CN102540130A - 应用于电流传感器角差在线监测系统的信号分离方法 - Google Patents
应用于电流传感器角差在线监测系统的信号分离方法 Download PDFInfo
- Publication number
- CN102540130A CN102540130A CN2012100058319A CN201210005831A CN102540130A CN 102540130 A CN102540130 A CN 102540130A CN 2012100058319 A CN2012100058319 A CN 2012100058319A CN 201210005831 A CN201210005831 A CN 201210005831A CN 102540130 A CN102540130 A CN 102540130A
- Authority
- CN
- China
- Prior art keywords
- signal
- current sensor
- separation
- angular difference
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Measurement Of Resistance Or Impedance (AREA)
Abstract
一种应用于电流传感器角差在线监测系统的信号分离方法,包括如下步骤:步骤1:将电流传感器的输出信号与两个不同初始相位的测试信号一起组成3维观测信号矩阵X(n);步骤2:对观测信号矩阵运行多次FastICA算法,进行信号分离以得到多次分离结果;步骤3:对每次分离得到的3个源分量进行频率计算,根据频率的差异判断电流传感器的正常工作电流分量所在行为k;步骤4:对每次分离结果计算评价函数,公式为:f=((a2k-μ)2+(a3k-μ)2+μ2)/3,其中aij为分离结果中混合矩阵A的第i行j列的元素,μ为a2k、a3k和0的均值;步骤5:比较各次分离的评价函数值,选择评价函数值最大的一次分离为该次测量的最优分离结果;步骤6:根据最优分离结果计算电流传感器的角差。
Description
技术领域
本发明涉及电流信号高精度分离及角差测量技术领域,特别是一种应用于电流传感器角差在线监测系统的信号分离方法。
背景技术
电力设备绝缘监测技术是保证电力系统安全运行的关键技术。它是结合传感器技术、计算机技术、电子技术、信号处理以及网络技术,在电力系统运行状态下,对其中的电气设备的绝缘状况进行实时监测,其基本要求是:监测过程不改变系统的运行方式,并保证测量精度等。
容性电力设备的介质损耗(tanδ)是表征设备绝缘性能的一个重要参数,主要通过比较流经设备的漏电流与加在设备两端的高压信号的相位差来获得。其中,漏电流的获取主要通过设备接地点处的电流传感器测量获得,要求电流传感器具有较高的测量准确度。
然而,目前应用于各种电力设备绝缘在线监测的电流传感器,都是用高导磁材料作为磁芯绕制而成。在实验室环境下进行测试,这类电流传感器对电流信号角差的监测能够达到较高的精度,同时其稳定性也能满足测量的要求。但实际在线运行后,由于现场的强电磁干扰、环境温度及湿度的大幅度变化、强冲击电流等对磁性材料的作用,使得电流传感器磁芯的性能降低。另一方面,电流传感器中的电子电路同样会受电磁干扰、工作温度及湿度、器件老化等影响,使得输出信号的幅度变比,特别是角差特性发生较大变化。因此,要对电流传感器的角差进行实时监测,以保证绝缘在线监测系统在实际运行中能够获得高精度、稳定可靠的测量结果。
一种在线监测电流传感器角差系统,是人为在传感器的输入端加入已知频率和相位的单频正弦测试电流,在输出端得到的是正常工作时的输出电流与测试电流的混合。采用独立分量分析(ICA)方法将测试信号和电流传感器的原始输出电流分离,通过比较测试信号输入与输出前后相位变化来确定电流传感器的相位差。这样就可以通过计算机软件的方法,在电流传感器监测电力设备正常工作的电流的同时获得它的相位差,从而实现在线测量。
采用ICA方法来分离混合信号存在的最主要的问题就是估计出来的独立源分量接近于其真实值的程度是未知的。这种情况是由多种原因造成的:
ICA方法要求各源分量是统计独立的,且其中至多有一个分量是高斯分布的。然而实际应用中真实数据并不能严格符合ICA的模型。
ICA方法使用的随机产生的初始混合矩阵,在计算的过程中可能会收敛于不同的局部最小值。
混合信号的抽样点数是有限的,这也会引入统计误差。
因此,有必要对ICA分离的结果进行评价,研究它的可靠性。对同一混合信号运行多次ICA并且选取最优的结果,这样比单独运行一次的结果具有更高的可靠性。
发明内容
本发明的主要目的在于提供一种应用于电流传感器角差在线监测系统的信号分离方法,以将其应用于电流传感器角差在线监测系统中电流信号分离模块,并提高输出结果的准确度。
本发明提供一种应用于电流传感器角差在线监测系统的信号分离方法,包括如下步骤:
步骤1:将电流传感器的输出信号与两个不同初始相位的测试信号一起组成3维观测信号矩阵X(n);
步骤2:对观测信号矩阵运行多次FastICA算法,进行信号分离以得到多次分离结果;
步骤3:对每次分离得到的3个源分量进行频率计算,根据频率的差异判断电流传感器的正常工作电流分量所在行为k;
步骤4:对每次分离结果计算评价函数,公式为:
f=((a2k-μ)2+(a3k-μ)2+μ2)/3,
其中aij为分离结果中混合矩阵A的第i行j列的元素,μ为a2k、a3k和0的均值;
步骤5:比较各次分离的评价函数值,选择评价函数值最大的一次分离为该次测量的最优分离结果;
步骤6:根据最优分离结果计算电流传感器的角差。
从上述技术方案可以看出,本发明具有以下技术效果:
1、本发明提供的这种应用于电流传感器角差在线监测系统的信号分离方法及其择优标准,可以应用于电流传感器角差在线监测系统中电流信号分离模块,提高输出结果的准确度。
