CN105259398B - 一种基于总方差的光纤电流互感器随机误差特性分析方法 - Google Patents
一种基于总方差的光纤电流互感器随机误差特性分析方法 Download PDFInfo
- Publication number
- CN105259398B CN105259398B CN201510698677.1A CN201510698677A CN105259398B CN 105259398 B CN105259398 B CN 105259398B CN 201510698677 A CN201510698677 A CN 201510698677A CN 105259398 B CN105259398 B CN 105259398B
- Authority
- CN
- China
- Prior art keywords
- sequence
- variance
- data
- optical fiber
- fiber current
- 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.)
- Active
Links
Landscapes
- Testing Of Optical Devices Or Fibers (AREA)
Abstract
一种基于总方差的光纤电流互感器随机误差特性分析方法,该方法首先通过串行输出方式采集光纤电流互感器电流信号,得到观测数据;经莱特法则对观测数据予以野值剔除,再对数据进行零均值、趋势项和标准化处理;对处理的数据进行平稳性、周期性和正态性检验,得到平稳、正态、零均值的数据序列;采用总方差方法对数据序列进行方差处理;最后采用随机误差源方差平方和关系进行总方差与相关时间(τ)的双对数曲线拟合,提取出光纤电流互感器电流信息中的5项随机误差系数。本发明能够更加精确的分析光纤电流互感器的随机误差特性,有效解决传统的Allan方差法估计值震荡剧烈的缺点,为光纤电流互感器的性能设计和补偿随机误差提供指导。
Description
技术领域
本发明涉及电流互感器误差分析领域,尤其是一种基于总方差的光纤电流互感器随机误差特性分析方法。
背景技术
光纤电流互感器是智能变电站中一种重要的过程层设备,为智能变电站间隔层设备提供电流、电压信息,实现电力系统继电保护、电能计量、故障录波、状态监测等功能。光纤电流互感器实现了电流信号的实时测量和监测,为电力系统继电保护、电能计量等设备提供输入信号。光纤电流互感器的随机误差对其性能精度有着重要的影响,因此对其随机误差特性分析提出了更高的要求。光纤电流互感器的随机误差项主要为量化噪声、角度随机游走、偏置不稳定性、速率随机游走和速率斜坡等五个噪声项。
现有技术中,Allan方差法是传统的分析光纤电流互感器随机误差特性的方法,是一种时域分析方法,能够对光纤电流互感器随机误差N、B、K、R、Q(N为角度随机游走系数;B为零偏不稳定性系数;K为速率随机游走系数;R为速率斜坡系数;Q为量化噪声系数)进行细致的表征和辨识,是测量和评价电流信息中各类误差和噪声特征的重要手段。Allan方差假设FOCT数据的不定性由特定噪声源产生,由输出电流数据计算各噪声源协方差的大小,反映出噪声中随机过程的特性并识别出存在于电流数据中的噪声源。鉴于Allan方差的转移函数存在基本的泄露现象,方差估计值在相关时间接近总测量持续时间一半时出现震荡剧烈的不足,置信度较低,因此仅能有效分析理想的时变、平稳信号,不能精确表征非平稳信号在不同频率范围的方差波动情况。
发明内容
本发明所要解决的技术问题在于,提供一种基于总方差的光纤电流互感器随机误差特性分析方法,能够更加精确的分析光纤电流互感器的随机误差特性,有效解决传统的Allan方差法估计值震荡剧烈的缺点,为光纤电流互感器的性能设计和补偿随机误差提供指导。
为解决上述技术问题,本发明提供一种基于总方差的光纤电流互感器随机误差特性分析方法,包括如下步骤:
(1)利用光纤电流互感器试验平台釆集静态、常温下输出的某相电流数据{x0(t)};
(2)漂移数据预处理
a)野值辨识与剔除
采用莱特法则对光纤电流互感器输出的电流信息剔除野值,获得不含野值的有效的电流信息,简称野值剔除信息{x1(t)};
对N次测量电流值x11,…,x2N,求电流信号算术平均值求各测量值相对于平均值的偏差计算标准差判断并剔除野值;若|Vi|>3σ,则认为对应的x1i为野值,予以剔除;
b)零均值化处理
计算得野值剔除后数据序列的均值,将序列中各数据减去平均值,更新数据序列为{x2(t)};
求电流信号算术平均值
减去平均值后的序列更新为{x2(t)},x2i=x1i-μ;
c)趋势项处理
光纤电流互感器随机漂移序列中含有速率斜坡误差项,零均值处理后的随机序列包含缓慢变化的趋势项,建立趋势项模型,采用最小二乘法估计趋势项模型参数,剔除趋势项后更新序列为{x3(t)};
趋势项模型为:
式中,ai为模型参数,i=0,…,5;t为时间;采用最小二乘法估计模型参数,求得趋势项模型中各系数值;剔除趋势项后的新序列为{x3(t)},即:
x3(t)=x2(t)-d(t)
d)标准化处理
经过前述预处理,数据序列变为{x3(t)},满足均值为μx、方差为的正态分布,对{x3(t)}标准化处理,满足标准正态分布x4i(1)~N(0,1),最终的序列为{x4(t)},记为{xn}。
标准化处理并不影响模型参数的估计值,为了便于光纤电流互感器随机漂移预测与补偿,当时序建模后再将数据还原为x3i=σxx4i+μx。
