CN106908661A - 一种特殊运行工况下电信号扰动识别方法及装置 - Google Patents
一种特殊运行工况下电信号扰动识别方法及装置 Download PDFInfo
- Publication number
- CN106908661A CN106908661A CN201710088895.2A CN201710088895A CN106908661A CN 106908661 A CN106908661 A CN 106908661A CN 201710088895 A CN201710088895 A CN 201710088895A CN 106908661 A CN106908661 A CN 106908661A
- Authority
- CN
- China
- Prior art keywords
- electric signal
- signal
- disturbance
- operating conditions
- output signal
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
Abstract
一种特殊运行工况下电信号扰动识别方法及装置,所述方法包括以下步骤:(1)通过采集设备对某特殊负荷现场的实际电信号进行采集,得到离散信号;(2)电信号扰动的特征提取;(3)电信号扰动的识别。所述装置包括采集设备、特征提取模块和扰动识别模块。本发明克服了原有基于小波变换、HHT变换等方法提取特征后需要再进行人工选择适合分类特征的局限性。本发明能够自动快速准确地获得信号原始波形的抽象特征,在一定程度上保留了原始信号的固有特征,且所得特征能最大可能的重构回原始信号波形。本发明方法通过建立一个电信号扰动特征数据库,对现场实际特殊运行工况下的电信号扰动进行分类识别,分类效果好,具有实际的工程实用价值。
Description
技术领域
本发明涉及电信号扰动分类识别技术领域,尤其涉及一种特殊运行工况下电信号扰动识别方法及装置。
背景技术
目前电能表给出的基本性能指标都是在稳态信号条件下获得的,在特殊运行工况下,线路的电信号可能存在各种不同的扰动成分,这些扰动成分会对电能表的实际计量性能产生不同影响,为分析电能表在特殊运行工况下的实际计量性能,需要对该工况下的电信号进行扰动确定,以得到不同扰动成分对电能表计量性能的具体影响,最后提高电能表在特殊运行工况下不同电信号扰动的计量准确度。
发明内容
本发明的目的是,针对电能表在特殊运行工况下,线路的电信号可能存在的各种不同扰动,影响电能表计量准确度的问题,提出一种特殊运行工况下电信号扰动识别方法。
第一个方面,本发明实施例提供了一种特殊运行工况下电信号扰动识别方法,包括:
通过采集设备对负荷现场的实际电信号进行采集;
对电信号扰动进行特征提取,得到特征输出信号的样本集合。
根据所述特征输出信号的样本集合,对电信号扰动的特征进行分类识别,区分扰动类型。
在采集到实际电信号之后、对电信号扰动进行特征提取之前,进一步包括:将采集到的实际电信号进行预处理,得到离散信号。
所述对电信号扰动进行特征提取,得到特征输出信号的样本集合,包括:
根据实际电信号、预先设置的编码权值变量和编码偏置量,对电信号扰动进行编码,得到特征输出信号;
根据解码权值变量和解码偏置量,对所述特征输出信号进行解码,重构原始信号;
重复迭代编码和解码过程,计算每次迭代时的误差值,当该值最小且保持不变时,得到用于最后识别的特征输出信号的样本集合。
所述根据实际电信号、预先设置的编码权值变量和编码偏置量,对电信号扰动进行编码,得到特征输出信号,具体为:根据下述变换公式得到特征输出信号,
其中,式中x(i)为输入信号,i为输入信号的维度;f(l)(x(i))为特征输出信号,l为特征输出信号的维度;为编码过程中权值变量,初始值为预设的任意值;b1为编码过程中偏置量,初始值为趋近于0的值,
对特征输出信号f(l)(x(i))进行解码,重构原始信号的变换公式为:
式中,a(3)(i)表示解码过程输出值,为解码过程中权值变量,初始值为预设的任意值,b2为解码过程中偏置量,初始值为趋近于0的值。
最小误差的数学计算公式为:
式中,m是信号长度;a(3)(i)表示解码过程输出值,x(i)为输入信号。
