【技术实现步骤摘要】
本专利技术涉及电力系统监控，具体为一种换流变阀侧套管末屏分压器频域响应处理方法及系统。
技术介绍
1、现有技术中，换流变压器是高压直流传输系统的核心设备，其稳定性直接关系到整个电力系统的安全运行。套管末屏分压器的频域响应是评估其运行状态的重要参数，但现有的监测方法无法实时、准确地处理频域响应，识别潜在风险，以及提供有效的自适应控制策略。
2、因此亟需一种换流变阀侧套管末屏分压器频域响应处理方法，针对现有技术中实时监测与自适应控制不足的问题，实时、准确且自动化的进行换流变阀侧套管末屏分压器频域响应处理，通过高级信号处理与人工智能技术相结合，提高换流变压器的运行效率和安全性。
技术实现思路
1、鉴于上述存在的问题，提出了本专利技术。
2、因此，本专利技术解决的技术问题是：现有的换流变压器监控方法存在无法实时处理频域响应数据，以及如何在检测到潜在风险时提供有效自适应控制策略的优化问题。
3、为解决上述技术问题，本专利技术提供如下技术方案：一种换流变阀侧套管末屏分压器频域响应处理方法，包括：
4、为分压器注入扫频信号，实时捕获分压器对于扫频信号的响应数据；实时采集与外部环境条件相关的数据，将实时响应数据频域响应基线进行比对；在设备的最优点位上进行相量测量，与异常频域响应结合，实现三维空间的异常定位；根据异常定位结果和分类信息，自动生成补偿策略，在设备上执行生成的自适应控制策略，调整设备运行参数。
5、作为本专利技术所述的换流变阀侧
6、作为本专利技术所述的换流变阀侧套管末屏分压器频域响应处理方法的一种优选方案，其中：所述进行比对包括部署环境传感器监测分压器周围的环境条件，实时环境数据应与基线频域响应进行比较，监测分压器在不同环境条件下的表现通过基线频域统计模型得到所述基线频域实时异常监测评分st，当st＞预设阈值时判断为正常状态，按照预设条件进行常规的监控与数据记录，当st≤预设阈值时判断为异常状态，使用深度学习技术，从历史数据中学习不同故障模式下的频域响应特征，自动识别并分类观测到的异常；
7、所述基线频域统计模型表示为，
8、 ；
9、其中，表示时间t 时刻的预测基线频域响应，表示lstm动态递归函数，表示时间t-1时刻的基线频域响应，分别表示经过预处理的时间的频率、电压、电流、相位和环境数据的特征向量，表示时间的模型参数，表示时间t 时刻的实时异常监测评分，表示时间t时刻的实时频域响应，表示时间t-1时刻实时异常监测与评分，表示时间时刻的时间依赖权重，表示动态调整因子。
10、作为本专利技术所述的换流变阀侧套管末屏分压器频域响应处理方法的一种优选方案，其中：预设点位包括分析设备的电气拓扑和历史故障数据，在历史数据中学习不同故障模式下的频域响应特征，分析设备拓扑和历史数据，利用深度学习中的lstm网络分析模型，结合设备拓扑数据和历史故障数据，预测不同点位在各种异常状态下的响应，根据模型预测和分压器正常工作频率，选择初步点位，所述初步点位考虑环境传感器数据，预测环境数据对点位响应的影响，设定pso的评价函数衡量点位在模拟各种异常状态下的响应，以及在实际环境变化下的稳定性，使用pso算法迭代地寻找最优点位，根据pso算法的结果，结合lstm模型的预测，优化点位选择，确定相量测量的最优点位。
11、作为本专利技术所述的换流变阀侧套管末屏分压器频域响应处理方法的一种优选方案，其中：所述确定相量测量的最优点位包括在最优点位通过点位优化算法优化模型参数，基于优化后的模型参数再次获取实时异常监测评分st’，当st’小于第一阈值时，判断为正常运行状态s1，当st’大于等于第一阈值且小于等于第二阈值时，判断为预警状态s2，当st’大于第二阈值时，判断为异常状态s3;
12、所述点位优化算法表示为，
13、 ；
14、其中，表示时间t+1时刻的模型参数，表示学习率，表示损失函数关于模型参数的梯度，表示调整率，表示自适应函数。