(3)数据检验
a)平稳性检验
将{xn}分成个子序列求出各子序列的均值后,均值构成一个序列当i>j时,每出现一次μi>μj,定义为μj的一个逆序,同时定义μj的逆序Aj为μi>μj出现的次数,则序列的逆序总数为:
逆序总数的理论平均值和方差分别为:
构造统计量:
因此,当显著水平为0.05时,如果|u|≤1.96,则可确定μj间无显著性差异,可确定{xn}是平稳序列;
b)周期性检验
采用光纤电流互感器电流信号的自相关函数进行周期性检验,含有周期性分量的相关函数表现为在一定时间间隔内呈衰减趋势,之后便为无衰减的振荡图形;
c)正态性检验
定义序列{xn}的偏态系数u和峰态系数v分别为:
式中,μx和σx是序列{xn}的均值和标准差;
计算序列的样本估计值则说明服从正态分布;
(4)总方差方法处理数据
取FOCT测量后经过预处理、检验后的数据xn,n=1,…,Nx,基本取样间隔为τ0,测量总持续时间T=(Nx-1)τ0,转换成频偏数据为
yn=(xn+1-xn)/τ0,n=1,…,Ny,Ny=Nx-1;将序列yn通过映射延伸成一个新的更长的虚拟序列原始的时偏序列{xn}倒像映射产生一个延伸虚拟序列n=3-Nx,…,2Nx-2;数据具体延伸过程为:
最终得到的频偏虚拟序列为n=3-Nx,…,2Nx-3;
总方差为或者
其中
(5)提取五项随机误差
采用随机误差源方差平方和关系进行总方差与相关时间的双对数曲线拟合,提取出光纤电流互感器的电流信息中的五项随机误差系数;
3Q2/τ2表示量化噪声系数Q噪声源的方差;N2/τ表示角度随机游走系数N噪声源的方差;表示偏置不稳定性系数B噪声源的方差;K2τ/3表示角度随机游走系数K噪声源的方差;R2τ2/2表示速率斜坡系数R噪声源的方差;单位是°/h;τ单位是s。
优选的,步骤(2)中是以每组光纤电流互感器输出的电流信息剩余误差的绝对值超过3倍的标准差作为条件,如果条件成立则该数据为野值予以剔除,得到完整的有效的光纤电流互感器输出电流信息。
优选的,步骤(4)中总方差方法通过倒像映射的方法将原始电流数据的自由度增加至3个。
本发明的有益效果为:采用总方差取代传统的Allan方差,实现了光纤电流互感器随机误差项系数的提取和随机误差特性的分析;采用的总方差方法提高了数据的自由度和置信区间,克服了Allan方差法存在估计值震荡剧烈的不足以及存在能量泄露的缺点,更加精确的进行噪声项的提取,准确的反映光纤电流互感器所处工作环境下的各项噪声的变化情况,提高了光纤电流互感器的性能设计,抑制了随机误差。
附图说明
图1是本发明的基于总方差的光纤电流互感器随机误差特性分析方法的流程图。
图2是本发明的步骤(3)中所示的电流数据检验的示意图。
具体实施方式
如图1所示,一种基于总方差的光纤电流互感器随机误差特性分析方法,包括如下步骤:
(1)利用光纤电流互感器试验平台釆集静态、常温下输出的某相电流数据{x0(t)};
(2)漂移数据预处理
a)野值辨识与剔除
采用莱特法则对光纤电流互感器输出的电流信息剔除野值,获得不含野值的有效的电流信息,简称野值剔除信息{x1(t)};
对N次测量电流值x11,…,x2N,求电流信号算术平均值求各测量值相对于平均值的偏差计算标准差判断并剔除野值;若|Vi|>3σ,则认为对应的x1i为野值,予以剔除;
b)零均值化处理
计算得野值剔除后数据序列的均值,将序列中各数据减去平均值,更新数据序列为{x2(t)};
求电流信号算术平均值
减去平均值后的序列更新为{x2(t)},x2i=x1i-μ;
c)趋势项处理
光纤电流互感器随机漂移序列中含有速率斜坡误差项,零均值处理后的随机序列包含缓慢变化的趋势项,建立趋势项模型,采用最小二乘法估计趋势项模型参数,剔除趋势项后更新序列为{x3(t)};
趋势项模型为:
式中,ai为模型参数,i=0,…,5;t为时间;采用最小二乘法估计模型参数,求得趋势项模型中各系数值。剔除趋势项后的新序列为{x3(t)},即:
x3(t)=x2(t)-d(t)
d)标准化处理
经过前述预处理,数据序列变为{x3(t)},满足均值为μx、方差为的正态分布,对{x3(t)}标准化处理,满足标准正态分布x4i(1)~N(0,1),最终的序列为{x4(t)},记为{xn}。
标准化处理并不影响模型参数的估计值,为了便于光纤电流互感器随机漂移预测与补偿,当时序建模后再将数据还原为x3i=σxx4i+μx。
(3)数据检验
a)平稳性检验
将{xn}分成个子序列求出各子序列的均值后,均值构成一个序列当i>j时,每出现一次μi>μj,定义为μj的一个逆序,同时定义μj的逆序Aj为μi>μj出现的次数,则序列的逆序总数为:
逆序总数的理论平均值和方差分别为:
构造统计量:
因此,当显著水平为0.05时,如果|u|≤1.96,则可确定μj间无显著性差异,可确定{xn}是平稳序列;
b)周期性检验
采用光纤电流互感器电流信号的自相关函数进行周期性检验,含有周期性分量的相关函数表现为在一定时间间隔内呈衰减趋势,之后便为无衰减的振荡图形;
c)正态性检验
定义序列{xn}的偏态系数u和峰态系数v分别为:
式中,μx和σx是序列{xn}的均值和标准差;
计算序列的样本估计值则说明服从正态分布;
(4)总方差方法处理数据
取FOCT测量后经过预处理、检验后的数据xn,n=1,…,Nx,基本取样间隔为τ0,测量总持续时间T=(Nx-1)τ0,转换成频偏数据为
