CN105404734A - 铁磁谐振过电压类型的识别方法和系统 - Google Patents
铁磁谐振过电压类型的识别方法和系统 Download PDFInfo
- Publication number
- CN105404734A CN105404734A CN201510760973.XA CN201510760973A CN105404734A CN 105404734 A CN105404734 A CN 105404734A CN 201510760973 A CN201510760973 A CN 201510760973A CN 105404734 A CN105404734 A CN 105404734A
- Authority
- CN
- China
- Prior art keywords
- value
- lnd
- ferro
- lyapunov exponent
- resonance over
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tests Of Electronic Circuits (AREA)
- Complex Calculations (AREA)
Abstract
本发明涉及一种铁磁谐振过电压类型识别方法和系统,对铁磁谐振过电压时间序列进行相空间构建重构,计算最大李雅普诺夫指数,并得到修正的最大李雅普诺夫指数,根据修正的最大李雅普诺夫指数对铁磁谐振过电压类型进行识别。此方法不受谐振电路及其详细参数的影响,不需要建立系统的状态方程,抗噪性强,实际信号运用好,与现有铁磁谐振过电压识别方法相比,能够更方便准确地识别混沌和非混沌铁磁谐振过电压。
Description
技术领域
本发明涉及模式识别技术领域,特别是涉及一种铁磁谐振过电压类型识别方法和系统。
背景技术
铁磁谐振是一种发生在非线性电容和电感回路上的非线性共振现象,谐振过程可能产生稳定的过电压和过电流,对变电站设备和运行人员安全构成威胁。随着电网的发展,一方面配电网的快速发展造成配电系统参数变化范围急剧增大,配电网操作更加频繁,促使铁磁谐振发生率升高;另一方面超特高压系统对内部过电压倍数要求更为严格,铁磁谐振过电压可能会超过超特高压系统内部过电压水平。因此电力系统中的铁磁谐振问题愈发突出,亟需对铁磁谐振的非线性特性进行深入研究。
目前铁磁谐振的基本特性分析大多基于铁磁谐振回路模型,该回路模型是对典型铁磁谐振回路简化而得到的,在一定程度上能够反映铁磁谐振的一般规律,为铁磁谐振研究奠定了基础,但是传统铁磁谐振模型需要精确的谐振电路模型和准确的系统参数,而在实际电力系统中,随着运行方式的改变,谐振电路和系统参数都会随之发生变化,因此基于传统铁磁谐振模型的特性分析无法满足情况多变的现场应用。
发明内容
基于此,有必要针对基于传统铁磁谐振模型的特性分析无法满足现场应用的问题,提供一种铁磁谐振过电压类型识别方法和系统。
一种铁磁谐振过电压类型识别方法,包括以下步骤:
获取电力系统铁磁谐振过电压的时间序列数据;
对时间序列数据进行相空间构建重构,获得重构相空间;
根据重构相空间获取最大李雅普诺夫指数;
根据平均分离度与最大李雅普诺夫指数,获取修正的最大李雅普诺夫指数;
根据修正的最大李雅普诺夫指数,对铁磁谐振过电压类型进行识别。
一种铁磁谐振过电压类型的识别系统,包括以下单元:
第一获取单元,用于获取电力系统铁磁谐振过电压的时间序列数据;
构建单元,用于对时间序列数据进行相空间构建重构,获得重构相空间;
第二获取单元,用于根据重构相空间获取最大李雅普诺夫指数;
第三获取单元,用于根据平均分离度与最大李雅普诺夫指数,获取修正的最大李雅普诺夫指数;
识别单元,用于根据修正的最大李雅普诺夫指数,对铁磁谐振过电压类型进行识别。
根据本发明的铁磁谐振过电压类型识别方法和系统,其是对铁磁谐振过电压时间序列进行相空间构建重构,计算最大李雅普诺夫指数,并得到修正的最大李雅普诺夫指数,根据修正的最大李雅普诺夫指数对铁磁谐振过电压类型进行识别。此方法不受谐振电路及其详细参数的影响,不需要建立系统的状态方程,抗噪性强,实际信号运用好,与现有铁磁谐振过电压识别方法相比,能够更方便准确地识别混沌和非混沌铁磁谐振过电压。
附图说明
图1为其中一个实施例的铁磁谐振过电压类型识别方法的流程示意图;
图2为其中一个实施例的正常情况下系统响应的曲线示意图;
图3为与图2对应的y~t曲线示意图;
图4为其中一个实施例的基频铁磁谐振过电压的曲线示意图;
图5为与图4对应的y~t曲线示意图;
