本申请涉及智能电网，特别是涉及一种电力质量扰动数据分类方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术：
1、电力质量问题是电力系统中出现的电压、电流波形失真、不稳定性以及其他异常现象，这些问题对电力系统的正常运行和电力设备的性能产生不利影响，如何快速准确地识别和分类电力质量扰动已成为确保电力系统安全稳定运行和推动向低碳能源转型的必要前提。电力质量扰动数据的分类一般采用两个独立的步骤：扰动信号的特征提取和扰动信号的分类。
2、相关技术中，扰动信号的特征提取一般采用短时傅里叶变换、小波变换、s变换、希尔伯特-黄变换等。扰动信号的分类一般采用机器学习算法和深度学习算法，如k近邻、决策树、支持向量机、神经网络等，可以建立特征向量和对应分类标签之间的映射关系。
3、而相关技术中的扰动信号的特征提取以及扰动信号的分类方法并不能实现扰动信号的准确分类。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够分类准确性的电力质量扰动数据分类方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种电力质量扰动数据分类模型生成方法，包括：
3、获取电力质量扰动历史数据和对应的第一分类标签数据；
4、根据第一分类标签数据对电力质量扰动历史数据进行聚合，得到电力质量扰动历史数据分组；
5、根据电力质量扰动历史数据分组中包括的各电力质量扰动历史数据的第一采集时间和第一幅值，将电力质量扰动历史数据分组转换成第一时序幅值数组；
6、利用相对位移矩阵方法对第一时序幅值数组进行处理，得到第一矩阵数据；
7、根据第一分类标签数据和第一矩阵数据训练卷积神经网络，得到电力质量扰动数据分类模型，电力质量扰动数据分类模型用于电力质量扰动数据的分类。
8、在其中一个实施例中，利用相对位移矩阵方法对第一时序幅值数组进行处理，得到第一矩阵数据，包括：获取第一时序幅值数组中包括的第一时序幅值数据的第一数量；生成第一空白矩阵，第一空白矩阵的行数和列数均为第一数量；选择任一未计算的第一时序幅值数据作为第一待计算时序幅值数据，计算第一待计算时序幅值数据与各第一时序幅值数据之间的第一差值；根据第一待计算时序幅值数据的列数以及各第一时序幅值数据的列数，确定第一目标位置；将各第一差值填入到第一空白矩阵的对应的第一目标位置处，得到第一矩阵数据；将第一待计算时序幅值数据标记为已计算数据；继续执行选择任一未计算的第一时序幅值数据作为第一待计算时序幅值数据的步骤，直至所有第一时序幅值数据均完成计算。
9、第二方面，本申请还提供一种电力质量扰动数据分类方法，包括：
10、获取待分类电力质量扰动数据；
11、将待分类电力质量扰动数据输入至基于上述各方法实施例中的电力质量扰动数据分类模型生成方法生成到电力质量扰动数据分类模型中，得到电力质量扰动数据分类结果。
12、在一个实施例中，将待分类电力质量扰动数据输入至电力质量扰动数据分类模型中之前，方法还包括：获取待分类电力质量扰动数据的第二采集时间和第二幅值；根据第二采集时间和第二幅值生成第二待处理时序幅值数组；对第二待处理时序幅值数组进行归一化处理，得到第二标准时序幅值数组；对第二标准时序幅值数组进行降维处理，得到第二时序幅值数组；利用相对位移矩阵处理方法对第二时序幅值数组进行处理，得到第二矩阵数据。
13、在其中一个实施例中，利用相对位移矩阵处理方法对第二时序幅值数组进行处理，得到第二矩阵数据，包括：获取第二时序幅值数组中包括的第二时序幅值数据的第二数量；生成第二空白矩阵，第二空白矩阵的行数和列数均为第二数量；选择任一未计算的第二时序幅值数据作为第二待计算时序幅值数据，计算第二待计算时序幅值数据与各第二时序幅值数据之间的第二差值；根据第二待计算时序幅值数据的列数以及各第二时序幅值数据的列数，确定第二目标位置；将第二差值填入到第二空白矩阵的对应的第二目标位置处，得到第二矩阵数据；将第二待计算时序幅值数据标记为已计算数据；继续执行选择任一未计算的第二时序幅值数据作为第二待计算时序幅值数据的步骤，直至所有第二时序幅值数据均完成计算。
14、第三方面，本申请还提供了一种电力质量扰动数据分类模型生成装置，包括：
15、第一数据获取模块，用于获取电力质量扰动历史数据和对应的第一分类标签数据；
16、聚合模块，用于根据第一分类标签数据对电力质量扰动历史数据进行聚合得到电力质量扰动历史数据分组；
17、数组生成模块，用于根据电力质量扰动历史数据分组中包括的各电力质量扰动历史数据的第一采集时间和第一幅值，将电力质量扰动历史数据分组转换成第一时序幅值数组；
18、矩阵生成模块，用于利用相对位移矩阵方法对第一时序幅值数组进行处理，将第一时序幅值数组转换成第一矩阵数据；
19、模型生成模块，用于根据第一分类标签数据和第一矩阵数据训练卷积神经网络，得到电力质量扰动数据分类模型，电力质量扰动数据分类模型用于电力质量扰动数据的分类。
20、第四方面，本申请还提供一种电力质量扰动数据分类装置，包括：
21、第二数据获取模块，用于获取待分类电力质量扰动数据；
22、分类模块，用于将待分类电力质量扰动数据输入至基于上述各装置实施例中的电力质量扰动数据分类模型生成装置得到的电力质量扰动数据分类模型中，得到电力质量扰动数据分类结果。
23、第五方面，本申请还提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时上述各方法实施例中的步骤。
24、第六方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时上述各方法实施例中的步骤。
25、第七方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时上述各方法实施例中的步骤。
26、上述电力质量扰动数据分类模型生成方法、电力质量扰动数据分类方法、装置、计算机设备、存储介质和计算机程序产品，以标记有第一分类标签数据的电力质量扰动历史数据为基础进行电力质量扰动数据分类模型的生成，在电力质量扰动数据分类模型生成的过程中，对电力质量扰动历史数据进行处理得到图像矩阵数据，利用图像矩阵数据以及卷积神经网络进行电力质量扰动数据分类模型的生成，可以提升电力质量扰动数据分类的准确性。
1.一种电力质量扰动数据分类模型生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述利用相对位移矩阵方法对所述第一时序幅值数组进行处理，得到第一矩阵数据，包括：
3.一种电力质量扰动数据分类方法，其特征在于，所述方法包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述待分类电力质量扰动数据输入至基于权利要求1或2所述的电力质量扰动数据分类模型中之前，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述利用相对位移矩阵处理方法对所述第二时序幅值数组进行处理，得到第二矩阵数据，包括：
6.一种电力质量扰动数据分类模型生成装置，其特征在于，所述装置包括：
7.一种电力质量扰动数据分类装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
