基于二维Hankel矩阵多尺度SVD变换法制造技术

本发明专利技术实施例公开一种基于二维Hankel矩阵多尺度SVD变换法：S1采集三相行波数据进行模量变换，获取线行波模信号进行分析；S2对行波线模信号X变换，得到第j层分解尺度下的近似分量Pj和细节分量Qj；S3基于S2构造复合矩阵Cj，对Cj做SVD变换后，计算该分解层对应的奇异熵，并计算相较于上一层的奇异熵增量ΔEj。判断若ΔEj大于某一值ε，将近似分量Pj赋值给一维矩阵X，重复步骤S2，输出最优分解层数r。和前r层分解后的细节分量Q1,Q2,…,Qr；S4对r层分解后的一系列矩阵Qi(i＝1,2,…,r)，得到

【技术实现步骤摘要】
基于二维Hankel矩阵多尺度SVD变换法
本专利技术涉及输配电领域，尤其涉及一种基于二维Hankel矩阵多尺度SVD变换法。
技术介绍
高压输电线路作为远距离电能输送通道，跨越距离长，沿途地理环境复杂，不可避免地受到雷电、树障、覆冰、山火等因素影响，这些因素会导致不同程度的线路绝缘性能下降，从而导致输电线路故障跳闸。在输电线路发生故障的同时，会在故障点处产生沿线路两侧传播的行波信号，该行波在线路上以近似光速的速度波动，不受线路运行方式、线路长度、过渡电阻等因素影响。因此通过对故障行波信号的精确检测分析，利用行波波动距离来确定故障点位置，还能够通过行波特征分析确定故障类型，将有助于提升故障排除速度，保证供电电能质量。当前行波检测的方法主要有小波分析法、希尔伯特黄变换法、经验模态分解分解法(empiricalmodedecomposition，EMD)、数学形态法和奇异值分解法。小波分析法将原始信号按频率进行多层划分，根据信号的时频特征，自适应地选择合适的视窗，用以观测信号的局部时频信息。不同的小波基对Lipschitz指数一样的信号奇异点检测效果不一样。希尔伯特黄变换将经验模态分解得到的IMF变换分量对应于瞬时频率谱上的首个突变点，从而确定首波时标。但EMD算法存在模态混叠现象，在无法解耦混叠信号时，难以准确确定行波奇异点时刻。数学形态法用结构元素去量度和提取信号特征，依赖于形态学结构元素的优选。在奇异值分解(singularvaluedecomposition，SVD)法中，通过正交变换将一个矩阵转化为一个对角矩阵，该对角矩阵的对角线元素为原矩阵的奇异值，可以反映原矩阵的一些特征。该方法在数据降维和压缩、机械振动信号检测、医学、小波变换结果的后期处理等很多领域得到广泛应用。输电线路故障行波监测器在采集数据时，由于线路结构和采集器本身原因，会在行波信号中混入噪声信号，在行波信号较弱时，强度相对高的噪声会对行波的检测造成干扰，导致基于行波的故障测距和故障类型辨识失败。
技术实现思路
本专利技术实施例提供一种基于二维Hankel矩阵多尺度SVD变换法，能够实现对行波奇异点的精确检测。本专利技术实施例采用如下技术方案：一种基于二维Hankel矩阵多尺度SVD变换法，所述方法用于高压输电线路故障行波奇异点检测，该方法包括：S1数据采集：采集三相行波数据进行模量变换，获取线行波模信号进行分析；S2对行波线模信号X做二维Hankel矩阵多尺度SVD变换，得到第j层分解尺度下的近似分量Pj和细节分量Qj，j＝1,2,…；S3基于S2构造复合矩阵Cj，对Cj做SVD变换后，计算该分解层对应的奇异熵，并计算相较于上一层的奇异熵增量ΔEj。判断若ΔEj大于某一值ε，将近似分量Pj赋值给一维矩阵X，重复步骤S2，直到ΔEj小于某一值ε，分解层数达到最优，输出最优分解层数r。和前r层分解后的细节分量Q1,Q2,…,Qr；S4对r层分解后的一系列矩阵Qi(i＝1,2,…,r)，采用动态阈值降噪处理，得到反向重构后得到降噪后的行波信号X′；S5对X′做r层二维Hankel矩阵多尺度SVD变换，根据第r层分解得到的行波信号近似分量Qr中的奇异点位置确定首波、反射波时刻；S6根据各监测器首波时间，确定故障位置区间，进而精确测距故障点。