每次迭代时,编码和解码的权值变量和偏置量变量的更新公式为:
式中,w'为每次迭代更新后的权值量,b'为每次迭代更新后的偏置量,α为预设常数。
根据特征输出信号的样本集合,对电信号扰动进行分类识别,区分扰动类型,包括:
利用特征输出信号f(l)(x(i))的样本集合,采用SVM分类器对电信号扰动的特征进行分类识别,输出电信号对应的扰动类型。
第二个方面,本发明实施例提供了一种特殊运行工况下电信号扰动识别装置,包括采集设备、特征提取模块和扰动识别模块。
采集设备,用于采集负荷现场的实际电信号;
特征提取模块,用于对电信号扰动进行特征提取,得到特征输出信号的样本集合;
扰动识别模块,用于根据所述特征输出信号的样本集合,对电信号扰动的特征进行分类识别,区分扰动类型。
所述特征提取模块,具体包括:
编码单元,用于根据实际电信号、预先设置的编码权值变量和编码偏置量,对电信号扰动进行编码,得到特征输出信号;
解码单元,用于根据解码权值变量和解码偏置量,对所述特征输出信号进行解码,重构原始信号;
计算单元,用于在根据编码单元和解码单元重复迭代编码和解码过程时,计算每次迭代时的误差值;
确定单元,用于在所述误差值最小且保持不变时,确定用于最后识别的特征输出信号的样本集合。
本发明的有益效果在于,本发明克服了原有基于小波变换、HHT变换等方法提取特征后需要再进行人工选择适合分类特征的局限性,本发明能够自动快速准确地获得信号原始波形的抽象特征,在一定程度上保留了原始信号的固有特征,且所得特征能最大可能的重构回原始信号波形。本发明方法通过建立一个电信号扰动特征数据库,对现场实际特殊运行工况下的电信号扰动进行分类识别,分类效果好,具有实际的工程实用价值。
附图说明
图1为本发明实施例的一种特殊运行工况下电信号扰动识别流程示意图;
图2为本发明实施例的一种特殊运行工况下电信号扰动识别装置框图。
具体实施方式
下面结合附图对本发明的实施例作详细说明。
本实例通过采集设备对多个不同现场的实际电信号进行采集分析为例。
本发明实施例的电信号扰动识别的流程示意图如图1所示,电信号扰动识别流程包括如下步骤:
步骤1、特殊运行工况电信号扰动;
本发明实施例可以实时检测特殊运行工况电信号是否发生扰动,在发生电信号扰动时执行下述步骤。
步骤2、信号采集离散化x;
本发明实施例在特殊运行工况电信号扰动时,获取测量现场的实际电信号,并对实际电信号进行离散化,得到离散信号;
本实例通过采集设备对某特殊运行工况下的电信号进行6000次采集,其中采样频率设置为3.2KHz,每次采集10个周波,每周波采集64个点,总计640个采样点,所采样的电信号扰动类型可能有电压暂升、电压暂降、电压中断、振荡暂态、谐波、电压波动六种扰动类型;
步骤3、特征输出信号f(x);
本发明实施例可以对电信号扰动的特征进行提取,将离散信号的波形抽象特征提取出来。
利用步骤2中所得到维度为640的6000个离散信号,提取实际运行工况下电信号波形的抽象特征,过程是,
初始化编码过程的权值变量和偏置量b1为0,对维度为640的6000个电信号扰动进行编码,其中i=1,…,640,变换公式为:
其中,式中x(i)为维度为640的6000个电信号扰动,f(l)(x(i))为编码后的特征输出信号,l值设为100,sigmoid函数表达式为:
步骤4、重构信号a(3);
本发明实施例可以对得到的特征输出信号f(l)(x(i))进行数学变换,重构原始信号,此步骤叫做解码过程,变换公式为:
权值变量和偏置量b2初始化为0,a(3)(i)表示解码过程输出值;通过计算最小误差,得到最佳特征样本集合,所述最小误差的数学计算公式为:
m值取为640;通过100次迭代编码和解码过程,并计算每一次迭代时的最小误差值。
步骤5、判断误差是否最小;
当该值最小并保持不变时,可得到最佳特征样本集合f(l)(x(i)),所得最小值趋近于0.0015;每次迭代时,编码和解码过程的权值变量和偏置量变量的更新公式为:
式中,w'为迭代一次更新后的权值,b'为迭代一次更新后的偏置量,α值为0.5;
步骤6、输入SVM分类器;
将维度为100的特征输出信号f(l)(x(i))作为分类器的输入;
步骤7、电信号扰动类型的识别
利用步骤3中所得的特征输出信号f(l)(x(i)),采用SVM分类器对电信号扰动的特征进行分类识别,分类器的分类面公式为:
其中,yi∈{-1,1},∑aiyi=0,0≤ai≤c,xi为6000个100维的特征输出信号,其中设c=64,g=50,b=0.01;6000次采样得到的电信号扰动经过以上方法处理后,可被正确地分类识别。
基于同一发明构思,本发明实施例还提供了一种特殊运行工况下电信号扰动识别装置,由于这些设备解决问题的原理与一种特殊运行工况下电信号扰动识别方法相似,因此这些设备的实施可以参见方法的实施,重复之处不再赘述。
图2示出了本发明实施例中特殊运行工况下电信号扰动识别装置框图,如图所示,所述装置可以包括:采集设备、特征提取模块和扰动识别模块,
采集设备,用于采集负荷现场的实际电信号;
特征提取模块,用于对电信号扰动进行特征提取,得到特征输出信号的样本集合;
扰动识别模块,用于根据所述特征输出信号的样本集合,对电信号扰动的特征进行分类识别,区分扰动类型。
具体实施时,所述特征提取模块,具体可以包括:
编码单元,用于根据实际电信号、预先设置的编码权值变量和编码偏置量,对电信号扰动进行编码,得到特征输出信号;
解码单元,用于根据解码权值变量和解码偏置量,对所述特征输出信号进行解码,重构原始信号;
计算单元,用于在根据编码单元和解码单元重复迭代编码和解码过程时,计算每次迭代时的误差值;
确定单元,用于在所述误差值最小且保持不变时,确定用于最后识别的特征输出信号的样本集合。
本发明克服了原有基于小波变换、HHT变换等方法提取特征后需要再进行人工选择适合分类特征的局限性,本发明能够自动快速准确地获得信号原始波形的抽象特征,在一定程度上保留了原始信号的固有特征,且所得特征能最大可能的重构回原始信号波形。本发明可以通过建立一个电信号扰动特征数据库,对现场实际特殊运行工况下的电信号扰动进行分类识别,分类效果好,具有实际的工程实用价值。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
Claims (10)
1.一种特殊运行工况下电信号扰动识别方法,其特征在于,所述方法包括:
通过采集设备对负荷现场的实际电信号进行采集;
对电信号扰动进行特征提取,得到特征输出信号的样本集合;
根据所述特征输出信号的样本集合,对电信号扰动的特征进行分类识别,区分扰动类型。
2.如权利要求1所述的一种特殊运行工况下电信号扰动识别方法,其特征在于,在采集到实际电信号之后、对电信号扰动进行特征提取之前,进一步包括:将采集到的实际电信号进行预处理,得到离散信号。
3.如权利要求1所述的一种特殊运行工况下电信号扰动识别方法,其特征在于,所述对电信号扰动进行特征提取,得到特征输出信号的样本集合,包括:
根据实际电信号、预先设置的编码权值变量和编码偏置量,对电信号扰动进行编码,得到特征输出信号;
根据解码权值变量和解码偏置量,对所述特征输出信号进行解码,重构原始信号;
重复迭代编码和解码过程,计算每次迭代时的误差值,当该值最小且保持不变时,得到用于最后识别的特征输出信号的样本集合。
4.如权利要求3所述的一种特殊运行工况下电信号扰动识别方法,其特征在于,所述根据实际电信号、预先设置的编码权值变量和编码偏置量,对电信号扰动进行编码,得到特征输出信号,具体为:根据下述变换公式得到特征输出信号,
其中,式中x(i)为输入信号,i为输入信号的维度;f(l)(x(i))为特征输出信号,l为特征输出信号的维度;为编码过程中权值变量,初始值为预设的任意值;b1为编码过程中偏置量,初始值为趋近于0的值,
5.如权利要求4所述的一种特殊运行工况下电信号扰动识别方法,其特征在于,对特征输出信号f(l)(x(i))进行解码,重构原始信号的变换公式为:
式中,a(3)(i)表示解码过程输出值,为解码过程中权值变量,初始值为预设的任意值,b2为解码过程中偏置量,初始值为趋近于0的值。
6.根据权利要求5所述的一种特殊运行工况下电信号扰动识别方法,其特征在于,每次迭代时,编码和解码的权值变量和偏置量变量的更新公式为:
式中,w'为每次迭代更新后的权值量,b'为每次迭代更新后的偏置量,α为预设常数。
7.根据权利要求3所述的一种特殊运行工况下电信号扰动识别方法,其特征在于,最小误差值式中,m是信号长度;a(3)(i)表示解码过程输出值,x(i)为输入信号。
