本發明專利技術公開了一種牽引變電所互感器的測量偏差故障在線識別方法，其步驟為：1)建模數據選取與預處理：在牽引變電所空載且各互感器無故障時的互感器測量有效值歷史數據中選取連續I個時刻的數據構成矩陣并進行標準化處理；2)建立主元分析模型；3)互感器實時采樣集的預測誤差平方SPE計算；4)互感器測量偏差故障在線檢測；5)各互感器對應的預測誤差平方SPE貢獻均值計算；6)識別發生測量偏差故障的互感器。該方法只需對牽引變電所內各互感器測量有效值數據進行處理即可在線識別出發生測量偏差故障的互感器，無需額外增加波形記錄設備，對硬件要求低，實施成本低，容易推廣使用。
【技術實現步驟摘要】
本專利技術涉及。
技術介紹
互感器是牽引變電所內重要的設備，它通過電磁感應將牽引變電所的高電壓、大 電流轉變為低電壓、小電流，以供計量、監控及繼電保護。如果互感器發生測量偏差故障，即 其輸出電壓或電流值出現偏差，將嚴重影響牽引變電所的正常運行，影響機車的經濟高效 運行，嚴重時會導致繼電保護誤動作，發生安全事故。因此需要對互感器進行在線識別，以 便互感器出現測量偏差故障時，能夠及時進行處理，以保證鐵路機車的安全可靠運行。針對互感器的測量偏差故障，目前的在線識別方法主要是基于波形的信號處理方 法和基于波形的模型分析方法。基于波形的信號處理方法，主要是當某一互感器的二次側（輸出）波形信號發生 突變，而與之關聯的其他位置的互感器并未發生相應的突變，即可認定該互感器發生測量 偏差故障。其識別的準確性和可靠性受互感器測量誤差影響大。并且當互感器發生漸變性 故障時，故障信號在時域表現為跨度大且局部特征不明顯，則檢測不出互感器的測量偏差 故障。基于波形的模型分析方法，則是通過電流觀測器模型、基于基爾霍夫電流定律的 互感器解析冗余模型進行解析計算，當某個位置處的互感器的解析值與其實際輸出值的偏 差大于閾值，則認定該互感器出現了測量偏差故障。但是建立的模型是基于理論假設，與牽 引變電所的實際電路結構及環境不可避免地存在偏差，導致其識別效果不夠理想。并且各 個牽引變電所的電路結構和元件參數均不同，需要針對每個牽引變電所分別建模，導致其 實施難度大，難以推廣應用。 并且，以上兩種方法均需要實時采集互感器二次側的波形，而目前大多數牽引變 電所并不具備該條件，所使用的數據采集與監視控制系統只采集各互感器測量電流或電壓 有效值數據。
技術實現思路
本專利技術的目的是提供一種利用各互感器測量有效值數據，基于主元分析方法的牽 引變電所互感器測量偏差故障在線識別方法。該方法識別結果準確、可靠。本專利技術為實現其專利技術目的采用的技術方案為：一種牽引變電所互感器的測量偏差 故障在線識別方法，其步驟為：A、建模數據選取與預處理 在牽引變電所空載且各互感器無故障時的互感器測量有效值歷史數據中選取連 續I個時刻的數據，構造互感器歷史測量值矩陣X= (Xij) IX1，其中Xij表示在第i個時刻第 j個互感器的歷史測量有效值；i= 1，2,…，I，表示歷史數據的時刻；J為互感器的總個數；然后，將互感器歷史測量值矩陣X=(XipixI的各列數據進行標準化處理得到標 準化的測量值X'ij，即，其中5、分別為互感器歷史測量值矩陣X的第j列 的平均值和標準差，也即估計的互感器j的歷史測量有效值Xij的平均值和標準差，進而得 到標準化的歷史測量值矩陣X' = (x' B、建立主元分析模型 B1、對標準化的歷史測量值矩陣X'進行主元分析，即對X'的協方差矩陣S，S= X'TX'八1-1)作奇異值分解，其中矩陣的上標T表示矩陣的轉置；得到J個特征值，將這 些特征值從大到小排序，得到特征值序列R，R=[入p入2，…AJ，其中k為特征值 的序號，K=J; B2、將特征值序列R分成前后兩個部分，前部分為負載序列R1=，后部分為殘差序列R2=UQ+1，XQ+2，…，AK]，且殘差序列R2中的所有特征值之和 9i與特征值序列R中的所有特征值之和的比值小于n，n取0.05~〇. 15 ;其中，Q為 負載序列&中特征值的個數；根據負載序列Ri和殘差序列R2分別得到負載對角矩陣A， AliagUi，入2，…，入Q)和殘差對角矩陣A，，A，=diagUQ+1，入Q+2，…，入K)，其中， diag( ?)