所述步骤S1中，对三相行波数据进行模量变换的具体流程为：取线模分量X＝x1进行分析，确定行波首波和反射波时刻。所述步骤S2中，对行波信号X做二维Hankel矩阵多尺度SVD变换的具体流程为：S21奇异值的大小反映对应分量对原始信号的贡献量的大小。较大的奇异值对应分量是原始信号的主要成分，波形与原始信号类似，称之为近似分量，记为P；较小的奇异值对应分量反映原始信号的细节成分，类似于小波分析的细节信号，称之为细节分量，记为Q；S22多尺度SVD变换是对矩阵P进行多次分解，可将原始信号分解为不同相空间下的近似分量信号和细节分量信号。这个分解过程与小波多尺度分解过程类似，每一层分解都可以得到一个低频近似分量Pj和一个高频细节分量Qj，j是分解层数，j＝1,2,…。所述步骤S3中，计算该分解层对应的奇异熵的具体流程为：S31第j层SVD变换后可以得到j个细节分量矩阵和1个近似分量矩阵，这j+1个矩阵可以代表原始信号的全部信息；S32构造复合矩阵C＝[Q1,Q2,…,Qj,Pj]T，对矩阵C进行SVD变换后按照下式求第j层的奇异熵，并求相对于第j-1层的奇异熵增量ΔE；S33判断若ΔEj大于某一值ε，将近似分量Pj赋值给一维矩阵X，重复步骤(2)，直到ΔEj小于某一值ε，分解层数达到最优，输出最优分解层数r。和前r层分解后的细节分量Q1,Q2,…,Qr。所述步骤S4中，动态阈值降噪处理的具体流程为：S41采用Donoho通用阈值策略改进的标准差无偏估计准则，自适应地选择不同分解尺度下的阈值j；σj＝median(|Qj|)/0.6745其中，j表示分解层数，n表示信号长度，σj表示Qj中噪声信号标准差，median(*)表示计算中值；S42选取一种阈值限处连续的阈值函数将区间[-3σ,3σ]内的Qj值置零即可；S43反向重构后得到降噪后的行波信号X′。所述步骤S5中，确定首波、反射波时刻的具体流程为：S51对X′做r层二维Hankel矩阵多尺度SVD变换，步骤如S2；S52根据第r层分解得到的行波信号近似分量Qr中的奇异点位置确定首波、反射波时刻。所述步骤S6中，确定故障位置区间，进而精确测距故障点的具体流程为：S61根据现场实际需要，在线路两侧各安装一个行波监测器，且无需对称安装，分别记录每个监测器距离参考点的位置，两个监测器采用GPS同步对时系统，根据故障点发生的位置，将输电线路分成区间内段和区间外段；S62通过各监测点首波时刻，结合下式判定故障点位置区间式中，v′为该电压等级下线路行波参考波速。若判断故障发生在区间内段；若判断故障发生在区间外段；S63故障发生在区间外段时，仅利用两个监测器首波时间即可计算行波波速，并将计算波速值保存，赋值给v′用于下一次测距计算。利用故障点就近的监测点首波和反射波计算故障点位置；S64故障发生在区间内段时，仅利用两个监测器的首波时间即可测定故障点位置。本专利技术实施例提供的基于二维Hankel矩阵多尺度SVD变换法，用于高压输电线路故障行波奇异点检测，可消除噪声对行波检测的干扰，实现对行波奇异点的精确检测，并实现故障行波波速的在线计算和故障点位置的精确测定。与现有技术相比，明具如下有益效果：利用多尺度SVD对行波信号进行多层分解，通过奇异熵和奇异熵增量确定最优分解层数，在高频层次空间下将信号的奇异信息反映出来。工程计算中运算量也少，满足对计算速度的要求；对每层分解后的行波信号细节分量做动态阈值降噪处理，反向重构得到降噪后的行波信号，该方法可有效去除噪声对行波检测的干扰，得到更加精确的行波检测和故障点测距结果。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1为本专利技术实施例提供的一种基于二维Hankel矩阵多尺度SVD变换法的流程本文档来自技高网...

