(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111028587.3 (22)申请日 2021.09.02 (65)同一申请的已公布的文献号 申请公布号 CN 113723003 A (43)申请公布日 2021.11.30 (73)专利权人 广东电网有限责任公司广州供电 局 地址 510630 广东省广州市天河区天河南 二路2号 (72)发明人 栾乐　许中　莫文雄　王勇　 彭和平　孔令明　崔屹平　刘俊翔　 罗思敏　周凯　徐硕　范旭娟　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 刘思言(51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/06(2006.01) G06N 3/08(2006.01) H02J 3/26(2006.01) 审查员 李易玮 (54)发明名称 基于模糊神经网络的配电网三相不平衡源 定位方法及装置 (57)摘要 本发明提供的基于模糊神经网络的配电网 三相不平衡源定位方法及装置， 在配电网的公共 耦合点处获取三相相电压和三相相电流， 以保证 采样数据的可靠性， 当获取到三相相电压和三相 相电流后， 接着可以确定三相相电压的基波幅值 和相位， 以及三相相电流的基波幅值和相位， 并 将其输入到预先配置的模糊神经网络中， 以便通 过模糊神经网络来预测三相不平衡源贡献度差 值， 进而利用三相不平衡源贡献度差值来确定对 应的三相不平衡源， 相较于现有技术而言， 本申 请无需过多的计算分析过程， 即可确定三相不平 衡源的具体位置， 耗时较短， 有效提高工作效率。 权利要求书2页 说明书12页 附图2页 CN 113723003 B 2022.08.12 CN 113723003 B 1.一种基于模糊神经网络的配电网三相不平衡源定位方法， 其特征在于， 所述方法包 括： 获取配电网中公共耦合 点处的三相 相电压和三相 相电流； 确定与所述三相相电压对应的基波幅值和相位， 以及与 所述三相相电流对应的基波幅 值和相位； 将所述三相相电压对应的基波幅值和相位， 以及所述三相相电流对应的基波幅值和相 位输入至预先配置的模糊神经网络中， 所述模糊神经网络包括输入层、 RBF层、 规则化层和 输出层； 将所述三相相电压对应的基波幅值和相位， 以及所述三相相电流对应的基波幅值和相 位分别输入至所述输入层中的各个神经 元， 得到各个神经 元输出的输出变量； 通过所述RBF层对各个神经元输出的输出变量进行模糊化处理， 得到每个输出变量对 应的隶属度函数； 利用所述规则化层对各个输出变量对应的隶属度函数进行多种可能性组合， 并得到每 种可能性组合对应的组合结果； 通过所述输出层对每种可能性组合对应的组合结果进行加权求和后， 得到所述模糊神 经网络输出的三相不平衡源贡献度差值； 其中， 所述模糊神经网络为， 以训练三相相电压对应的基波幅值和相位， 以及训练三相 相电流对应的基波幅值和相位为训练样本， 以实际三相不平衡源贡献度差值为样本标签训 练得到的； 基于所述 三相不平衡贡献度差值确定对应的三相不平衡源。 2.根据权利要求1所述的基于模糊神经网络的配电网三相不平衡源定位方法， 其特征 在于， 所述确定与所述三相相电压对应的基波 幅值和相位， 以及与所述三相相电流对应的 基波幅值和相位的步骤， 包括： 在所述公共耦合 点处获取 预设周期内多次采集的三相 相电压和三相 相电流； 对所述多次采集的三相相电压和三相相电流进行快速傅里叶变换， 得到与 所述三相相 电压对应的基波幅值和相位， 以及与所述 三相相电流对应的基波幅值和相位。 3.