【技術實現步驟摘要】
本專利技術屬于電流互感器檢測，具體涉及一種光伏發電系統電流互感器狀態分析預測方法及系統。
技術介紹
1、電流互感器作為電力系統中的關鍵測量設備，廣泛應用于新能源發電系統的電流檢測，保障電力系統的實時監控和控制。電流互感器作為一種標準量測設備，受環境溫濕度、電磁場、設備老化等因素的影響，性能會逐漸劣化，造成計量準確性下降，嚴重時將甚至出故障影響電力系統的穩定運行。
2、根據相關標準，電流互感器的誤差不應超過特定限值，因此需要對電流互感器的測量準確度展開定期校準。傳統定期校準主要是采用離線校驗的方式，該方法相對成熟，但是效率低、成本大且時效性差。對于上述問題，有學者研究了基于模型的方式、基于信號處理的方式和基于數據驅動的方式，對互感器的測量誤差進行評估?；谀Ｐ偷姆绞绞峭ㄟ^數學模型對等效電路進行建模，但是對于獲取模型的精確參數是非常困難的。基于信號處理的方式應對復雜電力系統，基于信號處理的方式是對一次信號的分解，要求信號滿足某種特征分布。基于數據驅動的方式是通過函數逼近，模式分類等方式對互感器的誤差狀態進行評估預測，但是存在預測精度差的問題。且上述評估方法對于電網的非平穩隨機信號實時波動問題一直無法有效解決。
技術實現思路
1、本專利技術的目的是針對現有技術存在的上述問題，提供一種預測精度好的光伏發電系統電流互感器狀態分析預測方法及系統。
2、為實現以上目的，本專利技術的技術方案如下：
3、第一方面，本專利技術提供了一種光伏發電系統電流互感器狀態分析
4、s1、構建預測模型和電子式電流互感器的歷史數據集，利用預處理后的歷史數據集對預測模型進行訓練，所述歷史數據集包括比差數據、電子式電流互感器狀態，所述比差數據為預測模型的輸入，所述電子式電流互感器狀態為預測模型的輸出；
5、s2、將預處理后的待測電子式電流互感器的比差數據輸入訓練好的預測模型，輸出待測電子式電流互感器的狀態預測結果；
6、所述預處理包括比差數據預處理，具體為：先對比差數據通過智能優化算法優化的時變濾波經驗模態分解進行處理得到子序列，然后對得到的子序列通過主成分分析法進行非線性降維，保留子序列中的主成分信息并將其作為預測模型的輸入；所述智能優化算法優化的時變濾波經驗模態分解具體為：利用智能優化算法對時變濾波經驗模態分解中的參數進行尋優得到最優參數，所述參數包括b樣條階數n、帶寬閾值r、分解數量k；基于得到的最優參數通過時變濾波經驗模態分解對比差數據進行處理。
7、所述智能優化算法為金豺優化算法，利用金豺優化算法對時變濾波經驗模態分解中的參數進行尋優具體為：
8、b1、設定參數搜索空間和參數初始值；
9、b2、將當前參數代入時變濾波經驗模態分解對原始信號進行分解，得到由多個本征模態分量組成的子序列，通過疊加所有本征模態分量獲得重建信號；
10、b3、計算目標函數并基于金豺優化算法更新參數；其中，所述目標函數為最小化重建信號的排列熵或最小化原始信號與重建信號之間的殘差；
11、b4、返回步驟b2迭代計算，直至目標函數收斂或達到最大迭代次數，輸出最優參數。
12、所述時變濾波經驗模態分解的具體步驟為：
13、a1、給定一個原始信號x(t)，計算其截止頻率φ′bis(t)；
14、a2、根據截止頻率φ′bis(t)對原始信號x(t)進行復原得到復原信號g(t)，以復原信號g(t)的局部極值點作為節點構造b樣條近似濾波器，利用b樣條近似濾波器對復原信號g(t)進行濾波得到濾波結果c1(t)；
15、a3、定義停止準則θ(t)，給定帶寬閾值r，若θ(t)小于r，則將x(t)標記為一個本征模態分量，若θ(t)大于或等于r，則將x(t)-c1(t)作為新的x(t)；
16、a4、重復a1-a3，直至滿足停止標準，獲得由多個本征模態分量組成的子序列。
17、a1中，根據以下步驟計算截止頻率φbis(t)：
18、a11、計算原始信號x(t)的瞬時振幅a(t)、瞬時相位φ(t)：
19、
20、上式中，h[x(t)]為x(t)經過希爾伯特變換得到的解析信號；
21、a12、根據以下公式計算截止頻率φbis(t)：
22、
23、上式中，a1(t)、a2(t)分別表示原始信號的第一分量、第二分量的幅值；φ′1(t)、φ′2(t)分別表示原始信號的第一分量、第二分量的瞬時頻率；γ1(t)、γ2(t)均表示計算得到的加權組合。
