【技术实现步骤摘要】
一种应用于同期装置的信号异常检测方法
本专利技术涉及一种应用于同期装置的信号异常检测方法，属于检测同期装置
技术介绍
在正常情况下，同期装置采集的信号本为正弦信号。但随着大量大型电力电子设备与直流系统的应用，同期装置应用的场合电能质量严重下滑，大量各种类型的干扰存在导致信号波形极易发生畸变，使同期装置会误采误判，进而导致误输出。由于干扰的复杂性导致装置采集的信号也存在很大的不同。事实上在存在电能质量问题的场合，装置采集的信号是各有各的不同，各有各的问题，因此很难用传统确定性的方式判断哪种信号是不可用的。当电能质量问题导致同期装置测量不准确时，同期装置有出现误输出的可能，目前没有关于在同期的应用场景中对信号异常检测的方法。相对训练神经网络需要的样本来说，能搜集的同期装置应用场合中的样本比较有限。虽然采取了样本扩张的方法，但也带来了新问题就是按原有的人工智能神经网络方式进行训练容易造成过拟合。
技术实现思路
本专利技术所要解决的技术问题是克服现有技术的缺陷，提供一种应用于同期装置的信...
【技术保护点】
1.一种应用于同期装置的信号异常检测方法，其特征在于，包括：/n获取每个场合同期装置测量的电压值，作为样本信号，扩展样本信号的数量，运行异常检测模型判断电压值是否异常，根据异常检测模型的结果判断是否投入同期功能。/n
【技术特征摘要】
1.一种应用于同期装置的信号异常检测方法，其特征在于，包括：
获取每个场合同期装置测量的电压值，作为样本信号，扩展样本信号的数量，运行异常检测模型判断电压值是否异常，根据异常检测模型的结果判断是否投入同期功能。
2.根据权利要求1所述的一种应用于同期装置的信号异常检测方法，其特征在于，
每个场合同期装置测量得到的电压值记为一组，m个场合测量得到的电压值总计得到m组样本信号，每组样本信号存储于数组Un中，单次测量的电压值依次存储于数组Un中作为样本信号，n代表每组中样本信号的序号。
3.根据权利要求2所述的一种应用于同期装置的信号异常检测方法，其特征在于，扩展样本信号的数量，包括：
每组中样本信号依次存为U1，U2，…，Un，将上述m组样本信号按倒序生成m组倒序样本，m组倒序样本中的数组Un依次分别存储有Un，Un-1，…，U1；
m组样本信号和m组倒序样本共计2m组，将上述共计2m组中的电压值取反生成新的2m组取反样本，原来的电压值为U1，U2，…，Un，取反的电压值为-U1，-U2，…，-Un；
从上述2m组取反样本的每组中随机取一段长度为A的样本信号形成2m组的总样本。
4.根据权利要求3所述的一种应用于同期装置的信号异常检测方法，其特征在于，异常检测模型通过训练4层神经网络得到，包括：
将2m组的总样本分为训练用例、评估用例与测试用例；训练用例为随机从总样本中选取，用于异常检测模型的训练用；评估用例为随机从总样本中选取，用于对异常检测模型的评估；为随机从总样本中选取，用于判定异常检测模型的准确度；4层神经网络中，第一层为输入层，共80个节点，用于接收总样本；第二层为处理层，共150个节点，用于生成150个节点之间的逻辑关系；第三层为处理层，共50个节点，用于生成50个节点之间的逻辑关系；第四层为输出层，共1个节点，用于输出判定结果，输出结果的数值区间为[0,1]，代表总样本的正常概率；
ua为第一层输入层节点，a取值为[1,80]；x1b为第二层处理层节点，b取值范围为[1,150]；x2c为第三层处理层节点，c取值范围为[1,50]；y为第四层输出层节点；
Wljk为4层神经网络中节点间的权重系数，l为1代表第一层与第二层的权重系数，l为2代表第二层与第三层的系数，l为3代表第三层与第四层的系数；j代表权重系数输入层节点编号，当l为1时j为第一层节点号；k代表权重系数输出层节点编号，当l为1时k为第二层节点号。
5.根据权利要求4所述的一种应用于同期装置的信号异常检测方法，其特征在于，异常检测模型通过训练4层神经网络得到，包括：
步骤1)4层神经网络计算公式如下：
4层神经网络中，激活函数使用sigmod函数，输出层采用softmax方法获取总样本的正常概率；上述公式中uj为一组训练用例，y′为一组训练用例经过4层神经网络计算得到的判断训练用例的同期功能正常且同期合闸精度满足设定的合闸阈值的概率；当训练用例为多组时，将4层神经网络计算得到的结果记为y′i，其中i代表对应第i组训练用例；
步骤2)每组训练用例通过4层神经网络运算得到y...
【专利技术属性】
技术研发人员：赵涌，孙延岭，景波云，徐方明，程潇黠，刘强，
申请(专利权)人：南京南瑞水利水电科技有限公司，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。