps: after the electric energy meter is powered on, an analog-to-digital converter of an electric energy metering chip in the electric energy meter outputs waveform data, wherein the output waveform data comprises: voltage waveform data and current waveform data; the electric energy meter management module calculates the gradient of each cycle based on the waveform data and records the gradient of each cycle to form recording data; drawing a voltage-current curve graph based on the wave recording data; transforming the voltage-current graph into a weighted pixelated image; and adopting a trained convolutional neural network to take the pixilated image as input to finish waveform detection and output. The embodiment of the invention has higher identification accuracy and can identify different types of power quality fault types.)

一种单相电能表电能质量分析的方法及单相电能表

技术领域

本发明涉及电力检测技术领域，尤其涉及一种单相电能表电能质量分析的方法及单相电能表。

背景技术

随着科技的不断发展，风力发电、光伏发电的大规模应用，以及用户侧的电力电子设备应用的增多，电网的电能质量下降引发的供电可靠性、电磁兼容等问题日益增多。亟需在低压用户侧对电能质量进行监控和分析，一方面有利于智能电网末端的态势感知与透明电网的发展，另一方面对用户侧电能污染随时进行观察，有利于提高供电服务质量。目前，低压用户的单相电能表中尚无电能质量检测与分析功能，单独功能的谐波电能表功能较单一，只用于监测谐波情况。本发明将对部分低频传导噪声进行检测与分析，识别出具体的电能质量问题。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种单相电能表数据特点，提供了一种单相电能表电能质量分析的方法及单相电能表，提高识别准确度。

为了解决上述问题，本发明提出了一种单相电能表电能质量分析的方法，所述方法包括以下步骤：

电能表在上电后，电能表中电能计量芯片的模数转换器输出波形数据，所述输出波形数据包括：电压波形数据和电流波形数据；

电能表管理模块基于所述波形数据计算出每周波梯度，并对所述每周波梯度进行录波形成录波数据；

基于录波数据绘制成电压-电流曲线图；

将电压-电流曲线图变换为有权重的像素化图像；

采用训练好的卷积神经网络将所述像素化图像作为输入完成波形检测输出。

所述电能表管理模块基于所述波形数据计算出每周波梯度，并对所述每周波梯度进行录波形成录波数据包括：

计算波形数据上每个周波上的波形梯度，所述波形梯度为当前周波采样点和前一个波形采样点的波形变化率；

识别出波形梯度变化最大的情况，并记录所述波形梯度变化最大的情况下前四个周波和后四个周波。

所述基于录波数据绘制成电压-电流曲线图包括：

基于录波波形将电压作为纵轴，电流作为横轴，绘制电压-电流曲线。

所述将电压-电流曲线图变换为有权重的像素化图像包括：

将所述电压-电流曲线波形转换为有权重的像素化图像，设置横轴、纵轴的像素个数分别为n，则图像被分割为n²个像素；

对n²个像素中的每个像素设置不同的权重，权重最大值为[(n+1)²-1]，权重最小值为0，按照该像素被全线穿过的次数分配权重。

所述采用训练好的卷积神经网络将所述像素化图像作为输入完成波形检测输出包括：

采用电能质量种类的有权重的像素化波形作为卷积神经网络的模型输入量，训练所述卷积神经网络得到全连接的权重；

基于已训练好的卷积神经网络对有权重的像素化图像进行识别分类，得出待识别的电能质量问题的种类。

所述电能质量种类包括：电压暂降、电压暂升、电压波动，谐波、瞬时过电压、暂态过电压。

相应的，本发明实施例还提出了一种单相电能表，包括：

模数转换器，用于在电能表在上电后，输出波形数据，所述输出波形数据包括：电压波形数据和电流波形数据；

管理模块，用于基于所述波形数据计算出每周波梯度，并对所述每周波梯度进行录波形成录波数据；基于录波数据绘制成电压-电流曲线图；将电压-电流曲线图变换为有权重的像素化图像；采用训练好的卷积神经网络将所述像素化图像作为输入完成波形检测输出。

