System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數(shù)名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術實現(xiàn)步驟摘要】
本專利技術涉及電流互感器,并且更具體地,涉及一種基于雙重分解的配網(wǎng)用電流互感器計量誤差超限識別方法。
技術介紹
1、配網(wǎng)用電流互感器作為直接與用戶側關聯(lián)的計量裝置,其計量的準確性直接影響到配電網(wǎng)絡線損的精益化管理和供用電雙方的經(jīng)濟利益,因此受到供用電雙方以及政府部門的極大關注。依據(jù)jjg1189《測量用互感器》檢定規(guī)程,電磁式電流互感器的檢定周期不得超過10年,需用檢定裝備對互感器開展全覆蓋檢定,傳統(tǒng)周檢方式的技術難點包括:配網(wǎng)用互感器待檢工作量巨大以及配網(wǎng)用互感器運行的工況環(huán)境比較嚴峻。常用的離線檢測方法難以滿足優(yōu)質服務和精準研判的工作要求。因此,為提高電力系統(tǒng)現(xiàn)場校驗的自動化和信息化水平,減少現(xiàn)場工作人員的工作量,有必要開展配網(wǎng)用電流互感器誤差超限識別方法的研究。
技術實現(xiàn)思路
1、根據(jù)本專利技術,提供了一種方基于雙重分解的配網(wǎng)用電流互感器計量誤差超限識別方法,以解決傳統(tǒng)周檢方式的技術難點:配網(wǎng)用互感器待檢工作量巨大以及配網(wǎng)用互感器運行的工況環(huán)境比較嚴峻。常用的離線檢測方法難以滿足優(yōu)質服務和精準研判的工作要求。
2、根據(jù)本專利技術的第一個方面,提供了一種基于雙重分解的配網(wǎng)用電流互感器計量誤差超限識別方法,包括:
3、采集電流互感器二次側的三相電流信號xi;
4、根據(jù)約束條件建立變分模態(tài)分解約束模型,基于變分模態(tài)分解約束模型,分解提取所述三相電流信號xi的殘差項信號ri;
5、基于哈爾小波提取殘差項信號ri的近似系數(shù),確定近似系數(shù)集
6、基于第n層級的細節(jié)小波系數(shù)cani,計算高維空間中的的聯(lián)合分布概率pmn與一維空間的樣本概率密度qmn之間的相似度ki,形成正常電流信號的特征數(shù)據(jù)ci;
7、基于正常電流信號的特征數(shù)據(jù)集c,確定電流互感器異常閾值t,判定電流互感器誤差是否超限。
8、可選地,根據(jù)約束條件建立變分模態(tài)分解約束模型,基于變分模態(tài)分解約束模型,分解提取所述三相電流信號xi的殘差項信號ri,包括:
9、根據(jù)約束條件建立變分模態(tài)分解約束模型,結合拉格朗日相關數(shù)據(jù)概念建立無約束模型,結合交替方向乘子法對所有分解后的本征模態(tài)信號進行更新,得到最優(yōu)的一組本征模態(tài)信號,將所述三相電流信號分解為一組不同中心頻率ωik的本征模態(tài)信號u(ωik),并選取最大程度上包含了電流互感器的老化本質的殘差信號r:
10、xi=u(ωi1)+u(ωi2)+...+u(ωim)
11、ri=u(ωi1)
12、其中,m為本征模態(tài)信號的個數(shù),ωi1數(shù)值最小,則ri為電流信號所對應的殘差項信號。
13、可選地,基于哈爾小波提取殘差項信號ri的近似系數(shù),確定近似系數(shù)集ξ為第n層級的細節(jié)小波系數(shù)cani,包括:
14、基于哈爾小波對殘差信號ri進行多次分解;
15、第一次分解得到第一層級的近似系數(shù)ca1i和細節(jié)系數(shù)cd1i;
16、對第一層級的近似系數(shù)ca1i和細節(jié)系數(shù)cd1i進行分解,得到第二層級的近似系數(shù)ca2i和細節(jié)系數(shù)cd2i;
17、不斷分解上一層級的近似系數(shù)can-1i,得到本層級的近似系數(shù)cani和細節(jié)小波系數(shù)cdni;