yn=(xn+1-xn)/τ0,n=1,…,Ny,Ny=Nx-1;将序列yn通过映射延伸成一个新的更长的虚拟序列原始的时偏序列{xn}倒像映射产生一个延伸虚拟序列n=3-Nx,…,2Nx-2;数据具体延伸过程为:
最终得到的频偏虚拟序列为n=3-Nx,…,2Nx-3;
总方差为或者
其中
(5)提取五项随机误差
采用随机误差源方差平方和关系进行总方差与相关时间的双对数曲线拟合,提取出光纤电流互感器的电流信息中的五项随机误差系数;
3Q2/τ2表示量化噪声系数Q噪声源的方差;N2/τ表示角度随机游走系数N噪声源的方差;表示偏置不稳定性系数B噪声源的方差;K2τ/3表示角度随机游走系数K噪声源的方差;R2τ2/2表示速率斜坡系数R噪声源的方差;单位是°/h;τ单位是s。
步骤(2)中是以每组光纤电流互感器输出的电流信息剩余误差的绝对值超过3倍的标准差作为条件,如果条件成立则该数据为野值予以剔除,得到完整的有效的光纤电流互感器输出电流信息。步骤(4)中总方差方法通过倒像映射的方法将原始电流数据的自由度增加至3个,提高了置信区间,方差估计值趋势平稳不会出现剧烈震荡的情形。
如图2所示,电流数据检验的内容分为平稳性检验、周期性检验和正态性检验,平稳性检验采用逆序法,如果不具有该特性则对数据提取趋势项;周期性检验采用电流数据的自相关函数,如果含有周期性分量则对隐含的周期性分量进行提取;正态性检验通过检验电流数据的偏态系数和峰态系数,如果不具有正态性则进行正态化处理。
尽管本发明就优选实施方式进行了示意和描述,但本领域的技术人员应当理解,只要不超出本发明的权利要求所限定的范围,可以对本发明进行各种变化和修改。
Claims (3)
1.一种基于总方差的光纤电流互感器随机误差特性分析方法,其特征在于,包括如下步骤:
(1)利用光纤电流互感器试验平台釆集静态、常温下输出的某相电流数据{x0(t)};
(2)漂移数据预处理
a)野值辨识与剔除
采用莱特法则对光纤电流互感器输出的电流信息剔除野值,获得不含野值的有效的电流信息,简称野值剔除信息{x1(t)};
对N次测量电流值x11,…,x2N,求电流信号算术平均值求各测量值相对于平均值的偏差计算标准差判断并剔除野值;若|Vi|>3σ,则认为对应的x1i为野值,予以剔除;
b)零均值化处理
计算得野值剔除后数据序列的均值,将序列中各数据减去平均值,更新数据序列为{x2(t)};
求电流信号算术平均值
减去平均值后的序列更新为{x2(t)},x2i=x1i-μ;
c)趋势项处理
光纤电流互感器随机漂移序列中含有速率斜坡误差项,零均值处理后的随机序列包含缓慢变化的趋势项,建立趋势项模型,采用最小二乘法估计趋势项模型参数,剔除趋势项后更新序列为{x3(t)};
趋势项模型为:
式中,ai为模型参数,i=0,…,5;t为时间;采用最小二乘法估计模型参数,求得趋势项模型中各系数值;剔除趋势项后的新序列为{x3(t)},即:
x3(t)=x2(t)-d(t)
d)标准化处理
经过前述预处理,数据序列变为{x3(t)},满足均值为μx、方差为的正态分布,对{x3(t)}标准化处理,满足标准正态分布x4i(1)~N(0,1),最终的序列为{x4(t)},记为{xn};
标准化处理并不影响模型参数的估计值,为了便于光纤电流互感器随机漂移预测与补偿,当时序建模后再将数据还原为x3i=σxx4i+μx;
(3)数据检验
a)平稳性检验
将{xn}分成个子序列求出各子序列的均值后,均值构成一个序列当i>j时,每出现一次μi>μj,定义为μj的一个逆序,同时定义μj的逆序Aj为μi>μj出现的次数,则序列的逆序总数为:
<mrow>
<mi>A</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>l</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>A</mi>
<mi>j</mi>
</msub>
</mrow>
逆序总数的理论平均值和方差分别为:
<mrow>
<mi>E</mi>
<mo>&lsqb;</mo>
<mi>A</mi>
<mo>&rsqb;</mo>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>l</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mi>E</mi>
<mo>&lsqb;</mo>
<msub>
<mi>A</mi>
<mi>j</mi>
</msub>
<mo>&rsqb;</mo>
<mo>=</mo>
<mfrac>
<mrow>
<mi>l</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mn>4</mn>
</mfrac>
<mo>;</mo>
<msubsup>
<mi>&sigma;</mi>
<mi>A</mi>
<mn>2</mn>
</msubsup>
<mo>=</mo>
<mfrac>
<mrow>
<mi>l</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<msup>
<mi>l</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<mn>3</mn>
<mi>l</mi>
