【技术实现步骤摘要】
本专利技术涉及光纤电流互感器，主要涉及一种光纤电流互感器测量精度提高方法及装置。
技术介绍
1、光纤电流互感器是一种利用磁光效应进行电流测量的一种设备，目前已经应用于许多特高压工程，尤其是特高压直流工程。由于具有良好的测量精度和速度、抗电磁干扰能力、宽测量范围等诸多优点，光纤电流互感器逐渐在高压电测量中取代传统的电磁式电流互感器。
2、光纤电流互感器主要由宽带光源、相位调制器、延时光纤、1/4波片、传感光纤和信号处理等组成，其中宽带光源是系统测试所需的光源；调制器实现光的相位调制，以获得高精度的相位解调；延时光纤提供调制所需的最佳时延；1/4波片实现线性偏振光与圆偏振光之间的偏振转换；传感光纤利用待测电流产生的磁场实现磁光相移；信号处理用于处理光路返回的信号，通过解调算法获得待测电流大小。从整个系统来看，光源的中心波长、1/4波片的延时相位、相位调制的大小、延时光纤的偏振消光比、传感光纤的磁光系数等参数对光线电流互感器的测试精度都会带来影响。而且，这些参数值会受到工作温度、光源驱动电流、调制电压等因素影响，其中，工作温度的影响最大，它能同时影响到多个参数值，如1/4波片的延时相位、延时光纤的偏振消光比、传感光纤的磁光系数等。目前，为获得准确的测量精度，光纤电流互感器都必须经过温度校准，这样才能满足电力0.2级或0.5级的精度要求。然而，由于仅考虑了主要的温度因素，没有考虑其他的影响因素，要获得更好的精度等级(如0.1级)就十分困难。
3、而其他影响因素的大小，虽然不一定能直接获得，但是可以间接从光纤电流互
4、为了探究实验误差与各个变量参数之间的关系，对数据分解后对变量和因变量进行数学建模是解决该问题的普遍方法。在常见的时序预测任务中，往往将原始数据分解成趋势项、季节周期项、残差项，再对这三项各自进行数据分析，精度和效果都不理想。
技术实现思路
1、针对上述
技术介绍
中所描述的现状与问题，本专利技术提供了一种光纤电流互感器测量精度提高方法及装置，通过na-memd算法进行分解，并利用通过hpo优化方法改进后的lstm模型对分解后的数据进行训练，得到所需网络模型，最后利用所述网络模型对标定电流与测量电流之间的相对误差进行预测，从而实现对光纤电流互感器测量精度的提高。
2、为达到上述目的，本专利技术是采用下述技术方案实现的：
3、第一方面，本专利技术提供了一种光纤电流互感器测量精度提高方法，包括以下步骤：
4、获取标定状态下的互感器环境参数，并记录对照电流和测量电流值及其相对误差值，构建光纤电流互感器实验数据集；
5、将所述数据集中的互感器环境参数和测量电流、相对误差构成多维向量，并在不同环境温度和不同对照电流两个维度上进行扩展形成三维矩阵，该三维矩阵经过噪声辅助多元经验模态分解方法na-memd分解，得到多通道分析信号；
6、构建基于hpo算法优化的lstm网络的相对误差预测模型；所述模型的输入是经过na-memd分解后得到的各多通道分析信号，输出是预测的相对误差；
7、将所述数据集分为训练集、验证集和测试集，先经过na-memd分解成多通道信号，而后采用训练集对模型进行训练、采用验证集调整模型内部参数并采用测试集测试模型精度；
8、获取实际工作状态下的互感器电流测量值和环境参数，经na-memd分解，并输入hpo-lstm模型得到相对误差，进而得到真实电流值。
9、进一步的，获取标定状态下的互感器环境参数，包括：
10、环境温度、平均值偏差、调制器施加的调制电压大小、调制相位大小、光源的驱动电流、光源内tec温度大小。
11、进一步的，将所述标定状态下的互感器环境参数经过na-memd分解，得到标定状态下的互感器环境参数的imf信号，包括：
12、对于一个v维变量的输入信号x＝{x1，x2...xv}，生成s通道不相关的高斯白噪声信号n＝{n1，n2...ns}。
13、将该s通道信号拼接到v通道信号x＝{x1，x2...xv}中，构成s+v个通道的z＝{x1，x2…xv，n1，n2...ns}。
14、利用多元经验模态分解(medm)算法对多元信号z进行分解，产生m个imf分量：
15、
16、其中cm为原始信号所对应的m个imf分量，am为添加白噪声所对应的m个imf分量，rm是剩余残量。
17、舍弃噪声所对应的m个imf分量am，最终输入信号x可以表示为：
18、
19、进一步的，所述基于hpo算法优化的lstm网络的相对误差预测模型包括：
20、lstm网络模型，用于对分解后的各imf信号分别进行预测，将各预测结果进行线性叠加并得到最终的预测误差值；
