【技术实现步骤摘要】
本专利技术涉及电力设备检测，尤其涉及一种基于馈线特征分析的电流互感器饱和识别方法及系统。
技术介绍
1、在电力系统中，母线保护常采用电流差动原理，然而电流互感器发生饱和时，其二次电流会严重畸变，容易导致差动保护误动。现有方法现提出了各种ct饱和识别方案，例如：基于时差法的方案仍依赖于故障与饱和发生存在一定的时间差，如果检测得到的时差小于该门槛值，则认为时差不存在。若遇到严重快速饱和或出现强脉冲干扰的情况，基于时差判据的检测方法将误判为时差不存在而导致保护误动，并且当区外故障导致ct饱和后又发生转换性故障时，保护可能会长时间拒动。电流谐波法仅根据电流信号中的谐波分量判定是否发生饱和，难以精确地识别饱和类型，而差动保护在ct饱和程度较高时，差动电流可能仍位于跳闸区，从而容易导致保护误动。
技术实现思路
1、本专利技术提供了一种基于馈线特征分析的电流互感器饱和识别方法及系统，解决了难以精确地识别饱和类型以及容易导致保护误动的技术问题。
2、有鉴于此，本专利技术第一方面提供了一种基于馈线特征分析的电流互感器饱和识别方法，包括以下步骤：
3、响应电流互感器饱和识别请求，采集变电站交流电源系统的馈线电气量波形数据；
4、根据馈线电气量波形数据的瞬时幅值对馈线电气量波形数据进行畸变过滤，对畸变过滤后的馈线电气量波形数据进行波形重构，得到重构后的馈线电气量波形数据；
5、对所述重构后的馈线电气量波形数据进行特征提取，得到馈线特征数据；
6
7、优选地，所述根据馈线电气量波形数据的瞬时幅值对馈线电气量波形数据进行畸变过滤，对畸变过滤后的馈线电气量波形数据进行波形重构，得到重构后的馈线电气量波形数据的步骤，具体包括：
8、根据预设的相位对所述馈线电气量波形数据进行分段，得到多个波形区段；
9、基于最小二乘法计算每个所述波形区段的瞬时幅值，将每个所述波形区段的瞬时幅值与预设的幅值阈值进行比较，确定波形畸变区段；
10、将所述波形畸变区段从多个所述波形区段中滤除，得到多个波形未畸变区段；
11、对多个所述波形未畸变区段进行叠加重构，得到重构后的馈线电气量波形数据。
12、优选地，所述对所述重构后的馈线电气量波形数据进行特征提取，得到馈线特征数据的步骤，具体包括：
13、将所述重构后的馈线电气量波形数据输入至预设的特征提取网络；
14、通过所述预设的特征提取网络对所述重构后的馈线电气量波形数据的局部特征时间尺度进行提取，得到局部特征数据；
15、对所述局部特征数据进行自适应分解处理，得到馈线特征数据。
16、优选地，所述对所述局部特征数据进行自适应分解处理，得到馈线特征数据的步骤，具体包括：
17、对所述局部特征数据进行分解处理，得到本征模态函数分量；
18、对所述本征模态函数分量进行局部特征时间尺度分解处理，再按照分解出的顺序进行升序排列，根据排列结果确定高频数据作为馈线特征数据。
19、优选地，所述预先训练好的电流互感器饱和识别模型为生成对抗网络模型，所述生成对抗网络模型包括生成器和分类器；所述将所述馈线特征数据输入至预先训练好的电流互感器饱和识别模型中进行饱和识别，确定饱和类型的步骤之前，还包括：
20、获取多个历史采样点的馈线电气量波形数据以及其对应的电流互感器饱和类型；
21、根据电流互感器饱和类型对其相应的所述馈线电气量波形数据进行标签标记，得到标签数据集；
22、将所述标签数据集输入至所述生成器中，生成扩展数据集；
23、将所述扩展数据集划分为训练集和测试集；
24、通过所述训练集对所述分类器进行训练，得到训练好的分类器；
25、利用所述测试集对所述训练好的分类器进行测试，基于测试结果的准确性对所述训练好的分类器的网络参数进行优化，得到优化后的分类器作为电流互感器饱和识别模型。
26、第二方面，本专利技术还提供了一种基于馈线特征分析的电流互感器饱和识别系统，包括：
27、数据采集模块，用于响应电流互感器饱和识别请求，采集变电站交流电源系统的馈线电气量波形数据；
28、波形重构模块，用于根据馈线电气量波形数据的瞬时幅值对馈线电气量波形数据进行畸变过滤，对畸变过滤后的馈线电气量波形数据进行波形重构，得到重构后的馈线电气量波形数据；
29、特征提取模块，用于对所述重构后的馈线电气量波形数据进行特征提取，得到馈线特征数据；
30、饱和识别模块，用于将所述馈线特征数据输入至预先训练好的电流互感器饱和识别模型中进行饱和识别，确定饱和类型。
31、优选地，所述波形重构模块具体包括：
32、分段模块，用于根据预设的相位对所述馈线电气量波形数据进行分段，得到多个波形区段；
33、畸变确定模块，用于基于最小二乘法计算每个所述波形区段的瞬时幅值，将每个所述波形区段的瞬时幅值与预设的幅值阈值进行比较，确定波形畸变区段；
