电力系统谐波自寻优检测方法、装置、设备及介质制造方法及图纸

本发明专利技术涉及电力谐波监测技术领域，具体而言，涉及电力系统谐波自寻优检测方法、装置、设备及介质，包括动态获取该检测区域内电力设备种类和噪音分贝值信号，将上述噪音分贝值信号通过滤波器去除非周期性干扰信号得到声波分贝值信号；将声波分贝值信号进行快速傅里叶变换得到声波分贝值信号频谱，评估声波分贝值信号频谱的幅值和分布特征；将检测区域电力设备种类和所述声波分贝值信号频谱的幅值和分布特征输入到与该电力设备种类匹配的电噪评估模型，得到该检测区域电力系统的谐波特征，通过对电力设备的噪音动态自寻优检测，通过无需无接触式及时发现电力系统中存在的电力谐波问题。问题。问题。

【技术实现步骤摘要】
电力系统谐波自寻优检测方法、装置、设备及介质


[0001]本专利技术涉及电力谐波监测
，具体而言，涉及电力系统谐波自寻优检测方法、装置、设备及介质。

技术介绍

[0002]电力谐波是指在电力系统中频率高于基波频率的电信号波形，它是由非线性负载，如变频器、电子灯具、电子设备等所引起的电流和电压波形的畸变所产生的。谐波会对电力系统和设备造成很多危害，包括电力损耗、设备热损耗、电力质量下降、设备寿命缩短等，因此，对于电力设备谐波的研究和控制具有重要的意义。
[0003]首先，电力设备谐波会导致电力损耗增加。谐波会引起电流和电压的畸变，畸变的电流会导致电阻、电感、电容等元件的损耗增加，进而导致电力系统的效率下降。其次，电力设备谐波会引起设备热损耗。谐波会引起电流和电压的畸变，导致设备内部的电阻、电感、电容等元件的热损耗增加。这些热损耗会导致设备的温度升高，进而导致设备的寿命缩短。第三，电力设备谐波会导致电力质量下降。例如，谐波会导致电压变化、电压不平衡、电压波动、电压失真等问题。这些问题会影响电力设备的正常运行，进而影响整个电力系统的稳定性和可靠性。最后，电力设备谐波会缩短设备的寿命。谐波会导致设备内部的元件受到较大的电压和电流冲击。这些冲击会加速设备内部元件的老化和损坏，从而缩短设备的寿命。

