一种基于Hausdorff的电流互感器异常识别方法、系统技术方案

本发明专利技术涉及一种基于Hausdorff的电流互感器异常识别方法，其方法包括：获取电流互感器的运行电流数据，对其进行多阶差分并筛选出平稳电流数据；基于所述平稳电流数据，构建线路的三相不对称电流分量以及计算每条线路的评估统计量及其变化量；根据线路的三相不对称电流分量的不平衡度的Hausdorff距离、评估统计量的变化量和基尔霍夫电流定律，通过不同的SVM算法构建线路异常识别模型和相序诊断模型；利用线路异常识别模型和相序诊断模型，对电流互感器进行异常识别。本发明专利技术结合了Hausdorff距离和PCA提取电流特征，并通过多个SVM模型对电流互感器的异常进行识别，实现了电流互感器的计量误差状态在线监测。电流互感器的计量误差状态在线监测。电流互感器的计量误差状态在线监测。

【技术实现步骤摘要】
一种基于Hausdorff的电流互感器异常识别方法、系统


[0001]本专利技术属于电力设备测量
，具体涉及一种基于Hausdorff的电流互感器异常识别方法、系统。

技术介绍

[0002]电流互感器（Current transformers）是电力系统中的重要测量设备。其一次绕组串联在输变电主回路内，二次绕组则根据不同要求，分别接入测量仪表、继电保护或自动装置等设备，用于将一次回路的大电流变化为二次侧小电流，供测控保护计量设备安全采集。其准确可靠对于电力系统的安全运行、控制保护、电能计量、贸易结算具有重大意义。
[0003]区别于电压互感器，电流互感器因：1、电流互感器群体内物理关系相对复杂，物理约束条件隐蔽，而电压互感器群体物理关系突显。变电站内同一节点同相的电压互感器测量值应保持一致，可以群体间相互比较测量值进行判断，而线路电流相互独立，不能相互比较测量值来实现。2、稳态变电站内电压幅值为110％
‑
120％的额定电压变化，电压波动较小，不同变电站内电压整体数据特征保持一致，电压信息特征突显且具有普适性，易于实现基于电压信号的信息物理融合。而不同变电站内线路电流变化相互独立，幅值从0％
‑
120％额定电流变化，波动极大，而线路电流具有信息特征隐蔽，因此电流互感器的计量误差状态在线监测难以实现。

