本发明专利技术涉及一种基于大数据推演的电流互感器运行误差在线评估优化方法，包括：采集变电站内同一母线上的电流互感器正常运行时的二次侧三相电流测量数据，用均值法选出稳定段三相电流测量数据；采用载流分级法将稳定段三相电流测量数据划分为各个量程的数据集；获取训练误差估计神经网络模型的训练数据集；用各个量程的数据集分别训练得到对应的各个误差估计神经网络模型；将待评估电流互感器的二次侧电流数据输入对应的训练完成的误差估计神经网络模型，输出得到待评估电流互感器的状态信息；提高了评估准确度，摆脱了对停电和实物标准器的依赖，可适用于不同原理或准确度等级的电流互感器，具有精度高、使用性强等优点。使用性强等优点。使用性强等优点。
【技术实现步骤摘要】
基于大数据推演的电流互感器运行误差在线评估优化方法
[0001]本专利技术涉及电力计量在线监测
，尤其涉及一种基于大数据推演的电流互感器运行误差在线评估优化方法。
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]目前电流互感器误差评估通常采用离线校验或者在线校验的方法，通过直接比对法得到电流互感器的比差和角差。然而，这些方法的校验周期较长，现场接线复杂，工作效率低。为了完善电流互感器误差状态评估体系，亟需建立电流互感器误差状态评估方法，以及时发现其误差超差问题，减少电流互感器误差越限运行时间，指导互感器检测工作，从而保证电能计量的公平性。
技术实现思路
[0004]本专利技术针对现有技术中存在的技术问题，提供一种基于大数据推演的电流互感器运行误差在线评估优化方法，提高了评估准确度，摆脱了对停电和实物标准器的依赖，可适用于不同原理或准确度等级的电流互感器，具有精度高、使用性强等优点。
[0005]根据本专利技术的第一方面，提供了一种基于大数据推演的电流互感器运行误差在线评估优化方法，包括：步骤1，采集变电站内同一母线上的电流互感器正常运行时的二次侧三相电流测量数据，用均值法选出稳定段三相电流测量数据；步骤2，采用载流分级法将所述稳定段三相电流测量数据划分为各个量程的数据集；步骤3，根据各电流互感器的个体误差与测量节点电流矢量和的物理关系获取训练误差估计神经网络模型的训练数据集，所述训练数据集包括所述误差估计神经网络模型的输入数据集和输出数据集；所述输入数据集为电流互感器误差真值与匝数比的乘积数据B和电流互感器二次电流值的序列数据X，所述输出数据集为电流互感器的额定变比序列数据T，TX=B；步骤4，用所述步骤3中各个量程的数据集分别训练得到对应的各个所述误差估计神经网络模型；将待评估电流互感器的二次侧电流数据输入对应的训练完成的所述误差估计神经网络模型，输出得到所述待评估电流互感器的状态信息。
[0006]在上述技术方案的基础上，本专利技术还可以作出如下改进。
[0007]可选的，所述步骤1中用均值法选出稳定段三相电流测量数据的过程包括：对采集到的电流幅值数据进行时标检查，对缺失的电流幅值数据按照公式（1）进
行均值处理，得到所述稳定段三相电流数据；
ꢀꢀꢀꢀꢀ
（1）i为时标检查结果为缺失的数据点编号，Amp
o
为原始电流幅值数据,Amp为电流幅值缺失的数据点计算值。
[0008]可选的，所述步骤1中选出稳定段三相电流测量数据的过程还包括：线路电流低于额定电流超过一定范围时，筛取额定量程50%及以上的所述三相电流测量数据。
[0009]可选的，所述步骤2中将所述稳定段三相电流测量数据划分为各个量程的数据集包括：、、和；
ꢀꢀꢀꢀꢀꢀꢀꢀ
（2）其中，。
[0010]可选的，所述步骤3中获取所述训练数据集的方法包括：步骤301，定义并确定一次侧线路与二次侧线路的电流值之间的比值差与相位差，i表示第i条线路；步骤302，根据二次侧线路的电流测量值和所述比值差与所述相位差计算得到一次侧线路的电流真值的幅值；m和r均表示三相电路中的相序；步骤303，根据所述一次侧线路的电流真值的幅值得到一次侧线路的电流真值；步骤304，根据基尔霍夫电流定律得到；用向量X和向量T的乘积TX表示每个电流互感器二次电流值的序列数据和对应电流互感器的额定变比序列数据的乘积，得到，即TX=0；步骤305，计算并记录电流偏差真值与匝数比的乘积为B。
[0011]可选的，所述步骤301中所述比值差；其中，，和分别为一次侧和二次侧的电流测量值，和分别为一次侧和二次侧的线圈匝数。
[0012]可选的，所述步骤302中所述二次侧线路的电流测量值；，表示一次侧线路的电流真值的相位，e表示自然常数e,j表示复数；所述步骤303所述一次侧线路的电流真值。
