一种基于数据驱动与工程知识的车网谐振检测方法及装置制造方法及图纸

本申请提供一种基于数据驱动与工程知识的车网谐振检测方法及装置，涉及扰动识别技术领域，方法包括获取在目标列车的车网系统上设置的监测设备在同一采集时段内所采集的目标列车的电压时序数据和电流时序数据；将电压时序数据和电流时序数据输入基于车网系统中谐振扰动的时序特征所设置的第一扰动辨识通道，同时将电压时序数据输入基于车网系统中谐振扰动的频段分布特征所设置的第二扰动辨识通道；若第一扰动辨识结果和第二扰动辨识结果均指示谐振扰动辨识成功，则确定采集时段内，目标列车的车网系统发生谐振扰动，以提高车网系统中的谐振的检测的精确度。统中的谐振的检测的精确度。统中的谐振的检测的精确度。

【技术实现步骤摘要】
一种基于数据驱动与工程知识的车网谐振检测方法及装置


[0001]本申请涉及扰动识别
，具体而言，涉及一种基于数据驱动与工程知识的车网谐振检测方法及装置。

技术介绍

[0002]在牵引供电系统中，谐波谐振对车网耦合系统危害较大，准确快速辨识车网耦合谐振是保证列车安全运行的前提。在实际应用中，辨别车网耦合的谐振扰动一方面是依靠人工辨识，要求工作人员依靠专家经验实现扰动辨识，该方法不仅低效，而且对工作人员经验知识要求高。另一方面，随着计算机处理能力的提升，人工智能不断发展成熟，各种深度学习算法在扰动辨识领域具有很好的适用性。可以通过采集设备采集监测点的信息，在收到信息后，利用神经网络对扰动特征进行辨识，从而实现扰动的判断。但无论哪一种辨识方法，对车网系统中的谐振的检测的精确度都有待提高。

