CN106274996B - 一种在牵引变电站识别所经过的电力机车类型的方法 - Google Patents
一种在牵引变电站识别所经过的电力机车类型的方法 Download PDFInfo
- Publication number
- CN106274996B CN106274996B CN201610738802.1A CN201610738802A CN106274996B CN 106274996 B CN106274996 B CN 106274996B CN 201610738802 A CN201610738802 A CN 201610738802A CN 106274996 B CN106274996 B CN 106274996B
- Authority
- CN
- China
- Prior art keywords
- locomotive type
- power
- locomotive
- train
- passed
- 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
- 230000003137 locomotive effect Effects 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 238000003909 pattern recognition Methods 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 238000012806 monitoring device Methods 0.000 claims abstract description 5
- 230000005611 electricity Effects 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 abstract description 3
- 230000004069 differentiation Effects 0.000 abstract description 2
- 230000002123 temporal effect Effects 0.000 abstract description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 238000000819 phase cycle Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or trains
- B61L25/04—Indicating or recording train identities
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种在牵引变电站识别所经过的电力机车类型的方法，解决了在牵引变电站识别所经过的电力机车类型的问题。通过在现有的电能质量监测装置上添加经过训练的模式识别模块实现。训练阶段包括列车运行图信息提取、谐波电流检测、功率检测、数据处理、模式识别等环节；将具有该模块的监测装置安装在同一机车经过的多个检测站点，根据列车运行图信息提取环节提供的时间信息，将所检测的同一机车谐波电流和功率信息输入到数据处理环节进行背景信息扣除及限值处理，将处理后的数据和该次列车所对应的机车类型输入到模式识别模块，模式识别模块采用BP神经网络对输入的谐波电流和功率与机车类型进行匹配训练。实现在系统侧对电力机车类型的判别。
Description
技术领域
本发明涉及电力系统检测技术领域，具体涉及一种具有电力机车类型识别功能的监测方法。
背景技术
近年来，我国高速铁路发展迅速，电气化铁路得到了越来越广泛的普及。我国电气化铁路中广泛应用的有交直型和交直交型电力机车，其大规模应用带来巨大经济利益的同时，机车与牵引网之间的电气匹配问题也日益突出。电力机车作为牵引供电系统的主要负荷，其电气特性对牵引供电系统及电网的运行都有重要的影响。在分析牵引变电站接入系统所带来的谐波、负序和无功等问题时，希望较为精确的建立牵引负荷模型，但是实际情况下很难得到较为精确的机车模型。
发明内容
本发明提供了一种在牵引变电站识别所经过的电力机车类型的方法，解决了在牵引变电站识别所经过的电力机车类型的问题。
本发明是通过以下技术方案解决以上技术问题的：
一种在牵引变电站识别所经过的电力机车类型的方法，通过在现有的电能质量监测装置上添加经过训练的模式识别模块实现；训练阶段包括列车运行图信息提取、谐波电流检测、功率检测、数据处理、模式识别等环节；其具体过程为，将具有该模块的监测装置安装在同一机车经过的多个检测站点，根据列车运行图信息提取环节提供的时间信息，将所检测的同一机车谐波电流和功率信息输入到数据处理环节进行背景信息扣除及限值处理，将处理后的数据和该次列车所对应的机车类型输入到模式识别模块，模式识别模块采用BP神经网络对输入的谐波电流和功率与机车类型进行匹配训练。实际应用时将训练好的识别模块添加到电能质量监测装置上，根据检测到的谐波电流和功率信息与机车类型的匹配关系，实现在系统侧识别电力机车类型。
所述列车运行图信息提取环节所采取的方法为统计方法，其结果包含各次列车在其所经过的各个车站的到达和出发（或通过）时刻，该次列车编号及其对应的电力机车类型，如果不是其所对应的机车类型，每次机车识别结果的向量中只有一个量为1，其余为0。
实际应用时将训练好的识别模块添加到电能质量监测装置上，根据检测到的谐波电流和功率信息与机车类型的匹配关系，实现在系统侧识别电力机车类型。
实际应用时将训练好的识别模块添加到电能质量监测装置上，根据检测到的谐波电流和功率信息与机车类型的匹配关系，实现在系统侧识别电力机车类型。
为解决此问题，本发明提出一种具有电力机车类型识别功能的监测装置，通过在现有的电能质量监测装置上添加经过训练的模式识别模块，利用检测装置检测到的电力机车的谐波电流和功率信息，实现在系统侧对电力机车类型的判别，对于牵引供电系统建模，分析牵引供电系统的电气特性以及分析牵引供电系统接入系统后所带来的问题等方面具有重要意义。
附图说明
图1是基于BP神经网络的电力机车类型识别模块训练阶段流程图。
图2是添加机车类型识别模块后的电能质量监测装置模拟结构图。
具体实施方式
下面结合附图对本发明进行详细说明：
为实现在系统侧识别电力机车类型，本发明提供了一种具有电力机车类型识别功能的监测装置，该功能通过在现有的电能质量监测装置上添加经过训练的模式识别模块实现。训练阶段包括列车运行图信息提取、谐波电流检测、功率检测、数据处理、模式识别等环节。
所述列车运行图信息提取环节所采取的方法为统计方法，其结果包含各次列车在其所经过的各个车站的到达和出发（或通过）时刻，该次列车编号及根据列车编号所确定的机车类型。所述数据处理模块应针对3、5、7、9、11、21、23、25、27、29、31、33、35、45、47、49、51、53、55次机车特征次谐波电流和机车功率分别进行处理，利用列车运行图提供的时间信息，将无列车经过检测站点时的所检测到的上述输入量作为背景量，依次扣除相应的背景量之后，将所有检测到该次列车信息的站点进行相同的处理，经过处理后的各个站点的数据进行限值求取，具体方式为，将各类检测量的95%概率大值作为输入数据的上限，类似的，将5%概率小值作为输入数据的下限。利用数据处理之后得到的限值对BP神经网络进行训练，不断修正权值和阈值，使输入神经网络的数据在上下限之间的范围内均能准确识别机车类型。实际应用时将训练好的识别模块添加到电能质量监测装置上，根据检测到的谐波电流和功率信息与机车类型的匹配关系，实现在系统侧识别电力机车类型。经过训练阶段之后的模块中已经能够根据各类机车的特征次谐波电流信息和功率信息识别机车类型，实际应用时应能够抛开列车运行图，将其独立应用于待检测站点。