2、本发明提供的这种应用于电流传感器角差在线监测系统的信号分离方法及其择优标准,提出的评价函数能有效地选取多次分离结果中测量误差较小的分离作为最优分离结果,具有测量准确度高、抗干扰能力强、稳定等优点。
附图说明
为进一步说明本发明的技术内容,以下结合附图及实施案例对本发明详细说明如后,其中:
图1是本发明提供的一种应用于电流传感器角差在线监测系统的信号分离方法及其择优标准流程图。
图2是本发明采用的电流传感器角差在线监测系统的结构示意图。
图3是评价函数与测量误差的关系(1000次样本,各运行一次FastICA算法)。
图4是本发明选择的最优结果的评价函数与相位测量误差散点图(100次样本,各运行20次FastICA算法,并根据本发明评价函数进行择优挑选)。
具体实施方式
如图1所示,本发明提供一种应用于电流传感器角差在线监测系统的信号分离方法,包括如下步骤:
步骤101:将电流传感器的输出信号与两个不同初始相位的测试信号一起组成3维观测信号矩阵X(n),该两个不同初始相位的测试信号为单频正弦信号,与电流传感器输入信号中的测试信号具有相同的频率,组成观测信号矩阵时,电流传感器的输出信号x(n),该信号x(n)位于3维观测信号矩阵X(n)的第一行,两个测试信号位于3维观测信号矩阵X(n)的第二和第三行,所述不同初始相位的两个测试信号的初始相位不同,幅度不同或相同;
步骤102:对观测信号矩阵运行多次FastICA算法,进行信号分离以得到多次分离结果;
步骤103:对每次分离得到的3个源分量进行频率计算,根据频率的差异来判断电流传感器的正常工作电流分量所在行为k;所述将产生的3维观测信号矩阵X(n)运行FastICA算法后得到一个3×3的混合矩阵A和一个3维源分量矩阵S(n),该3维源分量矩阵S(n)由三个源分量组成,分别是:电流传感器的正常工作电流信号Ig(n)、正弦分量sin(n)及余弦分量cos(n),其中正弦分量sin(n)与余弦分量cos(n)具有相同的频率,且与测试信号的频率相同,与正常工作电流信号Ig(n)的频率不同,通过比较各源分量频率的差异来判断正常工作电流信号Ig(n)位于3维源分量矩阵S(n)的哪一行;
步骤104:对每次分离结果计算评价函数,公式为:
f=((a2k-μ)2+(a3k-μ)2+μ2)/3,
其中aij为分离结果中混合矩阵A的第i行j列的元素,μ为a2k、a3k和0的均值;
其中构造评价函数时,评价函数的表达式与步骤101中观测信号的组成方式有关,若电流传感器的输出信号x(n)位于3维观测信号矩阵X(n)的第l行,令m,n为集合{1,2,3}中除l的另外两个数,则评价函数修改为:
f=((amk-μ)2+(ank-μ)2+μ2)/3
其中,
μ=(amk+ank)/3;
步骤105:比较各次分离的评价函数值,选择评价函数值最大的一次分离为该次测量的最优分离结果,所述比较各次分离结果的评价函数值时,需要对评价函数值进行筛选,即对评价函数值中过小或过大的分离情况应予以剔除;
步骤106:根据最优分离结果计算电流传感器的角差。首先根据FastICA算法得到的分离矩阵A对源分量进行合成,得到电流传感器输出信号中的测试信号成分,然后比较该测试信号成分与电流传感器输入信号中的测试信号的相位差,最后对该相位差进行转换得到电流传感器的角差。
如图2所示为本发明适用的电流传感器角差在线监测系统的结构示意图,该装置在进行测量时,首先人为产生一个测试信号201与电流传感器的正常工作电流202一起作为电流传感器203的输入信号,其中测试信号为一单频正弦信号,其频率应远离电流传感器的正常工作电流的频率。接着通过信号分离模块204对电流传感器的输出信号进行分离,以提取电流传感器输出信号中的测试信号成分。由于电流传感器自身存在一定的角差,测试信号在流经电流传感器后其相位发生改变。通过相位比较模块205来求该测试信号的相位改变量,最后通过一定的变换即可求得电流传感器的角差206。
图1所示的电流传感器角差在线监测系统的信号分离方法是为了实现图2装置中的信号分离模块204的功能。
实例1
为验证评价函数对测量误差的指导作用,对1000个样本(信噪比10.9dB)各运行一次FastICA分离算法。图3所示为评价函数与测量误差的关系散点图,从整体上看,评价函数值越大,相位测量误差的绝对值越小,分离越准确。
实例2
为测试本发明评价函数的择优效果,对信噪比为10.9dB的100个样本各运行20次FastICA分离算法,按照上述流程选择评价函数值最大的分离作为该样本的分离输出。如图4所示为最优结果的评价函数与相位测量误差散点图。通过与图3对比,可以看出采用本发明方法后,测量误差的百分比显著提高,即使得图2中信号分离模块的准确度显著提高了。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种应用于电流传感器角差在线监测系统的信号分离方法,包括如下步骤:
步骤1:将电流传感器的输出信号与两个不同初始相位的测试信号一起组成3维观测信号矩阵X(n);
步骤2:对观测信号矩阵运行多次FastICA算法,进行信号分离以得到多次分离结果;
步骤3:对每次分离得到的3个源分量进行频率计算,根据频率的差异判断电流传感器的正常工作电流分量所在行为k;
步骤4:对每次分离结果计算评价函数,公式为:
f=((a2k-μ)2+(a3k-μ)2+μ2)/3,
其中aij为分离结果中混合矩阵A的第i行j列的元素,μ为a2k、a3k和0的均值;
步骤5:比较各次分离的评价函数值,选择评价函数值最大的一次分离为该次测量的最优分离结果;
步骤6:根据最优分离结果计算电流传感器的角差。
2.如权利要求1所述的应用于电流传感器角差在线监测系统的信号分离方法,其中步骤1中的两个不同初始相位的测试信号的频率与电流传感器输入信号中的测试信号具有相同的频率,组成观测信号矩阵时,电流传感器的输出信号x(n)位于3维观测信号矩阵X(n)的第一行,两个测试信号位于3维观测信号矩阵X(n)的第二和第三行。