图6为其中一个实施例的分频铁磁谐振过电压的曲线示意图;
图7为与图6对应的y~t曲线示意图;
图8为其中一个实施例的高频铁磁谐振过电压的曲线示意图;
图9为与图8对应的y~t曲线示意图;
图10为其中一个实施例的准周期铁磁谐振过电压的曲线示意图;
图11为与图10对应的y~t曲线示意图;
图12为其中一个实施例的混沌铁磁谐振过电压的曲线示意图;
图13为与图12对应的y~t曲线示意图;
图14为其中一个实施例的铁磁谐振过电压类型识别系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不限定本发明的保护范围。
参见图1所示,为本发明的铁磁谐振过电压类型识别方法的一个实施例。该实施例中的铁磁谐振过电压类型识别方法,包括以下步骤:
步骤S101:获取电力系统铁磁谐振过电压的时间序列数据;
步骤S102:对时间序列数据进行相空间构建重构,获得重构相空间;
步骤S103:根据重构相空间获取最大李雅普诺夫指数;
步骤S104:根据平均分离度与最大李雅普诺夫指数,获取修正的最大李雅普诺夫指数;
在步骤S104中,修正的最大李雅普诺夫指数是平均分离度与最大李雅普诺夫指数的乘积;
步骤S105:根据修正的最大李雅普诺夫指数,对铁磁谐振过电压类型进行识别。
根据上述本发明的铁磁谐振过电压类型识别方法,其是对铁磁谐振过电压时间序列进行相空间构建重构,计算最大李雅普诺夫指数,并利用平均分离度得到修正的最大李雅普诺夫指数,根据修正的最大李雅普诺夫指数对铁磁谐振过电压类型进行识别。此方法不受谐振电路及其详细参数的影响,不需要建立系统的状态方程,抗噪性强,实际信号运用好,与现有铁磁谐振过电压识别方法相比,能够更方便准确地识别混沌和非混沌铁磁谐振过电压。
李雅普诺夫指数(Lyapunov指数)是衡量系统动力学特性的一个重要定量指标,它能够表征系统在相空间中相邻轨道间收敛或发散的平均指数率,能够定量地表示或标志轨道的稳定与否和系统混沌的强弱。相空间中的每一维都有其各自的Lyapunov指数,可以表征系统内部的运动特征,并反映了非线性系统的动力学特性。如果需要得知系统是否存在动力学混沌,可以从采用最大李雅普诺夫指数是来判断:如果李雅普诺夫指数大于一定范围,则表明在系统相空间中,无论初始两条轨线的间距多么小,随着时间的演化,其差别会成指数率的增加以致达到无法预测,这就是混沌现象。
在其中一个实施例中,根据修正的最大李雅普诺夫指数,对铁磁谐振过电压类型进行识别的步骤包括以下步骤:
若修正的最大李雅普诺夫指数的绝对值大于预设值,则识别铁磁谐振过电压类型为混沌铁磁谐振过电压;若修正的最大李雅普诺夫指数的绝对值小于或等于预设值,则识别铁磁谐振过电压类型为非混沌铁磁谐振过电压。
优选的,预设值可以由技术人员设定,一般预设值可以在0~0.1之间选择,包括0和0.1。
在其中一个实施例中,对时间序列数据进行相空间构建重构,获得重构相空间的步骤包括以下步骤:
将时间序列数据重构到m维的相空间中,获取向量V:
V={vj|vj=[xj,xj+Δt,…,xj+(m-1)Δt]T,j=1,2,…N}
其中x为时间序列数据,Δt为延迟时间,m为嵌入维,N=n-(m-1)Δt为重构相空间中的数据点数,n为时间序列数据的数据点数。
优选的,电力系统铁磁谐振过电压的时间序列数据为{xp},p=1,2,…,n,n为时间序列数据的数据点数。对时间序列数据进行相空间构建重构,用延迟坐标法将时间序列数据重构到m维的相空间中,获取向量V:
V={vj|vj=[xj,xj+Δt,…,xj+(m-1)Δt]T,j=1,2,…N}
其中Δt为延迟时间,m为嵌入维,N=n-(m-1)Δt为重构相空间中的数据点数,向量V中包括N个矩阵,每个矩阵中包括m个时间序列数据,这m个时间序列数据依次的下标差均为延迟时间Δt。
在其中一个实施例中,根据重构相空间获取最大李雅普诺夫指数的步骤包括以下步骤:
根据<lndj(iΔt)>=<lnCj>+λ1(iΔt)获取<lndj(iΔt)>与iΔt的关系曲线;