[0013]可选的，所述步骤4还包括：将待评估电流互感器的二次侧电流数据输入对应的训练完成的所述误差估计神经网络模型后，根据所述误差估计神经网络模型的输出计算比值误差估计值；设置所述比值误差估计值的各个区间范围对应的所述待评估电流互感器的各个状态，根据所述待评估电流互感器的比值误差估计值所属区间范围确定对应的状态信息。
[0014]可选的，所述比值误差估计值；表示所述误差估计神经网络模型输出的所述电流互感器的修正变比序列数据中第i个互感器的修正变比。
[0015]可选的，所述电流互感器的各个状态包括：正常、告警和异常。
[0016]本专利技术提供的一种基于大数据推演的电流互感器运行误差在线评估优化方法，构建各CT个体误差与测量值节点电流矢量和的物理关系，将偏差分布作为分布，将该分布的特征，和电流变比数据，利用RBM神经网络模型进行训练，将电流数据和误差输入得到的模型，即可得到CT误差估计值；提高了评估准确度，摆脱了对停电和实物标准器的依赖，可适用于不同原理或准确度等级的电流互感器，具有精度高、使用性强等优点。
附图说明
[0017]图1为本专利技术提供的一种基于大数据推演的电流互感器运行误差在线评估优化方法的流程图；图2（a）为单相电流互感器的实施例的接线图；图2（b）为图2（a）的等值电路图。
具体实施方式
[0018]以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。
[0019]图1为本专利技术提供的一种基于大数据推演的电流互感器运行误差在线评估优化方法的流程图，如图1所示，该在线评估优化方法包括：步骤1，采集变电站内同一母线上的电流互感器正常运行时的二次侧三相电流测
量数据，用均值法选出稳定段三相电流测量数据。
[0020]步骤2，采用载流分级法将稳定段三相电流测量数据划分为各个量程的数据集。
[0021]步骤3，根据各电流互感器的个体误差与测量节点电流矢量和的物理关系获取训练误差估计神经网络模型的训练数据集，训练数据集包括误差估计神经网络模型的输入数据集和输出数据集；输入数据集为电流互感器误差真值与匝数比的乘积数据B和电流互感器二次电流值的序列数据X，输出数据集为电流互感器的额定变比序列数据T，TX=B。
[0022]步骤4，用步骤3中各个量程的数据集分别训练得到对应的各个误差估计神经网络模型；将待评估电流互感器的二次侧电流数据输入对应的训练完成的误差估计神经网络模型，输出得到待评估电流互感器的状态信息。
[0023]本专利技术提供的一种基于大数据推演的电流互感器运行误差在线评估优化方法，通过构建各CT个体误差与测量值节点电流矢量和的物理关系，将偏差分布作为本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于大数据推演的电流互感器运行误差在线评估优化方法，其特征在于，所述在线评估优化方法包括：步骤1，采集变电站内同一母线上的电流互感器正常运行时的二次侧三相电流测量数据，用均值法选出稳定段三相电流测量数据；步骤2，采用载流分级法将所述稳定段三相电流测量数据划分为各个量程的数据集；步骤3，根据各电流互感器的个体误差与测量节点电流矢量和的物理关系获取训练误差估计神经网络模型的训练数据集，所述训练数据集包括所述误差估计神经网络模型的输入数据集和输出数据集；所述输入数据集为电流互感器误差真值与匝数比的乘积数据B和电流互感器二次电流值的序列数据X，所述输出数据集为电流互感器的额定变比序列数据T，TX=B；步骤4，用所述步骤3中各个量程的数据集分别训练得到对应的各个所述误差估计神经网络模型；将待评估电流互感器的二次侧电流数据输入对应的训练完成的所述误差估计神经网络模型，输出得到所述待评估电流互感器的状态信息。2.根据权利要求1所述的在线评估优化方法，其特征在于，所述步骤1中用均值法选出稳定段三相电流测量数据的过程包括：对采集到的电流幅值数据进行时标检查，对缺失的电流幅值数据按照公式（1）进行均值处理，得到所述稳定段三相电流数据；
ꢀꢀꢀꢀꢀ
（1）i为时标检查结果为缺失的数据点编号，Amp
o
为原始电流幅值数据,Amp为电流幅值缺失的数据点计算值。3.根据权利要求1所述的在线评估优化方法，其特征在于，所述步骤1中选出稳定段三相电流测量数据的过程还包括：线路电流低于额定电流超过一定范围时，筛取额定量程50%及以上的所述三相电流测量数据。4.根据权利要求1所述的在线评估优化方法，其特征在于，所述步骤2中将所述稳定段三相电流测量数据划分为各个量程的数据集包括：、、和；
ꢀꢀꢀꢀꢀꢀꢀꢀ
（2）其中，。5.根据权利要...
【专利技术属性】
技术研发人员：刘思成，周阳，张常春，陈勉舟，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：
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。