21、hpo算法模块，用于通过hpo算法对所述lstm网络模型中数据的拟合和处理过程中参数进行自动寻优，进行lstm网络模型的参数更新。
22、进一步的，hpo算法模块通过hpo算法对所述lstm网络模型中数据的拟合和处理过程中参数进行自动寻优，进行lstm网络模型的参数更新，包括：
23、步骤1.初始化种群：随机生成一定数量的猎人个体，每个猎人都代表搜索空间中的一个候选解。
24、步骤2.评估适应度：根据问题的优化目标，计算每个猎人的适应度值，反映其在搜索空间中的潜在优势。
25、步骤3.选择猎人：根据猎人的适应度值，使用选择算法来选择一部分猎人作为“猎物”。适应度较高的猎人有更高的概率被选中。
26、步骤4.更新猎人位置：对于每个选中的猎人，根据其当前位置以及其他猎人的位置，使用特定的迁移策略来更新其位置。
27、步骤5.检查边界限制：更新后的猎人位置可能会超出搜索空间的边界，因此需要对其位置进行边界限制的检查和调整。
28、步骤6.评估新位置：对于更新后的猎人位置，重新计算其适应度值，以评估其在新位置的性能。
29、步骤7.替换猎人：将适应度值较低的猎人替换为更新后的猎人，以保持种群规模不变。
30、步骤8.迭代循环：重复执行步骤2到步骤7，直到达到预定的迭代次数或满足停止条件为止。
31、进一步的，所述基于hpo算法优化的lstm网络的相对误差预测模型的训练方法，包括：
32、在不同的温度下设定不同的对照电流，在上述环境下测量每一组环境的实际电流值，计算对照电流和实际电流的相对误差，并记录实验各项参数，将上述数据作为实验数据集；
33、利用噪声辅助多元经验模态分解(na-memd)方法处理所述实验数据集中相对误差样本，利用分解结果重构多通道本文档来自技高网...
【技术保护点】
1.一种光纤电流互感器测量精度提高方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的光纤电流互感器测量精度提高方法，其特征在于，获取互感器环境参数，包括：
3.根据权利要求1所述的光纤电流互感器测量精度提高方法，其特征在于，将所述三维矩阵经过噪声辅助多元经验模态分解方法NA-MEMD分解，得到多通道分析信号，包括：
4.根据权利要求1所述的光纤电流互感器测量精度提高方法，其特征在于，所述基于HPO算法优化的LSTM网络的相对误差预测模型包括：
5.根据权利要求4所述的光纤电流互感器测量精度提高方法，其特征在于，HPO算法模块通过HPO算法对所述LSTM网络模型中数据的拟合和处理过程中参数进行自动寻优，进行LSTM网络模型的参数更新，包括：
6.根据权利要求1所述的光纤电流互感器测量精度提高方法，其特征在于，所述基于HPO算法优化的LSTM网络的相对误差预测模型的训练方法，包括：
7.根据权利要求6所述的光纤电流互感器测量精度提高方法，其特征在于，在不同的温度下设定不同的对照电流，在每一环境下测量每一组
8.根据权利要求6所述的光纤电流互感器测量精度提高方法，其特征在于，所述基于HPO算法优化的LSTM网络的相对误差预测模型的训练方法，还包括：
9.一种光纤电流互感器测量精度提高装置，其特征在于，包括：
10.一种光纤电流互感器测量精度提高装置，其特征在于，包括处理器及存储介质；
...【技术特征摘要】
1.一种光纤电流互感器测量精度提高方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的光纤电流互感器测量精度提高方法，其特征在于，获取互感器环境参数，包括：
3.根据权利要求1所述的光纤电流互感器测量精度提高方法，其特征在于，将所述三维矩阵经过噪声辅助多元经验模态分解方法na-memd分解，得到多通道分析信号，包括：
4.根据权利要求1所述的光纤电流互感器测量精度提高方法，其特征在于，所述基于hpo算法优化的lstm网络的相对误差预测模型包括：
5.根据权利要求4所述的光纤电流互感器测量精度提高方法，其特征在于，hpo算法模块通过hpo算法对所述lstm网络模型中数据的拟合和处理过程中参数进行自动寻优，进行lstm网络模型的参数更新，包括：
【专利技术属性】
技术研发人员：谢天喜，冯轩，朱超，张祥，谷相宏，张军，许瑨，施纪栋，许卫刚，何露芽，韩学春，甘强，
申请(专利权)人：国网江苏省电力有限公司超高压分公司，
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。