其中,在初始时刻iΔt=0,即i=0时,dj(0)=Cj,向量V中第j个点vj与其他点的距离的最小值为dj(0),对应与vj距离最小值的另一个点为vk,<lndj(0)>表示对应各j值的dj(0)对数值的平均值,<lnCj>表示对应各j值的Cj对数值的平均值,λ1为最大李雅普诺夫指数;根据<lndj(0)>和对应各j值的<lnCj>可以获得<lndj(iΔt)>与iΔt的关系曲线中在初始时刻的点;在下一个时刻Δt,即i=1时,dj(Δt)表示vj+1与vk+1的距离,其中,j+1和k+1的取值的最大值均为N,j取不同值时dj(Δt)对数值的平均值为<lndj(Δt)>,对应dj(Δt)在初始时刻的对数值的平均值为<lnCj>,根据<lndj(Δt)>、对应各j值的<lnCj>和Δt可以获得<lndj(iΔt)>与iΔt的关系曲线中在时刻Δt的点;以此类推可以获得<lndj(iΔt)>与iΔt的关系曲线中不同时刻iΔt的点,得到<lndj(iΔt)>与iΔt关系曲线;
选取<lndj(iΔt)>与iΔt关系曲线中振荡前的线性段,拟合线性段的斜率,斜率为最大李雅普诺夫指数。
优选的,根据重构相空间,可以得到以下公式:
dj(iΔt)=Cjeλ1(iΔt),Cj=dj(0),j=1,2,…N
对上式两边取对数,可得
lndj(iΔt)=lnCj+λ1(iΔt)
在j取不同值时可以得到一系列非常接近平行的曲线簇,对其取平均可得到:
<lndj(iΔt)>=<lnCj>+λ1(iΔt)
具体的,例如,N取10,向量V中就有10个代表矩阵的点,分别为v1、v2、v3、…、v10,在初始时刻iΔt=0,即i=0时,dj(0)=Cj,向量V中第j个点vj与其他点的距离的最小值为dj(0),对应距离最小值的另一个点为vk,比如,与点v1距离最近的点为v8,与点v2距离最近的点为v5等,<lndj(0)>表示对应各j值的dj(0)对数值的平均值,<lnCj>表示对应各j值的Cj对数值的平均值,λ1为最大李雅普诺夫指数,在初始时刻j的取值为j=1,2,…N;根据<lndj(0)>和对应各j值的<lnCj>可以获得<lndj(iΔt)>与iΔt的关系曲线中在初始时刻的点;
在下一个时刻Δt,即i=1时,dj(Δt)表示vj+1与vk+1的距离,其中,j+1和k+1的取值的最大值均为N,比如,在初始时刻iΔt=0,与点v1距离最近的点为v8,距离为d1(0),与点v2距离最近的点为v5,距离为d2(0),则在下一个时刻Δt,d1(Δt)表示点v2与点v9的距离,d2(Δt)表示点v3与点v6的距离,在时刻Δt,j+1和k+1的取值的最大值均为N,也就是说,vj+1与vk+1都必须是向量V中的代表矩阵的点,j和对应的k的取值不能使j+1和k+1的取值超过N,所以在时刻Δt,j的取值个数比在初始时刻少,j取不同值时dj(Δt)对数值的平均值为<lndj(Δt)>,对应dj(Δt)在初始时刻的对数值的平均值为<lnCj>,根据<lndj(Δt)>、对应各j值的<lnCj>和Δt可以获得<lndj(iΔt)>与iΔt的关系曲线中在时刻Δt的点;
在下一个时刻2Δt,即i=2时,dj(Δt)表示vj+2与vk+2的距离,其中,j+2和k+2的取值的最大值均为N,比如,在初始时刻iΔt=0,与点v1距离最近的点为v8,距离为d1(0),与点v2距离最近的点为v5,距离为d2(0),则在时刻2Δt,d1(Δt)表示点v3与点v10的距离,d2(Δt)表示点v4与点v7的距离,在时刻2Δt,j+2和k+2的取值的最大值均为N,也就是说,vj+2与vk+2都必须是向量V中的代表矩阵的点,j和对应的k的取值不能使j+2和k+2的取值超过N,所以在时刻2Δt,j的取值个数比在前一时刻少,j取不同值时dj(2Δt)对数值的平均值为<lndj(2Δt)>,对应dj(2Δt)在初始时刻的对数值的平均值为<lnCj>,根据<lndj(2Δt)>、对应各j值的<lnCj>和2Δt可以获得<lndj(iΔt)>与iΔt的关系曲线中在时刻2Δt的点;
向量V中代表矩阵的点之间的距离就是两点坐标之差的范数,可以为1范数、2范数或∞范数;
以此类推可以获得<lndj(iΔt)>与iΔt的关系曲线中不同时刻iΔt的点,得到<lndj(iΔt)>与iΔt关系曲线;
选取<lndj(iΔt)>与iΔt关系曲线中振荡前的线性段,使用最小二乘法拟合其曲线斜率,斜率为最大李雅普诺夫指数。
在本实施例中,利用上述方式可以直接通过铁磁谐振过电压时间序列求解该序列的最大李雅普诺夫指数。
在其中一个实施例中,平均分离度根据确定,其中,ASD为平均分离度,e是自然对数底,ymax是<lndj(iΔt)>与iΔt关系曲线中<lndj(iΔt)>的最大值,xmax和xmin分别是时间序列数据的最大值和最小值。
在本实施例中,利用这一公式可以获得平均分离度,并根据平均分离度对最大李雅普若夫指数进行修正,利用修正后的最大李雅普若夫指数可以更加准确地对铁磁谐振过电压类型进行识别。
