【技术实现步骤摘要】
本专利技术属于电气自动化领域，具体涉及一种数字化变电站设备的特征提取方法及系统。
技术介绍
1、随着经济技术的发展和人们生活水平的提高，电能已经成为了人们生产和生活中必不可少的二次能源，给人们的生产和生活带来了无尽的便利。因此，保障电能的稳定可靠供应，就成为了电力系统最重要的任务之一。
2、变电站是电力系统的重要组成部分。变电站内的设备数量十分庞大，包括一次设备变压器、断路器、隔离开关、电流互感器、电压互感器、gis、开关柜、避雷器等；二次设备测控类、保护类、安控类、智能故障录波装置、计量类、交直流电源等设备。因此，对于变电站设备的安全监控，就显得尤为重要。
3、现阶段，数字化变电站已经逐步普及，对数字化变电站的设备进行监控，具有重要意义。在进行设备监控的过程中，对设备的特征进行提取，是非常重要的。传统的特征提取方法有快速傅里叶变换、小波变换、经验模态分解、集合经验模态分解等。快速傅里叶变换能够得到信号的频谱分布，但是其不适用于非平稳信号；小波变换受小波函数选择和分解层数的约束；经验模态分解(emd)分解过程中存在模态混叠问题；集合经验模态分解(eemd)虽然改进了模态混叠问题但是信号存在大量噪声。
技术实现思路
1、本专利技术的目的之一在于提供一种可靠性高且精确性好的数字化变电站设备的特征提取方法。
2、本专利技术的目的之二在于提供一种实现所述数字化变电站设备的特征提取方法的系统。
3、本专利技术提供的这种数字化变电站设备的特征提取
4、s1.对目标数字化变电站设备进行分析，确认故障诊断信号；
5、s2.根据步骤s1得到的结果，获取故障诊断信号，并进行降噪和分解，得到候选本征模态函数分量；
6、s3.计算步骤s2得到的候选本征模态函数分量的样本熵，与实际信号的样本熵进行比较，得到本征模态函数分量；
7、s4.提取步骤s3得到的本征模态函数分量中的特征向量，并进行降维、检验和分析，得到最终的数字化变电站设备的特征。
8、步骤s1所述的对目标数字化变电站设备进行分析，确认故障诊断信号，具体包括如下步骤：
9、对目标数字化变电站设备进行分析，确认故障诊断信号；
10、确认的故障诊断信号包括振动信号、通信信号、图像信号、声音信号、电流信号和电压信号。
11、步骤s2所述的降噪，具体包括如下步骤：
12、采用软阈值去噪算法，进行信号降噪；
13、选择小波基，用于将信号分解成不同尺度和频率的分量；
14、采用选定的小波基，对信号进行多尺度分解，并通过连续小波变换完成；
15、对分解得到的小波系数进行阈值处理，并保留信号系数；
16、所述的对分解得到的小波系数进行阈值处理，具体为采用如下算式进行处理：
17、
18、式中wj,k为处理后的小波系数；sgn(a)为符号函数，a＞0则sgn(a)＝1，a＝0则sgn(a)＝0，a＜0则sgn(a)＝-1；ωj,k为离散小波变换中的第j层、第k个小波系数；λ为设定的阈值；r为门限阈值，且σ为第j层分解后噪声的标准差，n为信号长度。
19、步骤s2所述的分解，具体包括如下步骤：
20、对降噪后的信号，采用变分模态分解方法，进行分解；
21、构建变分模态分解模型，表示为
22、
23、
24、式中uk(t)为变分模态分解后的本征模态函数分量；ωk为第k个模态分量中心频率；k为预设的分解模态个数；为模态分量的方向梯度；δ(t)为狄利克雷函数；j为虚数单位；f(t)为待定分解信号；||||2为l2范数梯度的平方根；
25、分解得到的本征模态函数分量，表示了原始信号中的各频率分量，且满足：
26、(1)在数据段内，极值点的个数和过零点的个数必须相等或相差数量不超过一个；
27、(2)在任意时刻，由局部极大值点形成的上包络线和由局部极小值点形成的下包络线的平均值为零；表现为上、下包络线相对于时间轴局部对称；
28、将分解得到的本征模态函数分量，作为候选本征模态函数分量。
29、步骤s3所述的计算步骤s2得到的候选本征模态函数分量的样本熵，具体包括如下步骤：
30、设定候选本征模态函数分量序列为xi＝{xi(1),xi(2),…,xi(n)}，xi(n)为时间序列点；设定候选本征模态函数分量的m维矢量为x(i)＝{x(i),x(i+1),…,x(i+m-1)}，x(i)为m维矢量的时间序列分量；
31、设定阈值θ为θ＝0.3η，η为序列标准差；
32、设定d|x(i),x(j)|为x(i)与x(j)间对应元素的距离最大值；
33、统计d|x(i),x(j)|＜0的个数num(g)，并计算比值为
34、计算得到比值的平均值bm(θ)为
35、将维数m的值增加1，并计算得到平均值bm+1(θ)；
36、最终，计算得到样本熵sampen为
37、步骤s4所述的提取步骤s3得到的本征模态函数分量中的特征向量，具体包括如下步骤：
38、提取步骤s3得到的本征模态函数分量中的时域特征和频域特征，并构成特征向量；
39、其中，时域特征包括最大值、最小值、均值、峰峰值、均方根值、方根幅值、标准差、峭度、偏度、脉冲指标、峰值指标和波形指标；
40、频域特征包括重心频率、频率均方根、平均频率和频率差。
41、步骤s4所述的降维，具体包括如下步骤：
42、采用t-sne方法进行降维；
43、选择t-sne方法的参数；所述参数包括困惑度和学习率；
44、调优：选择低维空间中的点作为初始值，以高维空间中数据点之间的相似度来构建低维空间中的表示；
45、采用高斯核函数计算数据点之间的相似度；
46、使用梯度下降优化算法，将高维数据映射到低维空间，使得低维空间中的数据点尽可能地保持与高维空间中的相似度；
47、在迭代过程中，不断调整低维空间中的点的位置，直到达到收敛条件，完成降维。
48、步骤s4所述的检验，具体包括如下步骤：
49、使用交叉验证方案，评估降维的性能。
50、步骤s4所述的分析，具体包括如下步骤：
51、在降维和检验的数据中，采用聚类分析，形成低维特征聚类图像，得到最终的数字化变电站设备的特征。
52、本专利技术还提供了一种实现所述数字化变电站设备的特征提取方法的系统，包括设备分析模块、降噪分解模块、分量计算模块和特征提取模块；设备分析模块、降噪分解模块、分量计算模块和特征提取模块依次串接；设备分析模块用于对目标数字化变电站设备进行分析，确认故障诊断信号，并将数据信息上传降噪分解模本文档来自技高网...
