CN103197124A - 基于时频矩阵奇异值的过电压识别方法 - Google Patents

Abstract

本发明公开了一种基于时频矩阵奇异值的过电压识别方法，包括：获取过电压信号；预处理所述过电压信号；分解所述经过预处理后的过电压信号，获取不同频带的信号分量；根据所述不同频带的信号分量构造多尺度时频矩阵；对所述矩阵进行奇异值分解，计算出不同阶次的奇异值；根据所述不同阶次的奇异值的加权能量贡献率选取过电压的特征量。本发明能够根据监测设备获取的暂态操作过电压的波形，提取有效反映操作过电压本质特征参量，从而实现对电网操作过电压的有效识别。

Description

基于时频矩阵奇异值的过电压识别方法

技术领域

本发明涉及电力系统过电压类型识别技术领域，更具体地说，涉及一种基于时频矩阵奇异值的过电压识别方法。

背景技术

现代社会对电力系统供电的可靠性要求越来越高。运行经验和研究表明，过电压是造成电网绝缘损害的主要原因之一，也是选择电气设备绝缘强度的决定性因素，随着电网的建设与发展，电压等级和输送容量的不断提高，电网过电压，特别是操作过电压已经成为制约输电线路超高压和特高压发展的重要原因。及时检测电力系统各种操作过电压，快速准确地区分故障类型，建立起一套有效的电力系统过电压智能在线监测系统，对电力系统故障处理和灾害预防是十分必要的，它不仅关系到发电机、变压器、输电线路等电力设备绝缘强度的合理设计，而且直接影响到电力系统的安全运行。电力系统中的操作过电压发生类型多种多样，发生机理不尽相同，波形、幅值、持续时间也不相同。在实际运行中，各种操作过电压出现后，各种故障往往交织在一起，为后续的故障原因分析带来困难。

目前的电力系统过电压在线监测装置，主要功能集中于对各种过电压的波形的实时采集，存储以及数据维护，不具备分析识别能力，不能及时对事故进行分析和防止。当出现过电压事故时，往往需要人工来提取过电压波形输出数据，根据人工经验，判断出过电压类型作为分析事故原因的重要参考。由于监测到的过电压数据众多，靠人工来对过电压波形做出识别，是一项十分繁复而艰巨的任务。同时，由于人员判断是主观因素的影响，靠人工判断过电压波形，难以形成科学统一的判断标准，容易导致误判。

过电压波形中包含着电力系统丰富的运行状态信息，尤其对于持续时间较短的操作过电压而言，短时的暂态信号内包含了电器元件不同的开关状态信息，如何借助有效的数学方法对现场采集到的过电压信号进行研究，提取出反映不同过电压类型的特征信息，选取合适的模式识别方法，以实现实时自动判别不同的操作过电压类型，是一项亟待解决的问题。

电力系统是一个开放的动态系统，由于系统结构的复杂性，以及电磁波在传播过程中的随机性，同一种操作过电压，在波形上存在一定的不规则性和随机性，要准确地检测与识别故障类型，需提取能够有效表征不同过电压信号特征的普适量。近年来，国内外许多专家学者对电力系统信号的特征提取和辨识问题展开了深入的研究，傅里叶变换、数学形态、S变换、奇异值分解、小波变换等方法被广泛的应用于该领域。传统的傅里叶分析缺乏对信号的时域分析能力，自身还存在频谱泄漏等缺点，不适于分析操作过电压等非平稳信号；数学形态学对结构元素的选取尚无统一的标准，提取效果与人工经验关系很大；S变换是对连续小波变换和短时傅里叶变换的发展，具有良好的时频特性，信号经S变换后为一高维复数矩阵，特征量选取有待进一步研究，且计算效率低；小波变换具有良好的多尺度分析特性，能够提供信号在不同尺度下的特征，适合分析各种暂态、突变信号，因而广泛应用于电力系统信号故障检测与定位、雷电过电压识别、输电线路故障选线、电能质量扰动分类等方面，并取得了一定的成果。但小波分解后系数庞大，信息冗余，在通常的故障检测和类型识别中，部分特征量维数较高，导致分类器较为复杂。因此，还需要对小波分解后的信息更进一步的数据挖掘和融合，提取一个或多个特征量来表征过电压信号的特征模式，为电力系统过电压在线监测和类型识别提供有效的依据。

发明内容

有鉴于此，本发明提供一种基于时频矩阵奇异值的过电压识别方法，能够根据监测设备获取的暂态操作过电压的波形，提取有效反映操作过电压本质特征参量，从而实现对电网操作过电压的有效识别。