在一个具体的实施例中,对图2的电压时间序列进行相空间重构,获得向量V,根据<lndj(iΔt)>与iΔt的关系曲线计算最大李雅普诺夫指数,并将求解示意图绘于y~t曲线,其中y表示<lndj(iΔt)>,t表示iΔt,如图3所示,其中的实线为y~t曲线线性区域的拟合曲线。选取振荡前的线性段,使用最小二乘法拟合曲线其斜率为-0.81,即为最大李雅普诺夫指数。计算其ASD为4.79×10-9,预设值设为0.1,则此铁磁谐振过电压时间序列的修正的最大李雅普诺夫指数为-3.87×10-9,其绝对值小于预设值,判断该铁磁谐振过电压为非混沌铁磁谐振过电压。
在一个具体的实施例中,对图4的电压时间序列进行相空间重构,获得向量V,根据<lndj(iΔt)>与iΔt的关系曲线计算最大李雅普诺夫指数,并将求解示意图绘于y~t曲线,其中y表示<lndj(iΔt)>,t表示iΔt,如图5所示,其中的实线为y~t曲线线性区域的拟合曲线。选取振荡前的线性段,使用最小二乘法拟合曲线其斜率为-0.72,即为最大李雅普诺夫指数。计算其ASD为4.21×10-9,预设值设为0.1,则此铁磁谐振过电压时间序列的修正的最大李雅普诺夫指数为-3.04×10-9,其绝对值小于预设值,判断该铁磁谐振过电压为非混沌铁磁谐振过电压。
在一个具体的实施例中,对图6的电压时间序列进行相空间重构,获得向量V,根据<lndj(iΔt)>与iΔt的关系曲线计算最大李雅普诺夫指数,并将求解示意图绘于y~t曲线,其中y表示<lndj(iΔt)>,t表示iΔt,如图7所示,其中的实线为y~t曲线线性区域的拟合曲线。选取振荡前的线性段,使用最小二乘法拟合曲线其斜率为-0.89,即为最大李雅普诺夫指数。计算其ASD为9.21×10-4,预设值设为0.1,则此铁磁谐振过电压时间序列的修正的最大李雅普诺夫指数为-8.20×10-4,其绝对值小于预设值,判断该铁磁谐振过电压为非混沌铁磁谐振过电压。
在一个具体的实施例中,对图8的电压时间序列进行相空间重构,获得向量V,根据<lndj(iΔt)>与iΔt的关系曲线计算最大李雅普诺夫指数,并将求解示意图绘于y~t曲线,其中y表示<lndj(iΔt)>,t表示iΔt,如图9所示,其中的实线为y~t曲线线性区域的拟合曲线。选取振荡前的线性段,使用最小二乘法拟合曲线其斜率为-0.85,即为最大李雅普诺夫指数。计算其ASD为1.19×10-4,预设值设为0.1,则此铁磁谐振过电压时间序列的修正的最大李雅普诺夫指数为-1.01×10-4,其绝对值小于预设值,判断该铁磁谐振过电压为非混沌铁磁谐振过电压。
在一个具体的实施例中,对图10的电压时间序列进行相空间重构,获得向量V,根据<lndj(iΔt)>与iΔt的关系曲线计算最大李雅普诺夫指数,并将求解示意图绘于y~t曲线,其中y表示<lndj(iΔt)>,t表示iΔt,如图11所示,其中的实线为y~t曲线线性区域的拟合曲线。选取振荡前的线性段,使用最小二乘法拟合曲线其斜率为0.99,即为最大李雅普诺夫指数。计算其ASD为6.64×10-2,预设值设为0.1,则此铁磁谐振过电压时间序列的修正的最大李雅普诺夫指数为6.57×10-2,其绝对值小于预设值,判断该铁磁谐振过电压为非混沌铁磁谐振过电压。
在一个具体的实施例中,对图12的电压时间序列进行相空间重构,获得向量V,根据<lndj(iΔt)>与iΔt的关系曲线计算最大李雅普诺夫指数,并将求解示意图绘于y~t曲线,其中y表示<lndj(iΔt)>,t表示iΔt,如图13所示,其中的实线为y~t曲线线性区域的拟合曲线。选取振荡前的线性段,使用最小二乘法拟合曲线其斜率为7.88,即为最大李雅普诺夫指数。计算其ASD为7.98×10-1,预设值设为0.1,则此铁磁谐振过电压时间序列的修正的最大李雅普诺夫指数为6.20,其绝对值大于预设值,判断该铁磁谐振过电压为混沌铁磁谐振过电压。
根据上述铁磁谐振过电压类型识别方法,本发明还提供一种铁磁谐振过电压类型识别系统,以下就本发明的铁磁谐振过电压类型识别系统的实施例进行详细说明。
参见图14所示,为本发明的铁磁谐振过电压类型识别系统的实施例。该实施例中的铁磁谐振过电压类型识别系统包括以下单元:
第一获取单元201,用于获取电力系统铁磁谐振过电压的时间序列数据;
构建单元202,用于对时间序列数据进行相空间构建重构,获得重构相空间;
第二获取单元203,用于根据重构相空间获取最大李雅普诺夫指数;
第三获取单元204,用于根据平均分离度与最大李雅普诺夫指数,获取修正的最大李雅普诺夫指数;
识别单元205,用于根据修正的最大李雅普诺夫指数,对铁磁谐振过电压类型进行识别。