所述管理模块用于计算波形数据上每个周波上的波形梯度，所述波形梯度为当前周波采样点和前一个波形采样点的波形变化率；识别出波形梯度变化最大的情况，并记录所述波形梯度变化最大的情况下前四个周波和后四个周波。

所述管理模块用于基于录波波形将电压作为纵轴，电流作为横轴，绘制电压-电流曲线；以及将所述电压-电流曲线波形转换为有权重的像素化图像，设置横轴、纵轴的像素个数分别为n，则图像被分割为n²个像素；对n²个像素中的每个像素设置不同的权重，权重最大值为[(n+1)²-1]，权重最小值为0，按照该像素被全线穿过的次数分配权重

所述管理模块用于采用电能质量种类的有权重的像素化波形作为卷积神经网络的模型输入量，训练所述卷积神经网络得到全连接的权重；基于已训练好的卷积神经网络对有权重的像素化图像进行识别分类，得出待识别的电能质量问题的种类。

在本发明实施例中，本发明实施例通过在上电过程中，实现对电能表的数据采集，采用原始数据对卷积神经网络模型进行训练，训练数据可以标记为本发明所列的电能质量问题，也可根据需要或科技发展标记为原因更明确的电能质量问题，例如电力电子器件运行产生的电压凹陷、雷电引起的瞬态电压变化、操作引起的瞬态电压变化等，训练模型可以根据用户自定义数据作为分类结果输出，有较高的灵活性。同时，本发明具有较高的识别准确度，能识别出不同类型的电能质量故障类型。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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它的附图。

图1示出了本发明实施例中的单相电能表电能质量分析的方法流程图；

图2是本发明实施例中的单相电能表的结构示意图。

具体实施方式

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作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。

本发明实施例所提供的单相电能表电能质量分析的方法，所述方法包括以下步骤：电能表在上电后，电能表中电能计量芯片的模数转换器输出波形数据，所述输出波形数据包括：电压波形数据和电流波形数据；电能表管理模块基于所述波形数据计算出每周波梯度，并对所述每周波梯度进行录波形成录波数据；基于录波数据绘制成电压-电流曲线图；将电压-电流曲线图变换为有权重的像素化图像；采用训练好的卷积神经网络将所述像素化图像作为输入完成波形检测输出。

具体的，图1示出了本发明实施例中的电能表后故障检测的方法流程图，具体步骤如下：

S101、电能表在上电后，电能表中电能计量芯片的模数转换器输出波形数据；

需要说明的是，这里的输出波形数据包括：电压波形数据、和/或电流波形数据。

电能表上电后计量芯片ADC输出电压波形数据、电流波形数据等，模数转换器ADC是指将连续变化的模拟信号转换为离散的数字信号的器件，需要转换成更容易储存、处理和发射的数字形式。

S102、计算波形数据上每个周波上的波形梯度，所述波形梯度为当前周波采样点和前一个波形采样点的波形变化率；

计算电压波形、电流波形每一采样点的变化率。这里以电压波形为例，设N个周波的电压波形采样点为n个，求第m个采样点相对于m-1的变化率，电压波形每一采样点的变化率如下(如公式1)：

同理，需要求得电流波形的梯度，设N个周波的电流波形采样点为n个，求第m个采样点相对于m-1的变化率，电流波形每一采样点的变化率如下(如公式2)：

S103、识别出波形梯度变化最大的情况，并记录所述波形梯度变化最大的情况下前四个周波和后四个周波；

计算N个周波当中出现的电压梯度(即电压波形每一采样点的变化率)、电流梯度(即电流波形每一采样点的变化率)变化最大情况，并记录该梯度发生变化前四个周波以及后四个周波，需要说明的是，这里的N为任意自然数，这里以N为一个周期性的进行计算或者参照计算模式进行N个周波的计算。

