【技術實現(xiàn)步驟摘要】
本專利技術涉及電力網(wǎng)絡，尤其涉及一種基于云邊端協(xié)同的電力網(wǎng)絡自適應諧波辨別方法及系統(tǒng)。
技術介紹
1、優(yōu)質(zhì)可靠的電能質(zhì)量是保障社會經(jīng)濟快速發(fā)展和人民美好生活用電需求的重要基礎。電力系統(tǒng)諧波問題的持續(xù)加重將威脅電網(wǎng)穩(wěn)定和用電安全。因此，準確追溯諧波擾動源頭，合理評估供用電各方對電能質(zhì)量的影響，進而強化用電各方對保障電能質(zhì)量的責任意識勢在必行。
2、目前，諧波辨別以基于實測數(shù)據(jù)的方法為主，通過提煉數(shù)據(jù)相關性等方法查找主導源頭。在電力電子化新形態(tài)下，多來源擾動交織疊加，不僅諧波擾動呈現(xiàn)全局化，供用電各方參數(shù)也在動態(tài)變化，辨別難度與日俱增。僅依靠以電網(wǎng)物理模型為理論基礎，結合運維人員現(xiàn)場排查和逐個節(jié)點分析的傳統(tǒng)分析模式，將難以應對新型電力系統(tǒng)中繁重的諧波辨別工作。進入以“萬物互聯(lián)”為顯著特征的數(shù)字化時代，新型電力系統(tǒng)的數(shù)字化轉(zhuǎn)型將強有力助推電網(wǎng)諧波擾動的路徑追蹤和源頭分析。
3、數(shù)字化背景賦予了諧波辨別數(shù)據(jù)支撐，同時也帶來新的技術挑戰(zhàn)：一方面，海量電能質(zhì)量監(jiān)測數(shù)據(jù)匯集于云端，占據(jù)了較大的通信存儲資源，而多源數(shù)據(jù)分屬不同信息管理區(qū)，尚未完全實現(xiàn)數(shù)據(jù)庫全域互通；另一方面，隨著各種半導體材料在電力系統(tǒng)中的應用，大量不對稱負載的出現(xiàn)，導致傳統(tǒng)的諧波檢測方法的性能越來越差，而且電力系統(tǒng)中的諧波是不確定的，通過人工配置參數(shù)不能得到最優(yōu)的分解結果。
技術實現(xiàn)思路
1、有鑒于此，本專利技術實施例提供了一種基于云邊端協(xié)同的電力網(wǎng)絡自適應諧波辨別方法及系統(tǒng)，以提高電力網(wǎng)絡諧波辨別的準確
2、根據(jù)本專利技術的一方面，提供了一種基于云邊端協(xié)同的電力網(wǎng)絡自適應諧波辨別方法，應用于邊緣設備，所述邊緣設備與云端服務器以及電力網(wǎng)絡中的終端設備建立通信；所述方法包括：
3、獲取諧波辨別請求，所述諧波辨別請求中包括待辨別的電信號，所述待辨別的電信號為所述電力網(wǎng)絡中的原始信號；
4、將所述待辨別的電信號輸入至預設模型，以使所述預設模型向所述電信號中加入高斯噪聲以及解析信號，得到待分解信號，其中，所述高斯噪聲參數(shù)包括高斯噪聲的幅值頂點以及頻率范圍，所述高斯噪聲參數(shù)由所述預設模型基于所述電信號確定；所述解析信號參數(shù)包括解析信號的幅值以及頻率，所述解析信號參數(shù)由所述預設模型基于所述電信號確定；
5、對所述待分解信號進行經(jīng)驗模態(tài)分解，得到所述待分解信號對應的多組imf，其中，每組imf對應所述電信號包含的一個頻率；
6、確定所述多組imf的平均能量，獲取imf能量頻譜圖；
7、基于所述imf能量頻譜圖，確定所述imf能量頻譜圖中隨頻率增加而出現(xiàn)的第一個極小值點，并確定頻率小于所述第一個極小值點的頻率的imf為普通信號主導的imf；
8、從所述電信號中剔除所述普通信號主導的imf，得到諧波信號。
9、在一種可能的實施例中，所述普通信號包括基波信號以及噪聲信號；
10、所述基于所述imf能量頻譜圖，確定所述imf能量頻譜圖中隨頻率增加而出現(xiàn)的第一個極小值點，并確定頻率小于所述第一個極小值點的頻率的imf為普通信號主導的imf，包括：