24、所述預測模型為金豺優化算法優化的gjo-bilstm-am模型，由多個本征模態分量組成的子序列先進入預測模型中的bilstm網絡，通過金豺優化算法優化bilstm網絡的網絡參數，由bilstm網絡輸出的序列進入am自注意模塊，給予序列中不同分量以不同的權重，由am自注意模塊輸出的序列依次經過全連接層、回歸層、反歸一層后輸出每個本征模態分量的預測結果，對每個本征模態分量的預測結果進行累加后得到最終的模型預測結果。
25、第二方面，本專利技術提供了一種光伏發電系統電流互感器狀態分析預測系統，所述分析預測系統包括數據獲取模塊、模型構建模塊、數據預處理模塊、模型訓練模塊、狀態預測模塊；
26、所述數據獲取模塊，用于獲取電子式電流互感器的歷史數據構建歷史數據集，所述歷史數據集包括比差數據、電子式電流互感器狀態；以及獲取待測電子式電流互感器的比差數據；
27、所述預測模型構建模塊，用于構建預測模型，所述預測模型的輸入為比差數據，所述預測模型的輸出為電子式電流互感器狀態；
28、所述數據預處理模塊，用于進行比差數據預處理，所述比差數據預處理具體為：先對比差數據通過智能優化算法優化的時變濾波經驗模態分解進行處理得到子序列，然后對得到的子序列通過主成分分析法進行非線性降維，保留子序列中的主成分信息并將其作為預測模型的輸入；所述智能優化算法優化的時變濾波經驗模態分解具體為：利用智能優化算法對時變濾波經驗模態分解中的參數進行尋優得到最優參數，所述參數包括b樣條階數n、帶寬閾值r、分解數量k，基于得到的最優參數通過時變濾波經驗模態分解對比差數據進行處理；
29、所述模型訓練模塊，用于利用預處理后的歷史數據集對預測模型進行訓練；
30、所述狀態預測模塊，用于將預處理后的待測電子式電流互感器的比差數據輸入訓練好的預測模型，輸出待測電子式電流互感器的狀態預測結果。
31、所述數據預處理模塊利用金豺優化算法對時變濾波經驗模態分解中的參數進行尋優，具體步驟為：
32、b1、設定參數搜索空間和參數初始值；
33、b2、將當前參數代入時變濾波經驗模態分解對原始信號進行分解，得到由多個本征模態分量組成的子序列，通過疊加所有本征模態分量獲得重建信號；
34、b3、計算目標函數本文檔來自技高網...
【技術保護點】
1.一種光伏發電系統電流互感器狀態分析預測方法，其特征在于：
2.根據權利要求1所述的一種光伏發電系統電流互感器狀態分析預測方法，其特征在于：
3.根據權利要求1或2所述的一種光伏發電系統電流互感器狀態分析預測方法，其特征在于：
4.根據權利要求3所述的一種光伏發電系統電流互感器狀態分析預測方法，其特征在于：
5.根據權利要求1或2所述的一種光伏發電系統電流互感器狀態分析預測方法，其特征在于：
6.一種光伏發電系統電流互感器狀態分析預測系統，其特征在于：
7.根據權利要求6所述的一種光伏發電系統電流互感器狀態分析預測系統，其特征在于：
8.根據權利要求6或7所述的一種光伏發電系統電流互感器狀態分析預測系統，其特征在于：
9.根據權利要求8所述的一種光伏發電系統電流互感器狀態分析預測系統，其特征在于：
10.根據權利要求6或7所述的一種光伏發電系統電流互感器狀態分析預測系統，其特征在于：
【技術特征摘要】
1.一種光伏發電系統電流互感器狀態分析預測方法，其特征在于：
2.根據權利要求1所述的一種光伏發電系統電流互感器狀態分析預測方法，其特征在于：
3.根據權利要求1或2所述的一種光伏發電系統電流互感器狀態分析預測方法，其特征在于：
4.根據權利要求3所述的一種光伏發電系統電流互感器狀態分析預測方法，其特征在于：
5.根據權利要求1或2所述的一種光伏發電系統電流互感器狀態分析預測方法，其特征在于：
...【專利技術屬性】
技術研發人員：魏偉，張成，葉利，郭玥，余鶴，李振華，張宇軒，汪應春，周丹，丁黎，鄭欣，樊立攀，謝東日，崔九喜，姚紅，呂馥香，王雅蘭，
申請(專利權)人：國網湖北省電力有限公司營銷服務中心計量中心，
類型：發明
國別省市：
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。