为解决上述技术问题，本发明采用的技术方案为：一种基于时频矩阵奇异值的过电压识别方法，包括：

获取过电压信号；

预处理所述过电压信号；

分解所述经过预处理后的过电压信号，获取不同频带的信号分量；

根据所述不同频带的信号分量构造多尺度时频矩阵；

对所述矩阵进行奇异值分解，计算出不同阶次的奇异值；

根据所述不同阶次的奇异值的加权能量贡献率选取过电压的特征量。

优选地，所述获取过电压信号具体为：

根据电压在线监测系统获取实测暂态操作过电压的波形信号。

优选地，所述预处理过电压信号具体为：

滤除所述过电压波形信号中的干扰和噪声。

优选地，所述分解所述经过预处理后的过电压信号，获取不同频带的信号分量具体为：

利用小波多尺度分解对经过预处理后的过电压信号进行分解，获取不同频带的信号分量。

从上述的技术方案可以看出，本发明公开的一种基于时频矩阵奇异值的过电压识别方法，根据暂态操作过电压发生机理和波形特征，将小波多尺度分解和奇异值分解理论相结合，利用奇异值分解克服操作过电压波形的不规则性和噪声干扰的随机性，然后利用奇异值的加权能量贡献率（PCTE）优化选取奇异阶次，从多尺度时频矩阵中提取出有效的特征参量，提取有效反映不同操作过电压的本质特征参量，从而实现对不同操作过电压的有效识别。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例公开的一种基于时频矩阵奇异值的过电压识别方法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种基于时频矩阵奇异值的过电压识别方法，能够根据监测设备获取的暂态操作过电压的波形，提取有效反映操作过电压本质特征参量，从而实现对电网操作过电压的有效识别。

如图1所示，一种基于时频矩阵奇异值的过电压识别方法，包括：

S101、获取过电压信号；

S102、预处理所述过电压信号；

S103、分解所述经过预处理后的过电压信号，获取不同频带的信号分量；

S104、根据所述不同频带的信号分量构造多尺度时频矩阵；

S105、对所述矩阵进行奇异值分解，计算出不同阶次的奇异值；

S106、根据所述不同阶次的奇异值的加权能量贡献率选取过电压的特征量。

具体的，获取过电压信号具体为：根据电压在线监测系统获取实测暂态操作过电压的波形信号。

具体的，预处理过电压信号具体为：滤除所述过电压波形信号中的干扰和噪声。

具体的，分解所述经过预处理后的过电压信号，获取不同频带的信号分量具体为：利用小波多尺度分解对经过预处理后的过电压信号进行分解，获取不同频带的信号分量。

在上述实施例中，首先利用过电压在线监测系统获取实测暂态操作过电压的波形，根据获取的过电压波形进行信号调理，以滤除信号中的干扰和噪声；然后，利用小波多尺度分解对操作过电压进行分解，获取不同频带的信号分量，并构造多尺度时频矩阵，同时对该矩阵进行奇异值分解，计算不同阶次的奇异值，并根据各阶次奇异值的加权能量贡献率，优化选取最能反映不同暂态操作过电压的特征量，并将这些特征量作为过电压识别的特征参数，从而实现对暂态操作过电压的有效辨识。

在上述实施例中，矩阵的奇异值对扰动和噪声具有相对稳定性，能够从矩阵角度出发，将包含信号信息的矩阵分解到一系列奇异值和奇异值矢量对应的时频子空间中，是一种有效的矩阵代数特征提取和降低矩阵维数方法。根据暂态操作过电压发生机理和波形特征，将小波多尺度分解和奇异值分解理论相结合，利用奇异值分解克服操作过电压波形的不规则性和噪声干扰的随机性，然后利用奇异值的加权能量贡献率（PCTE）优化选取奇异阶次，从多尺度时频矩阵中提取出有效的特征参量，提取有效反映不同操作过电压的本质特征参量，从而实现对不同操作过电压的有效识别。

具体的，由于小波变换的多尺度分析能较好地反映信号的时频特性，因此，电力系统过电压信号经小波变换后，能从时域和频域表征其特征分布。但信号在传输过程受线路折反射、线路阻抗和变电站内参数不均匀等的干扰，现场设备以及硬件检测装置也不可避免地存在对原始信号的影响，容易产生各种噪声，仅依靠信号的时频直观分布还不足以明确辨识过电压类型。此外，目前现有过电压监测系统采样频率较高，即使只分析很短时间内的过电压信号，其小波变换后的数据量也很大，不利于过电压特征提取和类型识别。而奇异值分解将矩阵包含的信息分解到不同的子矩阵中，是一种能够有效降低矩阵维数的代数特征提取方法，抗干扰能力较强。因此，将二者结合可以有效提取操作过电压的特征参量。具体为：