在其中一个实施例中,识别单元205用于若修正的最大李雅普诺夫指数的绝对值大于预设值,则识别铁磁谐振过电压类型为混沌铁磁谐振过电压;若修正的最大李雅普诺夫指数的绝对值小于或等于预设值,则识别铁磁谐振过电压类型为非混沌铁磁谐振过电压。
在其中一个实施例中,构建单元202用于将时间序列数据重构到m维的相空间中,获取向量V:
V={vj|vj=[xj,xj+Δt,…,xj+(m-1)Δt]T,j=1,2,…N}
其中x为时间序列数据,Δt为延迟时间,m为嵌入维,N=n-(m-1)Δt为重构相空间中的数据点数,n为时间序列数据的数据点数。
在其中一个实施例中,第二获取单元203用于根据<lndj(iΔt)>=<lnCj>+λ1(iΔt)获取<lndj(iΔt)>与iΔt的关系曲线;
其中,在初始时刻iΔt=0,即i=0时,dj(0)=Cj,向量V中第j个点vj与其他点的距离的最小值为dj(0),对应与vj距离最小值的另一个点为vk,<lndj(0)>表示对应各j值的dj(0)对数值的平均值,<lnCj>表示对应各j值的Cj对数值的平均值,λ1为最大李雅普诺夫指数;根据<lndj(0)>和对应各j值的<lnCj>可以获得<lndj(iΔt)>与iΔt的关系曲线中在初始时刻的点;在下一个时刻Δt,即i=1时,dj(Δt)表示vj+1与vk+1的距离,其中,j+1和k+1的取值的最大值均为N,j取不同值时dj(Δt)对数值的平均值为<lndj(Δt)>,对应dj(Δt)在初始时刻的对数值的平均值为<lnCj>,根据<lndj(Δt)>、对应各j值的<lnCj>和Δt可以获得<lndj(iΔt)>与iΔt的关系曲线中在时刻Δt的点;以此类推可以获得<lndj(iΔt)>与iΔt的关系曲线中不同时刻iΔt的点,得到<lndj(iΔt)>与iΔt关系曲线;
选取<lndj(iΔt)>与iΔt关系曲线中振荡前的线性段,拟合线性段的斜率,斜率为最大李雅普诺夫指数。
在其中一个实施例中,第三获取单元204用于根据公式确定所述平均分离度,其中,ASD为所述平均分离度,e是自然对数底,ymax是<lndj(iΔt)>与iΔt关系曲线中<lndj(iΔt)>的最大值,xmax和xmin分别是所述时间序列数据的最大值和最小值。
本发明的铁磁谐振过电压类型识别系统与本发明的铁磁谐振过电压类型识别方法一一对应,在上述铁磁谐振过电压类型识别方法的实施例阐述的技术特征及其有益效果均适用于铁磁谐振过电压类型识别系统的实施例中。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种铁磁谐振过电压类型的识别方法,其特征在于,包括以下步骤:
获取电力系统铁磁谐振过电压的时间序列数据;
对所述时间序列数据进行相空间构建重构,获得重构相空间;
根据所述重构相空间获取最大李雅普诺夫指数;
根据平均分离度与所述最大李雅普诺夫指数,获取修正的最大李雅普诺夫指数;
根据所述修正的最大李雅普诺夫指数,对所述铁磁谐振过电压类型进行识别。
2.根据权利要求1所述的铁磁谐振过电压类型的识别方法,其特征在于,根据所述修正的最大李雅普诺夫指数,对所述铁磁谐振过电压类型进行识别的步骤包括以下步骤:
若所述修正的最大李雅普诺夫指数的绝对值大于预设值,则识别所述铁磁谐振过电压类型为混沌铁磁谐振过电压;若所述修正的最大李雅普诺夫指数的绝对值小于或等于预设值,则识别所述铁磁谐振过电压类型为非混沌铁磁谐振过电压。
3.根据权利要求1所述的铁磁谐振过电压类型的识别方法,其特征在于,对所述时间序列数据进行相空间构建重构,获得重构相空间的步骤包括以下步骤:
将所述时间序列数据重构到m维的相空间中,获取向量V:
V={vj|vj=[xj,xj+Δt,…,xj+(m-1)Δt]T,j=1,2,…N}
其中x为所述时间序列数据,Δt为延迟时间,m为嵌入维,N=n-(m-1)Δt为重构相空间中的数据点数,n为所述时间序列数据的数据点数。
4.根据权利要求3所述的铁磁谐振过电压类型的识别方法,其特征在于,根据所述重构相空间获取最大李雅普诺夫指数的步骤包括以下步骤:
根据<lndj(iΔt)>=<lnCj>+λ1(iΔt)获取<lndj(iΔt)>与iΔt的关系曲线;
