【技术实现步骤摘要】
本专利技术涉及故障源定位技术，具体涉及一种基于无偏欧氏方向搜索的故障源定位方法。
技术介绍
1、随着先进能源
部署的智能电网重大项目研究全面开展，智能电网成为电网技术发展的必然趋势和社会经济发展的必然选择。作为智能电网的重要组成部分，智能配电网是推动智能电网发展的源头和动力，也是智能电网建设的关键
配电网故障自动定位技术的研究是保证智能配电网安全可靠运行的一项基础性工作，具有重要的现实意义。
2、长期以来，国内外学者对配电网故障自动定位技术进行了大量的理论和实验研究。其中故障测距获得了广泛的研究，基本原理利用到达时间差(time differenceofarrival,tdoa)直接定位出故障位置，避免人工巡查故障点。传统的定位的方法，如互相关函数法(cross correlation function，ccf)和赤池信息量准则(akaike informationcriterion，aic)，由于传感器会受到电子设备运行是产生的噪声以及环境背景噪声的影响，使得输入信号含有噪声，造成对故障源定位的严重偏差，从而无法准确找到故障源。
3、自适应无偏估计技术不仅是自适应领域中最为活跃的研究领域之一，也是当前国内外抑制输入含有噪声的主流方法。自适应无偏估计技术是利用对输入中噪声的估计，然后，将输入噪声估计值从输入信号中减去，从而实现无偏估计的效果。
4、根据研究表明，自适应时间差估计算法和输入含有噪声自适应算法为同一个模型。自适应时间差估计技术中核心部分就是自适应时间差估计算法，而自适
5、如何使得自适应滤波算法无偏、准确的抑制输入噪声，定位出故障源，是输入含有噪声定位领域研究的重点。目前，输入含有噪声的有源定位领域比较成熟的方法有以下两种：
6、(1)约束最小均方(constrained lms)方法
7、比如：方法1“s.-n.lin and s.-j.chern.a new adaptive constrained lmstime delay estimation algorithm.in:signal process.,vol.71,no.1,pp.29–44,1998.”该方法将时间延迟估计引入到了最小均方(lms)算法中，同时采用了非整数的延时估计，提高了故障源定位的准确性。但是该方法未考虑输入含有噪声的情况，因此抑制了算法的适用范围。
8、(2)梯度下降总体最小二乘(gd-tls)方法
9、比如：方法2“r.arablouei,s.werner,and k.dogancay.analysis ofthegradient-descent total least-squares adaptive filtering algorithm.in:ieeetrans.signal process.,vol.62,no.5,pp.1256–1264,2014.”该方法提出了一种有效的抑制输入含有噪声的gd-tls算法。该方法整体改善了算法的收敛速度，提高了稳态误差，但是该算法未用于故障源定位。
技术实现思路
1、本专利技术所要解决的技术问题是：提出一种基于无偏欧氏方向搜索的故障源定位方法，提高对故障信号含有噪声的消除效果，从而实现精确定位，且计算复杂度低。
2、本专利技术解决上述技术问题采用的技术方案是：
3、一种基于无偏欧氏方向搜索的故障源定位方法，包括以下步骤：
4、s1、生成滤波器的含噪输入向量：
5、在当前时刻n对信号源产生的信号进行采样，获得当前时刻n的初始信号xf(n)；
6、将当前时刻n和前m-1个时刻的共计m个初始信号xf(n),xf(n-1)...,xf(n-m+1)，构成滤波器当前时刻n的含噪输入向量xf(n)：
7、xf(n)＝[xf(n),xf(n-1)...,xf(n-m+1)]t；其中m是滤波器的抽头数，上标t代表转置；
8、s2、生成滤波器的权值系数向量：
9、滤波器生成当前时刻n和前m-1个时刻的权值系数w(n),w(n-1)…w(n-m+1)，并将这m个权值系数构成当前时刻n的权值系数向量w(n)：
10、w(n)＝[w(n),w(n-1),...,w(n-m+1)]t；当前时刻n＝0时，w(n)＝0；
11、s3、根据滤波器的权值系数向量对滤波器的含噪输入向量进行滤波：
12、滤波器根据当前时刻n的权值系数向量w(n)对当前时刻n的含噪输入向量xf(n)进行滤波得到当前时刻输出到扬声器的输出值y(n)：
13、y(n)＝wt(n)xf(n)；
14、根据期望响应d(n)及扬声器的输出值y(n)，计算获得当前时刻n的残差信号e(n)：
15、e(n)＝d(n)-y(n)；
16、s4、根据滤波器的权值系数向量及滤波获得的残差信号估算输入噪声：
17、根据残差信号e(n)以及当前时刻n的权值系数向量w(n)计算得到当前时刻n的输入噪声方差
18、
19、其中,υ为权值系数相关矩阵；
20、
21、κe(n)为残差信号的自相关向量；
22、κe(n)＝λκe(n-1)+e(n)[e(n-1),...,e(n-m+1)]t；
23、s5、滤波器生成含噪输入向量的自相关矩阵ψ(n)，以及含噪输入向量与期望响应的互相关向量ν(n)：
24、
25、
26、其中，λ表示遗忘因子；
27、s6、根据滤波器当前时刻的权值系数向量、滤波获得的残差信号、含噪输入向量的自相关矩阵以及含噪输入向量与期望响应的互相关向量，估算当前时刻含噪输入向量
28、
29、
30、其中，为欧氏距离；
31、s7、根据滤波器当前时刻的权值系数向量、输入噪声方差、含噪输入向量的自相关矩阵、含噪输入向量与期望响应的互相关向量以及估算的当前时刻含噪输入向量，计算下一时刻的权值系数向量w(n+1)：
32、
33、其中，
34、s8、根据更新后的权值系数向量计算下一时刻n+1的故障源定位位置：
35、如果wm+1(n+1)≥0，则下一时刻n+1的延迟估计τ(n+1)计算为：
36、
37、如果wm+1(n+1)<0，则下一时刻n+1的延迟估计τ(n+1)计算为：
38、
3本文档来自技高网...
【技术保护点】
1.一种基于无偏欧氏方向搜索的故障源定位方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于无偏欧氏方向搜索的故障源定位方法，其特征在于，
【技术特征摘要】
1.一种基于无偏欧氏方向搜索的故障源定位方法，其特征在于，包括以下步骤：
<...【专利技术属性】
技术研发人员：芦璐，汪杰，朱光亚，杨晓敏，周凯，
申请(专利权)人：四川大学，
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。