技术实现思路

[0004]本专利技术的目的在于提供电力系统谐波自寻优检测方法、装置、设备及介质，通过检测电力设备运行噪音的角度动态预测电力谐波，并且实时进行谐波治理。
[0005]为了实现上述目的，本申请实施例提供了如下技术方案：一方面，本申请实施例提供了电力系统谐波自寻优检测方法，所述方法包括：动态获取该检测区域内电力设备种类和噪音分贝值信号，将上述噪音分贝值信号通过滤波器去除非周期性干扰信号得到声波分贝值信号；所述滤波器参数是根据噪音分贝值信号数字化处理得到噪音分贝值信号波形特征，并将通过噪音分贝值信号波形特征输入到LMS滤波算法实时更新滤波器参数；将声波分贝值信号进行快速傅里叶变换得到声波分贝值信号频谱，评估声波分贝值信号频谱的幅值和分布特征；将检测区域电力设备种类和所述声波分贝值信号频谱的幅值和分布特征输入到与该电力设备种类匹配的电噪评估模型，得到该检测区域电力系统的谐波特征；所述电噪评估模型是根据该电力系统的历史电力谐波信号特征和同时段的声波分贝值信号特征的映射数据训练得到的神经网络模型；所述电噪评估模型训练的过程是通过有源滤波器按设定的梯度步长施加基波频率倍数的补偿电流用于逐步降低电力谐波，并检测同时段电力设备的声波分贝值信号在不同频率段的变化值，通过神经网络模型建立二者之间的映射关系。
[0006]可选地，所述电噪评估模型训练的过程还包括：
获取检测区域电力系统在一定时段的电流信号，使用信号均值法去除信号中的直流分量，并进行归一化处理；将归一化后的电流信号进行多级小波分解提取小波系数，并由stein算法得到小波分解阈值；根据小波系数和小波分解阈值对归一化的电流信号去噪得到去噪电流信号，所述小波系数包括近似系数向量和细节系数向量；所述去噪过程还包括，对小波分解的每层波形的高频部分利用Sobel算子进行滤波，通过合成低频波形和均值滤波后的高频波形得到该层去噪后的波形，最后将每层波形重构形成去噪电流信号；将去噪电流信号乘以汉宁窗函数，并进行傅里叶变换，得到去噪电流信号频谱；通过频谱，计算电流谐波的总畸变率，评估得到电力谐波特征；根据电力谐波特征，通过有源滤波器产生抵消谐波的补偿电流，补偿电流在时段T内按照一定梯度步长进行增加；在同时段T内，获取该检测区域内电力设备种类和该电力设备的声波分贝值信号频谱变化特征；使用神经网络模型建立电力谐波特征、电力设备的声波分贝值信号频谱变化特征二者之间的映射关系。
[0007]可选地，所述方法还包括：基于电噪评估模型用于动态降低电力谐波，所述动态降低谐波的方法是根据所述谐波特征，有源滤波器按一定梯度步长产生抵消谐波的一定基波频率倍数的补偿电流，期间实时检测声波分贝值信号，直至声波分贝值信号中谐波特征有映射关系的特定频率的声波分贝值变化低于设定的声波变化阈值，停止该基波频率倍数的补偿电流；重复动态降低电力谐波的方法，直至满足所有基波频率倍数的谐波特征对应的声波分贝值变化低于设定的声波变化阈值。
[0008]可选地，所述动态降低电力谐波的方法还包括：根据当前梯度步长的补偿电流输入电噪评估模型得到声波分贝值信号预测值，期间动态检测声波分贝值信号实际值，基于声波分贝值信号预测值和声波分贝值信号实际值计算卡尔曼增益，并对下一时刻的梯度步长进行动态调整，直至状态估计误差的方差低于收敛阈值。
[0009]第二方面，基于同一专利技术构思，本申请实施例提供了电力系统谐波自寻优检测装置，所述装置包括：声波分贝值获取模块，动态获取该检测区域内电力设备种类和噪音分贝值信号，将上述噪音分贝值信号通过滤波器去除非周期性干扰信号得到声波分贝值信号；所述滤波器参数是根据噪音分贝值信号数字化处理得到噪音分贝值信号波形特征，并将通过噪音分贝值信号波形特征输入到LMS滤波算法实时更新滤波器参数；将声波分贝值信号进行快速傅里叶变换得到声波分贝值信号频谱，评估声波分贝值信号频谱的幅值和分布特征；谐波评估模块，用于将检测区域电力设备种类和所述声波分贝值信号频谱的幅值和分布特征输入到与该电力设备种类匹配的电噪评估模型，得到该检测区域电力系统的谐波特征；所述电噪评估模型是根据该电力系统的历史电力谐波信号特征和同时段的声波分贝值信号特征的映射数据训练得到的神经网络模型；电噪评估模型训练模块，用于通过有源滤波器按设定的梯度步长施加基波频率倍数的补偿电流用于逐步降低电力谐波，并检测同时段电力设备的声波分贝值信号在不同频
率段的变化值，通过神经网络模型建立二者之间的映射关系。