15、作为本专利技术所述的换流变阀侧套管末屏分压器频域响应处理方法的一种优选方案，其中：所述实现三维空间的异常定位包括同步收集相量数据，通过安全加密的无线网络实时传输至中央处理单元，实时监控和分析数据流，并使用自适应傅里叶变换从中提取异常频域特征，利用预训练的cnn模型，自动对采集到的频域特征进行分类，使用决策支持系统对cnn识别出的异常模式进行分析，并评估其对设备健康状况的潜在影响，采用改进的多边测量法，结合信号的传播速度变化和多径效应，对异常源进行高精度三维定位，结合机器学习技术，优化多边测量法得到的初步定位结果，调整时差定位算法，自动生成补偿策略。
16、作为本专利技术所述的换流变阀侧套管末屏分压器频域响应处理方法的一种优选方案，其中：所述自适应控制策略包括当运行状态为正常运行状态s1时，通过实时数据监测与lstm模型的动态输出比较，识别模型预测与实际输出之间的微小偏差，自动执行微调控制命令，调整换流变压器的辅助控制环节，保持设备在最佳工作点运行，同时利用自适应算法对预测模型进行在线更新；当运行状态为预警状态s2时，激活高级异常检测模式，利用深度学习技术识别和区分频域响应中的异常特征，并与历史异常模式库进行匹配，以识别可能的异常类型，将自动计算并应用运行参数调整，尝试恢复到正常频域响应，若此措施未能立即纠正偏差，自动进入保护模式，减少设备负荷，并发出维护通知；当运行状态为异常状态s3时，立即启动应急预案，通过中央处理单元同步执行多点异常定位分析，以全局视角判断故障的影响范围和紧急程度，基于预训练的神经网络模型，自动生成设备参数的临时补偿策略，降低故障影响，并将故障区域隔离，紧急调用维护备援模块，并向操作员提供详细的故障信息和处理建议。
17、本专利技术的另外一个目的是提供一种换流变阀侧套管末屏分压器频域响应处理系统，其能通过实时数据监测与人工智能技术相结合，解决了无法实时、准确处理频域响应数据以及缺乏有效自适应控制策略的问题。
18、为解决上述技术问题，本专利技术提供如下技术方案： 一种换流变阀侧套管末屏分压器频域响应处理系统，包括：信号注入模块、相应对比模块、异常定位模块以及自适应控制模块；所述信号注入模块用于为分压器注入扫频信号，实时捕获分压器对于扫频信号的响应数据；所述相应对比模块用于实时采集与外部环境条件相关的数据，将实时响应数据频域响应基线进行比对本文档来自技高网...
【技术保护点】
1.一种换流变阀侧套管末屏分压器频域响应处理方法，其特征在于，包括：
2.如权利要求1所述的换流变阀侧套管末屏分压器频域响应处理方法，其特征在于：所述注入扫频信号包括通过收集历史数据信息确定分压器的正常工作频率范围，并添加额外的缓冲频率范围，设计扫频实验，实时监测分压器响应，确定最佳信号幅度，通过环境分析和仿真软件评估，根据所需监测的频率和幅度范围，选择传感器，并在分压器上进行安装和校准，建立数据采集系统，进行频域分析，并利用机器学习算法进行异常检测，根据所述异常检测结果进行扫频范围、信号幅度和数据分析方法的调优；
3.如权利要求2所述的换流变阀侧套管末屏分压器频域响应处理方法，其特征在于：所述进行比对包括部署环境传感器监测分压器周围的环境条件，实时环境数据应与基线频域响应进行比较，监测分压器在不同环境条件下的表现通过基线频域统计模型得到所述基线频域实时异常监测评分St，当St＞预设阈值时判断为正常状态，按照预设条件进行常规的监控与数据记录，当St≤预设阈值时判断为异常状态，使用深度学习技术，从历史数据中学习不同故障模式下的频域响应特征，自动识别并分类观测
4.如权利要求3所述的换流变阀侧套管末屏分压器频域响应处理方法，其特征在于：预设点位包括分析设备的电气拓扑和历史故障数据，在历史数据中学习不同故障模式下的频域响应特征，分析设备拓扑和历史数据，利用深度学习中的LSTM网络分析模型，结合设备拓扑数据和历史故障数据，预测不同点位在各种异常状态下的响应，根据模型预测和分压器正常工作频率，选择初步点位，所述初步点位考虑环境传感器数据，预测环境数据对点位响应的影响，设定PSO的评价函数衡量点位在模拟各种异常状态下的响应，以及在实际环境变化下的稳定性，使用PSO算法迭代地寻找最优点位，根据PSO算法的结果，结合LSTM模型的预测，优化点位选择，确定相量测量的最优点位。
