基于机器学习的逆变器零压降数据处理方法技术

本发明专利技术涉及逆变器技术领域，具体涉及一种基于机器学习的逆变器零压降数据处理方法，该方法包括：获取逆变器的交流侧电压互感器电路中的电流构成电流数据序列，根据电流数据序列中的极大值和极小值计算分组长度，并对电流数据序列进行分组得到电流数据矩阵；对电流数据矩阵进行奇异值分解得到多个子矩阵，计算两个子矩阵的关联程度，根据关联程度对子矩阵进行分组，对分组内的子矩阵进行处理得到对角元素序列；计算噪声评价值，将该值小于评价阈值的对角元素序列删除；再计算噪声程度，进而确定权重，根据权重对所有对角元素序列加权求和得到除噪电流序列，确定是否存在异常，并对异常数据进行处理。本发明专利技术能够去除噪声，使得电流检测精度更高。检测精度更高。检测精度更高。

【技术实现步骤摘要】
基于机器学习的逆变器零压降数据处理方法


[0001]本专利技术涉及逆变器
，具体涉及一种基于机器学习的逆变器零压降数据处理方法。

技术介绍

[0002]随着电力体制的改革和深化发展，加强客户需求侧管理得到越来越多人的重视，因此对于大用户量的电能计算回路改造就显得更加重要。而大用户计量普查中发现许多问题，其中电能计量的综合误差主要是由于电压互感器的二次回路产生的，造成二次导线压降过大的原因是多方面的，在此，为了解决该问题，现有技术中常根据电流大小来判断压降是否过大，但是在采集电流时，会受到噪声干扰，此时根据电流判断压降是不准确的。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的在于提供一种基于机器学习的逆变器零压降数据处理方法，所采用的技术方案具体如下：获取设定时间段内逆变器的交流侧电压互感器电路中的电流，构成电流数据序列；将电流数据序列中所有极大值和极小值对应的位置序号构成极值位置序列；根据极值位置序列中相邻极大值之间的位置间隔和相邻极小值之间的位置间隔计算分组长度；利用分组长度对电流数据序列进行分组得到电流数据矩阵；对电流数据矩阵进行奇异值分解得到多个子矩阵，其中每个子矩阵对应一个奇异值；根据任意两个子矩阵的差值得到两个子矩阵的关联程度；将关联程度小于程度阈值的子矩阵分为一组，进而得到所有子矩阵的多个分组；利用反对角线均值化算法对多个分组进行处理得到多个对角元素序列，其中每个分组对应一个对角元素序列，对角元素序列中每个元素对应一个子矩阵的奇异值；根据各对角元素序列中元素对应的奇异值和序列长度得到噪声评价值，将噪声评价值小于评价阈值的序列删除；对于删除操作后剩余的对角元素序列，根据序列中元素的差值得到噪声程度；根据噪声程度确定权重，利用权重对所有对角元素序列进行加权求和得到除噪电流序列；根据除噪电流序列判断是否存在异常电流，利用零压降装置对异常电流进行处理。
[0004]优选地，所述分组长度的获取方法具体为：当极值位置序列中第一个极值和最后一个极值都为极大值或者都为极小值时，计算分组长度，用公式表示为：其中，表示分组长度，表示极值位置序列中第2c－1个元素的取值，表示极值位置序列中第2c+1个元素的取值，表示极值位置序列中第2c个元素的取值，
表示极值位置序列中第2c+2个元素的取值，r表示极值位置序列中元素的总数量；当极值位置序列中第一个极值为极大值且最后一个极值为极小值，或者第一个极值为极小值且最后一个极值为极大值时，计算分组长度，用公式表示为：其中，表示分组长度，表示极值位置序列中第2c－1个元素的取值，表示极值位置序列中第2c+1个元素的取值，表示极值位置序列中第2c个元素的取值，表示极值位置序列中第2c+2个元素的取值，r表示极值位置序列中元素的总数量。
[0005]优选地，所述两个子矩阵的关联程度的获取方法具体为：其中，表示子矩阵h和子矩阵l的关联程度，表示子矩阵h的第i个元素的数值，表示子矩阵l的第i个元素的数值，H表示子矩阵的大小。
[0006]优选地，所述所有子矩阵的多个分组的获取方法具体为：将关联程度小于程度阈值的两个子矩阵分为一组，并计算该两个子矩阵的平均矩阵；获取平均矩阵和其他子矩阵的关联程度，将关联程度小于程度阈值的子矩阵记入该分组；计算平均矩阵与记入该分组的子矩阵新的平均矩阵，并将新的平均矩阵与其他子矩阵继续获取关联程度，且每记入一个子矩阵到分组中，就计算一次平均矩阵，直到遍历完所有子矩阵，得到一组矩阵；按照同样的方法得到多个分组。
[0007]优选地，所述噪声评价值的获取方法具体为：其中，表示对角元素序列m的噪声评价值，表示对角元素序列m对应的所有奇异值的均值，表示所有对角元素序列对应的奇异值均值中的最大值，表示对角元素序列m的长度，表示所有对角元素序列的长度中的最大值。
[0008]优选地，所述噪声程度的获取方法具体为：将对角元素序列中相邻两个元素的数值分别作差得到差值序列，根据差值序列中元素计算噪声程度，用公式表示为：其中，为对角元素序列n的噪声程度，表示对角元素序列n对应的差值序列中所有元素的均值，表示对角元素序列n对应的差值序列中最大的元素。