其中,在初始时刻iΔt=0,即i=0时,dj(0)=Cj,向量V中第j个点vj与其他点的距离的最小值为dj(0),对应与vj距离最小值的另一个点为vk,<lndj(0)>表示对应各j值的dj(0)对数值的平均值,<lnCj>表示对应各j值的Cj对数值的平均值,λ1为最大李雅普诺夫指数;根据<lndj(0)>和对应各j值的<lnCj>可以获得<lndj(iΔt)>与iΔt的关系曲线中在初始时刻的点;在下一个时刻Δt,即i=1时,dj(Δt)表示vj+1与vk+1的距离,其中,j+1和k+1的取值的最大值均为N,j取不同值时dj(Δt)对数值的平均值为<lndj(Δt)>,对应dj(Δt)在初始时刻的对数值的平均值为<lnCj>,根据<lndj(Δt)>、对应各j值的<lnCj>和Δt可以获得<lndj(iΔt)>与iΔt的关系曲线中在时刻Δt的点;以此类推可以获得<lndj(iΔt)>与iΔt的关系曲线中不同时刻iΔt的点,得到<lndj(iΔt)>与iΔt关系曲线;
选取<lndj(iΔt)>与iΔt关系曲线中振荡前的线性段,拟合所述线性段的斜率,所述斜率为所述最大李雅普诺夫指数。
5.根据权利要求3或4所述的铁磁谐振过电压类型的识别方法,其特征在于,所述平均分离度根据确定,其中,ASD为所述平均分离度,e是自然对数底,ymax是<lndj(iΔt)>与iΔt关系曲线中<lndj(iΔt)>的最大值,xmax和xmin分别是所述时间序列数据的最大值和最小值。
6.一种铁磁谐振过电压类型的识别系统,其特征在于,包括以下单元:
第一获取单元,用于获取电力系统铁磁谐振过电压的时间序列数据;
构建单元,用于对所述时间序列数据进行相空间构建重构,获得重构相空间;
第二获取单元,用于根据所述重构相空间获取最大李雅普诺夫指数;
第三获取单元,用于根据平均分离度与所述最大李雅普诺夫指数,获取修正的最大李雅普诺夫指数;
识别单元,用于根据所述修正的最大李雅普诺夫指数,对所述铁磁谐振过电压类型进行识别。
7.根据权利要求6所述的铁磁谐振过电压类型的识别系统,其特征在于,所述识别单元用于若所述修正的最大李雅普诺夫指数的绝对值大于预设值,则识别所述铁磁谐振过电压类型为混沌铁磁谐振过电压;若所述修正的最大李雅普诺夫指数的绝对值小于或等于预设值,则识别所述铁磁谐振过电压类型为非混沌铁磁谐振过电压。
8.根据权利要求6所述的铁磁谐振过电压类型的识别系统,其特征在于,所述构建单元用于将所述时间序列数据重构到m维的相空间中,获取向量V:
V={vj|vj=[xj,xj+Δt,…,xj+(m-1)Δt]T,j=1,2,…N}
其中x为所述时间序列数据,Δt为延迟时间,m为嵌入维,N=n-(m-1)Δt为重构相空间中的数据点数,n为所述时间序列数据的数据点数。
9.根据权利要求8所述的铁磁谐振过电压类型的识别系统,其特征在于,所述第二获取单元用于根据<lndj(iΔt)>=<lnCj>+λ1(iΔt)获取<lndj(iΔt)>与iΔt的关系曲线;
其中,在初始时刻iΔt=0,即i=0时,dj(0)=Cj,向量V中第j个点vj与其他点的距离的最小值为dj(0),对应与vj距离最小值的另一个点为vk,<lndj(0)>表示对应各j值的dj(0)对数值的平均值,<lnCj>表示对应各j值的Cj对数值的平均值,λ1为最大李雅普诺夫指数;根据<lndj(0)>和对应各j值的<lnCj>可以获得<lndj(iΔt)>与iΔt的关系曲线中在初始时刻的点;在下一个时刻Δt,即i=1时,dj(Δt)表示vj+1与vk+1的距离,其中,j+1和k+1的取值的最大值均为N,j取不同值时dj(Δt)对数值的平均值为<lndj(Δt)>,对应dj(Δt)在初始时刻的对数值的平均值为<lnCj>,根据<lndj(Δt)>、对应各j值的<lnCj>和Δt可以获得<lndj(iΔt)>与iΔt的关系曲线中在时刻Δt的点;以此类推可以获得<lndj(iΔt)>与iΔt的关系曲线中不同时刻iΔt的点,得到<lndj(iΔt)>与iΔt关系曲线;
选取<lndj(iΔt)>与iΔt关系曲线中振荡前的线性段,拟合所述线性段的斜率,所述斜率为所述最大李雅普诺夫指数。
10.根据权利要求8或9所述的铁磁谐振过电压类型的识别系统,其特征在于,所述第三获取单元用于根据公式确定所述平均分离度,其中,ASD为所述平均分离度,e是自然对数底,ymax是<lndj(iΔt)>与iΔt关系曲线中<lndj(iΔt)>的最大值,xmax和xmin分别是所述时间序列数据的最大值和最小值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510760973.XA CN105404734B (zh) | 2015-11-09 | 2015-11-09 | 铁磁谐振过电压类型的识别方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510760973.XA CN105404734B (zh) | 2015-11-09 | 2015-11-09 | 铁磁谐振过电压类型的识别方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105404734A true CN105404734A (zh) | 2016-03-16 |