11、基于所述imf能量頻譜圖，確定所述imf能量頻譜圖中隨頻率增加而出現(xiàn)的第一個極小值點，并確定頻率小于所述第一個極小值點的頻率的imf為噪聲主導的imf；
12、所述方法還包括：
13、從所述多組imf中剔除所述噪聲主導的imf，并對剔除所述噪聲主導的imf后的剩余imf進行重構，得到重構信號；
14、對所述重構信號進行經(jīng)驗模態(tài)分解，得到所述重構信號對應的多組第二imf，并確定所述多組第二imf的平均能量，獲得第二imf能量頻譜圖；
15、基于所述第二imf能量頻譜圖，確定所述第二imf能量頻譜圖中隨頻率增加而出現(xiàn)的第一個極小值點，并確定頻率小于所述第一個極小值點的頻率的第二imf為基波主導的imf；
16、所述從所述電信號中剔除所述普通信號主導的imf，得到諧波信號，包括：
17、從所述電信號中剔除所述噪聲主導的imf以及所述基波主導的imf，得到諧波信號。
18、在一種可能的實施例中，所述預設模型中包括粒子群算法，所述預設模型通過以下步驟得到：
19、獲取待訓練數(shù)據(jù)，所述待訓練數(shù)據(jù)為原始電信號數(shù)據(jù)，所述原始電信號數(shù)據(jù)中包括噪聲、基波以及諧波；所述訓練數(shù)據(jù)的標簽為針對所述訓練數(shù)據(jù)設置的高斯噪聲幅值頂點范圍以及高斯噪聲頻率范圍；
20、設置粒子群的大小與各粒子的初始速度以及初始位置，以及預設迭代次數(shù)；
21、基于慣性權重、第一學習因子、第二學習因子、粒子當前速度、粒子當前位置、粒子最佳位置、粒子群最佳位置以及隨機量更新各所述粒子的速度以及位置，其中，所述慣性權重用于評估粒子當前速度為更新后的粒子速度的影響，所述第一學習因子用于評估所述粒子最佳位置與所述粒子當前位置之間的差對所述更新后的粒子速度的影響，所述第二學習因子用于評估所述粒子群最佳位置與所述粒子當前位置之間的差對所述更新后的粒子速度的影響，所述隨機量為預設系數(shù)與[0,1]內(nèi)的隨機數(shù)的乘積；
22、在達到所述預設迭代次數(shù)的情況下，確定所述粒子群尋到的最優(yōu)結果是否落在相應訓練數(shù)據(jù)對應的高斯噪聲幅值頂點范圍以及高斯噪聲頻率范圍內(nèi)，若所述最優(yōu)結果未落在所述相應訓練數(shù)據(jù)對應的高斯噪聲幅值頂點范圍以及高斯噪聲頻率范圍內(nèi)，則調(diào)整所述慣性權重以及所述預設系數(shù)，返回所述基于慣性權重、第一學習因子、第二學習因子、粒子當前速度、粒子當前位置、粒子最佳位置、粒子群最佳位置以及隨機量更新各所述粒子的速度以及位置的步驟，直至所述粒子群尋到的最優(yōu)結果落在相應訓練數(shù)據(jù)對應的高斯噪聲幅值頂點范圍以及高斯噪聲頻率范圍內(nèi)；
23、確定此時的慣性權重為目標慣性權重，確定此時的預設系數(shù)為目標系數(shù)。
24、在一種可能的實施例中，按照以下公式更新所述粒子的速度：
25、vp(i+1)＝wvp(i)+c1r1(i)[yp,best(i)-yp(i)]+c2r2(i)[ygbest(i)-yp(i)]+δr3(i)
26、其中，vp(i+1)為粒子p的更新后速度，w為慣性權重，vp(i)為粒子p的當前速度，c1為第一學習因子，c2為第二學習因子，r1(i)、r2(i)以及r3(i)均為[0,1]內(nèi)的隨機數(shù)，yp,best(i)為粒子p的最佳位置，yp(i)為粒子p的當前位置，ygbest(i)為粒子群的最佳位置，δ為預設系數(shù)；所述慣性權重與粒子優(yōu)劣程度參量正相關，所述粒子優(yōu)劣程度參量為與粒子當前位置與粒子群最佳位置之間的差正相關，與粒子群最佳位置與粒子群最差位置之間的差負相關。
27、在一種可能的實施例中，所述第一學習因子以及第二學習因子通過以下公式得到：
28、
29、其中，c1為第一學習因子，c2為第二學習因子，cmax為所述粒子群中各粒子的第一學習因子以及第二學習因本文檔來自技高網(wǎng)...