[0009]优选地，所述根据噪声程度确定权重具体为：当对角元素序列的噪声程度大于噪声阈值时，将该对角元素序列对应的权重设置为第一数值，当对角元素序列的噪声程度小于噪声阈值时，将所述噪声程度作为该对角元
素序列对应的权重。
[0010]本专利技术实施例至少具有如下有益效果：本专利技术采用了零压降装置来解决二次回路压降过大的问题，由于压降过大会导致出现异常电流，因此对采集的电流进行异常检测即可。但是在采集过程中会出现噪声影响检测结果，因此本专利技术使用奇异谱分析方法来去除噪声，在使用奇异谱分析方法时，根据采集的电流数据序列中相邻极大值和相邻极小值之间的位置间隔计算分组长度，对序列进行分组得到电流数据矩阵，进而利用奇异值分解法进行处理；通过计算的关联程度对分解得到的子矩阵进行分组，在进行重构时自适应地设置权重。本专利技术的方法进行除噪的适应性和精度较高，进而使得电流检测精度更高，不会出现误检的情况，使得能够根据电流准确地判断压降。
附图说明
[0011]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和优点，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的介绍，显而易见地，下面描述中的附图仅仅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它附图。
[0012]图1是本专利技术的一种基于机器学习的逆变器零压降数据处理方法的方法流程图。
具体实施方式
[0013]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于机器学习的逆变器零压降数据处理方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0014]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0015]下面结合附图具体的说明本专利技术所提供的一种基于机器学习的逆变器零压降数据处理方法的具体方案。
[0016]本专利技术所针对的具体场景为：逆变器的直流侧连接直流储能电源，用于将储能电源的直流电转换成交流电，逆变器的交流侧连接交流电设备，进行供电。交流侧设置有电压互感器，用于检测交流电压。
[0017]在电路中使用逆变器将直流电能转换为交流电能，在逆变电路中，直流电压利用率会较低。直流电压利用率的定义是：直流电压利用率指的是逆变电路中输出线电压的基波幅值与输入电压的比值。直流电压利用率较高可以提高电机控制系统的输出能力，为了得到较好的直流电压利用率，首先采用SPWM调制，另其调制比为1。此时母线的电压利用率最大只有86.6%。为了达到更高的利用率，首先使本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的逆变器零压降数据处理方法，其特征在于，该方法包括以下步骤：获取设定时间段内逆变器的交流侧电压互感器电路中的电流，构成电流数据序列；将电流数据序列中所有极大值和极小值对应的位置序号构成极值位置序列；根据极值位置序列中相邻极大值之间的位置间隔和相邻极小值之间的位置间隔计算分组长度；利用分组长度对电流数据序列进行分组得到电流数据矩阵；对电流数据矩阵进行奇异值分解得到多个子矩阵，其中每个子矩阵对应一个奇异值；根据任意两个子矩阵的差值得到两个子矩阵的关联程度；将关联程度小于程度阈值的子矩阵分为一组，进而得到所有子矩阵的多个分组；利用反对角线均值化算法对多个分组进行处理得到多个对角元素序列，其中每个分组对应一个对角元素序列，对角元素序列中每个元素对应一个子矩阵的奇异值；根据各对角元素序列中元素对应的奇异值和序列长度得到噪声评价值，将噪声评价值小于评价阈值的序列删除；对于删除操作后剩余的对角元素序列，根据序列中元素的差值得到噪声程度；根据噪声程度确定权重，利用权重对所有对角元素序列进行加权求和得到除噪电流序列；根据除噪电流序列判断是否存在异常电流，利用零压降装置对异常电流进行处理。2.根据权利要求1所述的一种基于机器学习的逆变器零压降数据处理方法，其特征在于，所述分组长度的获取方法具体为：当极值位置序列中第一个极值和最后一个极值都为极大值或者都为极小值时，计算分组长度，用公式表示为：其中，表示分组长度，表示极值位置序列中第2c－1个元素的取值，表示极值位置序列中第2c+1个元素的取值，表示极值位置序列中第2c个元素的取值，表示极值位置序列中第2c+2个元素的取值，r表示极值位置序列中元素的总数量；当极值位置序列中第一个极值为极大值且最后一个极值为极小值，或者第一个极值为极小值且最后一个极值为极大值时，计算分组长度，用公式表示为：其中，表示分组长度，表示极值位置序列中第2c－1个元素的取值，表示极值位置序列中第2c+1个元素的取值，表示极值位置序列中第2c个元素的取值，表示极值位置序列中第2c...

【专利技术属性】
技术研发人员：刘智君，陈献晓，刘妲妲，
申请(专利权)人：嘉兴索罗威新能源有限公司，
类型：发明
国别省市：