技术实现思路

[0003]有鉴于此，本申请的目的在于提供一种基于数据驱动与工程知识的车网谐振检测方法及装置，以提高车网系统中的谐振的检测的精确度。
[0004]第一方面，本申请提供了一种基于数据驱动与工程知识的车网谐振检测方法，方法包括：获取在目标列车的车网系统上设置的监测设备在同一采集时段内所采集的目标列车的电压时序数据和电流时序数据；将电压时序数据和电流时序数据输入基于车网系统中谐振扰动的时序特征所设置的第一扰动辨识通道，同时将电压时序数据输入基于车网系统中谐振扰动的频段分布特征所设置的第二扰动辨识通道，以获取第一扰动辨识通道输出的第一扰动辨识结果以及第二扰动辨识通道输出的第二扰动辨识结果，第一扰动辨识结果和第二扰动辨识结果均用于指示谐振扰动是否辨识成功；若第一扰动辨识结果和第二扰动辨识结果均指示谐振扰动辨识成功，则确定采集时段内，目标列车的车网系统发生谐振扰动。
[0005]优选的，还包括确定采集时段内，目标列车的车网系统发生谐振扰动后，将该采集时段内所采集的电压时序数据和电流时序数据保存在本地并上传至云端，以用于对车网系统的电气耦合异常进行分析。
[0006]优选的，第一扰动辨识通道包括时序卷积神经网络模型，时序卷积神经网络模型包括电压时序数据特征提取通道和电流时序数据特征提取通道和整合通道，时序卷积神经网络模型输出第一扰动辨识结果的步骤，具体包括：将电压时序数据输入电压时序数据特征提取通道，以输出基于电压时序数据提取出的张量，以及将电流时序数据输入电流时序数据特征提取通道，以输出基于电流时序数据提取出的张量；将基于电压时序数据提取出的张量和基于电流时序数据提取出的张量输入到整合通道，以输出基于电压时序数据和电流时序数据，辨识出的目标列车的车网系统发生谐振扰动的概率以及目标列车的车网系统未发生谐振扰动的概率；比较目标列车的车网系统发生谐振扰动的概率以及目标列车的车网系统未发生谐振扰动的概率的大小，以确定第一扰动辨识结果为谐振扰动辨识成功或谐
振扰动辨识未成功。
[0007]优选的，电压时序数据特征提取通道和电流时序数据特征提取通道均包括依次连接的池化单元、第一残差单元、第二残差单元和第三残差单元，第一残差单元、第二残差单元和第三残差单元中的每个残差单元均包括第一卷积模块、第二卷积模块和第三卷积模块，第一卷积模块的输入和第二卷积模块的输入共同作为残差单元的输入，第一卷积模块的输出与第二卷积模块的输入连接，第二卷积模块的输出与第三卷积模块的输出共同作为残差单元的输出，第一卷积模块与第二卷积模块的卷积核大小不同，第一卷积模块与第二卷积模块中的每个卷积模块均包括依次连接的扩张卷积层、权值归一层、激活层和随机失活层，其中电压时序数据特征提取通道中的激活层和电流时序数据特征提取通道中的激活层所采用的激活函数不同；整合通道包括依次连接的扁平化层、全连接层和分类层。
[0008]优选的，还包括按照预设的时间间隔，提取保存在本地的至少一组电压时序数据和电流时序数据，并依次输入第一扰动辨识通道进行再训练，以输出对应的第一扰动辨识结果，并计算出第一扰动辨识通道的损失函数的损失值，以更新第一扰动辨识通道中的网络参数，直到损失值满足优化条件。
[0009]优选的，电压时序数据包括多个瞬时电压值与瞬时电压值对应的时刻构成的数据组，第二扰动辨识通道包括谐波分析模型，谐波分析模型输出第二扰动辨识结果的步骤，具体包括：对输入的电压时序数据进行傅里叶变换，以输出预设频率分辨率的复数频域序列，复数频域序列中包括多个频率点以及该频率点对应分解到的谐波构成的数据组；在复数频域序列中，提取出基波以及2至80次谐波所对应的数据组，以形成新的复数频域序列，确定出采样带宽频段，采样带宽频段的初始频率点为新的复数频域序列中的首个频率点，采样带宽频段的带宽为500Hz；确定当前采样带宽频段内的谐波是否满足谐振条件，若满足，则确定谐振扰动辨识成功，若不满足则将新的复数频域序列中的下一个频率点作为采样带宽频段的初始频率点，并返回确定采样带宽频段内的谐波是否满足谐振条件的步骤，直到新的复数频域序列中的所有频率点都遍历完毕，若每个采样带宽频段内的谐波都不满足谐振条件，则确定谐振扰动辨识未成功。
[0010]优选的，针对每个采样带宽频段，通过以下方式确定该采样带宽频段内的谐波是否满足谐振条件：确定出新的复数频域序列中各次谐波的幅值；根据采样带宽频段内各次谐波的幅值，计算采样带宽频段内的谐波含有率；确定该采样带宽频段内的谐波含有率是否大于10%；若采样带宽频段内的谐波含有率大于10%，则确定满足谐振条件；若采样带宽频段内的谐波含有率不大于10%，则确定不满足谐振条件。