CN105404734B CN105404734B (zh) | 2019-01-11 |
Family
ID=55470221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510760973.XA Active CN105404734B (zh) | 2015-11-09 | 2015-11-09 | 铁磁谐振过电压类型的识别方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105404734B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106786521A (zh) * | 2016-12-13 | 2017-05-31 | 国网江苏省电力公司淮安供电公司 | 一种计及单相断线谐振过电压的配电网薄弱支路判断方法 |
CN114325072A (zh) * | 2022-03-14 | 2022-04-12 | 南昌航空大学 | 基于格拉姆角场编码的铁磁谐振过电压识别方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110088748A1 (en) * | 2008-05-30 | 2011-04-21 | Kunsan National University Industry-Academy Cooper | Grid-interactive photovoltaic generation system with power quality control and energy saving |
CN102736025A (zh) * | 2012-06-29 | 2012-10-17 | 沈阳工业大学 | 一种断路器电气剩余使用寿命预测装置及方法 |
CN103414203A (zh) * | 2013-06-27 | 2013-11-27 | 广西师范大学 | 基于李雅普诺夫指数变化的光伏发电孤岛检测方法及装置 |
-
2015
- 2015-11-09 CN CN201510760973.XA patent/CN105404734B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110088748A1 (en) * | 2008-05-30 | 2011-04-21 | Kunsan National University Industry-Academy Cooper | Grid-interactive photovoltaic generation system with power quality control and energy saving |
CN102736025A (zh) * | 2012-06-29 | 2012-10-17 | 沈阳工业大学 | 一种断路器电气剩余使用寿命预测装置及方法 |
CN103414203A (zh) * | 2013-06-27 | 2013-11-27 | 广西师范大学 | 基于李雅普诺夫指数变化的光伏发电孤岛检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
杨鸣 等: "《铁磁谐振过电压柔性控制的试验研究》", 《高电压技术》 * |
杨鸣: "《铁磁谐振过电压非线性特性及其柔性抑制策略研究》", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106786521A (zh) * | 2016-12-13 | 2017-05-31 | 国网江苏省电力公司淮安供电公司 | 一种计及单相断线谐振过电压的配电网薄弱支路判断方法 |
CN106786521B (zh) * | 2016-12-13 | 2019-03-26 | 国网江苏省电力公司淮安供电公司 | 一种计及单相断线谐振过电压的配电网薄弱支路判断方法 |
