一种过电压智能识别方法及系统技术方案

本发明专利技术公开一种过电压智能识别方法及系统，方法包括：计算至少一个过电压零序电压信号的时频特征量；对至少一个过电压零序电压信号进行CEEMD分解，得到分解后的各个电压信号分量；基于预设的Pearson相关系数对各个电压信号分量的频带能量进行加权，并计算各个电压信号分量的频域特征量；将时频特征量以及频域特征量分别输入至改进的BP神经网络中，得到时域基本概率以及频域基本概率；基于DS证据融合对时域基本概率以及频域基本概率进行融合，得到至少一个过电压零序电压信号所属类别的目标概率值。提高了基频铁磁谐振、弧光接地和单相接地过电压的识别率，并且大大增强了识别的鲁棒性。鲁棒性。鲁棒性。

【技术实现步骤摘要】
一种过电压智能识别方法及系统


[0001]本专利技术属于电力系统分析
，尤其涉及一种过电压智能识别方法及系统。

技术介绍

[0002]在现代生产生活中，人类社会对电能质量及可靠性的要求日益提高。电力系统过电压的产生会对输电线路和电气设备造成的危害越来越严重，其中单相接地过电压是电力系统中最常见的过电压类型，基频铁磁谐振过电压、弧光接地过电压与单相接地过电压同样表现为零序电压升高，容易被误判成单相接地。正确有效识别此三类过电压对完善电力系统故障处理和灾害防治具有重要的工程意义。现有技术中，更多采用的是阈值判断和单一分类器识别，其识别的鲁棒性不强。