34、畸变滤除模块，用于将所述波形畸变区段从多个所述波形区段中滤除，得到多个波形未畸变区段；
35、波形叠加重构模块，用于对多个所述波形未畸变区段进行叠加重构，得到重构后的馈线电气量波形数据。
36、优选地，所述特征提取模块具体包括：
37、输入模块，用于将所述重构后的馈线电气量波形数据输入至预设的特征提取网络；
38、局部特征提取模块，用于通过所述预设的特征提取网络对所述重构后的馈线电气量波形数据的局部特征时间尺度进行提取，得到局部特征数据；
39、分解处理模块，用于对所述局部特征数据进行自适应分解处理，得到馈线特征数据。
40、优选地，所述分解处理模块具体包括：
41、分解模块，用于对所述局部特征数据进行分解处理，得到本征模态函数分量；
42、高频提取模块，用于对所述本征模态函数分量进行局部特征时间尺度分解处理，再按照分解出的顺序进行升序排列，根据排列结果确定高频数据作为馈线特征数据。
43、优选地，所述预先训练好的电流互感器饱和识别模型为生成对抗网络模型，所述生成对抗网络模型包括生成器和分类器；本系统还包括：
44、历史采样模块，用于获取多个历史采样点的馈线电气量波形数据以及其对应的电流互感器饱和类型；
45、标签模块，用于根据电流互感器饱和类型对其相应的所述馈线电气量波形数据进行标签标记，得到标签数据集；
46、生成器模块，用于将所述标签数据集输入至所述生成器中，生成扩展数据集；
47、数据划分模块，用于将所述扩展数据集划分为训练集和测试集；
48、分类器训练模块，用于通过所述训练集对所述分类器本文档来自技高网...
【技术保护点】
1.基于馈线特征分析的电流互感器饱和识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于馈线特征分析的电流互感器饱和识别方法，其特征在于，所述根据馈线电气量波形数据的瞬时幅值对馈线电气量波形数据进行畸变过滤，对畸变过滤后的馈线电气量波形数据进行波形重构，得到重构后的馈线电气量波形数据的步骤，具体包括：
3.根据权利要求1所述的基于馈线特征分析的电流互感器饱和识别方法，其特征在于，所述对所述重构后的馈线电气量波形数据进行特征提取，得到馈线特征数据的步骤，具体包括：
4.根据权利要求3所述的基于馈线特征分析的电流互感器饱和识别方法，其特征在于，所述对所述局部特征数据进行自适应分解处理，得到馈线特征数据的步骤，具体包括：
5.根据权利要求1所述的基于馈线特征分析的电流互感器饱和识别方法，其特征在于，所述预先训练好的电流互感器饱和识别模型为生成对抗网络模型，所述生成对抗网络模型包括生成器和分类器；所述将所述馈线特征数据输入至预先训练好的电流互感器饱和识别模型中进行饱和识别，确定饱和类型的步骤之前，还包括：
6.基于
7.根据权利要求6所述的基于馈线特征分析的电流互感器饱和识别系统，其特征在于，所述波形重构模块具体包括：
8.根据权利要求6所述的基于馈线特征分析的电流互感器饱和识别系统，其特征在于，所述特征提取模块具体包括：
9.根据权利要求8所述的基于馈线特征分析的电流互感器饱和识别系统，其特征在于，所述分解处理模块具体包括：
10.根据权利要求6所述的基于馈线特征分析的电流互感器饱和识别系统，其特征在于，所述预先训练好的电流互感器饱和识别模型为生成对抗网络模型，所述生成对抗网络模型包括生成器和分类器；本系统还包括：
...【技术特征摘要】
1.基于馈线特征分析的电流互感器饱和识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于馈线特征分析的电流互感器饱和识别方法，其特征在于，所述根据馈线电气量波形数据的瞬时幅值对馈线电气量波形数据进行畸变过滤，对畸变过滤后的馈线电气量波形数据进行波形重构，得到重构后的馈线电气量波形数据的步骤，具体包括：
3.根据权利要求1所述的基于馈线特征分析的电流互感器饱和识别方法，其特征在于，所述对所述重构后的馈线电气量波形数据进行特征提取，得到馈线特征数据的步骤，具体包括：
4.根据权利要求3所述的基于馈线特征分析的电流互感器饱和识别方法，其特征在于，所述对所述局部特征数据进行自适应分解处理，得到馈线特征数据的步骤，具体包括：
5.根据权利要求1所述的基于馈线特征分析的电流互感器饱和识别方法，其特征在于，所述预先训练好的电流互感器饱和识别模型为生...
【专利技术属性】
技术研发人员：李新海，肖星，罗其锋，尹雁和，范德和，刘文平，陈浩河，罗海鑫，袁拓来，林雄锋，池莲庆，林永昌，邱天怡，周恒，王振刚，温云龙，石欣，丁垚，梅龙军，
申请(专利权)人：广东电网有限责任公司，
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。