本申请公开了一种高压电缆故障时间的确定方法、系统及相关组件，应用于电力系统领域，用于对高压电缆故障时间定位，该方法包括：获取高压电缆的电气信号；对电气信号进行EMD分解，得到IMF分量；对IMF分量进行希尔伯特变换，得到对应的瞬时幅值；对瞬时幅值进行差分运算，得到差分运算结果；比较差分运算结果与参考阈值的大小，以确定差分运算结果对应的突出点序列；将突出点序列输入预设的增量式宽度学习算法模型，以使增量式宽度学习算法模型输出判定结果，判定结果包括电气信号中是否存在故障以及故障对应的故障时间。本申请中的确定方法，结合希尔伯特变换、突出点序列确定和宽度学习的算法特点，能够完成故障及故障时间的快速确定。速确定。速确定。
【技术实现步骤摘要】
一种高压电缆故障时间的确定方法、系统及相关组件
[0001]本专利技术涉及电力系统领域，特别涉及一种高压电缆故障时间的确定方法、系统及相关组件。
技术介绍
[0002]电力系统故障时间定位检测，是保证电网故障检测与维修顺利完成的关键前提，目前，对故障时间的检测方法普遍有快速傅里叶变换(Fast Fourier Transform，FFT)、小波变换(Wavelet Transform，WT)和S变换。
[0003]其中，傅里叶变换是频谱分析的常用方法，其中FFT算法只能分别对时频两种特性单独分析，对非平稳扰动信号的检测效果较差；在此基础上改进的短时傅里叶变换(Short
‑
Time Fourier Transform，STFT)，通过增加窗函数其固定分辨率使其具有一定程度的局部分析能力，但需要根据信号的不同特性选择匹配的窗函数，不具有适应性；小波变换在STFT局部化方法基础上，通过平移与伸缩等运算生成随频率变化的时频窗函数，对信号局部时频信息有较好的检测水平，适合检测分析暂态、突变等扰动，也具备多尺度分析能力，但处理过程中需要提前准备好小波基函数，处理效果较受限于基函数的选择，同时缺乏较好的筛选准则；S变换为将STFT与连续小波变换相结合而改进的具有移动可伸缩高斯窗函数的时频分析办法，该方法解决了窗函数的依赖性问题并克服了窗宽不变的缺点，具有较强时频特性分析能力，可用于暂态扰动信号的检测，但计算速度慢且效率低，且不太适用于复合暂态扰动方面的检测。
[0004]因此，如何提供一种解决上述技术问题的方案是目前本领域技术人员需要解决的问题。
技术实现思路
[0005]有鉴于此，本专利技术的目的在于提供一种适应性强、效率较高的高压电缆故障时间的确定方法、系统及相关组件。其具体方案如下：
[0006]一种高压电缆故障时间的确定方法，包括：
[0007]获取高压电缆的电气信号；
[0008]对所述电气信号进行EMD分解，得到IMF分量；
[0009]对所述IMF分量进行希尔伯特变换，得到对应的瞬时幅值；
[0010]对所述瞬时幅值进行差分运算，得到差分运算结果；
[0011]比较所述差分运算结果与参考阈值的大小，以确定所述差分运算结果对应的突出点序列；
[0012]将所述突出点序列输入预设的增量式宽度学习算法模型，以使所述增量式宽度学习算法模型输出判定结果，所述判定结果包括所述电气信号中是否存在故障以及故障对应的故障时间。
[0013]优选的，所述对所述瞬时幅值进行差分运算，得到差分运算结果的过程，包括：
[0014]利用差分运算公式对所述瞬时幅值进行差分运算，所述差分运算公式为：
[0015][0016]其中，i为采样序列的序号，i＝1,2,...,n，n为所述采样序列的总长度，A
imf
(i)为序号i对应的所述瞬时幅值，ΔA
imf
(i)为序号i对应的所述差分运算结果。
[0017]优选的，所述比较所述差分运算结果与参考阈值的大小，以确定所述差分运算结果对应的突出点序列的过程，包括：
[0018]根据参考阈值比较公式，确定所述差分运算结果对应的突出点序列；所述参考阈值比较公式为：
[0019][0020]其中，k为突出点序列，p为参考阈值。
[0021]优选的，所述参考阈值取值为：
[0022][0023]优选的，所述对所述IMF分量进行希尔伯特变换，得到对应的瞬时幅值的过程，包括：
[0024]对第一个所述IMF分量进行希尔伯特变换，得到对应的瞬时幅值。
[0025]优选的，所述确定方法还包括：
[0026]在所述增量式宽度学习算法模型的基础上，更新预设权重参数。
[0027]优选的，所述在所述增量式宽度学习算法模型的基础上，更新预设权重参数的过程，包括：
