一种基于样本熵与小波变换的线损特性分析方法技术

本发明专利技术公开了一种基于样本熵与小波变换的线损特性分析方法，包括S1、输入原始线损数据；S2、设定滑动移除数据的窗口长度S以及滑动步长L；S3、从待分析的原始线损率数据的第i个数据开始连续移除S个数据，再将剩余N‑S个数据拼接在一起形成一个新的线损率序列；S4、利用样本熵理论计算重新拼接的线损率序列的熵值；S5、保持移除数据的窗口尺度不变，以步长L逐步移动窗口，重复步骤S3～S5，直到原始线损率数据序列结束为止等步骤，本发明专利技术首次将样本熵结合滑动技术与小波变换应用于电力系统的线损异常检测与分析，能够对电力系统产生的大量线损率数据进行异常检测。

A line loss characteristic analysis method based on sample entropy and wavelet transform

The invention discloses a method for analyzing line loss characteristics based on sample entropy and wavelet transform, including S1, input original line loss data, S2, setting window length S of sliding removal data and sliding step L, S3, successively removing S data from the first data of original line loss rate data to be analyzed, and then removing the remaining N_S data. The data are spliced together to form a new line loss rate sequence; S4. The entropy value of the reconstituted line loss rate sequence is calculated by using the sample entropy theory; S5. The method keeps the window scale of the removed data unchanged, moves the window step by step L, repeats ~S5, and so on until the end of the original line loss rate data sequence. Sample entropy combined with sliding technique and wavelet transform is applied to anomaly detection and analysis of power system line loss for the first time.

