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载波,特别涉及一种异常电力载波信号识别方法及装置。
技术介绍
1、电力信息传递是配电网络中电力调配的重要基础,传统的电力通信网络通常独立于配电网络,使得电力通信网络部署成本随着配电网络的规模增长而急剧增长,特别是对于一些没有完成通信网络基础建设的偏远地区,其电力通信网络的部署难度和部署成本更高。电力载波通信技术的出现了发展为上述难题提供了一个切实可行的解决方案,利用电力线本身作为电力信息传递的载体,省去了额外的电力通信网络的部署,相比于传统的通信方案具有非常高的成本优势。然而电力载波信号极易受到电力线内外部因素如电力线路的阻抗不匹配、负载变动、电力负载设备产生的噪声或杂散信号以及外部的无线电或者微波干扰等的影响而发生异常,电力载波信号传递的距离越长,发生异常的概率就越高。异常电力载波信号的准确识别是保障电力调配的重要基础,现有技术中通常采用频谱检测的方式来识别异常电力载波信号,但这种识别手段对远距离通信下的异常电力载波信号的识别效率和识别准确率都无法达到预期。
技术实现思路
1、本专利技术正是基于上述问题,提出了一种异常电力载波信号识别方法及装置,能够有效提高异常电力载波信号的识别效率和识别准确率。
2、有鉴于此,本专利技术的第一方面提出了一种异常电力载波信号识别系统,包括设置在配电网络上各个电力节点中的电力载波信号采集装置以及与所述电力载波信号采集装置远程连接的电力载波信号处理设备,所述电力载波信号采集装置包括用于从电力线中分离所述电力载波信号的电力
3、本专利技术的第二方面提出了一种异常电力载波信号识别方法,包括:
4、通过设置在配电网络上各个电力节点的电力载波信号采集装置获取各个电力节点的实时电力载波信号;
5、利用遗传算法寻找所述实时电力载波信号的目标特征参数的最优解,所述目标特征参数包括所述实时电力载波信号的载波中心频率和载波频率斜率;
6、将每一个实时电力载波信号的目标特征参数的最优解输入到预先训练好的分类决策函数中进行识别;
7、根据识别结果判断对应的实时电力载波信号是否为异常电力载波信号;
8、当任一个实时电力载波信号为异常电力载波信号时,输出所述异常电力载波信号的异常类型及其对应的电力节点。
9、优选的,在通过设置在配电网络上各个电力节点的电力载波信号采集装置获取各个电力节点的实时电力载波信号的步骤之前,还包括:
10、获取预先分类的电力载波信号数据集,所述电力载波信号数据集包括对应正常电力载波信号的第一信号数据集和对应多种异常类型电力载波信号的多个第二信号数据集;
11、获取所述电力载波信号数据集中每个电力载波信号的目标特征参数;
12、构建个二分类器;
13、将所述电力载波信号数据集的目标特征参数整理为个样本集,每个样本集包含对应不同二分类器的正样本集和负样本集;
14、使用个样本集分别训练对应的二分类器得到个分类决策函数,其中为区间内的正整数,为各种电力载波信号的目标特征参数构成的目标特征参数向量。
15、优选的,利用遗传算法寻找所述实时电力载波信号的目标特征参数的最优解的步骤具体包括:
16、随机生成组目标特征参数值,其中为预先配置的数值,所述目标特征参数值包括载波中心频率值和载波频率斜率值;
17、对所述目标特征参数值进行编码以构建遗传算法的种群个体;
18、使用适应度函数计算每个种群个体的适应度;
19、根据所述适应度判断所述种群个体是否满足停止迭代的条件;
20、当所述种群个体不满足停止迭代的条件时,选择适应度最高的个种群个体进行遗传操作得到下一代种群个体;
21、以所述下一代种群个体为基础进行下一轮迭代;
22、当所述种群个体不满足停止迭代的条件时,将适应度最高的种群个体确定为所述目标特征参数的最优解。
23、优选的,使用适应度函数计算每个种群个体的适应度的步骤具体包括:
24、获取所述实时电力载波信号,其中,为所述实时电力载波信号的时间长度;
25、将每一个种群个体转换为对应的目标特征参数值;
26、基于所述目标特征参数值生成对应所述目标特征参数值的估计信号,所述估计信号的时间长度与所述实时电力载波信号的时间长度相同;
27、计算所述估计信号与所述实时电力载波信号之间的频域相似度;
28、将所述频域相似度确定为对应种群个体的所述适应度。
29、优选的,基于所述目标特征参数值生成对应所述目标特征参数值的估计信号的步骤具体包括:
30、获取预先配置的峰值幅度和第一初始相位;