技术实现思路

[0003]本专利技术提供一种过电压智能识别方法及系统，用于解决过电压初步识别正确率不高的技术问题。
[0004]第一方面，本专利技术提供一种过电压智能识别方法，包括：获取至少一个过电压零序电压信号，并计算所述至少一个过电压零序电压信号的时频特征量；对所述至少一个过电压零序电压信号进行CEEMD分解，得到分解后的各个电压信号分量；基于预设的Pearson相关系数对各个电压信号分量的频带能量进行加权，并根据加权后各个电压信号分量的频带能量计算各个电压信号分量的频域特征量，其中，计算所述频域特征量的表达式为：，式中，为第个电压信号分量的能量熵，即第个电压信号分量的频域特征量，为第个电压信号分量的归一化后Pearson相关系数加权频带能量，为电压信号分量总数；其中，，式中，为第个电压信号分量的Pearson相关系数加权频带能量，为第个电压信号分量的Pearson相关系数，为第个电压信号分量的数据点，为过电压零序电压信号的数据点总数；将所述时频特征量以及所述频域特征量分别输入至改进的BP神经网络中，得到所述至少一个过电压零序电压信号的时域基本概率以及所述至少一个过电压零序电压信号的频域基本概率；基于DS证据融合对所述时域基本概率以及所述频域基本概率进行融合，得到所述至少一个过电压零序电压信号所属类别的目标概率值。
[0005]第二方面，本专利技术提供一种过电压智能识别系统，包括：获取模块，配置为获取至
少一个过电压零序电压信号，并计算所述至少一个过电压零序电压信号的时频特征量；分解模块，配置为对所述至少一个过电压零序电压信号进行CEEMD分解，得到分解后的各个电压信号分量；计算模块，配置为基于预设的Pearson相关系数对各个电压信号分量的频带能量进行加权，并根据加权后各个电压信号分量的频带能量计算各个电压信号分量的频域特征量，其中，计算所述频域特征量的表达式为：，式中，为第个电压信号分量的能量熵，即第个电压信号分量的频域特征量，为第个电压信号分量的归一化后Pearson相关系数加权频带能量，为电压信号分量总数；其中，，式中，为第个电压信号分量的Pearson相关系数加权频带能量，为第个电压信号分量的Pearson相关系数，为第个电压信号分量的数据点，为过电压零序电压信号的数据点总数；输出模块，配置为将所述时频特征量以及所述频域特征量分别输入至改进的BP神经网络中，得到所述至少一个过电压零序电压信号的时域基本概率以及所述至少一个过电压零序电压信号的频域基本概率；融合模块，配置为基于DS证据融合对所述时域基本概率以及所述频域基本概率进行融合，得到所述至少一个过电压零序电压信号所属类别的目标概率值。
[0006]第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例的过电压智能识别方法的步骤。
[0007]第四方面，本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述程序指令被处理器执行时，使所述处理器执行本专利技术任一实施例的过电压智能识别方法的步骤。
[0008]本申请的过电压智能识别方法及系统，通过将时域中三个无量纲作为时域特征量和以CEEMD分解后的频带归一化能量值计算的能量熵作为特征量输入到对应改进PSO优化后的BP神经网络，改进PSO拥有全局和局部的优良搜索能力，解决了BP神经网络陷入局部极小值和收敛性差的问题，有效提高了过电压初步识别正确率，并且使用DS证据融合对两个BP神经网络的过电压概率输出结果进行融合，进一步提高了基频铁磁谐振、弧光接地和单相接地过电压的识别率，并且大大增强了识别的鲁棒性。
附图说明
[0009]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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，还可以根据这些附图获得其他的附图。
[0010]图1为本专利技术一实施例提供的一种过电压智能识别方法的流程图；图2为本专利技术一实施例中基频铁磁谐振仿真三相和零序电压图；图3为本专利技术一实施例中单相接地仿真三相和零序电压图；图4为本专利技术一实施例中实际采集弧光接地三相和零序电压图；图5为本专利技术一实施例中加权改进能量熵折线图；图6为本专利技术一实施例提供的一种过电压智能识别系统的结构框图；图7是本专利技术一实施例提供的电子设备的结构示意图。
具体实施方式
[0011]为使本专利技术实施例的目的、技术方案和优点更加清楚，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作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0012]请参阅图1，其示出了本申请的一种过电压智能识别方法的流程图。
[0013]如图1所示，步骤S101，获取至少一个过电压零序电压信号，并计算所述至少一个过电压零序电压信号的时频特征量。
[0014]在本实施例中，获取的至少一个过电压零序电压信号可以为基频铁磁谐振过电压零序电压信号、弧光接地过电压零序电压信号和/或单相接地过电压零序电压信号。根据获取的基频铁磁谐振零序过电压波形、弧光接地零序过电压波形和单相接地零序过电压波形计算每类过电压零序电压信号的时域特征量：峰度指标量、冲击指标量和峭度指标量。
[0015]需要说明的是，基频铁磁谐振零序过电压波形和单相接地零序过电压波形可以根据仿真得到，而弧光接地零序过电压波形可以直接采用实际测量数据。
[0016]具体地，获取的电压信号为发生铁磁谐振、弧光接地和单相接地后四个周期的零序过电压波形。
[0017]在一个具体实施方式中，计算每类过电压零序电压信号的时域特征量：峰度指标、冲击指标和峭度指标的表达式如下：计算所述峰度指标量的表达式为：，式中，为过电压零序电压信号的峰度指标量，为零序电压峰值，为第i个过电压零序电压信号的数据点，为零序电压有效值，为采样数据点数；计算所述冲击指标量的表达式为：，
式中，为过电压零序电压信号的冲击指标量，为零序电压峰值，为零序电压绝本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种过电压智能识别方法，其特征在于，包括：获取至少一个过电压零序电压信号，并计算所述至少一个过电压零序电压信号的时频特征量；对所述至少一个过电压零序电压信号进行CEEMD分解，得到分解后的各个电压信号分量；基于预设的Pearson相关系数对各个电压信号分量的频带能量进行加权，并根据加权后各个电压信号分量的频带能量计算各个电压信号分量的频域特征量，其中，计算所述频域特征量的表达式为：，式中，为第个电压信号分量的能量熵，即第个电压信号分量的频域特征量，为第个电压信号分量的归一化后Pearson相关系数加权频带能量，为电压信号分量总数；其中，，式中，为第个电压信号分量的Pearson相关系数加权频带能量，为第个电压信号分量的Pearson相关系数，为第个电压信号分量的数据点，为过电压零序电压信号的数据点总数；将所述时频特征量以及所述频域特征量分别输入至改进的BP神经网络中，得到所述至少一个过电压零序电压信号的时域基本概率以及所述至少一个过电压零序电压信号的频域基本概率；基于DS证据融合对所述时域基本概率以及所述频域基本概率进行融合，得到所述至少一个过电压零序电压信号所属类别的目标概率值。2.根据权利要求1所述的一种过电压智能识别方法，其特征在于，所述时频特征量包括峰度指标量、冲击指标量和峭度指标量，其中，计算所述峰度指标量的表达式为：，式中，为过电压零序电压信号的峰度指标量，为零序电压峰值，为第i个过电压零序电压信号的数据点，为零序电压有效值，为采样数据点数；计算所述冲击指标量的表达式为：
，式中，为过电压零序电压信号的冲击指标量，为零序电压峰值，为零序电压绝对平均值；计算所述峭度指标量的表达式为：。3.根据权利要求1所述的一种过电压智能识别方法，其特征在于，其中，计算Pearson相关系数的表达式为：，式中，为第个电压信号分量的Pearson相关系数，为第i个过电压零序电压信号的数据点，为过电压零序电压信号的样本平均值，为第个电压信号分量的数据点，为电压信号分量的样本平均值，为过电压零序电压信号的数据点总数。4.根据权利要求1所述的一种过电压智能识别方法，其特征在于，其中，改进的BP神经网络由改进后的PSO算法通过初始化粒子位置和速度参数，通过计算目标适度值即预测结果均方差值，不断迭代更新粒子位置和粒子速度得到，其中，计算粒子位置和粒子速度的表达式为：，式中，为第个粒子第次迭代时的速度，为第个粒子第次迭代时的速度，为粒子惯性权重，为第个粒子第次迭代时的位置，为第个粒子第次迭代时的位置，和均为加速度因子，和均为[0 1]之间的随机数，为第个粒子第次迭代时的个体极...

【专利技术属性】
技术研发人员：龙国华，刘衍，郑开心，袁思凡，邹阳，彭诗怡，陈瑛，童超，
申请(专利权)人：国家电网有限公司南昌大学，
类型：发明
国别省市：