表示對角矩陣； B3、根據負載對角矩陣A和殘差對角矩陣A'即可得到標準化的歷史測量值矩 陣X'的協方差矩陣S的奇異分解表達式：S=PAPT+P'A'P'T， 其中，P為JXQ的負載矩陣，各列依次為負載序列Ri中的各個特征值對應的協方 差矩陣S的特征向量，P'為JX(J-Q)的殘差矩陣，各列依次為殘差序列R2中的各個特征 值對應的協方差矩陣S的特征向量； B4、計算殘差序列馬的特征值平方和0 2，，得到預測誤差的自由度h， 方=#/沒2，求出預測誤差平方均值的控制限毛2，，其中，；是自由度為h、置信 度為a的卡方分布臨界值，a取0. 95~0. 99 ; C、互感器實時采樣集的SPE計算 在牽引變電所空載時，采集當前時刻T互感器j的當前測量有效值sTj，得到互感 器的當前測量值向量ST，sT=，對當前測量值向量sT中的每個當前 測量有效值sTj，按A步中互感器j的歷史測量有效值Xij的平均值5和標準差〇j，得到互 感器j的標準化的當前測量有效值s'Tj，，進而得到互感器的標準化的當前測 量值向量s'T，S'T= ，然后根據B步中的負載矩陣P計算當前時刻T的預測誤差平方SPET，SPET=II(IfPpT)。T|I2;其中I 階單位矩陣， II?II為向量?的長度； D、重復C步操作，得到不同時刻t的預測誤差平方SPEt，進而得到所有時刻的預測 誤差平方SPEt組成的預測誤差平方序列SPE，SPE=; E、互感器測量偏差故障在線檢測 采用長度為L(5 <L< 10)個時刻的滑動窗對D步中的預測誤差平方序列SPE序 列進行滑動平均處理，得到各采樣時刻互感器測量有效值樣本集的預測誤差平方SPE均值 序列；如果連續N(5彡N彡10)個時刻的 大于B步中計算獲得的預測誤差平方SPE均值控制限先2，則判定有互感器在該連續N個時 刻中的第1個時刻發生測量偏差故障，記該時刻為t'，同時發出報警信號；并進行步驟F;F、各互感器對應的SPE貢獻均值計算 計算各互感器j在發生測量偏差故障的時刻t'及以后各時刻t對預測誤差平方 SPE的貢獻值C〇nt), 其中t'彡t彡T，％表示單位矩陣Ij的第j列，s' 1表示時刻t互感器的 標準化的測量值向量；同時采用長度為L個時刻的滑動窗對預測誤差平方SPE貢獻序 列進行滑動平均處理，得到在時刻t互感器j對預測 誤差平方SPE的貢獻均值^進而獲得互感器j的預測誤差平方SPE貢獻均值序列G、識別發生測量偏差故障的互感器 計算時刻t互感器j的預測誤差平方SPE貢獻均值^；與所有互感器的預測誤 差平方SPE貢獻均值總和的比值，得到互感器j在時刻t的偏差比重:％， 如果第j個互感器的偏差比重 < 連續2N個時刻均大于其余所有互感器的偏差比 重，則判斷第j個互感器發生測量偏差故障。 與現有技術相比，本專利技術的有益效果是： -、分析處理的基礎數據為互感器測量的電壓或電流有效值數據，而非波形數據， 無需額外增加波形記錄設備，對硬件要求低，實施成本低，容易推廣使用。 二、能夠方便地移植應用于具有不同主接線拓撲結構的牽引變電所。由于本專利技術 是基于歷史測量數據建立數學模型，避免了復雜的基于各個牽引變電所的電路結構和元件 參數的物理建模，其優點是：建模更方便，能夠方便地移植應用于具有不同主接線拓撲結構 的牽引變電所；建模誤差小，識別精度高，識別結果更準確可靠。 三、基于波形的信號處理的方法，其識別的準確性和可靠性受互感器測量誤差影 響大。并且當互感器發生漸變性故障時，故障信號在時域表現為跨度大且局部特征不明顯， 則檢測不出互感器的測量偏差故障。本專利技術本文檔來自技高網...