18、確定近似系數(shù)集為第n層級的細節(jié)小波系數(shù)cani。
19、可選地,基于第n層級的細節(jié)小波系數(shù)cani,計算高維空間中的的聯(lián)合分布概率pmn與一維空間的樣本概率密度qmn之間的相似度ki,形成正常電流信號的特征數(shù)據(jù)ci,包括:
20、基于第n層級的細節(jié)小波系數(shù)cani,計算高維空間中的的聯(lián)合分布概率pmn;
21、設置自由度,計算細節(jié)小波系數(shù)cani映射到一維空間的樣本概率密度qmn;
22、計算高維空間中的的聯(lián)合分布概率pmn與一維空間的樣本概率密度qmn之間的相似度ki;
23、對相似度ki進行優(yōu)化運算,得到細節(jié)小波系數(shù)cani映射到一維空間的最終結果,即一維特征數(shù)據(jù)ci。
24、可選地,基于正常電流信號的特征數(shù)據(jù)集c,確定電流互感器異常閾值t,判定電流互感器誤差是否超限,包括:
25、基于正常電流信號的特征數(shù)據(jù)集c,確定低于電流互感器異常閾值t的電流信號,提取所述電流信號對應的一維特征數(shù)據(jù)c={c1,c2,....,cn}j,計算其概率密度分布f(c)和概率分布函數(shù)f(c):
26、
27、選定置信度α,結合概率分布函數(shù)f(c)進行閾值t計算:
28、t=f-1(α)
29、其中,n為低于電流互感器異常閾值t的電流信號,∫dx為積分運算,∑為求和運算。
30、根據(jù)本專利技術的另一個方面,還提供了一種基于雙重分解的配網(wǎng)用電流互感器計量誤差超限識別系統(tǒng),包括:
31、采集三相電流信號模塊,用于采集電流互感器二次側的三相電流信號xi;
32、提取殘差項信號模塊,用于根據(jù)約束條件建立變分模態(tài)分解約束模型,基于變分模態(tài)分解約束模型,分解提取所述三相電流信號xi的殘差項信號ri;
33、確定細節(jié)小波系數(shù)模塊,用于基于哈爾小波提取殘差項信號ri的近似系數(shù),確定近似系數(shù)集ξ為第n層級的細節(jié)小波系數(shù)cani;
34、形成特征數(shù)據(jù)模塊,用于基于第n層級的細節(jié)小波系數(shù)cani,計算高維空間中的的聯(lián)合分布概率pmn與一維空間的樣本概率密度qmn之間的相似度ki,形成正常電流信號的特征數(shù)據(jù)ci;
35、判斷是否超限模塊,用于基于正常電流信號的特征數(shù)據(jù)集c,確定電流互感器異常閾值t,判定電流互感器誤差是否超限。
36、可選地,提取殘差項信號模塊,包括:
37、提取殘差項信號子模塊,用于根據(jù)約束條件建立變分模態(tài)分解約束模型,結合拉格朗日相關數(shù)據(jù)概念建立無約束模型,結合交替方向乘子法對所有分解后的本征模態(tài)信號進行更新,得到最優(yōu)的一組本征模態(tài)信號,將所述三相電流信號分解為一組不同中心頻率ωik的本征模態(tài)信號u(ωik),并選取最大程度上包含了電流互感器的老化本質的殘差信號r:
38、xi=u(ωi1)+u(ωi2)+...+u(ωim)
39、ri=u(ωi1)
40、其中,m為本征模態(tài)信號的個數(shù),ωi1數(shù)值最小,則ri為電流信號所對應的殘差項信號。
41、可選地,確定細節(jié)小波系數(shù)模塊,包括:
42、分解殘差信號子模塊,用于基于哈爾小波對殘差信號ri進行多次分解;
43、第一次分解子模塊,用于第一次分解得到第一層級的近似系數(shù)ca1i和細節(jié)系數(shù)cd1i;
44、第二次分解子模塊,用于對第一層級的近似系數(shù)ca1i和細節(jié)系數(shù)cd1i進行分解,得到第二層級的近似系數(shù)ca2i和細節(jié)系數(shù)cd2i;
45、不斷分解子模塊,用于不斷分解上一層級的近似系數(shù)can-1i,得到本層級的近似系數(shù)cani和細節(jié)小波系數(shù)本文檔來自技高網(wǎng)...
