System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电力,特别涉及基于ai的换流站直流系统异常信号辨识与辅助决策方法。
技术介绍
1、在现代电力系统中,直流(dc)系统在能源传输和分配中发挥着关键作用。直流系统通常由整流器、逆变器和变压器等多个关键组件组成,用于将电能从发电站传输到用户或将电能从一种电压级别转换为另一种。然而,直流系统在运行过程中可能会受到各种因素的干扰和损害,这可能导致系统的不稳定性和故障。因此,准确识别异常信号并及时采取适当的决策对于确保系统的稳定性和可靠性至关重要。
2、在现代电力系统中,直流(dc)系统在能源传输和分配中发挥着关键作用。直流系统通常由整流器、逆变器和变压器等多个关键组件组成,用于将电能从发电站传输到用户或将电能从一种电压级别转换为另一种。然而,直流系统在运行过程中可能会受到各种因素的干扰和损害,这可能导致系统的不稳定性和故障。因此,准确识别异常信号并及时采取适当的决策对于确保系统的稳定性和可靠性至关重要。
3、在传统的直流系统监测和管理中,通常依赖于人工操作员对系统的实时监测和诊断。这种方法存在以下问题和挑战:
4、人工识别困难:直流系统信号复杂多变,操作员在实时监测过程中难以快速准确地识别异常信号。这可能导致异常情况未被及时发现。
5、主观性:人工操作员的判断往往受主观因素影响,不同操作员可能会对同一信号作出不同的评估,造成决策的不一致性。
6、反应时间慢:人工操作员需要时间来分析和决策,而在某些情况下,异常情况可能发展得非常迅速,需要更快的响应。
7、
8、人力成本高:依赖人工操作员进行实时监测和决策需要大量的人力资源和成本,不仅昂贵,而且可能不够高效。
9、为了应对这些问题和挑战,现代电力系统需要更智能、自动化的解决方案,以提高直流系统的稳定性、可靠性和效率。
技术实现思路
1、本专利技术的目的是提供基于ai的换流站直流系统异常信号辨识与辅助决策方法,。
2、为解决上述技术问题,本专利技术提供基于ai的换流站直流系统异常信号辨识与辅助决策方法,所述方法包括:
3、步骤1:设置3个独立的传感器单元,分别为第一传感器单元、第二传感器单元和第三传感器单元;所述第一传感器单元获取换流站直流系统的整流器在设定时间范围内的信号,得到直流序列;所述第二传感器单元获取换流站直流系统的逆变器在设定时间范围内的信号,得到逆变序列;所述第三传感器单元获取换流站直流系统的变压器在设定时间范围内的信号,得到变压序列;
4、步骤2:分别计算直流序列、逆变序列和变压序列的标准差,从中筛选出值最大的标准差的对应的序列,作为异常序列;
5、步骤3:将异常序列等分为5个子序列;分别对每个子序列,特征提取后,得到特征,再计算特征值;基于计算出的特征值,计算每个子序列的异常概率;
6、步骤4:基于每个子序列的特征,判断每个子序列的状态类别;针对每个子序列,计算其在对应的状态类别下的异常概率校正值;再针对每个异常序列,计算其在每种状态类别下的异常概率校正值的叠加值;若任意一种状态类别的异常概率校正值的叠加值超过设定的阈值,则返回步骤2中,从剩下的序列中,筛选出值最大的标准差的对应的序列,作为异常序列;
7、步骤5:计算所有异常序列在每种状态类别下的异常概率校正值的叠加值;再将所有异常序列的同一种状态类别的异常概率校正值的叠加值进行加和运算,得到每种状态类别下的异常概率总值;按照异常概率总值从高到低的顺序,针对每种状态类别进行异常处理决策。
8、进一步的,第一传感器单元、第二传感器单元和第三传感器单元在进行信号采集时,采集到的信号种类为同一种类;所述信号的种类包括:电压信号和电流信号;所述状态类别包括:不稳定、不平衡、正常、过流、过限和故障。
9、进一步的,第一传感器单元、第二传感器单元和第三传感器单元在采集到信号后,还将对信号进行去噪处理,具体包括:将信号表示为x(t),使用如下公式进行变换:
10、
11、其中,wx(a,b)是分解变换系数,表示在尺度a和平移b下的信号分量;x(t)是信号;ψ*(t)是分解变换函数的复共轭;h(a)是尺度函数,用于调整不同尺度下的权重;其中,σ是尺度函数的控制参数,为预设值,用于调整尺度;再对每个分解变换系数,使用如下公式进行去噪:
12、
13、其中,是去噪后的分解变换系数;sgn()是符号函数,返回其自变量的符号;λ(a,b)是设定阈值;再基于去噪后的分解变换系数,计算信号的时频局部特征;将时频局部特征进行逆分解变换,完成对信号的去噪处理。
14、进一步的,使用如下公式,提取信号的时频局部特征:
15、
16、其中,f(a,b)是时频局部特征;是局部特征提取函数;使用如下公式,将时频局部特征进行逆分解变换,完成对信号的去噪处理:
17、
18、其中,是的反函数;xdenoised(t)是进行去噪处理后的序列。
19、进一步的,其特征在于:
20、
21、进一步的,步骤3中使用如下公式,分别对每个子序列x′,特征提取后,得到特征:
22、f=relu(wpca·x′+bpca);
23、f为特征;relu为修正线性单元激活函数,用于引入非线性特性,relu(x)=max(0,x),它的作用是将小于0的输入变为0,保留正数输入,x为其自变量;wpca为通过对子序列x′进行主成分分析提取的特征向量矩阵;bpca为偏置向量,为预设值。
24、进一步的,异常概率使用如下公式计算得到:
25、
26、其中,σdc为子序列的协方差矩阵;p(x′)为子序列的异常概率;n为子序列x′中的序列元素的数量;xi为子序列x′中的序列元素;μdc为子序列的序列元素的均值;|x′|为子序列的模;λ为正则化参数;|f|为f的模,为特征值。
27、进一步的,步骤4中基于每个子序列的特征,判断每个子序列的状态类别的方法包括:根据历史信号,计算每种状态类别对应的标准特征值、标准特征均值和标准特征方差;再计算每个子序列对应的特征的特征值、特征均值和方差;所述特征均值为特征的元素的均值,方差为特征的元素的方差;计算每个子序列对应的特征的特征值与各个状态类别的标准特征值的差值,作为第一差值,计算每个子序列对应的特征的特征均值与各个状态类别的标准特征均值的差值,作为第二差值,计算每个子序列对应的特征的方差与各个状态类别的标准特征方差的差值,作为第三差值;将第一差值、第二差值和第三差值的和值最小时对应的状态类别作为子序列的状态类别。
28、进一步的,针对每个子序列,使用如下公式,计算其在对应的状态类别下的异常概率校正值:
29、y=so本文档来自技高网...