根据权利要求1所述的基于模糊神经网络的配电网三相不平衡源定位方法， 其特征 在于， 所述通过所述 RBF层对各个神经元输出的输出变量进 行模糊化处理， 得到每个输出变 量对应的隶属度函数的步骤， 包括： 通过所述RBF层确定与每个神经元输出的输出变量对应的预设分割数的语义变量的可 能值； 根据所述语义变量的可能值确定每 个输出变量对应的隶属度函数。 4.根据权利要求1所述的基于模糊神经网络的配电网三相不平衡源定位方法， 其特征 在于， 所述模糊神经网络还 包括归一 化层； 所述通过所述输出层对每种可能性组合对应的组合结果进行加权求和后， 得到所述模 糊神经网络 输出的三相不平衡源贡献度差值的步骤之前， 还 包括： 通过所述归一化层对每种可能性组合对应的组合结果进行归一化处理， 并将归一化处 理后的组合结果输入至所述输出层。 5.根据权利要求1所述的基于模糊神经网络的配电网三相不平衡源定位方法， 其特征权　利　要　求　书 1/2 页 2 CN 113723003 B 2在于， 所述模糊神经网络的训练过程包括： 将所述训练三相相电压对应的基波幅值和相位， 以及所述训练三相相电流对应的基波 幅值和相位输入至模糊神经网络中， 得到所述模糊神经网络输出的预测三相不平衡源贡献 度差值； 以所述预测三相不平衡源贡献度差值趋近于所述实际三相不平衡源贡献度差值为训 练目标， 更新模型参数； 当所述模糊神经网络满足预设的训练条件时， 则停止更新所述模型参数， 得到最终的 模糊神经网络 。 6.根据权利要求1所述的基于模糊神经网络的配电网三相不平衡源定位方法， 其特征 在于， 所述基于所述 三相不平衡贡献度差值确定对应的三相不平衡源的步骤， 包括： 若所述三相不平衡贡献度差值 为正， 则所述配电网的电源侧为 三相不平衡源； 若所述三相不平衡贡献度差值 为负， 则所述配电网的负荷侧为 三相不平衡源。 7.一种基于模糊神经网络的配电网三相不平衡源定位装置， 其特 征在于， 包括： 数据获取模块， 用于获取配电网中公共耦合 点处的三相 相电压和三相 相电流； 幅值相位确定模块， 用于确定与所述三相相电压对应的基波幅值和相位， 以及与所述 三相相电流对应的基波幅值和相位； 贡献度差值确定模块， 用于将所述三相相电压对应的基波幅值和相位， 以及所述三相 相电流对应的基波幅值和相位输入至预先配置的模糊神经网络中， 所述模糊神经网络包括 输入层、 RBF层、 规则化层和输出层； 将所述三相相电压对应的基波幅值和相位， 以及所述三相相电流对应的基波幅值和相 位分别输入至所述输入层中的各个神经 元， 得到各个神经 元输出的输出变量； 通过所述RBF层对各个神经元输出的输出变量进行模糊化处理， 得到每个输出变量对 应的隶属度函数； 利用所述规则化层对各个输出变量对应的隶属度函数进行多种可能性组合， 并得到每 种可能性组合对应的组合结果； 通过所述输出层对每种可能性组合对应的组合结果进行加权求和后， 得到所述模糊神 经网络输出的三相不平衡源贡献度差值； 其中， 所述模糊神经网络为， 以训练三相相电压对应的基波幅值和相位， 以及训练三相 相电流对应的基波幅值和相位为训练样本， 以实际三相不平衡源贡献度差值为样本标签训 练得到的； 不平衡源定位模块， 用于基于所述 三相不平衡贡献度差值确定对应的三相不平衡源。 8.一种存储介质， 其特征在于： 所述存储介质中存储有计算机可读指令， 所述计算机可 读指令被一个或多个处理器执行时， 使得一个或多个处理器执行如权利要求 1至6中任一项 所述基于模糊神经网络的配电网三相不平衡源定位方法的步骤。 9.一种计算机设备， 其特征在于： 所述计算机设备中存储有计算机可读指令， 所述计算 机可读指 令被一个或多个处理器执行时， 使得一个或多个处理器执行如权利要求1至6中任 一项所述基于模糊神经网络的配电网三相不平衡源定位方法的步骤。权　利　要　求　书 2/2 页 3 CN 113723003 B 3