步骤S102至步骤S103，通过电能表管理模块基于所述波形数据计算出每周波梯度，并对所述每周波梯度进行录波形成录波数据。其通过计算波形数据上每个周波上的波形梯度，所述波形梯度为当前周波采样点和前一个波形采样点的波形变化率；识别出波形梯度变化最大的情况，并记录所述波形梯度变化最大的情况下前四个周波和后四个周波。

S104、基于录波数据绘制成电压-电流曲线图；

具体的，针对S103中所形成的录波数据，提取录波数据中的电压波形和电压波形等，从而可以基于录波波形将电压作为纵轴，电流作为横轴，绘制电压-电流曲线。

S105、将电压-电流曲线图变换为有权重的像素化图像；

具体的，将所述电压-电流曲线波形转换为有权重的像素化图像，设置横轴、纵轴的像素个数分别为n，则图像被分割为n²个像素；对n²个像素中的每个像素设置不同的权重，权重最大值为[(n+1)²-1]，权重最小值为0，按照该像素被全线穿过的次数分配权重。

S106、采用训练好的卷积神经网络将所述像素化图像作为输入完成波形检测输出。

具体的，采用电能质量种类的有权重的像素化波形作为卷积神经网络的模型输入量，训练所述卷积神经网络得到全连接的权重；基于已训练好的卷积神经网络对有权重的像素化图像进行识别分类，得出待识别的电能质量问题的种类。这里电能质量种类包括：电压暂降、电压暂升、电压波动，谐波、瞬时过电压、暂态过电压。

相应的，图2示出了本发明实施例中的单相电能表结构示意图，包括：

模数转换器，用于在电能表在上电后，输出波形数据，所述输出波形数据包括：电压波形数据和电流波形数据；

管理模块，用于基于所述波形数据计算出每周波梯度，并对所述每周波梯度进行录波形成录波数据；基于录波数据绘制成电压-电流曲线图；将电压-电流曲线图变换为有权重的像素化图像；采用训练好的卷积神经网络将所述像素化图像作为输入完成波形检测输出。

具体的，该管理模块用于计算波形数据上每个周波上的波形梯度，所述波形梯度为当前周波采样点和前一个波形采样点的波形变化率；识别出波形梯度变化最大的情况，并记录所述波形梯度变化最大的情况下前四个周波和后四个周波。

具体的，该管理模块用于基于录波波形将电压作为纵轴，电流作为横轴，绘制电压-电流曲线；以及将所述电压-电流曲线波形转换为有权重的像素化图像，设置横轴、纵轴的像素个数分别为n，则图像被分割为n²个像素；对n²个像素中的每个像素设置不同的权重，权重最大值为[(n+1)²-1]，权重最小值为0，按照该像素被全线穿过的次数分配权重。

具体的，该管理模块用于采用电能质量种类的有权重的像素化波形作为卷积神经网络的模型输入量，训练所述卷积神经网络得到全连接的权重；基于已训练好的卷积神经网络对有权重的像素化图像进行识别分类，得出待识别的电能质量问题的种类。这里电能质量种类包括：电压暂降、电压暂升、电压波动，谐波、瞬时过电压、暂态过电压。

综上，本发明实施例通过在上电过程中，实现对电能表的数据采集，采用原始数据对卷积神经网络模型进行训练，训练数据可以标记为本发明所列的电能质量问题，也可根据需要或科技发展标记为原因更明确的电能质量问题，例如电力电子器件运行产生的电压凹陷、雷电引起的瞬态电压变化、操作引起的瞬态电压变化等，训练模型可以根据用户自定义数据作为分类结果输出，有较高的灵活性。同时，本发明具有较高的识别准确度，能识别出不同类型的电能质量故障类型。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁盘或光盘等。

另外，以上对本发明实施例所提供的单相电能表电能质量分析的方法及单相电能表进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。