技术实现思路

[0004]为解决电流互感器的计量误差状态在线监测难的问题，在本专利技术的第一方面提供了一种基于Hausdorff的电流互感器异常识别方法，包括：获取电流互感器的运行电流数据，对其进行多阶差分并筛选出平稳电流数据；基于所述平稳电流数据，构建一条或多条线路的三相不对称电流分量；根据所述三相不对称电流分量，计算同一母线下每条线路与其他线路的三相不对称电流分量的不平衡度的Hausdorff距离；基于所述平稳电流数据，构建线路电流的特征参量，并利用主成分分析法构建计算模型；根据所述计算模型计算每条线路的评估统计量及其变化量；根据同一母线下每条线路与其他线路的三相不对称电流分量的不平衡度的Hausdorff距离以及评估统计量的变化量，利用第一SVM算法构建线路异常识别模型；基于基尔霍夫电流定律和异常线路的Hausdorff距离，利用第二SVM算法构建相序诊断模型；利用线路异常识别模型和相序诊断模型，对待评估线路的一个或多个电流互感器进行异常识别。
[0005]在本专利技术的一些实施例中，所述根据同一母线下每条线路与其他线路的三相不对称电流分量的不平衡度的Hausdorff距离以及评估统计量的变化量，利用第一SVM算法构建线路异常识别模型包括：根据同一母线下每条线路与其他线路的三相不对称电流分量的不平衡度的Hausdorff距离以及评估统计量的变化量，构建特征向量；确定第一SVM算法的目标函数、核函数，并根据其构建线路异常识别模型；所述目标函数表示为：
，其中，为权重，y
j
∈{+1,
‑
1}表示线路j为正常、异常的类别标签，v
j
为线路j的特征向量；为阈值；C表示惩罚系数，表示松弛因子；所述核函数表示为：，为高斯径向基核函数。
[0006]进一步的，采用金鹰优化算法对第一SVM模型中的C、g参数进行寻优。
[0007]在本专利技术的一些实施例中，所述基尔霍夫电流定律和异常线路的Hausdorff距离，利用第二SVM算法构建相序诊断模型包括：基于基尔霍夫电流定律，计算异常线路的三相电流与同一节点上其余线路的三相电流的Hausdorff距离；计算异常线路中的每相电流对评估统计量的贡献率变化量；基于贡献率变化量及Hausdorff距离，采用第二SVM构建相序识别模型。
[0008]进一步的，所述贡献率通过如下方式计算：，其中，为t时刻下贡献率数组cont(t)的第个元素，其也是第台电流互感器对统计量Q(t)的贡献率；表示为t时刻第相互感器标准化后的实时数据；为在主元空间的投影。
[0009]在上述的实施例中，所述根据所述三相不对称电流分量，计算同一母线下每条线路与其他线路的三相不对称电流分量的不平衡度的Hausdorff距离包括：基于三相不对称电流分量，计算每条线路的零序不平衡度和负序不平衡度；对于同一母线上的线路，计算同一周期内，每条线路与其他线路的零序不平衡、负序不平衡特征参量间的Hausdorff距离。
[0010]本专利技术的第二方面，提供了一种基于Hausdorff的电流互感器异常识别系统，包括：获取模块，用于获取电流互感器的运行电流数据，对其进行多阶差分并筛选出平稳电流数据；基于所述平稳电流数据，构建一条或多条线路的三相不对称电流分量；根据所述三相不对称电流分量，计算同一母线下每条线路与其他线路的三相不对称电流分量的不平衡度的Hausdorff距离；计算模块，用于基于所述平稳电流数据，构建线路电流的特征参量，并利用主成分分析法构建计算模型；根据所述计算模型计算每条线路的评估统计量及其变化量；第一构建模块，用于根据同一母线下每条线路与其他线路的三相不对称电流分量的不平衡度的Hausdorff距离以及评估统计量的变化量，利用第一SVM算法构建线路异常识别模型；第二构建模块，用于基于基尔霍夫电流定律和异常线路的Hausdorff距离，利用第二SVM算法构建相序诊断模型；识别模块，用于利用线路异常识别模型和相序诊断模型，对待评估线路的一个或多个电流互感器进行异常识别。
[0011]本专利技术的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用
于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术在第一方面提供的基于Hausdorff的电流互感器异常识别方法。
[0012]本专利技术的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本专利技术在第一方面提供的基于Hausdorff的电流互感器异常识别方法。
[0013]本专利技术的有益效果是：本专利技术提出了一种基于Hausdorff的电流互感器异常识别方法，依据电流互感器量程以及电流波动筛选稳定段数据;依据预处理后的稳定三相电流数据，分别采用Hausdorff距离算法、Q统计量算法计算出距离线路的Hausdorff距离距离比值及Q统计量变化量ΔQ；然后采用改进的SVM算法构建线路异常识别模型；基于异常线路模型，采用Hausdorff距离算法及贡献率指标变化量Δcont
i
(t)构建了异常相序的识别模型，从而实现从波动性大、特征隐蔽的线路电流数据中对异常互感器的在线识别。
附图说明
[0014]图1为本专利技术的一些实施例中的基于Hausdorff的电流互感器异常识别方法的基本流程示意图；图2为本专利技术的一些实施例中的基于Hausdorff的电流互感器异常识别方法的具体流程示意图；图3为本专利技术的一些实施例中的基于Hausdorff的电流互感器异常识别系统的结构示意图；图4为本专利技术的一些实施例中的电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Hausdorff的电流互感器异常识别方法，其特征在于，包括：获取电流互感器的运行电流数据，对其进行多阶差分并筛选出平稳电流数据；基于所述平稳电流数据，构建一条或多条线路的三相不对称电流分量；根据所述三相不对称电流分量，计算同一母线下每条线路与其他线路的三相不对称电流分量的不平衡度的Hausdorff距离；基于所述平稳电流数据，构建线路电流的特征参量，并利用主成分分析法构建计算模型；根据所述计算模型计算每条线路的评估统计量及其变化量；根据同一母线下每条线路与其他线路的三相不对称电流分量的不平衡度的Hausdorff距离以及评估统计量的变化量，利用第一SVM算法构建线路异常识别模型；基于基尔霍夫电流定律和异常线路的Hausdorff距离，利用第二SVM算法构建相序诊断模型；利用线路异常识别模型和相序诊断模型，对待评估线路的一个或多个电流互感器进行异常识别。2.根据权利要求1所述的基于Hausdorff的电流互感器异常识别方法，其特征在于，所述根据同一母线下每条线路与其他线路的三相不对称电流分量的不平衡度的Hausdorff距离以及评估统计量的变化量，利用第一SVM算法构建线路异常识别模型包括：根据同一母线下每条线路与其他线路的三相不对称电流分量的不平衡度的Hausdorff距离以及评估统计量的变化量，构建特征向量；确定第一SVM算法的目标函数、核函数，并根据其构建线路异常识别模型；所述目标函数表示为：，其中，为权重，表示线路j为正常、异常的类别标签，v
j
为线路j的特征向量；为阈值；C表示惩罚系数，表示松弛因子；所述核函数表示为：，为高斯径向基核函数。3.根据权利要求2所述的基于Hausdorff的电流互感器异常识别方法，其特征在于，还包括：采用金鹰优化算法对第一SVM模型中的C、g参数进行寻优。4.根据权利要求1所述的基于Hausdorff的电流互感器异常识别方法，其特征在于，所述基尔霍夫电流定律和异常线路的Hausdorff距离，利用第二SVM算法构建相序诊断模型包括：基于基尔霍夫电流定律，计算异常线路的三相电流与同一节点上其余线路的三相电流的Hausdorff距离；计算异常线路中的每相电流对评估统计量的贡献率变化量；基于贡献率变化量及Hausdorff距离，采用第二SVM构建相序识别模型。
5.根据权利要求4所述的基于Hausdorff的电流互感器异常识别方法，其特征在于，所述贡献率通过如下方式计算：，其中，为t时刻下贡献率数组cont(t)的第个元素，其也是...

【专利技术属性】
技术研发人员：任波，张荣霞，杨文锋，王帅，陈应林，
申请(专利权)人：武汉格蓝若智能技术有限公司，
类型：发明
国别省市：