CN114325072A (zh) * | 2022-03-14 | 2022-04-12 | 南昌航空大学 | 基于格拉姆角场编码的铁磁谐振过电压识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105404734B (zh) | 2019-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cavraro et al. | Power distribution network topology detection with time-series signature verification method | |
CN108667048B (zh) | 新能源并网系统振荡稳定性的频域判稳方法及装置 | |
CN109325545A (zh) | 低压配电网拓扑结构校验方法、装置、设备及存储介质 | |
CN103177188B (zh) | 一种基于特征映射的电力系统负荷动特性分类方法 | |
Khoshkhoo et al. | On-line dynamic voltage instability prediction based on decision tree supported by a wide-area measurement system | |
CN104616061B (zh) | 基于小波包对数能量熵及遗传算法优化的孤岛检测方法 | |
CN106990324B (zh) | 一种配电网接地故障检测定位方法 | |
CN103344875A (zh) | 谐振接地系统单相接地故障分类选线方法 | |
Zhang et al. | Topology identification method of distribution network based on smart meter measurements | |
CN110543730B (zh) | 一种变压器绕组变形故障判定方法 | |
CN110659693A (zh) | 基于k近邻分类的配电网快速拓扑识别方法、系统及可读存储介质 | |
CN104091056B (zh) | 一种实验室设备使用寿命预测系统和方法 | |
CN106548021A (zh) | 一种基于高维随机矩阵的电子式互感器误差状态评估方法 | |
CN102072983A (zh) | 一种电压暂降起因监判方法 | |
CN111082541B (zh) | 移动式无线电能传输系统的控制方法及装置 | |
CN105404734A (zh) | 铁磁谐振过电压类型的识别方法和系统 | |
CN108614154A (zh) | 一种基于频谱分析的电力用户相位识别方法 | |
CN106019098A (zh) | 局部放电定位方法、装置及系统 | |
Mansani et al. | Estimation of transmission line sequence impedances using real PMU data | |
CN103424627B (zh) | 双端测量平行电网线路零序阻抗的方法 | |
Bagheri et al. | Transformer winding parameter identification based on frequency response analysis using hybrid wavelet transform (WT) and simulated annealing algorithm (SA) and compare with genetic algorithm (GA) | |
Bigdeli et al. | Identification of transient model parameters of transformer using genetic algorithm | |
Do et al. | Novel grid impedance measurement setups in electrical power systems | |
KR101362940B1 (ko) | 접지 시스템 진단 방법 및 장치 | |
CN110308351B (zh) | 基于短时瞬态时域测量的接地网频率响应测量方法 |
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 |