【技术实现步骤摘要】
一种基于样本熵与小波变换的线损特性分析方法
本专利技术涉及电力
，具体涉及一种基于样本熵与小波变换的线损特性分析方法。
技术介绍
线损率是一个重要的经济指标，对线损管理有着重要的意义。在研究内容方面，已有对线损率的分析大多集中在线损的异常分析以及其特性分析方面。在线损异常分析方面，已有的线损异常分析方法针对异常的产生原因进行研究，着重分析线损异常产生的原因，但针对线损率异常检测的研究较少。目前的线损异常研究方法是一般是使用固定的阈值进行异常筛选。但是当线损率随时间变化时，阈值存在不适用的可能性。而对于线损自动化系统产生的海量线损数据，更是难以对其进行人工核查。在线损特性分析方面，一般按照分压、分元件的方式分析线损的构成情况，从而提出降损的措施；或是通过其影响因素来反映线损的变化，但涉及线损率随时间变化的特性分析，目前仍缺少相应的研究。
技术实现思路
针对现有技术的不足，本专利技术的目的旨在提供一种基于样本熵与小波变换的线损特性分析方法，以为线损管理提供依据。为实现上述目的，本专利技术采用如下技术方案：一种基于样本熵与小波变换的线损特性分析方法，包括如下步骤：S1、输入原始线损数据S2、设定滑动移除数据的窗口长度S以及滑动步长L；S3、从待分析的原始线损率数据的第i个数据开始连续移除S个数据，再将剩余N-S个数据拼接在一起形成一个新的线损率序列；S4、利用样本熵理论计算重新拼接的线损率序列的熵值；S5、保持移除数据的窗口尺度不变，以步长L逐步移动窗口，重复步骤S3～S5，直到原始线损率数据序列结束为止；S6、通过步骤S2～S5得到一个随窗口移动的样本熵序列；S7、根据步骤S6的样本熵序列的变化情况判断线损率异常点，并使用异常数据两侧平均值进行补全；S8、重复步骤S2～S7，对修正后的线损率数据进行检验，直至前后两次样本熵平均值之差在一个设定的值内；S9、对修正后的线损率数据进行小波变换，得出线损率小波方差；S10、根据线损率小波方差分析线损率的主要周期变换。在步骤S9中，所述的小波变换采用的是Morlet复小波，Morlet复小波表达式为：对于线损率序列f(t)，其连续小波变换为：式中，Wf(a,b)称为小波系数；ψ*(t)是ψ(t)的复共轭函数，a为频域参数，b为时域参数；通过小波变换系数Wf(a,b)可以进而计算得到线损率小波方差；在步骤S4中，所述的样本熵理论为：对于给定的线损率序列x(1)，x(2)，…，x(N)，其样本熵的计算步骤如下所示：(a)将线损率数据按照时间顺序排列成一组m维矢量Xm(i)＝(x(i),x(i+1),…,x(i+m-1))(1)式中，i＝1,2,…,N-m+1；(b)定义Xm(i)与Xm(j)之间的距离d为两者对应元素中差值最大的一个d(Xm(i),Xm(j))＝max(|Xm(i+k)|-|Xm(j+k)|)(2)式中，k＝0,1,2,…,m-1；(c)给定阈值r，对于每一个i值，计算Xm(i)与其余所有矢量Xm(j)(j＝1,2,…,N-m+1且i≠j)之间的距离d(Xm(i),Xm(j))；统计d(Xm(i),Xm(j))小于r的数目Nm(i)，以及此数目与矢量总数的比值Bm(i)；(d)对Bm(i)求其平均值，记为B′m：(e)将维数增加为m+1，重复步骤(a)～(d)，得到B′m+1；(f)理论上时间序列的样本熵为定义为：当N为有限值时，样本熵的估计值为SampEn(N,m,r)＝-ln(B′m+1/B′m)(6)r取原始序列x(i)的0.1～0.25倍标准差，参数m取1或2。本专利技术的有益效果在于：(1)理论创新方面。本专利技术首次将样本熵结合滑动技术与小波变换应用于电力系统的线损异常检测与分析，能够对电力系统产生的大量线损率数据进行异常检测；(2)社会经济效益方面。本专利技术直接对线损进行分析，有利于供电公司进行线损管理，根据其规律制定更好的措施，并从中带来良好的社会经济效益。附图说明图1为本专利技术实施例提供的基于样本熵与小波变换的线损特性分析方法的流程图。具体实施方式下面，结合附图以及具体实施方式，对本专利技术做进一步描述：本实施例运用滑动移除样本熵方法进行线损异常数据的检测与剔除，利用插值补全异常数据；其次，使用小波变换理论对修正后的年线损率进行分析，揭示其周期变化。结合图1具体阐述如下：(1)样本熵理论由于实际工程中大多用固定阈值简单进行异常数据筛选，但由于线损率随时间变化会有不同情况，因此阈值保持不变难以满足实际情形。为解决固定阈值带来的缺陷，本实施例使用样本熵方法排查异常数据。样本熵是由Richman等提出的一种基于时间序列的衡量系统复杂度的测量方法，它能有效地降低近似熵理论的误差，准确的定量描述了系统的复杂度和规则度。通过该方法计算出的熵值大小能反映时间序列的复杂度和系统产生新模式的概率，若时间序列的熵值越大，说明其复杂性越大，时间序列的熵值小，说明其相似程度就越高。对于给定的线损率序列x(1)，x(2)，…，x(N)，其样本熵的计算步骤如下所示。(a)将线损率数据按照时间顺序排列成一组m维矢量。Xm(i)＝(x(i),x(i+1),…,x(i+m-1))(1)式中，i＝1,2,…,N-m+1。(b)定义Xm(i)与Xm(j)之间的距离d为两者对应元素中差值最大的一个。d(Xm(i),Xm(j))＝max(|Xm(i+k)|-|Xm(j+k)|)(2)式中，k＝0,1,2,…,m-1。(c)给定阈值r，对于每一个i值，计算Xm(i)与其余所有矢量Xm(j)(j＝1,2,…,N-m+1且i≠j)之间的距离d(Xm(i),Xm(j))。统计d(Xm(i),Xm(j))小于r的数目Nm(i)，以及此数目与矢量总数的比值Bm(i)。(d)对Bm(i)求其平均值，记为B′m。(e)将维数增加为m+1，重复步骤(a)～(d)，得到B′m+1。(f)理论上时间序列的样本熵为定义为：当N为有限值时，样本熵的估计值为SampEn(N,m,r)＝-ln(B′m+1/B′m)(6)在实际应用中，一般r取原始序列x(i)的0.1～0.25倍标准差，参数m取1或2，这样计算得到的样本熵值具有较为合理的统计特性。(2)滑动移除样本熵由于样本熵只能计算数据整体的复杂度与规则度，无法定位到其中某个数据对整体的影响。因此，本方法在样本熵的基础上加入滑动移除技术解决该问题。通过计算移除某一个或一段线损率数据后的样本熵值的变化，进而反映出这一个或者一段数据与整体的匹配程度。样本熵利用了历史数据以及实时数据进行计算，能够准确反映整个线损率的变化情况。当移除数据后的熵值减小，则说明该数据与整体线损率的匹配程度低，为异常数据。滑动移除样本熵的具体计算步骤如下：(a)设定滑动移除数据的窗口长度S以及滑动步长L；(b)从待分析的原始线损率数据的第i个数据开始连续移除S个数据，再将剩余N-S个数据拼接在一起形成一个新的线损率序列；(c)利用样本熵理论计算重新拼接的线损率序列的熵值；(d)保持移除数据的窗口尺度不变，以步长L逐步移动窗口，重复步骤(b)～(d)，直到原始线损率数据序列结束为止；(e)通过步骤(a)～(d)可以得到一个随窗口移动的样本熵序列；(f)根据样本熵序列的变化情况判断线损率异常点，并使本文档来自技高网...