[0028]在所述增量式宽度学习算法模型的基础上，根据所述判定结果更新预设权重参数。
[0029]相应的，本申请还公开了一种高压电缆故障时间的确定系统，包括：
[0030]获取模块，用于获取高压电缆的电气信号；
[0031]分解模块，用于对所述电气信号进行EMD分解，得到IMF分量；
[0032]变换模块，用于对所述IMF分量进行希尔伯特变换，得到对应的瞬时幅值；
[0033]第一计算模块，用于对所述瞬时幅值进行差分运算，得到差分运算结果；
[0034]第二计算模块，用于比较所述差分运算结果与参考阈值的大小，以确定所述差分运算结果对应的突出点序列；
[0035]宽度学习算法模块，用于将所述突出点序列输入预设的增量式宽度学习算法模型，以使所述增量式宽度学习算法模型输出判定结果，所述判定结果包括所述电气信号中是否存在故障以及故障对应的故障时间。
[0036]相应的，本申请还公开了一种高压电缆故障时间的确定装置，包括：
[0037]存储器，用于存储计算机程序；
[0038]处理器，用于执行所述计算机程序时实现如上文任一项所述高压电缆故障时间的确定方法的步骤。
[0039]相应的，本申请还公开了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文任一项所述高压电缆故障时间的确定方法的步骤。
[0040]本申请公开了一种高压电缆故障时间的确定方法，包括：获取高压电缆的电气信号；对所述电气信号进行EMD分解，得到IMF分量；对所述IMF分量进行希尔伯特变换，得到对应的瞬时幅值；对所述瞬时幅值进行差分运算，得到差分运算结果；比较所述差分运算结果与参考阈值的大小，以确定所述差分运算结果对应的突出点序列；将所述突出点序列输入预设的增量式宽度学习算法模型，以使所述增量式宽度学习算法模型输出判定结果，所述判定结果包括所述电气信号中是否存在故障以及故障对应的故障时间。本申请中的确定方法，结合希尔伯特变换、突出点序列确定和宽度学习的算法特点，能够完成故障及故障时间的快速确定。
附图说明
[0041]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0042]图1为本专利技术实施例中一种高压电缆故障时间的确定方法的步骤流程图；
[0043]图2为本专利技术实施例中宽度学习算法的系统网络结构图；
[0044]图3为本专利技术实施例中一种高压电缆故障时间的确定系统的结构分布图。
具体实施方式
[0045]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种高压电缆故障时间的确定方法，其特征在于，包括：获取高压电缆的电气信号；对所述电气信号进行EMD分解，得到IMF分量；对所述IMF分量进行希尔伯特变换，得到对应的瞬时幅值；对所述瞬时幅值进行差分运算，得到差分运算结果；比较所述差分运算结果与参考阈值的大小，以确定所述差分运算结果对应的突出点序列；将所述突出点序列输入预设的增量式宽度学习算法模型，以使所述增量式宽度学习算法模型输出判定结果，所述判定结果包括所述电气信号中是否存在故障以及故障对应的故障时间。2.根据权利要求1所述确定方法，其特征在于，所述对所述瞬时幅值进行差分运算，得到差分运算结果的过程，包括：利用差分运算公式对所述瞬时幅值进行差分运算，所述差分运算公式为：其中，i为采样序列的序号，i＝1,2,...,n，n为所述采样序列的总长度，A
imf
(i)为序号i对应的所述瞬时幅值，ΔA
imf
(i)为序号i对应的所述差分运算结果。3.根据权利要求2所述确定方法，其特征在于，所述比较所述差分运算结果与参考阈值的大小，以确定所述差分运算结果对应的突出点序列的过程，包括：根据参考阈值比较公式，确定所述差分运算结果对应的突出点序列；所述参考阈值比较公式为：其中，k为突出点序列，p为参考阈值。4.根据权利要求3所述确定方法，其特征在于，所述参考阈值取值为：5.根据权利要求1至4任一项所述确定方法，其特征在于，所述对所述IMF分量进行希尔伯特变换，得到对应的瞬时幅值的过程，包...
【专利技术属性】
技术研发人员：彭凯杨，樊建钟，王灿波，王泓学，莫沈威，刘道鸿，
申请(专利权)人：浙江华云清洁能源有限公司，
类型：发明
国别省市：
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。