31、读取所述目标特征参数值中的载波中心频率值和载波频率斜率值;
32、生成对应所述目标特征参数值的估计信号:
33、。
34、优选的,计算所述估计信号与所述实时电力载波信号之间的频域相似度的步骤具体包括:
35、按预设的时间间隔分别对所述估计信号和所述实时电力载波信号进行采样得到第一估计信号离散序列和第一实时电力载波信号离散序列,所述第一估计信号离散序列包含个离散信号值,所述第一实时电力载波信号离散序列包含离散信号值,其中为区间内的正整数;
36、分别对所述第一估计信号离散序列和所述第一实时电力载波信号离散序列执行离散傅里叶变换得到第二估计信号离散序列和第二实时电力载波信号离散序列,所述第二估计信号离散序列包含个离散数值,所述第二实时电力载波信号离散序列包含个离散数值;
37、基于所述第二估计信号离散序列和所述第二实时电力载波信号离散序列计算两个信号之间的频域相似度。
38、优选的,基于所述第二估计信号离散序列和所述第二实时电力载波信号离散序列计算两个信号之间的频域相似度的步骤具体包括:
39、基于所述第二估计信号离散序列和所述第二实时电力载波信号离散序列分别计算所述估计信号和所述实时电力载波信号的功率谱密度:
40、;
41、对所述功率谱密度进行归一化得到对应的归一化功率谱密度:
42、;
43、计算所述频域相似度:
44、。
45、优选的,选择适应度最高的个种群个体进行遗传操作得到下一代种群个体的步骤具体包括:
46、以特征参数为单位提取适应度最高的个种群个体的信息单元;
47、以信息单元组合的方式交换所述种群个体的信息单元以生成个下一代种群个体,所述下一代种群个体的数量满足:
本文档来自技高网...
【技术保护点】
1.一种异常电力载波信号识别方法,其特征在于,包括:
2.根据权利要求1所述的异常电力载波信号识别方法,其特征在于,在通过设置在配电网络上各个电力节点的电力载波信号采集装置获取各个电力节点的实时电力载波信号的步骤之前,还包括:
3.根据权利要求1所述的异常电力载波信号识别方法,其特征在于,利用遗传算法寻找所述实时电力载波信号的目标特征参数的最优解的步骤具体包括:
4.根据权利要求3所述的异常电力载波信号识别方法,其特征在于,使用适应度函数计算每个种群个体的适应度的步骤具体包括:
5.根据权利要求4所述的异常电力载波信号识别方法,其特征在于,基于所述目标特征参数值生成对应所述目标特征参数值的估计信号的步骤具体包括:
6.根据权利要求4所述的异常电力载波信号识别方法,其特征在于,计算所述估计信号与所述实时电力载波信号之间的频域相似度的步骤具体包括:
7.根据权利要求6所述的异常电力载波信号识别方法,其特征在于,基于所述第二估计信号离散序列和所述第二实时电力载波信号离散序列计算两个信号之间的频域相似度的步骤具体包括
8.根据权利要求3所述的异常电力载波信号识别方法,其特征在于,选择适应度最高的个种群个体进行遗传操作得到下一代种群个体的步骤具体包括:
9.根据权利要求1所述的异常电力载波信号识别方法,其特征在于,将每一个实时电力载波信号的目标特征参数的最优解输入到预先训练好的分类决策函数中进行识别的步骤具体包括:
10.一种异常电力载波信号识别装置,包括处理器和存储器,所述处理器执行所述存储器中存储的计算机程序以实现如权利要求1-9任一项所述的异常电力载波信号识别方法。
...【技术特征摘要】
1.一种异常电力载波信号识别方法,其特征在于,包括:
2.根据权利要求1所述的异常电力载波信号识别方法,其特征在于,在通过设置在配电网络上各个电力节点的电力载波信号采集装置获取各个电力节点的实时电力载波信号的步骤之前,还包括:
3.根据权利要求1所述的异常电力载波信号识别方法,其特征在于,利用遗传算法寻找所述实时电力载波信号的目标特征参数的最优解的步骤具体包括:
4.根据权利要求3所述的异常电力载波信号识别方法,其特征在于,使用适应度函数计算每个种群个体的适应度的步骤具体包括:
5.根据权利要求4所述的异常电力载波信号识别方法,其特征在于,基于所述目标特征参数值生成对应所述目标特征参数值的估计信号的步骤具体包括:
6.根据权利要求4所述的异常电力载波信号识别方法,其特征在于,计算...
【专利技术属性】
技术研发人员:傅巧红,傅雨秋,张其钢,
申请(专利权)人:深圳市富优镁科技有限公司,
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。