【技術保護點】
1.一種基于雙重分解的配網(wǎng)用電流互感器計量誤差超限識別方法,其特征在于,包括:
2.根據(jù)權利要求1所述的方法,其特征在于,根據(jù)約束條件建立變分模態(tài)分解約束模型,基于變分模態(tài)分解約束模型,分解提取所述三相電流信號Xi的殘差項信號ri,包括:
3.根據(jù)權利要求1所述的方法,其特征在于,基于哈爾小波提取殘差項信號ri的近似系數(shù),確定近似系數(shù)集ξ為第n層級的細節(jié)小波系數(shù)CAni,包括:
4.根據(jù)權利要求1所述的方法,其特征在于,基于第n層級的細節(jié)小波系數(shù)CAni,計算高維空間中的的聯(lián)合分布概率Pmn與一維空間的樣本概率密度qmn之間的相似度Ki,形成正常電流信號的特征數(shù)據(jù)Ci,包括:
5.根據(jù)權利要求1所述的方法,其特征在于,基于正常電流信號的特征數(shù)據(jù)集C,確定電流互感器異常閾值T,判定電流互感器誤差是否超限,包括:
6.一種基于雙重分解的配網(wǎng)用電流互感器計量誤差超限識別系統(tǒng),其特征在于,包括:
7.根據(jù)權利要求6所述的系統(tǒng),其特征在于,提取殘差項信號模塊,包括:
8.根據(jù)權利要求7所述的系統(tǒng),其特征在于
9.根據(jù)權利要求6所述的系統(tǒng),其特征在于,形成特征數(shù)據(jù)模塊,包括:
10.根據(jù)權利要求6所述的系統(tǒng),其特征在于,判斷是否超限模塊,包括:
11.一種計算機可讀存儲介質,其上存儲有計算機程序,其特征在于,該程序被處理器執(zhí)行時實現(xiàn)如權利要求1-5中任一項所述方法的步驟。
12.一種電子設備,其特征在于,包括:
...【技術特征摘要】
1.一種基于雙重分解的配網(wǎng)用電流互感器計量誤差超限識別方法,其特征在于,包括:
2.根據(jù)權利要求1所述的方法,其特征在于,根據(jù)約束條件建立變分模態(tài)分解約束模型,基于變分模態(tài)分解約束模型,分解提取所述三相電流信號xi的殘差項信號ri,包括:
3.根據(jù)權利要求1所述的方法,其特征在于,基于哈爾小波提取殘差項信號ri的近似系數(shù),確定近似系數(shù)集ξ為第n層級的細節(jié)小波系數(shù)cani,包括:
4.根據(jù)權利要求1所述的方法,其特征在于,基于第n層級的細節(jié)小波系數(shù)cani,計算高維空間中的的聯(lián)合分布概率pmn與一維空間的樣本概率密度qmn之間的相似度ki,形成正常電流信號的特征數(shù)據(jù)ci,包括:
5.根據(jù)權利要求1所述的方法,其特征在于,基于正常電流信號...
【專利技術屬性】
技術研發(fā)人員:杜博倫,姜春陽,周峰,王歡,李東升,曾秀娟,劉彤,殷小東,張軍,雷民,
申請(專利權)人:中國電力科學研究院有限公司,
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。