【技术保护点】
1.一种数字化变电站设备的特征提取方法，包括如下步骤：
2.根据权利要求1所述的数字化变电站设备的特征提取方法，其特征在于步骤S1所述的对目标数字化变电站设备进行分析，确认故障诊断信号，具体包括如下步骤：
3.根据权利要求2所述的数字化变电站设备的特征提取方法，其特征在于步骤S2所述的降噪，具体包括如下步骤：
4.根据权利要求3所述的数字化变电站设备的特征提取方法，其特征在于步骤S2所述的分解，具体包括如下步骤：
5.根据权利要求4所述的数字化变电站设备的特征提取方法，其特征在于步骤S3所述的计算步骤S2得到的候选本征模态函数分量的样本熵，具体包括如下步骤：
6.根据权利要求5所述的数字化变电站设备的特征提取方法，其特征在于步骤S4所述的提取步骤S3得到的本征模态函数分量中的特征向量，具体包括如下步骤：
7.根据权利要求6所述的数字化变电站设备的特征提取方法，其特征在于步骤S4所述的降维，具体包括如下步骤：
8.根据权利要求7所述的数字化变电站设备的特征提取方法，其特征在于步骤S4所述的检验，具体
9.根据权利要求8所述的数字化变电站设备的特征提取方法，其特征在于步骤S4所述的分析，具体包括如下步骤：
10.一种实现权利要求1～9之一所述的数字化变电站设备的特征提取方法的系统，其特征在于包括设备分析模块、降噪分解模块、分量计算模块和特征提取模块；设备分析模块、降噪分解模块、分量计算模块和特征提取模块依次串接；设备分析模块用于对目标数字化变电站设备进行分析，确认故障诊断信号，并将数据信息上传降噪分解模块；降噪分解模块用于根据接收到的数据信息，根据得到的结果，获取故障诊断信号，并进行降噪和分解，得到候选本征模态函数分量，并将数据信息上传分量计算模块；分量计算模块用于根据接收到的数据信息，计算得到的候选本征模态函数分量的样本熵，与实际信号的样本熵进行比较，得到本征模态函数分量，并将数据信息上传特征提取模块；特征提取模块用于根据接收到的数据信息，提取得到的本征模态函数分量中的特征向量，并进行降维、检验和分析，得到最终的数字化变电站设备的特征。
...【技术特征摘要】
1.一种数字化变电站设备的特征提取方法，包括如下步骤：
2.根据权利要求1所述的数字化变电站设备的特征提取方法，其特征在于步骤s1所述的对目标数字化变电站设备进行分析，确认故障诊断信号，具体包括如下步骤：
3.根据权利要求2所述的数字化变电站设备的特征提取方法，其特征在于步骤s2所述的降噪，具体包括如下步骤：
4.根据权利要求3所述的数字化变电站设备的特征提取方法，其特征在于步骤s2所述的分解，具体包括如下步骤：
5.根据权利要求4所述的数字化变电站设备的特征提取方法，其特征在于步骤s3所述的计算步骤s2得到的候选本征模态函数分量的样本熵，具体包括如下步骤：
6.根据权利要求5所述的数字化变电站设备的特征提取方法，其特征在于步骤s4所述的提取步骤s3得到的本征模态函数分量中的特征向量，具体包括如下步骤：
7.根据权利要求6所述的数字化变电站设备的特征提取方法，其特征在于步骤s4所述的降维，具体包括如下步骤：
8.根据权利要求7所述的数字化变电站设备...
【专利技术属性】
技术研发人员：张惠芳，贺丽，李琴，刘立洪，张兴伟，梁剑，杨力帆，秦正斌，肖辉，罗磊鑫，王继军，李勇智，廖鹰翱，何韵，汪勇，
申请(专利权)人：国网湖南省电力有限公司，
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。