[0011]第二方面，本申请提供了一种基于数据驱动与工程知识的车网谐振检测装置，装置包括：采集模块，用于获取在目标列车的车网系统上设置的监测设备在同一采集时段内所采集的目标列车的电压时序数据和电流时序数据；辨识模块，用于将电压时序数据和电流时序数据输入基于车网系统中谐振扰动的时序特征所设置的第一扰动辨识通道，同时将电压时序数据输入基于车网系统中谐振扰动的频段分布特征所设置的第二扰动辨识通道，以获取第一扰动辨识通道输出的第一扰动辨识结果以及第二扰动辨识通道输出的第二扰动辨识结果，第一扰动辨识结果和第二扰动辨识结果均用于指示谐振扰动是否辨识成功；
判断模块，用于若第一扰动辨识结果和第二扰动辨识结果均指示谐振扰动辨识成功，则确定采集时段内，目标列车的车网系统发生谐振扰动。
[0012]第三方面，本申请还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的基于数据驱动与工程知识的车网谐振检测方法的步骤。
[0013]第四方面，本申请还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的基于数据驱动与工程知识的车网谐振检测方法的步骤。
[0014]本申请提供的一种基于数据驱动与工程知识的车网谐振检测方法及装置，通过获取在目标列车的车网系统上设置的监测设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据驱动与工程知识的车网谐振检测方法，其特征在于，所述方法包括：获取在目标列车的车网系统上设置的监测设备在同一采集时段内所采集的目标列车的电压时序数据和电流时序数据；将所述电压时序数据和所述电流时序数据输入基于车网系统中谐振扰动的时序特征所设置的第一扰动辨识通道，同时将所述电压时序数据输入基于车网系统中谐振扰动的频段分布特征所设置的第二扰动辨识通道，以获取所述第一扰动辨识通道输出的第一扰动辨识结果以及所述第二扰动辨识通道输出的第二扰动辨识结果，所述第一扰动辨识结果和所述第二扰动辨识结果均用于指示谐振扰动是否辨识成功；若所述第一扰动辨识结果和所述第二扰动辨识结果均指示谐振扰动辨识成功，则确定所述采集时段内，目标列车的车网系统发生谐振扰动。2.根据权利要求1所述的方法，其特征在于，还包括：确定所述采集时段内，目标列车的车网系统发生谐振扰动后，将该采集时段内所采集的所述电压时序数据和所述电流时序数据保存在本地并上传至云端，以用于对车网系统的电气耦合异常进行分析。3.根据权利要求2所述的方法，其特征在于，所述第一扰动辨识通道包括时序卷积神经网络模型，所述时序卷积神经网络模型包括电压时序数据特征提取通道和电流时序数据特征提取通道和整合通道，时序卷积神经网络模型输出第一扰动辨识结果的步骤，具体包括：将所述电压时序数据输入所述电压时序数据特征提取通道，以输出基于电压时序数据提取出的张量，以及将所述电流时序数据输入所述电流时序数据特征提取通道，以输出基于电流时序数据提取出的张量；将基于电压时序数据提取出的张量和基于电流时序数据提取出的张量输入到所述整合通道，以输出基于所述电压时序数据和所述电流时序数据，辨识出的目标列车的车网系统发生谐振扰动的概率以及目标列车的车网系统未发生谐振扰动的概率；比较所述目标列车的车网系统发生谐振扰动的概率以及目标列车的车网系统未发生谐振扰动的概率的大小，以确定所述第一扰动辨识结果为谐振扰动辨识成功或谐振扰动辨识未成功。4.根据权利要求3所述的方法，其特征在于，所述电压时序数据特征提取通道和电流时序数据特征提取通道均包括依次连接的池化单元、第一残差单元、第二残差单元和第三残差单元，第一残差单元、第二残差单元和第三残差单元中的每个残差单元均包括第一卷积模块、第二卷积模块和第三卷积模块，第一卷积模块的输入和第二卷积模块的输入共同作为残差单元的输入，第一卷积模块的输出与第二卷积模块的输入连接，第二卷积模块的输出与第三卷积模块的输出共同作为残差单元的输出，第一卷积模块与第二卷积模块的卷积核大小不同，第一卷积模块与第二卷积模块中的每个卷积模块均包括依次连接的扩张卷积层、权值归一层、激活层和随机失活层，其中电压时序数据特征提取通道中的激活层和电流时序数据特征提取通道中的激活层所采用的激活函数不同；所述整合通道包括依次连接的扁平化层、全连接层和分类层。
5.根据权利要求4所述的方法，其特征在于，还包括：按照预设的时间间隔，提取保存在本地的至少一组电压时序数据和电流时序数据，并依次输入所述第一扰动辨识通道进行再训练，以输出对应...

【专利技术属性】
技术研发人员：周福林，高仕斌，陈纪纲，何祥照，魏光，陈刚，李波，高黎明，许晓蓉，曹毅峰，吴波，王长春，刘飞帆，杨涛，杨瑞轩，朱炳旭，田腾宇，祁霁舢，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：