【技術保護點】
1.一種基于云邊端協(xié)同的電力網(wǎng)絡自適應諧波辨別方法，其特征在于，應用于邊緣設備，所述邊緣設備與云端服務器以及電力網(wǎng)絡中的終端設備建立通信；所述方法包括：
2.根據(jù)權利要求1所述的方法，其特征在于，所述普通信號包括基波信號以及噪聲信號；
3.根據(jù)權利要求1所述的方法，其特征在于，所述預設模型中包括粒子群算法，所述預設模型通過以下步驟得到：
4.根據(jù)權利要求3所述的方法，其特征在于，按照以下公式更新所述粒子的速度：
5.根據(jù)權利要求3所述的方法，其特征在于，所述第一學習因子以及第二學習因子通過以下公式得到：
6.根據(jù)權利要求3所述的方法，其特征在于，所述高斯噪聲參數(shù)通過以下步驟得到：
7.根據(jù)權利要求1所述的方法，其特征在于，所述諧波辨別請求中還包括噪聲參數(shù)，所述噪聲參數(shù)包括噪聲幅值以及頻率；所述噪聲參數(shù)通過所述終端設備處設置的濾波器得到；
8.一種基于云邊端協(xié)同的電力網(wǎng)絡自適應諧波辨別系統(tǒng)，其特征在于，所述系統(tǒng)包括：云端服務器、邊緣設備以及終端設備，所述終端設備為電力網(wǎng)絡中的任意類型的終端設備；p>
9.一種電子設備，包括：
10.一種存儲有計算機指令的非瞬時計算機可讀存儲介質(zhì)，其中，所述計算機指令用于使計算機執(zhí)行根據(jù)權利要求1-7中任一項所述的方法。
...【技術特征摘要】
1.一種基于云邊端協(xié)同的電力網(wǎng)絡自適應諧波辨別方法，其特征在于，應用于邊緣設備，所述邊緣設備與云端服務器以及電力網(wǎng)絡中的終端設備建立通信；所述方法包括：
2.根據(jù)權利要求1所述的方法，其特征在于，所述普通信號包括基波信號以及噪聲信號；
3.根據(jù)權利要求1所述的方法，其特征在于，所述預設模型中包括粒子群算法，所述預設模型通過以下步驟得到：
4.根據(jù)權利要求3所述的方法，其特征在于，按照以下公式更新所述粒子的速度：
5.根據(jù)權利要求3所述的方法，其特征在于，所述第一學習因子以及第二學習因子通過以下公式得到：
6.根據(jù)權利要求...
【專利技術屬性】
技術研發(fā)人員：高惠新，林福宏，楊波，徐宏，甘寧達，李鑫，魏澤民，姚海強，劉書涵，許海濤，安建偉，
申請(專利權)人：國網(wǎng)浙江省電力有限公司嘉興供電公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。