【技术保护点】
1.一种基于二维Hankel矩阵多尺度SVD变换法，其特征在于，所述方法用于高压输电线路故障行波奇异点检测，所述方法包括：S1数据采集：采集三相行波数据进行模量变换，获取线行波模信号X进行分析；S2对行波线模信号X做二维Hankel矩阵多尺度SVD变换，得到第j层分解尺度下的近似分量Pj和细节分量Qj，j＝1,2,…；S3基于S2构造复合矩阵Cj，对Cj做SVD变换后，计算该分解层对应的奇异熵，并计算相较于上一层的奇异熵增量ΔEj；判断若ΔEj大于设定值ε，将近似分量Pj赋值给一维矩阵X，重复步骤S2，直到ΔEj小于设定值ε，分解层数达到最优，输出最优分解层数r；和前r层分解后的细节分量Q1,Q2,…,Qr；S4对r层分解后的一系列矩阵Qi(i＝1,2,…,r)，采用动态阈值降噪处理，得到

【技术特征摘要】
1.一种基于二维Hankel矩阵多尺度SVD变换法，其特征在于，所述方法用于高压输电线路故障行波奇异点检测，所述方法包括：S1数据采集：采集三相行波数据进行模量变换，获取线行波模信号X进行分析；S2对行波线模信号X做二维Hankel矩阵多尺度SVD变换，得到第j层分解尺度下的近似分量Pj和细节分量Qj，j＝1,2,…；S3基于S2构造复合矩阵Cj，对Cj做SVD变换后，计算该分解层对应的奇异熵，并计算相较于上一层的奇异熵增量ΔEj；判断若ΔEj大于设定值ε，将近似分量Pj赋值给一维矩阵X，重复步骤S2，直到ΔEj小于设定值ε，分解层数达到最优，输出最优分解层数r；和前r层分解后的细节分量Q1,Q2,…,Qr；S4对r层分解后的一系列矩阵Qi(i＝1,2,…,r)，采用动态阈值降噪处理，得到反向重构后得到降噪后的行波信号X′；S5对X′做r层二维Hankel矩阵多尺度SVD变换，根据第r层分解得到的行波信号近似分量Qr中的奇异点位置确定首波、反射波时刻；S6根据各监测器首波时间，确定故障位置区间，进而精确测距故障点。2.根据权利要求1所述的方法，其特征在于，所述步骤S1中，对三相行波数据进行模量变换的包括：取线模分量X＝x1进行分析，确定行波首波和反射波时刻。3.根据权利要求1所述的方法，其特征在于，所述步骤S2中，对行波信号X做二维Hankel矩阵多尺度SVD变换包括：S21奇异值的大小反映对应分量对原始信号的贡献量的大小，较大的奇异值对应分量是原始信号的主要成分，波形与原始信号类似，称之为近似分量，记为P；较小的奇异值对应分量反映原始信号的细节成分，类似于小波分析的细节信号，称之为细节分量，记为Q；S22多尺度SVD变换是对矩阵P进行多次分解，可将原始信号分解为不同相空间下的近似分量信号和细节分量信号。这个分解过程与小波多尺度分解过程类似，每一层分解都可以得到一个低频近似分量Pj和一个高频细节分量Qj，j是分解层数，j＝1,2,…。4.根据权利要求1所述的方法，其特征在于，所述步骤S3中，计算该分解层对应的奇异熵包括：S31第j层SVD变换后...

【专利技术属性】
技术研发人员：林顺富，曹雨，顾乡，刘丹凤，刘持涛，徐征，顾春艳，高健飞，畅国刚，吕乔榕，许亮峰，
申请(专利权)人：珠海妙微科技有限公司，
类型：发明
国别省市：广东,44