【技術保護點】
一種牽引變電所互感器的測量偏差故障在線識別方法，其步驟為：A、建模數據選取與預處理在牽引變電所空載且各互感器無故障時的互感器測量有效值歷史數據中選取連續I個時刻的數據，構造互感器歷史測量值矩陣X＝(xij)I×J，其中xij表示在第i個時刻第j個互感器的歷史測量有效值；i＝1,2,…,I，表示歷史數據的時刻；J為互感器的總個數；然后，將互感器歷史測量值矩陣X＝(xij)I×J的各列數據進行標準化處理得到標準化的測量值x′ij，即其中σj分別為互感器歷史測量值矩陣X的第j列的平均值和標準差，也即估計的互感器j的歷史測量有效值的平均值和標準差，進而得到標準化的歷史測量值矩陣X′＝(x′ij)I×J；B、建立主元分析模型B1、對標準化的歷史測量值矩陣X′進行主元分析，即對X′的協方差矩陣S，S＝X′TX′/(I?1)作奇異值分解，其中矩陣的上標T表示矩陣的轉置；得到J個特征值，將這些特征值從大到小排序，得到特征值序列R，R＝[λ1，λ2，…λk…，λK]，其中k為特征值的序號，K＝J；B2、將特征值序列R分成前后兩個部分，前部分為負載序列R1＝[λ1，λ2，…，λQ]，后部分為殘差序列R2＝[λQ+1，λQ+2，…，λK]，且殘差序列R2中的所有特征值之和θ1與特征值序列R中的所有特征值之和的比值小于η，η取0.05～0.15；其中，Q為負載序列R1中特征值的個數；根據負載序列R1和殘差序列R2分別得到負載對角矩陣Λ，Λ＝diag(λ1,λ2,…,λQ)和殘差對角矩陣Λ'，Λ'＝diag(λQ+1,λQ+2,…,λK)，其中，diag(·)表示對角矩陣；B3、根據負載對角矩陣Λ和殘差對角矩陣Λ'即可得到標準化的歷史測量值矩陣X′的協方差矩陣S的奇異分解表達式：S＝PΛPT+P'Λ'P'T，其中，P為J×Q的負載矩陣，各列依次為負載序列R1中的各個特征值對應的協方差矩陣S的特征向量，P'為J×(J?Q)的殘差矩陣，各列依次為殘差序列R2中的各個特征值對應的協方差矩陣S的特征向量；B4、計算殘差序列R2的特征值平方和θ2，得到預測誤差的自由度h，求出預測誤差平方均值的控制限其中，是自由度為h、置信度為α的卡方分布臨界值，α取0.95～0.99；C、互感器實時采樣集的SPE計算在牽引變電所空載時，采集當前時刻T互感器j的當前測量有效值sTj，得到互感器的當前測量值向量sT，sT＝[sT1,sT2,…,sTj,…,sTJ]，對當前測量值向量sT中的每個當前測量有效值sTj，按A步中互感器j的歷史測量有效值xij的平均值和標準差σj，得到互感器j的標準化的當前測量有效值s′Tj，進而得到互感器的標準化的當前測量值向量s′T，s′T＝[s′T1,s′T2,…,s′Tj,…,s′TJ]，然后根據B步中的負載矩陣P計算當前時刻T的預測誤差平方SPET，SPET＝||(IJ?PPT)s′T||2；其中IJ為J階單位矩陣，||·||為向量·的長度；D、重復C步操作，得到不同時刻t的預測誤差平方SPEt，進而得到所有時刻的預測誤差平方SPEt組成的預測誤差平方序列SPE，SPE＝[SPE1,SPE2,…,SPEt,…SPET]；E、互感器測量偏差故障在線檢測采用長度為L(5≤L≤10)個時刻的滑動窗對D步中的預測誤差平方序列SPE序列進行滑動平均處理，得到各采樣時刻互感器測量有效值樣本集的預測誤差平方SPE均值序列SPE‾=[SPE1‾,SPE2‾,...,SPEt‾,...SPET‾];]]>如果連續N(5≤N≤10)個時刻的大于B步中計算獲得的預測誤差平方SPE均值控制限則判定有互感器在該連續N個時刻中的第1個時刻發生測量偏差故障，記該時刻為t′，同時發出報警信號；并進行步驟F；F、各互感器對應的SPE貢獻均值計算計算各互感器j在發生測量偏差故障的時刻t′及以后各時刻t對預測誤差平方SPE的貢獻值Contjt=[ξjT(IJ-PPT)st′]2]]>其中t′≤t≤T，ξj表示單位矩陣IJ的第j列，s′t表示時刻t互感器的標準化的測量值向量；同時采用長度為L個時刻的滑動窗對預測誤差平方SPE貢獻序列進行滑動平均處理，得到在時刻t互感器j對預測誤差平方SPE的貢獻均值進而獲得互感器j的預測誤差平方SPE貢獻均值序列Contj‾=[Contjt′‾,Contjt′+1‾,...,ContjT‾];]]>G、識別發生測量偏差故障的互感器計算時刻t互感器j的預測誤差平方SPE貢獻均值與所有互感器的預測誤差平方SPE貢獻均值總和的比值，得到互感器j在時刻t的偏差比重ηjt...
【技術特征摘要】
【專利技術屬性】
技術研發人員：林圣，李朝陽，何正友，王玘，高仕斌，
申請(專利權)人：西南交通大學，
類型：發明
國別省市：四川;51
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。