（1）电压幅值归一化。考虑操作过电压发生时，不同电压等级电压幅值不尽相同，故将电压幅值归一化，以避免特征量受电压等级影响。

（2）选取过电压发生时的局部计算区间。电力系统操作过电压持续时间一般相对较短（数百微秒之内），但由于电压行波在传输过程中易受变电站结构、线路阻抗和折反射等影响，某些过电压发生时会伴随数个工频周期的低频振荡（如投切电容器组过电压），为较全面考虑过电压波形的时域分布特征，本实施例以五个工频周期为计算区间。

（3）小波基及分解尺度的选取。小波分解尺度和正交小波基的选取，对电力系统信号特征的提取能力和效果具有很大的影响，经研究发现，DB系对称正交小波最适合分析电力系统暂态信号，本实施例选取DB系sym4小波。此外，操作过电压属于暂态非平稳信号，有用信息大都集中在高频段，在200kHz的采样频率下，根据小波分解频带减半原理，分解10层已能获取足够的有效信息，如表1所示。

表1200kHz采样频率下过电压各层频率对应表

（4）信号多尺度时频矩阵构造。利用一维信号可构造许多矩阵，如Toeplitz矩阵、Cycle矩阵、Hankel矩阵等，也可以用连续截的方式构造，这些方法虽能有效反映信号的时域波形特征，但并不能表明其频域特性，难以分析时域和频域特征不明显的非平稳过电压信号。而小波分解的尺度更细，覆盖了信号的不同频带范围，提取的局部特征信息更丰富，对过电压信号扰动变化的适应能力更强，鲁棒性更好，能够实现对信号奇异点的检测，故本实施例利用小波变换的系数构造多尺度时频矩阵A，如下式所示。

式中的行d1，…，d10，a10表示分解尺度，Dj[n]表征信号的不同尺度分量，列数n为信号的采样点，其中，n=20000。

（5）矩阵A奇异值分解。奇异值是矩阵的一种代数特征，对矩阵A进行奇异值分解，相当于将彼此存在关联的多尺度空间映射到线性无关的特征空间，可得到一系列的奇异值λi和对应的子矩阵Ai，即：

$A={\mathrm{U\ΛV}}^T=\underset{i=1}{\overset{11}{\mathrm{\Σ}}}{\mathrm{\λ}}_i{A}_i$

同时上式表明，矩阵A可看作奇异向量作外积后的加权和，权重即非零的奇异值λi，权重越大，相应的特征子空间Ai在A中所占的比重越大；权重越小，则Ai在A中所占的比重越小。

（6）异阶次的选取对于特征简化和识别效率提高是十分关键的，不同的奇异阶次，过电压信号的识别效果就可能会明显不同。为了选择最优的奇异阶次，降低信息冗余度，从信号的能量角度出发，利用奇异值加权能量贡献率（Percent of Contribution to Total Energy，简称PCTE）选取奇异阶次。设矩阵A的奇异值λi为，阶次为i的奇异值λi的PCTE为：

$\left\{\begin{array}{c}{\mathrm{PCTE}}_{{\mathrm{\λ}}_i{}_{}}=(1-\frac{\sqrt{\underset{j\≠i}{\overset{k}{\mathrm{\Σ}}}{\mathrm{\λ}}_j^2}}{{\left|\right|A\left|\right|}_F})\×100\%\\ {\left|\right|A\left|\right|}_F=\sqrt{\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{\mathrm{\λ}}_j^2}\end{array}\right.$

计算表明，矩阵奇异值分解得到的奇异值中，噪声信号的奇异值较小，则PCTE也较小，光滑信号的奇异值较大，则PCTE也较大，所以，选择较大的PCTE对应的奇异值，而将较小的PCTE对应的奇异值置零，能够保证信号的特征信息的基本完整，且能达到去除噪声的目的，综合考虑，以PCTE_λi≥1%作为奇异值的选取标准，并将最终的奇异值作为操作过电压辨识的特征参量。