<mo>-</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
<mn>72</mn>
</mfrac>
</mrow>
构造统计量:
因此,当显著水平为0.05时,如果|u|≤1.96,则可确定μj间无显著性差异,可确定{xn}是平稳序列;
b)周期性检验
采用光纤电流互感器电流信号的自相关函数进行周期性检验,含有周期性分量的相关函数表现为在一定时间间隔内呈衰减趋势,之后便为无衰减的振荡图形;
c)正态性检验
定义序列{xn}的偏态系数u和峰态系数v分别为:
<mrow>
<mi>u</mi>
<mo>=</mo>
<mi>E</mi>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>x</mi>
</msub>
</mrow>
<msub>
<mi>&sigma;</mi>
<mi>x</mi>
</msub>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
<mn>3</mn>
</msup>
</mrow>
<mrow>
<mi>v</mi>
<mo>=</mo>
<mi>E</mi>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>x</mi>
</msub>
</mrow>
<msub>
<mi>&sigma;</mi>
<mi>x</mi>
</msub>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
<mn>4</mn>
</msup>
</mrow>
式中,μx和σx是序列{xn}的均值和标准差;
计算序列的样本估计值则说明服从正态分布;
(4)总方差方法处理数据
取FOCT测量后经过预处理、检验后的数据xn,n=1,…,Nx,基本取样间隔为τ0,测量总持续时间T=(Nx-1)τ0,转换成频偏数据为yn=(xn+1-xn)/τ0,n=1,…,Ny,Ny=Nx-1;将序列yn通过映射延伸成一个新的更长的虚拟序列原始的时偏序列{xn}倒像映射产生一个延伸虚拟序列n=3-Nx,…,2Nx-2;数据具体延伸过程为:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>y</mi>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mi>j</mi>
</mrow>
<mo>*</mo>
</msubsup>
<mo>=</mo>
<mn>2</mn>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>N</mi>
<mi>y</mi>
</msub>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>y</mi>
<mi>n</mi>
<mo>*</mo>
</msubsup>
<mo>=</mo>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>N</mi>
<mi>x</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>y</mi>
<mrow>
<mi>N</mi>
<mi>y</mi>
<mo>+</mo>
<mi>j</mi>
</mrow>
<mo>*</mo>
</msubsup>
<mo>=</mo>
<mn>2</mn>
<msub>
<mi>y</mi>
<mrow>
<mi>N</mi>
<mi>y</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>N</mi>
<mi>y</mi>
<mo>-</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>N</mi>
<mi>y</mi>
</msub>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mtd>
<mtd>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>x</mi>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mi>j</mi>
</mrow>
<mo>*</mo>
</msubsup>
<mo>=</mo>
<mn>2</mn>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>N</mi>
<mi>y</mi>
</msub>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>x</mi>
<mi>n</mi>
<mo>*</mo>
</msubsup>
<mo>=</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>N</mi>
<mi>x</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>x</mi>
<mrow>
<msub>
<mi>N</mi>
<mi>x</mi>