8.根据权利要求1所述的一种特殊运行工况下电信号扰动识别方法,其特征在于,所述根据特征输出信号的样本集合,对电信号扰动进行分类识别,区分扰动类型,包括:
利用特征输出信号f(l)(x(i))的样本集合,采用SVM分类器对电信号扰动的特征进行分类识别,输出电信号对应的扰动类型。
9.一种特殊运行工况下电信号扰动识别装置,其特征在于,所述装置包括:
采集设备,用于采集负荷现场的实际电信号;
特征提取模块,用于对电信号扰动进行特征提取,得到特征输出信号的样本集合;
扰动识别模块,用于根据所述特征输出信号的样本集合,对电信号扰动的特征进行分类识别,区分扰动类型。
10.根据权利要求9所述的一种特殊运行工况下电信号扰动识别装置,其特征在于,所述特征提取模块,具体包括:
编码单元,用于根据实际电信号、预先设置的编码权值变量和编码偏置量,对电信号扰动进行编码,得到特征输出信号;
解码单元,用于根据解码权值变量和解码偏置量,对所述特征输出信号进行解码,重构原始信号;
计算单元,用于在根据编码单元和解码单元重复迭代编码和解码过程时,计算每次迭代时的误差值;
确定单元,用于在所述误差值最小且保持不变时,确定用于最后识别的特征输出信号的样本集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710088895.2A CN106908661A (zh) | 2017-02-20 | 2017-02-20 | 一种特殊运行工况下电信号扰动识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710088895.2A CN106908661A (zh) | 2017-02-20 | 2017-02-20 | 一种特殊运行工况下电信号扰动识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106908661A true CN106908661A (zh) | 2017-06-30 |
Family
ID=59208363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710088895.2A Pending CN106908661A (zh) | 2017-02-20 | 2017-02-20 | 一种特殊运行工况下电信号扰动识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106908661A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063626A (zh) * | 2010-12-29 | 2011-05-18 | 吉林大学 | 一种电能质量扰动模式判别方法 |
CN102982347A (zh) * | 2012-12-12 | 2013-03-20 | 江西省电力科学研究院 | 一种基于kl距离的电能质量扰动分类方法 |
CN103323702A (zh) * | 2013-05-28 | 2013-09-25 | 西南交通大学 | 复合电能质量扰动信号识别方法 |
CN105447464A (zh) * | 2015-11-23 | 2016-03-30 | 广东工业大学 | 一种基于pso的电能质量扰动识别与分类方法 |
CN105572501A (zh) * | 2015-12-17 | 2016-05-11 | 西安理工大学 | 一种基于sst变换和ls-svm的电能质量扰动识别方法 |
-
2017
- 2017-02-20 CN CN201710088895.2A patent/CN106908661A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063626A (zh) * | 2010-12-29 | 2011-05-18 | 吉林大学 | 一种电能质量扰动模式判别方法 |
CN102982347A (zh) * | 2012-12-12 | 2013-03-20 | 江西省电力科学研究院 | 一种基于kl距离的电能质量扰动分类方法 |
CN103323702A (zh) * | 2013-05-28 | 2013-09-25 | 西南交通大学 | 复合电能质量扰动信号识别方法 |