Claims (1)
1.一种在牵引变电站识别所经过的电力机车类型的方法，其特征在于，通过在现有的电能质量监测装置上添加经过训练的模式识别模块来实现；训练阶段包括列车运行图信息提取、谐波电流检测、功率检测、数据处理及模式识别环节；将训练好的识别模块添加到电能质量监测装置上，根据检测到的谐波电流和功率信息与机车类型的匹配关系，实现在牵引变电站识别电力机车类型；所述列车运行图信息提取环节所采取的方法为统计方法，其结果包含各次列车在其所经过的各个车站的到达和出发时刻，该次列车编号及其对应的电力机车类型，如果不是其所对应的机车类型，每次机车识别结果的向量中只有一个量为1，其余为0。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610738802.1A CN106274996B (zh) | 2016-08-29 | 2016-08-29 | 一种在牵引变电站识别所经过的电力机车类型的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610738802.1A CN106274996B (zh) | 2016-08-29 | 2016-08-29 | 一种在牵引变电站识别所经过的电力机车类型的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106274996A CN106274996A (zh) | 2017-01-04 |
| CN106274996B true CN106274996B (zh) | 2017-12-01 |
Family
ID=57677993
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610738802.1A Active CN106274996B (zh) | 2016-08-29 | 2016-08-29 | 一种在牵引变电站识别所经过的电力机车类型的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106274996B (zh) |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB189905744A (en) * | 1899-03-16 | 1900-03-16 | Theodor Tiesenhausen | Improvements in Automatic Block Apparatus for Railways. |
| GB189921656A (en) * | 1899-10-30 | 1900-10-27 | British Thomson Houston Co Ltd | Improvements in Controlling Electric Motors and Electrically Propelled Railway Trains. |
| JP5775222B2 (ja) * | 2012-08-29 | 2015-09-09 | 三菱電機株式会社 | 駅舎電源装置、およびその制御方法 |
| CN103793563B (zh) * | 2014-01-24 | 2017-01-18 | 广西电网公司电力科学研究院 | 一种风电场等效模拟模块与交直机车及其供电系统 |
| CN104158189B (zh) * | 2014-09-02 | 2015-07-01 | 贵州电网公司电网规划研究中心 | 一种基于参数辨识的电气化铁路牵引供电负荷建模方法 |
| CN104925071B (zh) * | 2015-07-03 | 2016-08-17 | 中南大学 | 一种基于人工智能的机车差异化无线重联同步控制方法 |
-
2016
- 2016-08-29 CN CN201610738802.1A patent/CN106274996B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN106274996A (zh) | 2017-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109101906A (zh) | 一种变电站电力设备红外图像异常实时检测方法及装置 | |
| CN105426905B (zh) | 基于梯度直方图和支持向量机的机器人障碍物识别方法 | |
| CN104865499B (zh) | 一种特高压直流输电线路区内外故障识别方法 | |
| CN104052612B (zh) | 一种电信业务的故障识别与定位的方法及系统 | |
| CN105354589A (zh) | 一种在接触网图像中智能识别绝缘子裂损的方法及系统 | |
| CN112731051A (zh) | 混合网络的高压直流输电线路的单端故障定位方法及系统 | |
| CN105203876A (zh) | 一种利用支持向量机和相关分析的变压器在线监测状态评估方法 | |
| CN104281838A (zh) | 基于HOG特征与二维Gabor小波变换的高铁接触网支撑装置耳片断裂检测方法 | |
| CN112200263B (zh) | 一种应用于配电物联网的自组织联邦聚类方法 | |
| CN110118928A (zh) | 一种基于误差逆传播算法的断路器故障诊断方法 | |
| CN206099897U (zh) | 一种带有故障识别功能的光伏电站 | |
| CN106227969A (zh) | 基于电力设备红外测温大数据和算法的红外故障诊断方法 | |
| CN106443380A (zh) | 一种配电电缆局部放电信号识别方法及装置 | |
| CN106274996B (zh) | 一种在牵引变电站识别所经过的电力机车类型的方法 | |
| CN107730153A (zh) | 一种基于改进关联矩阵的电网拓扑动态分析方法 | |
| CN105550450B (zh) | 一种电能质量干扰源特征谐波建模方法 | |
| CN106651105A (zh) | 地震灾害风险预估方法 | |
| Wu et al. | A novel line position recognition method in transmission line patrolling with UAV using machine learning algorithms | |
| CN106355187A (zh) | 视觉信息在电力设备监测中的应用 | |
| CN105469097A (zh) | 一种基于神经网络的变电站特征提取方法 | |
| CN107219494A (zh) | 一种电能表运行测试系统 | |
| CN105260814A (zh) | 一种基于大数据的输变电设备评估模型及处理方法 | |
| CN107402341A (zh) | 一种高压直流输电线路行波故障测距方法 | |
| CN106410794A (zh) | 一种电铁牵引负荷电能质量分布特性高斯模型分析方法 | |
| CN106207810A (zh) | 一种基于物联网的电力设备检修系统 |
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 |