【技术保护点】
1.基于AI的换流站直流系统异常信号辨识与辅助决策方法,其特征在于,所述方法包括:
2.如权利要求1所述的基于AI的换流站直流系统异常信号辨识与辅助决策方法,其特征在于,第一传感器单元、第二传感器单元和第三传感器单元在进行信号采集时,采集到的信号种类为同一种类;所述信号的种类包括:电压信号和电流信号;所述状态类别包括:不稳定、不平衡、正常、过流、过限和故障。
3.如权利要求2所述的基于AI的换流站直流系统异常信号辨识与辅助决策方法,其特征在于,第一传感器单元、第二传感器单元和第三传感器单元在采集到信号后,还将对信号进行去噪处理,具体包括:将信号表示为x(t),使用如下公式进行变换:
4.如权利要求3所述的基于AI的换流站直流系统异常信号辨识与辅助决策方法,其特征在于,使用如下公式,提取信号的时频局部特征:
5.如权利要求4所述的基于AI的换流站直流系统异常信号辨识与辅助决策方法,其特征在于:
6.如权利要求5所述的基于AI的换流站直流系统异常信号辨识与辅助决策方法,其特征在于,步骤3中使用如下公式,分别对每个子序列X′,
7.如权利要求5所述的基于AI的换流站直流系统异常信号辨识与辅助决策方法,其特征在于,异常概率使用如下公式计算得到:
8.如权利要求6所述的基于AI的换流站直流系统异常信号辨识与辅助决策方法,其特征在于,步骤4中基于每个子序列的特征,判断每个子序列的状态类别的方法包括:根据历史信号,计算每种状态类别对应的标准特征值、标准特征均值和标准特征方差;再计算每个子序列对应的特征的特征值、特征均值和方差;所述特征均值为特征的元素的均值,方差为特征的元素的方差;计算每个子序列对应的特征的特征值与各个状态类别的标准特征值的差值,作为第一差值,计算每个子序列对应的特征的特征均值与各个状态类别的标准特征均值的差值,作为第二差值,计算每个子序列对应的特征的方差与各个状态类别的标准特征方差的差值,作为第三差值;将第一差值、第二差值和第三差值的和值最小时对应的状态类别作为子序列的状态类别。
9.如权利要求6所述的基于AI的换流站直流系统异常信号辨识与辅助决策方法,其特征在于,针对每个子序列,使用如下公式,计算其在对应的状态类别下的异常概率校正值:
...【技术特征摘要】
1.基于ai的换流站直流系统异常信号辨识与辅助决策方法,其特征在于,所述方法包括:
2.如权利要求1所述的基于ai的换流站直流系统异常信号辨识与辅助决策方法,其特征在于,第一传感器单元、第二传感器单元和第三传感器单元在进行信号采集时,采集到的信号种类为同一种类;所述信号的种类包括:电压信号和电流信号;所述状态类别包括:不稳定、不平衡、正常、过流、过限和故障。
3.如权利要求2所述的基于ai的换流站直流系统异常信号辨识与辅助决策方法,其特征在于,第一传感器单元、第二传感器单元和第三传感器单元在采集到信号后,还将对信号进行去噪处理,具体包括:将信号表示为x(t),使用如下公式进行变换:
4.如权利要求3所述的基于ai的换流站直流系统异常信号辨识与辅助决策方法,其特征在于,使用如下公式,提取信号的时频局部特征:
5.如权利要求4所述的基于ai的换流站直流系统异常信号辨识与辅助决策方法,其特征在于:
6.如权利要求5所述的基于ai的换流站直流系统异常信号辨识与辅助决策方法,其特征在于,步骤3中使用如下公式,分别对每个子序列x′,特...
【专利技术属性】
技术研发人员:王磊,张振海,牛林,徐志恒,何晓宇,李宏博,马志广,陈丽娜,郭丽娟,宁琦,路长青,张冰倩,商玲玲,
申请(专利权)人:国家电网有限公司技术学院分公司,
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。