CN105447464A (zh) * | 2015-11-23 | 2016-03-30 | 广东工业大学 | 一种基于pso的电能质量扰动识别与分类方法 |
CN105572501A (zh) * | 2015-12-17 | 2016-05-11 | 西安理工大学 | 一种基于sst变换和ls-svm的电能质量扰动识别方法 |
Non-Patent Citations (4)
Title |
---|
JIAN MA 等: ""Classification of Power Quality Disturbances via Deep Learning"", 《IETE TECHNICAL REVIEW》 * |
张红 等: ""基于SVM的电能质量扰动分类"", 《电测与仪表》 * |
秦浩然 等: ""基于堆叠降噪自编码的恒星/星系分类研究"", 《天文学报》 * |
贾文其 等: ""基于栈式降噪自编码神经网络的车牌字符识别"", 《计算机工程与设计》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103116148B (zh) | 一种核磁共振二维谱反演的方法 | |
CN110108992B (zh) | 基于改进随机森林算法的电缆局放故障识别方法、系统 | |
CN102279358A (zh) | 一种基于mcskpca的神经网络模拟电路故障诊断方法 | |
CN114626193B (zh) | 一种基于改进变分模态分解的泄流结构振动信号降噪方法 | |
Xiao-Feng et al. | Fine-grained permutation entropy as a measure of natural complexity for time series | |
CN110532932A (zh) | 一种多分量雷达信号脉内调制方式识别方法 | |
CN105268171B (zh) | 步态监测方法、装置及可穿戴设备 | |
CN109753762A (zh) | 基于类别修正的配电网两阶段网络拓扑识别方法及装置 | |
CN105046882A (zh) | 摔倒检测方法以及装置 | |
CN114498619A (zh) | 一种风电功率预测方法及装置 | |
CN104778341B (zh) | 磁共振线圈合并系数计算方法、磁共振成像方法及其装置 | |
CN112750051A (zh) | 基于随机森林算法的台区相序识别方法、装置及终端设备 | |
CN113533952A (zh) | 一种基于ceemd和相空间重构的有载调压变压器分接开关机械故障诊断方法 | |
CN107590604B (zh) | 一种结合s变换和2dpca的同调机组分群方法及系统 | |
CN104156768A (zh) | 一种模糊c均值聚类小数据量识别混沌的方法 | |
CN117434429B (zh) | 芯片的稳定性测试方法及相关装置 | |
CN114046903A (zh) | 一种高压电缆缆芯的实时温度预测方法及系统 | |
CN114118149A (zh) | 基于有限元仿真和对称特征迁移的感应电机故障诊断系统 | |
CN112595918A (zh) | 一种低压集抄故障的检测方法及装置 | |
CN106056592B (zh) | 一种基于稀疏表示的视觉显著性检测方法 | |
CN106908661A (zh) | 一种特殊运行工况下电信号扰动识别方法及装置 | |
CN117290679A (zh) | 电流互感器的运行状态检测方法、装置及电子设备 | |
CN115564324A (zh) | 一种基于事件检测的电力指纹识别方法、装置及设备 | |
CN103995799A (zh) | 基于fft谱校正的频率相位脑机接口解码方法及其装置 | |
CN113158134B (zh) | 非侵入式负荷辨识模型的构建方法、装置和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170630 |
|
WD01 | Invention patent application deemed withdrawn after publication |