本发明采用以上技术之后，能够直接对过电压监测装置监测到的波形进行辨识，与工程实际紧密结合，可靠的反映电力系统实际运行中过电压的情况；在对实际过电压波形进行预处理时，充分考虑不同过电压类型，恰当选取信号预处理内容，防止有效信息数据丢失；本发明的突出优点是能够有效提取反映弧光接地过电压的特征参量，为类型辨识提供可靠的理论依据。

下面结合实例对本发明进行详细的描述。

本实例选取的过电压信号来源于110kV变电站过电压在线监测系统，该变电站共有10kV、35kV和110kV三个电压等级的进出线。变电站过电压监测系统投运以来，共监测到四种操作过电压，以监测到的27次的投切电容器组过电压、31次的开关操作过电压、5次切除空载变压器过电压和6次合闸空载变压器过电压为研究对象。

暂态操作过电压的辨识步骤为：

（1）奇异值计算

根据本发明公开的内容，对四种操作过电压的时频矩阵进行奇异值分解，计算获取四种操作过电压的奇异谱图。

（2）各阶次奇异值的PCTE计算

奇异值随奇异阶次的增加衰减较快，使得信号的能量主要集中在前若干个较大的奇异值上；而信号中那些能量微小的细节特征和噪声信息，则相应分离到了较小奇异值所对应的分量中，即在矩阵A的所有奇异值中，并不包含矩阵的局部和细节特征，并且含有大量的冗余信息，为此，利用PCTE选取有效的奇异值，并以PCTE_λi≥1%为判断标准。

从计算结果可知，阶次大于4的奇异值的PCTE接近于零，即矩阵A的特征主要集中在奇异值较大的λ1～λ4，而λ5～λ11奇异值较小，所包含的特征信息较少，可略去不计。因此，选择阶次1～4的奇异值可作操作过电压的识别特征。

（3）操作过电压类型辨识

根据上述操作过电压特征提取方法，对检测到的69次上述过电压类型的数据，构造多尺度时频矩阵A，计算其奇异值，并利用奇异值PCTE选取λ1～λ4作为操作过电压的特征量，可知，在λ1-λ2空间中，切除空载变压器的λ1在25左右，λ2在7～9之间，而其余三种操作过电压的λ1在45～85之间，λ2在9～15之间。其主要原因是断路器动作前后电压幅值变化较大，零电位持续时间较长，以及暂态过程的振荡频率相对较低，导致切除空载变压器过电压的奇异值λ1和λ2较小，分布相对集中，与其它三种操作过电压相比具有明显的分布区别；而其余三种过电压暂态部分振荡频率较高，a10层幅值变化不大，导致其在λ1-λ2空间中不易区分。因此，可将奇异值λ1和λ2作为识别切除空载变压器过电压的依据。

在λ3-λ4空间中，上述三种操作过电压具有不同的分布特性。投切电容器过电压距离原点较近，开关操作过电压次之，而合空载变压器过电压距远点最远。其中投切电容器组过电压的λ3和λ4值都较小，分别在0～2和0～1.5范围之内，分布集中；合空载变压器过电压的λ3和λ4值分散性较大。上述分布特性表明，λ3、λ4体现了不同操作过电压的频率分布特性，可作为识别这三种操作过电压的特征量。

综上所述，多尺度时频矩阵A的奇异值λ1～λ4综合反映了过电压信号的时域近似特征和频域细节特征，有效地减少了单一分辨率下特征信息的损失和电力系统复杂电磁环境的影响，极大地降低了特征量维数，提高了特征量的泛化能力。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (4)

1.一种基于时频矩阵奇异值的过电压识别方法，其特征在于，包括：

获取过电压信号；

预处理所述过电压信号；

分解所述经过预处理后的过电压信号，获取不同频带的信号分量；

根据所述不同频带的信号分量构造多尺度时频矩阵；

对所述矩阵进行奇异值分解，计算出不同阶次的奇异值；

根据所述不同阶次的奇异值的加权能量贡献率选取过电压的特征量。

2.根据权利要求1所述的方法，其特征在于，所述获取过电压信号具体为：

根据电压在线监测系统获取实测暂态操作过电压的波形信号。

3.根据权利要求2所述的方法，其特征在于，所述预处理过电压信号具体为：

滤除所述过电压波形信号中的干扰和噪声。

4.根据权利要求3所述的方法，其特征在于，所述分解所述经过预处理后的过电压信号，获取不同频带的信号分量具体为：

利用小波多尺度分解对经过预处理后的过电压信号进行分解，获取不同频带的信号分量。

Images