5.如权利要求4所述的换流变阀侧套管末屏分压器频域响应处理方法，其特征在于：所述确定相量测量的最优点位包括在最优点位通过点位优化算法优化模型参数，基于优化后的模型参数再次获取实时异常监测评分St’，当St’小于第一阈值时，判断为正常运行状态S1，当St’大于等于第一阈值且小于等于第二阈值时，判断为预警状态S2，当St’大于第二阈值时，判断为异常状态S3;
6.如权利要求5所述的换流变阀侧套管末屏分压器频域响应处理方法，其特征在于：所述实现三维空间的异常定位包括同步收集相量数据，通过安全加密的无线网络实时传输至中央处理单元，实时监控和分析数据流，并使用自适应傅里叶变换从中提取异常频域特征，利用预训练的CNN模型，自动对采集到的频域特征进行分类，使用决策支持系统对CNN识别出的异常模式进行分析，并评估其对设备健康状况的潜在影响，采用改进的多边测量法，结合信号的传播速度变化和多径效应，对异常源进行高精度三维定位，结合机器学习技术，优化多边测量法得到的初步定位结果，调整时差定位算法，自动生成补偿策略。
7.如权利要求6所述的换流变阀侧套管末屏分压器频域响应处理方法，其特征在于：所述自适应控制策略包括当运行状态为正常运行状态S1时，通过实时数据监测与LSTM模型的动态输出比较，识别模型预测与实际输出之间的微小偏差，自动执行微调控制命令，调整换流变压器的辅助控制环节，保持设备在最佳工作点运行，同时利用自适应算法对预测模型进行在线更新；
8.一种采用如权利要求1~7任一所述的换流变阀侧套管末屏分压器频域响应处理方法的系统，其特征在于，包括：信号注入模块、相应对比模块、异常定位模块以及自适应控制模块；
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的换流变阀侧套管末屏分压器频域响应处理方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的换流变阀侧套管末屏分压器频域响应处理方法的步骤。
...【技术特征摘要】
1.一种换流变阀侧套管末屏分压器频域响应处理方法，其特征在于，包括：
2.如权利要求1所述的换流变阀侧套管末屏分压器频域响应处理方法，其特征在于：所述注入扫频信号包括通过收集历史数据信息确定分压器的正常工作频率范围，并添加额外的缓冲频率范围，设计扫频实验，实时监测分压器响应，确定最佳信号幅度，通过环境分析和仿真软件评估，根据所需监测的频率和幅度范围，选择传感器，并在分压器上进行安装和校准，建立数据采集系统，进行频域分析，并利用机器学习算法进行异常检测，根据所述异常检测结果进行扫频范围、信号幅度和数据分析方法的调优；
3.如权利要求2所述的换流变阀侧套管末屏分压器频域响应处理方法，其特征在于：所述进行比对包括部署环境传感器监测分压器周围的环境条件，实时环境数据应与基线频域响应进行比较，监测分压器在不同环境条件下的表现通过基线频域统计模型得到所述基线频域实时异常监测评分st，当st＞预设阈值时判断为正常状态，按照预设条件进行常规的监控与数据记录，当st≤预设阈值时判断为异常状态，使用深度学习技术，从历史数据中学习不同故障模式下的频域响应特征，自动识别并分类观测到的异常；
4.如权利要求3所述的换流变阀侧套管末屏分压器频域响应处理方法，其特征在于：预设点位包括分析设备的电气拓扑和历史故障数据，在历史数据中学习不同故障模式下的频域响应特征，分析设备拓扑和历史数据，利用深度学习中的lstm网络分析模型，结合设备拓扑数据和历史故障数据，预测不同点位在各种异常状态下的响应，根据模型预测和分压器正常工作频率，选择初步点位，所述初步点位考虑环境传感器数据，预测环境数据对点位响应的影响，设定pso的评价函数衡量点位在模拟各种异常状态下的响应，以及在实际环境变化下的稳定性，使用pso算法迭代地寻找最优点位，根据pso算法的结果，结合lstm模型的预测，优化点位选择，确定相量测量的最优点位。
5.如权利要求4所述的换流变阀侧套管末屏分压器频域响应处理方法，其特征在于：所述确定相量测量的最...
【专利技术属性】
技术研发人员：张锦程，杨铭，陈梓贤，
申请(专利权)人：南京中鑫智电科技有限公司，
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。