(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111610229.3 (22)申请日 2021.12.27 (71)申请人 四川大学 地址 610064 四川省成 都市武侯区一环路 南一段24号 (72)发明人 胡文曦　阮梓航　肖先勇　汪颖　 郑子萱　 (74)专利代理 机构 西安正华恒远知识产权代理 事务所(普通 合伙) 61271 代理人 陈选中 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G06Q 50/06(2012.01) (54)发明名称 一种电能质量扰动分类方法 (57)摘要 本发明公开了一种电能质量扰动分类方法， 所述电能质量扰动方法包括： S1： 利用S变换窗函 数提取电能质量扰动信号， 得到模时频矩阵； S2： 根据所述模时频矩阵中的各行各列的元素， 得到 初始扰动特征集； S3： 根据所述初始 扰动特征集， 得到多标签扰动特征集； S4： 根据所述多标签扰 动特征集， 利用多粒度特征优化方法， 得到各粒 度空间对应的最优扰动特征集； S5： 根据各粒度 空间所对应的最优扰动特征集， 得到对应的各基 分类器模型； S6： 利用加权投票集成策略对所有 所述基分类器模型进行集成， 得到强分类器模 型； S7： 根据所述强分类器模型和电能质量扰动 数据测试集， 得到电能质量扰动分类结果。 权利要求书3页 说明书10页 附图3页 CN 114266277 A 2022.04.01 CN 114266277 A 1.一种电能质量扰动分类方法， 其特 征在于， 所述电能质量扰动方法包括： S1： 利用S变换窗函数提取电能质量扰动信号， 得到模时频矩阵； S2： 根据所述模时频矩阵中的各 行各列的元 素， 得到初始扰动特 征集； S3： 根据所述初始扰动特 征集， 得到多标签 扰动特征集； S4： 根据所述多标签扰动特征集， 利用多粒度特征优化方法， 得到各粒度空间对应的最 优扰动特 征集； S5： 根据各 粒度空间所对应的最优扰动特 征集， 得到对应的各基分类 器模型； S6： 利用加权投票 集成策略对所有所述基分类 器模型进行集成， 得到强分类 器模型； S7： 根据所述强分类 器模型和电能质量扰动数据测试集， 得到电能质量扰动分类结果。 2.根据权利要求1所述的电能质量扰动分类方法， 其特 征在于， 所述 步骤S1包括： 利用S变换窗函数提取电能质量扰动信号， 得到矩阵； 对所述矩阵中的每 个元素进行求模操作， 得到模时频矩阵。 3.根据权利要求1或2所述的电能质量扰动分类方法， 其特征在于， 所述步骤S1中， 所述 S变换窗函数为： 其中， S(*)表示原始信号经过S变换后得到的矩阵， j表示将T离散化的变量， 即将T离散 化为jT， T表示采样周期， n表示采样频率， N表示总采样点数， 表示信号h(kT)的傅里 叶变换， π表示圆周率参数， h(*)表示电能质量原始信号， n'表示不大于nmax的频率检测点， g1,g2,...gk分别代表在划分的各 频段的调节参数， nmax为采样的最大 频率。 4.根据权利要求2所述的电能质量扰动分类方法， 其特 征在于， 所述 步骤S2包括： S21： 分别根据 所述模时频矩阵中的各相关值， 得到与各相关值所对应的各所述时域相 关曲线和各 所述频域相关曲线； S22： 根据 各所述时域相关曲线和各所述频域相关曲线， 分别得到各所述时域相关曲线 的多项特征和各所述频域相关曲线的多 项特征； S23： 各所述时域相关曲线的多项特征和各所述频域相关曲线的多项特征， 构建所述初 始扰动特 征集。 5.根据权利要求4所述的电能质量扰动分类方法， 其特征在于， 所述步骤S21中， 各所述 相关值包括： 最大值、 最小值、 平均值、 标准差和均方根 值； 各所述时域相关曲线包括： 时域最大值曲线、 时域最小值曲线、 时域平均值曲线、 时域权　利　要　求　书 1/3 页 2 CN 114266277 A 2标准差曲线、 时域均方根曲线； 各所述频域相关曲线包括： 频域最大值曲线、 频域最小值曲线、 频域平均值曲线、 频域 标准差曲线、 频域均方根曲线。 6.根据权利要求4所述的电能质量扰动分类方法， 其特征在于， 所述步骤S22中， 各项所 述特征包括最大最小值之和、 最大最小值之差、 标准差、 平均值、 均方根值、 偏度、 峭度以及 局部能量。 7.根据权利要求1 ‑6中任意一项所述的电能质量扰动分类方法， 其特征在于， 所述步骤 S4包括： S41： 计算当前粒度空间中所述多标签扰动特征集中任意两个特征之间的模糊相似关 系， 得到模糊相似矩阵； S42： 根据所述模糊相似矩阵， 以及邻域 粗糙集， 得到模糊邻域 粗糙集模型； S43： 根据所述模糊邻域 粗糙集模型和变精度参数， 得到变精度模糊邻域 粗糙集模型； S44： 计算变精度模糊邻域 粗糙集的上近似集和下近似集； S45： 根据所述上近似集和所述下近似集， 得到粗 糙集的正域； S46： 根据 所述粗糙集的正域和所述变精度模糊邻域粗糙集， 计算所述多标签扰动特征 集中当前 特征的依赖度和重要度； S47： 根据所述当前特征的依赖度和所述重要度判断当前特征是否为可用特征， 若是， 将所述可用特征纳入最优扰动特征集并进入S48， 否则， 将所述当前特征合并至所述属性集 并在所述多标签扰动特征集中剩余特征中选择下一个特征作为当前特征， 之后 将所述特征 集和所述当前 特征作为所述多标签 扰动特征集的任意两个特 征并返回步骤S41； S48： 判断所述变精度模糊邻域粗糙集是否为空集， 若是， 输出当前粒度空间对应的最 优扰动特 征集， 否则， 将下一个粒度空间作为当前 粒度空间 并返回步骤S41。 8.根据权利要求7所述的电能质量扰动分类方法， 其特征在于， 所述步骤S41中， 所述模 糊相似关系为： 其中， 表示模糊相似关系， RC(xi,xj)表示表示样本xi和xj在多标签扰动 特征集C 下的模糊相似度， RB(xi,xj)表示样本xi和xj在属性集B下的模糊相似度， δ表示模糊邻域半 径， C为所述多标签扰动特征集， xi,xj分别表示所述多标签 扰动特征集中任意两 个 特征； 所述步骤S44中， 所述下近似集 为： 所述上近似集 为： 其中， 表示粒度空间( δ， α )下决策类i在扰动特征集B下所对应的下近似集且 表示粒度空间( δ， β )下决策类i在扰权　利　要　求　书 2/3 页 3 CN 114266277 A 3