[0010]可选地，所述电噪评估模型训练模块还包括：谐波获取模块，用于获取检测区域电力系统在一定时段的电流信号，使用信号均值法去除信号中的直流分量，并进行归一化处理；将归一化后的电流信号进行多级小波分解提取小波系数，并由stein算法得到小波分解阈值；根据小波系数和小波分解阈值对归一化的电流信号去噪得到去噪电流信号，所述小波系数包括近似系数向量和细节系数向量；所述去噪过程还包括，对小波分解的每层波形的高频部分利用Sobel算子进行滤波，通过合成低频波形和均值滤波后的高频波形得到该层去噪后的波形，最后将每层波形重构形成去噪电流信号；将去噪电流信号乘以汉宁窗函数，并进行傅里叶变换，得到去噪电流信号频谱；通过频谱，计算电流谐波的总畸变率，评估得到电力谐波特征；补偿模块，用于根据电力谐波特征，通过有源滤波器产生抵消谐波的补偿电流，补偿电流在时段T内按照一定梯度步长进行增加；在同时段T内，声波分贝值获取模块获取该检测区域内电力设备种类和该电力设备的声波分贝值信号频谱变化特征；映射模块，使用神经网络模型建立电力谐波特征、电力设备的声波分贝值信号频谱变化特征二者之间的映射关系。
[0011]可选地，所述装置还包括：调整模块，用于基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.电力系统谐波自寻优检测方法，其特征在于，所述方法包括：动态获取该检测区域内电力设备种类和噪音分贝值信号，将上述噪音分贝值信号通过滤波器去除非周期性干扰信号得到声波分贝值信号；所述滤波器参数是根据噪音分贝值信号数字化处理得到噪音分贝值信号波形特征，并将通过噪音分贝值信号波形特征输入到LMS滤波算法实时更新滤波器参数；将声波分贝值信号进行快速傅里叶变换得到声波分贝值信号频谱，评估声波分贝值信号频谱的幅值和分布特征；将检测区域电力设备种类和所述声波分贝值信号频谱的幅值和分布特征输入到与该电力设备种类匹配的电噪评估模型，得到该检测区域电力系统的谐波特征；所述电噪评估模型是根据该电力系统的历史电力谐波信号特征和同时段的声波分贝值信号特征的映射数据训练得到的神经网络模型；所述电噪评估模型训练的过程是通过有源滤波器按设定的梯度步长施加基波频率倍数的补偿电流用于逐步降低电力谐波，并检测同时段电力设备的声波分贝值信号在不同频率段的变化值，通过神经网络模型建立二者之间的映射关系。2.如权利要求1所述的电力系统谐波自寻优检测方法，其特征在于，所述电噪评估模型训练的过程还包括：获取检测区域电力系统在一定时段的电流信号，使用信号均值法去除信号中的直流分量，并进行归一化处理；将归一化后的电流信号进行多级小波分解提取小波系数，并由stein算法得到小波分解阈值；根据小波系数和小波分解阈值对归一化的电流信号去噪得到去噪电流信号，所述小波系数包括近似系数向量和细节系数向量；所述去噪过程还包括，对小波分解的每层波形的高频部分利用Sobel算子进行滤波，通过合成低频波形和均值滤波后的高频波形得到该层去噪后的波形，最后将每层波形重构形成去噪电流信号；将去噪电流信号乘以汉宁窗函数，并进行傅里叶变换，得到去噪电流信号频谱；通过频谱，计算电流谐波的总畸变率，评估得到电力谐波特征；根据电力谐波特征，通过有源滤波器产生抵消谐波的补偿电流，补偿电流在时段T内按照一定梯度步长进行增加；在同时段T内，获取该检测区域内电力设备种类和该电力设备的声波分贝值信号频谱变化特征；使用神经网络模型建立电力谐波特征、电力设备的声波分贝值信号频谱变化特征二者之间的映射关系。3.如权利要求1所述的电力系统谐波自寻优检测方法，其特征在于，所述方法还包括：基于电噪评估模型用于动态降低电力谐波，所述动态降低谐波的方法是根据所述谐波特征，有源滤波器按一定梯度步长产生抵消谐波的一定基波频率倍数的补偿电流，期间实时检测声波分贝值信号，直至声波分贝值信号中谐波特征有映射关系的特定频率的声波分贝值变化低于设定的声波变化阈值，停止该基波频率倍数的补偿电流；重复动态降低电力谐波的方法，直至满足所有基波频率倍数的谐波特征对应的声波分贝值变化低于设定的声波变化阈值。4.如权利要求3所述的电力系统谐波自寻优检测方法，其特征在于，所述动态降低电力谐波的方法还包括：根据当前梯度步长的补偿电流输入电噪评估模型得到声波分贝值信号预测值，期间动
态检测声波分贝值信号实际值，基于声波分贝值信号预测值和声波分贝值信号实际值计算卡尔曼增益，并对下一时刻的梯度步长进行动态调整，直至状态估计误差的方差低于收敛阈值。5.电力系统谐波自寻优检测装置，其特征在于，所述装置包括：声波分贝值获取模块，动态获取该检测区域内电力设备种类和噪音分贝值信号，将上述噪音分贝值信号通过滤波器去除非周期性干扰信号得到声波分贝值信号；所述滤波器参数是根...

【专利技术属性】
技术研发人员：邓奕，刘嘉政，王磊，祝季楹，陈佳文，谢铨，朱奎虎，赵国瑾，乐展鹏，余烈，万仁卓，刘海，
申请(专利权)人：武汉纺织大学，
类型：发明
国别省市：