【技术保护点】
1.一种基于样本熵与小波变换的线损特性分析方法，其特征在于，包括如下步骤：S1、输入原始线损数据；S2、设定滑动移除数据的窗口长度S以及滑动步长L；S3、从待分析的原始线损率数据的第i个数据开始连续移除S个数据，再将剩余N‑S个数据拼接在一起形成一个新的线损率序列；S4、利用样本熵理论计算重新拼接的线损率序列的熵值；S5、保持移除数据的窗口尺度不变，以步长L逐步移动窗口，重复步骤S3～S5，直到原始线损率数据序列结束为止；S6、通过步骤S2～S5得到一个随窗口移动的样本熵序列；S7、根据步骤S6的样本熵序列的变化情况判断线损率异常点，并使用异常数据两侧平均值进行补全；S8、重复步骤S2～S7，对修正后的线损率数据进行检验，直至前后两次样本熵平均值之差在一个设定的值内；S9、对修正后的线损率数据进行小波变换，得出线损率小波方差；S10、根据线损率小波方差分析线损率的主要周期变换。

【技术特征摘要】
1.一种基于样本熵与小波变换的线损特性分析方法，其特征在于，包括如下步骤：S1、输入原始线损数据；S2、设定滑动移除数据的窗口长度S以及滑动步长L；S3、从待分析的原始线损率数据的第i个数据开始连续移除S个数据，再将剩余N-S个数据拼接在一起形成一个新的线损率序列；S4、利用样本熵理论计算重新拼接的线损率序列的熵值；S5、保持移除数据的窗口尺度不变，以步长L逐步移动窗口，重复步骤S3～S5，直到原始线损率数据序列结束为止；S6、通过步骤S2～S5得到一个随窗口移动的样本熵序列；S7、根据步骤S6的样本熵序列的变化情况判断线损率异常点，并使用异常数据两侧平均值进行补全；S8、重复步骤S2～S7，对修正后的线损率数据进行检验，直至前后两次样本熵平均值之差在一个设定的值内；S9、对修正后的线损率数据进行小波变换，得出线损率小波方差；S10、根据线损率小波方差分析线损率的主要周期变换。2.如权利要求1所述的基于样本熵与小波变换的线损特性分析方法，其特征在于，在步骤S9中，所述的小波变换采用的是Morlet复小波，Morlet复小波表达式为：对于线损率序列f(t)，其连续小波变换为：式中，Wf(a,b)称为小波系数；ψ*(t)是ψ(t)的复共轭函数，a为频域参数，b为时域参数；通过小波变换系数Wf(a,b...

【专利技术属性】
技术研发人员：王奇，庄远灿，阎帅，朱建全，蔡延雷，刘明波，
申请(专利权)人：中国南方电网有限责任公司超高压输电公司检修试验中心，华南理工大学，
类型：发明
国别省市：广东,44