</msub>
<mo>+</mo>
<mi>j</mi>
</mrow>
<mo>*</mo>
</msubsup>
<mo>=</mo>
<mn>2</mn>
<msub>
<mi>x</mi>
<msub>
<mi>N</mi>
<mi>x</mi>
</msub>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mrow>
<msub>
<mi>N</mi>
<mi>x</mi>
</msub>
<mo>-</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>N</mi>
<mi>y</mi>
</msub>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mtd>
</mtr>
</mtable>
</mfenced>
最终得到的频偏虚拟序列为
总方差为或者其中
(5)提取五项随机误差
采用随机误差源方差平方和关系进行总方差与相关时间的双对数曲线拟合,提取出光纤电流互感器的电流信息中的五项随机误差系数;
3Q2/τ2表示量化噪声系数Q噪声源的方差;N2/τ表示角度随机游走系数N噪声源的方差;表示偏置不稳定性系数B噪声源的方差;K2τ/3表示角度随机游走系数K噪声源的方差;R2τ2/2表示速率斜坡系数R噪声源的方差;单位是°/h;τ单位是s。
2.如权利要求1所述的基于总方差的光纤电流互感器随机误差特性分析方法,其特征在于,步骤(2)中是以每组光纤电流互感器输出的电流信息剩余误差的绝对值超过3倍的标准差作为条件,如果条件成立则该数据为野值予以剔除,得到完整的有效的光纤电流互感器输出电流信息。
3.如权利要求1所述的基于总方差的光纤电流互感器随机误差特性分析方法,其特征在于,步骤(4)中总方差方法通过倒像映射的方法将原始电流数据的自由度增加至3个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510698677.1A CN105259398B (zh) | 2015-10-23 | 2015-10-23 | 一种基于总方差的光纤电流互感器随机误差特性分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510698677.1A CN105259398B (zh) | 2015-10-23 | 2015-10-23 | 一种基于总方差的光纤电流互感器随机误差特性分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105259398A CN105259398A (zh) | 2016-01-20 |
CN105259398B true CN105259398B (zh) | 2018-04-24 |
Family
ID=55099164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510698677.1A Active CN105259398B (zh) | 2015-10-23 | 2015-10-23 | 一种基于总方差的光纤电流互感器随机误差特性分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105259398B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105866504B (zh) * | 2016-03-23 | 2018-07-17 | 东南大学 | 一种基于卡尔曼滤波的光纤电流互感器温度补偿方法 |
CN107784170A (zh) * | 2017-10-24 | 2018-03-09 | 云南电网有限责任公司 | 一种基于Allan方差理论的电流互感器状态诊断方法 |
CN107991558B (zh) * | 2017-11-23 | 2020-02-14 | 国网福建省电力有限公司 | 基于t分布检验法的数字校准方法 |
CN111006731B (zh) * | 2019-12-10 | 2021-07-13 | 海默潘多拉数据科技(深圳)有限公司 | 一种基于多相流量计的油井流量智能测量方法 |
CN111537941B (zh) * | 2020-05-25 | 2022-08-16 | 武汉华瑞智深电气技术有限公司 | 具有广域分析功能的电压互感器计量异常在线监测系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0849600A1 (en) * | 1996-12-20 | 1998-06-24 | Mitsubishi Denki Kabushiki Kaisha | Optical current transformer |
KR101097396B1 (ko) * | 2009-08-27 | 2011-12-23 | 한국전기연구원 | 광변류기 및 이의 신호처리방법 |
WO2015026293A1 (en) * | 2013-08-23 | 2015-02-26 | Wu Xiaojun Allan | The creet model |
-
2015