3.如权利要求1所述的应用于电流传感器角差在线监测系统的信号分离方法,其中不同初始相位的两个测试信号的初始相位不同,幅度不同或相同。
4.如权利要求1所述的应用于电流传感器角差在线监测系统的信号分离方法,其中将产生的3维观测信号矩阵X(n)运行FastICA算法后得到一个3维源分量矩阵S(n),该3维源分量矩阵S(n)由三个源分量组成,分别是:电流传感器的正常工作电流信号Ig(n)、正弦分量sin(n)及余弦分量cos(n),其中正弦分量sin(n)与余弦分量cos(n)具有相同的频率,且与测试信号的频率相同,与正常工作电流信号Ig(n)的频率不同,通过比较各源分量频率的差异来判断正常工作电流信号Ig(n)位于3维源分量矩阵S(n)的哪一行。
5.如权利要求1所述的应用于电流传感器角差在线监测系统的信号分离方法,其中构造评价函数时,评价函数的表达式与步骤1中观测信号的组成方式有关,若电流传感器的输出信号x(n)位于3维观测信号矩阵X(n)的第l行,令m,n为集合{1,2,3}中除l的另外两个数,则评价函数修改为:
f=((amk-μ)2+(ank-μ)2+μ2)/3
其中,
μ=(amk+ank)/3。
6.如权利要求1所述的应用于电流传感器角差在线监测系统的信号分离方法,其中比较各次分离结果的评价函数值时,需要对评价函数值进行筛选,即对评价函数值中过小或过大的分离情况应予以剔除。
7.如权利要求1所述的应用于电流传感器角差在线监测系统的信号分离方法,其中根据最优分离结果计算电流传感器的角差,首先根据FastICA算法得到的分离矩阵A对源分量进行合成,得到电流传感器输出信号中的测试信号成分,然后比较该测试信号成分与电流传感器输入信号中的测试信号的相位差,最后对该相位差进行转换得到电流传感器的角差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100058319A CN102540130A (zh) | 2012-01-10 | 2012-01-10 | 应用于电流传感器角差在线监测系统的信号分离方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100058319A CN102540130A (zh) | 2012-01-10 | 2012-01-10 | 应用于电流传感器角差在线监测系统的信号分离方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102540130A true CN102540130A (zh) | 2012-07-04 |
Family
ID=46347468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012100058319A Pending CN102540130A (zh) | 2012-01-10 | 2012-01-10 | 应用于电流传感器角差在线监测系统的信号分离方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102540130A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7171638B2 (en) * | 2004-10-20 | 2007-01-30 | Lsi Logic Corporation | Methods of screening ASIC defects using independent component analysis of quiescent current measurements |
CN101059559A (zh) * | 2006-04-17 | 2007-10-24 | 中国科学院半导体研究所 | 电流互感器的变比和角差的在线标定和校验方法 |
JP4236352B2 (ja) * | 1999-10-26 | 2009-03-11 | 株式会社島津製作所 | 生体信号計測装置 |
CN101576611A (zh) * | 2008-05-09 | 2009-11-11 | 中国科学院半导体研究所 | 基于核独立分量分析的电流传感器角差在线监测方法 |
CN101576586A (zh) * | 2008-05-09 | 2009-11-11 | 中国科学院半导体研究所 | 一种基于自适应滤波的相位检测方法 |
CN102062830A (zh) * | 2010-11-22 | 2011-05-18 | 华北电力大学(保定) | 一种非接触式的绝缘子泄漏电流取样方法 |
-
2012
- 2012-01-10 CN CN2012100058319A patent/CN102540130A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4236352B2 (ja) * | 1999-10-26 | 2009-03-11 | 株式会社島津製作所 | 生体信号計測装置 |
US7171638B2 (en) * | 2004-10-20 | 2007-01-30 | Lsi Logic Corporation | Methods of screening ASIC defects using independent component analysis of quiescent current measurements |
CN101059559A (zh) * | 2006-04-17 | 2007-10-24 | 中国科学院半导体研究所 | 电流互感器的变比和角差的在线标定和校验方法 |
CN101576611A (zh) * | 2008-05-09 | 2009-11-11 | 中国科学院半导体研究所 | 基于核独立分量分析的电流传感器角差在线监测方法 |
CN101576586A (zh) * | 2008-05-09 | 2009-11-11 | 中国科学院半导体研究所 | 一种基于自适应滤波的相位检测方法 |
CN102062830A (zh) * | 2010-11-22 | 2011-05-18 | 华北电力大学(保定) | 一种非接触式的绝缘子泄漏电流取样方法 |
Non-Patent Citations (2)
Title |
---|
HAO SHEN, MARTIN KLEINSTEUBER: "Local convergence analysis of FastICA and related algorithms", 《NEURAL NETWORKS, IEEE TRANSACTIONS ON》 * |
马晓燕,龚国良: "基于ICA和BP网络的电流传感器相位差测量方法", 《仪器仪表学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Dependency analysis and improved parameter estimation for dynamic composite load modeling | |
Judd et al. | Applying UHF partial discharge detection to power transformers | |
CN110703151A (zh) | 基于振动盲源分离和贝叶斯模型的变压器故障诊断方法 | |
CN104979829B (zh) | 一种基于改进的FastICA算法的谐波电流估计方法 | |
CN109142865A (zh) | 考虑油纸绝缘界面极化等效电路参数的频域谱辨识方法 | |
Ishak et al. | Characterizing the sensitivity of UHF partial discharge sensors using FDTD modeling | |
CN103793556B (zh) | 综合出线负荷的变电站负荷建模方法 | |
Puddu et al. | PMU-based technique for the estimation of line parameters in three-phase electric distribution grids | |
CN101576611B (zh) | 基于核独立分量分析的电流传感器角差在线监测方法 | |
Mukherjee et al. | Identification and classification of power system faults using ratio analysis of principal component distances | |
Filipović-Grčić et al. | Modeling of polarization in oil-paper insulation using recovery voltage measurements | |
CN102768334B (zh) | 电路分析仪的分析方法 | |
CN102062830A (zh) | 一种非接触式的绝缘子泄漏电流取样方法 | |
Karim et al. | Robustness analysis of simultaneous determination method of complex permittivity and permeability | |
Jiang et al. | Synchrophasor measurement-based modal analysis in power grids | |
CN103245839B (zh) | 电力绝缘设备性能测量及电流传感器固有相移测量方法 | |
CN102540130A (zh) | 应用于电流传感器角差在线监测系统的信号分离方法 | |
Chen et al. | Coherent clustering method based on weighted clustering of multi-indicator panel data | |
Sung-min et al. | The estimation of insulation on MV cables using the VLF tanδ diagnostic measurement | |
Kim et al. | Enhanced measurement-based dynamic equivalence using coherency identification | |
Zhang et al. | Online detection of measurement error in three-phase CVT based on equivariant adaptive source separation | |
Chua et al. | Measurement of power distribution network impedance using an error analysis approach | |
CN104915890B (zh) | 一种适用于大区互联电网的负荷模型参数拟合方法 | |
Myint et al. | A simple faulted phase-based fault distance estimation algorithm for a loop distribution system | |
Sathe et al. | Unique Resonance Features Based Composite Drone Recognition Using Vector Fitting Method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120704 |