- 2015-10-23 CN CN201510698677.1A patent/CN105259398B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0849600A1 (en) * | 1996-12-20 | 1998-06-24 | Mitsubishi Denki Kabushiki Kaisha | Optical current transformer |
KR101097396B1 (ko) * | 2009-08-27 | 2011-12-23 | 한국전기연구원 | 광변류기 및 이의 신호처리방법 |
WO2015026293A1 (en) * | 2013-08-23 | 2015-02-26 | Wu Xiaojun Allan | The creet model |
Non-Patent Citations (3)
Title |
---|
光纤电流互感器噪声特征及建模方法研究;王立辉等;《电力系统保护与控制》;20110101;第39卷(第1期);62-66页 * |
基于Allan方差的磁光玻璃型光学电流互感器噪声分析;李岩松等;《电力系统自动化》;20150625;第39卷(第12期);126-130页 * |
总方差方法在光纤陀螺随机误差分析中的应用;石国祥等;《光电工程》;20120131;第39卷(第1期);62-68页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105259398A (zh) | 2016-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105259398B (zh) | 一种基于总方差的光纤电流互感器随机误差特性分析方法 | |
CN110471024B (zh) | 一种基于量测数据分析的智能电表在线远程校验方法 | |
WO2019127944A1 (zh) | 一种考虑时变效应的大跨桥梁主梁性能预警方法 | |
Koh et al. | Identification and uncertainty estimation of structural parameters | |
CN108875178B (zh) | 用于减小结构模态识别不确定性的传感器布置方法 | |
CN105866504B (zh) | 一种基于卡尔曼滤波的光纤电流互感器温度补偿方法 | |
CN113094923B (zh) | 考虑多源不确定性的多参数相关退化产品可靠性评估方法 | |
CN103389472B (zh) | 一种基于nd-ar模型的锂离子电池循环寿命的预测方法 | |
CN109376401B (zh) | 一种自适应多源信息优选与融合的机械剩余寿命预测方法 | |
CN111680870B (zh) | 目标运动轨迹质量综合评估方法 | |
CN111611294B (zh) | 星敏感器数据异常检测方法 | |
CN109598052B (zh) | 基于相关系数分析的智能电表寿命周期预测方法及装置 | |
CN113406558B (zh) | 基于线性回归的电表失准检测方法、装置及电子设备 | |
CN115169409B (zh) | 基于滑窗的桥梁结构自振频率识别、预警方法及设备 | |
CN114818348B (zh) | 考虑多应力耦合作用对产品退化影响的可靠性评估方法 | |
Monti et al. | Uncertainty evaluation under dynamic conditions using polynomial chaos theory | |
CN106779354B (zh) | 用于飞行器性能评估的Bayes数据融合评估方法 | |
CN116187153B (zh) | 基于层次贝叶斯的水工结构数字孪生模型更新方法 | |
Haider et al. | Effect of frequency of pavement condition data collection on performance prediction | |
Tripath et al. | An improved Prony method for identifying low frequency oscillations using synchro-phasor measurements | |
CN105656453B (zh) | 一种基于时间序列的光纤电流互感器随机噪声实时滤波方法 | |
CN115878963A (zh) | 电容式电压互感器计量误差预测方法、系统、终端及介质 | |
Thiery et al. | Note about the statistical background of the methods used in ISO/DIS 9612 to estimate the uncertainty of occupational noise exposure measurements | |
Ni et al. | An adaptive state-space model for predicting remaining useful life of planetary gearbox | |
CN110866325B (zh) | 一种基于间接监测数据设备剩余寿命不完美维护预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |