CN114264865B - 一种电流采集装置在线自校准方法 - Google Patents

一种电流采集装置在线自校准方法 Download PDF

Info

Publication number
CN114264865B
CN114264865B CN202210203931.6A CN202210203931A CN114264865B CN 114264865 B CN114264865 B CN 114264865B CN 202210203931 A CN202210203931 A CN 202210203931A CN 114264865 B CN114264865 B CN 114264865B
Authority
CN
China
Prior art keywords
amplitude
channel
phase
precision source
frequency
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
Application number
CN202210203931.6A
Other languages
English (en)
Other versions
CN114264865A (zh
Inventor
张荣霞
陈勉舟
朱江
郑强
方攀
曹炳芮
胡常洲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Gelanruo Intelligent Technology Co.,Ltd.
Original Assignee
Wuhan Glory Road Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Glory Road Intelligent Technology Co ltd filed Critical Wuhan Glory Road Intelligent Technology Co ltd
Priority to CN202210203931.6A priority Critical patent/CN114264865B/zh
Publication of CN114264865A publication Critical patent/CN114264865A/zh
Application granted granted Critical
Publication of CN114264865B publication Critical patent/CN114264865B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measurement Of Current Or Voltage (AREA)

Abstract

本发明提供一种电流采集装置在线自校准方法，包括：在电流采集装置中加入高精度源，同步采集高精度源输出信号和负载信号，提取高精度源的特征数据；基于高精度源的特征数据，剔除异常通道；基于正常通道采集的特征数据，构建高精度源误差模型，对高精度源进行状态判断及在线校准；在高精度源稳定时，构建各通道的幅值与频率模型和相位与频率模型，计算高精度源在负载频率下的幅值参量和相位参量，结合出厂检定结果对比，对电流采集装置各通道进行在线校准。本发明方法的提出可有效保证电流采集装置长期在线运行过程中的稳定性，减小了装置偏移引入的误差，提高了负载信号采集的准确性；同时有效解决了人员到现场检测的繁琐性，降低了检测成本。

Description

一种电流采集装置在线自校准方法
技术领域
本发明涉及电力计量在线自校准领域，更具体地，涉及一种电流采集装置在线自校准方法。
背景技术
现有的电流信号采集装置可对设备的电流信号进行采集，从而实现对设备的自动化监测与控制。但考虑到电流采集装置在运行过程中会受到现场环境、电应力等因素的影响，而出现性能退化、误差超差等现象，从而影响信号采集的准确性。如何实现电流采集装置采集过程中的在线自校准，以尽量消除或降低计量装置本身引入的误差，提高信号采集的准确度是本研究的重点。
目前，对电流采集装置的校准方式主要有两种：
第一种：为保证电流采集装置运行过程中的稳定性，目前主要采用离线校验的方式对装置进行校准，通过将装置从安装现场进行人工拆卸后带回实验室进行校准，或者采用便携式的校准装置在现场对装置进行校准。
第二种：通过在采集装置中加入基准源，以基准源的基准值确定校准表达式，并根据校准表达式确定目标信号的参数值，从而实现采集装置无需拆卸条件下的在线校验。
采用上述第一种方案的缺陷为：离线校验过程中需要人员到现场对采集装置进行拆卸，影响了装置监测的连续性，同时存在现场接线复杂，人力、物力资源消耗大等问题。
采用上述第二种方案的缺陷为：装置的校准标准是以基准源为依据确定的，但随着运行时间的推移，基准源本身可能会发生状态漂移，而本方案中基准源状态未知。
发明内容
本发明针对现有技术中存在的技术问题，提供一种电流采集装置在线自校准方法，包括：在电流采集装置中加入高精度源，同步采集高精度源输出信号和负载信号，提取高精度源的特征数据；基于高精度源的特征数据及各通道间的相关性，构建特征参量，以及基于所述特征参量的离群特性，剔除电流采集装置中的异常通道；基于正常通道采集的特征数据，构建高精度源误差模型，并基于高精度源误差模型，对高精度源进行状态判断及在线校准；在高精度源稳定的情况下，构建各通道的幅值与频率模型和相位与频率模型，以及基于构建的各通道的幅值与频率模型和相位与频率模型，计算高精度源在负载频率下的幅值参量和相位参量；基于高精度源在负载频率下的幅值参量和相位参量与出厂检定结果对比，对电流采集装置各通道进行在线校准。
本发明提供的一种电流采集装置在线自校准方法，通过在电流采集装置中加入高精度源从而实现了电流采集装置在运过程中的实时自校准，并通过对电流采集装置中多通道数据进行大数据分析，实现对高精度运行状态的判断及校准；在负载信号连续监测的条件下，实现电流采集装置的在线自校准。
附图说明
图1为本发明提供的一种电流采集装置在线自校准方法流程图；
图2为电流采集装置结构示意图；
图3为电流采集装置各通道的校准方法流程示意图；
图4为BP神经网络结构示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
实施例一
一种电流采集装置在线自校准方法，参见图1，该电流采集装置在线自校准方法包括：在电流采集装置中加入高精度源，同步采集高精度源输出信号和负载信号，提取高精度源的特征数据。基于高精度源的特征数据及各通道间的相关性，构建特征参量，以及基于所述特征参量的离群特性，剔除电流采集装置中的异常通道；基于正常通道采集的特征数据，构建高精度源误差模型，并基于高精度源误差模型，对高精度源进行状态判断及在线校准；在高精度源稳定的情况下，构建各通道的幅值与频率模型和相位与频率模型，以及基于构建的各通道的幅值与频率模型和相位与频率模型，计算高精度源在负载频率下的幅值参量和相位参量；基于高精度源在负载频率下的幅值参量和相位参量与出厂检定结果对比，对电流采集装置各通道进行在线校准。
本发明提出了一种电流采集装置在线自校准方法，通过在电流采集装置中加入高精度源从而实现了电流采集装置在运过程中的实时自校准，并通过对装置中多通道数据进行大数据分析，实现对高精度运行状态的判断及校准。
实施例二
一种电流采集装置在线自校准方法，包括：
S1，在电流采集装置中加入高精度源，同步采集高精度源输出信号和负载信号，提取高精度源的特征数据。
可以理解的是，参见图2，为电流采集装置的结构示意图，本发明实施例在电流采集装置中加入高精度源。电流采集装置包括电流电压变换模块、电压信号转换模块。其中电压信号转换模块主要由高精度源、信号调理单元、A/D转换单元、合并控制核心单元组成。本发明主要是针对电压信号转换模块进行在线自校准，以提高电流采集装置运行过程的准确度。同时考虑到高精度源信号同时叠加时，各通道间负载信号会对高精度源信号产生干扰，这里在各通道上设计了单掷开关实现高精度源信号的引入。
其中，电流采集装置中电压信号转换模块的各个单元的功能如下：
（1）高精度源的特征在于频率可调，同时稳定性高。
1）高精度源频率设置。
为了实现在线运行过程中高精度源信号与负载信号的准确分离、提取，高精度源设置的输出信号频率应与负载信号频率H0相差异。同时考虑到不同频率条件下，电容阻抗对信号的幅值、相位影响不同，为实现对H0频率下负载信号的校准，高精度源选取了邻近的多个频率H 1 、H 2 、H 3 …H N （其中H 1 ＜H 2 ＜H 3 ＜…＜H 0 ＜…＜H N-1 ＜H N ）进行信号输出。
2）高精度源幅值设置。
考虑到大信号叠加会影响模数转换单元AD的采样量程，将可能影响负载信号的采样精度，因而高精度源信号设置为微信号，通过微信号的变化，结合AD采集的模型函数，实现负载信号的校准。
3）高精度源相位设置。
为跟踪各通道的相位数据，实现各通道相位的校准，从合并控制核心单元引出同步信号，同步发送给高精度源、A/D转换单元。
4)出厂检定。
在出厂前对电流采集装置的信号调理单元、A/D转换单元进行校准，用校准后的信 号调理单元、A/D转换单元对高精度源H 0 频率下的参数进行检定，获取各通道H 0 频率下的信 号源幅值
Figure 638618DEST_PATH_IMAGE001
，并通过对比高精度源与A/D转换单元间的时延，获取各通道H 0 频率下信号源 相位：
Figure 217367DEST_PATH_IMAGE002
。
（2）信号调理单元通过阻抗匹配、增益调节、差分放大及滤波等模拟电路实现信号调理。
（3）A/D转换单元基于负载电压信号、高精度信号源电压校准信号的不同频率，将两种信号的合成波形通过傅里叶变换分离出来，并完成电压特征信息的精确提取。这里要特别提到的是，当选取的高精度信号源的校准信号频率与负载电压信号频率相近时，要通过高频次的采样频率来保证频率的分辨率，从而实现两种邻近不同频率的信号的分离。
（4）合并控制核心单元实现多个通道特征信息、时间信息的数据解码、重组及输出，传输到计算装置。
通过在电流采集装置中加装一个高精度源，对高精度源输出信号及装置监测的负载信号进行同步采集，并通过AD转换单元完成信号的分离、特征提取，从而得到高精度源的特征信号：基波、幅值、相位等。
需要说明的是，电流采集装置与电压采集装置的不同点在于多了一个电流电压变换模块，因此本发明提供的方法也可用于电压采集装置的在线自校准。
S2，基于高精度源的特征数据及各通道间的相关性，构建特征参量，以及基于所述特征参量的离群特性，剔除电流采集装置中的异常通道。
可以理解是，构建特征参量的方式为，t时刻，第i个通道采集的高精度源的幅值、相位可表示为：
Figure 323863DEST_PATH_IMAGE003
(3-1) ；
其中，
Figure 925746DEST_PATH_IMAGE004
为高精度源出厂检定幅值，
Figure 510311DEST_PATH_IMAGE005
为高精度源在运行过程中t时刻产生的幅 值相对误差，
Figure 146829DEST_PATH_IMAGE006
为第i个通道在运行过程中t时刻产生的幅值相对误差，
Figure 158647DEST_PATH_IMAGE007
为高精度源出 厂检定相位，
Figure 982246DEST_PATH_IMAGE008
为高精度源在运行过程中t时刻产生的相位误差，
Figure 370502DEST_PATH_IMAGE009
为第i个通道在运行 过程中t时刻产生的相位误差.
在同一高精度源的前提下，各通道的t时刻的采集的电压幅值、相位分别具有如下关系：
Figure 595947DEST_PATH_IMAGE010
（3-2）；
基于上述分析，对t时刻电流采集装置的n个通道可构建特征参量：
Figure 778667DEST_PATH_IMAGE011
Figure 355142DEST_PATH_IMAGE012
(3-3);
其中，
Figure 555878DEST_PATH_IMAGE013
表示第n个通道、t时刻采集的高精度源幅值数据；
Figure 901409DEST_PATH_IMAGE014
表示第n个通道、t 时刻采集的高精度源相位数据。
正常情况下，
Figure 786188DEST_PATH_IMAGE015
中所有的特征参量均与高精度源的幅值、相位波动无关。若 某一时刻k时刻第i个通道的幅值出现异常时，
Figure 584380DEST_PATH_IMAGE016
和
Figure 580018DEST_PATH_IMAGE017
将偏离正常值，且两 者的偏离方向相反。类似的，若相位出现异常时，
Figure 514476DEST_PATH_IMAGE018
和
Figure 304577DEST_PATH_IMAGE019
将偏离正常 值，且两者的偏离方向相反。
对于各通道采集的高精度源的特征数据（包括幅值数据和相位数据），完成对异常通道的剔除，电流采集装置运行过程中，采用局部异常因子LOF算法对异常通道进行判断与剔除。
对某一k时刻的通道异常判断步骤包括：
(1)选取
Figure 590065DEST_PATH_IMAGE020
时间段内各通道的幅值参量
Figure 858235DEST_PATH_IMAGE021
、相位参量
Figure 178358DEST_PATH_IMAGE022
构成二维平面坐 标点
Figure 404940DEST_PATH_IMAGE023
（其中j∈[k-m,k]），记为X。
(2)采用局部异常因子LOF算法计算出k时刻各样本点的局部离群因子
Figure 912145DEST_PATH_IMAGE024
，通 过判断
Figure 984006DEST_PATH_IMAGE024
是否接近于1来判定该点是否是离群因子。若
Figure 427144DEST_PATH_IMAGE024
远大于1，则认为是离群 因子，若
Figure 27890DEST_PATH_IMAGE024
接近于1，则是正常点，从而完成异常通道的判断与剔除。
其中，K时刻样本点包括：
Figure 287970DEST_PATH_IMAGE025
。
S3，基于正常通道采集的特征数据，构建高精度源误差模型，并基于高精度源误差模型，对高精度源进行状态判断及在线校准。
可以理解的是，在剔除异常通道后，对通道采集的幅值、相位数据进行分析。考虑 到随着装置运行，高精度源会产生一种具有一定规律的慢变误差；各通道会产生随机误差
Figure 163522DEST_PATH_IMAGE026
，为了提高高精度源校准的准确性，通过从采集的总误差中剥离出通道误差，从而实现 高精度源的状态判断及校准。
采用一个L阶代数多项式构建高精度源误差模型G(t)：
Figure 927079DEST_PATH_IMAGE027
(4-1)；
其中
Figure 964305DEST_PATH_IMAGE028
，
Figure 711681DEST_PATH_IMAGE029
为
Figure 125345DEST_PATH_IMAGE030
的各阶系数，设定L为10以内的某个常数，通过计算验证 确定。
采用
Figure 8987DEST_PATH_IMAGE031
阶的AR模型构建通道的误差模型
Figure 482694DEST_PATH_IMAGE032
：
Figure 451787DEST_PATH_IMAGE033
(4-2)；
式（4-2）中，
Figure 403562DEST_PATH_IMAGE034
为白噪声；
Figure 141711DEST_PATH_IMAGE035
为算子多项式，
Figure 520740DEST_PATH_IMAGE036
，
Figure 711550DEST_PATH_IMAGE037
，设定
Figure 467016DEST_PATH_IMAGE031
为10以内的某个常数。
电流采集装置n个通道t时刻采集的误差参量均值x(t)可表示为：
Figure 325251DEST_PATH_IMAGE038
(4-3)。
式（4-3）的离散序列可表示为：
Figure 137830DEST_PATH_IMAGE039
(4-4)；
其中，k为离散时间点，
Figure 815936DEST_PATH_IMAGE040
，其中n为装置的通道个数，
Figure 109514DEST_PATH_IMAGE041
为第i个通道出厂检定幅值或相位，
Figure 822256DEST_PATH_IMAGE042
为k时刻第i个通道采集的幅值或相位数据。
令
Figure 808666DEST_PATH_IMAGE043
，
Figure 239647DEST_PATH_IMAGE044
，则（4-4）式变形为：
Figure 336916DEST_PATH_IMAGE045
(4-5)。
当k取N+
Figure 638585DEST_PATH_IMAGE031
个样本点时，对式（4-5）进行进一步处理，可得：
Figure 795897DEST_PATH_IMAGE046
(4-6)；
其中，
Figure 714174DEST_PATH_IMAGE047
，
Figure 349555DEST_PATH_IMAGE048
，
Figure 771309DEST_PATH_IMAGE049
，
Figure 99522DEST_PATH_IMAGE050
，
由于
Figure 505096DEST_PATH_IMAGE051
为零均值白噪声，因此A的最优估计为：
Figure 475326DEST_PATH_IMAGE052
(4-7)；
基于式（4-3）、（4-7），可进一步推导出
Figure 282745DEST_PATH_IMAGE053
模型参数的估计：
Figure 315947DEST_PATH_IMAGE054
(4-8)；
其中，
Figure 943238DEST_PATH_IMAGE055
,
Figure 186000DEST_PATH_IMAGE056
是
Figure 113505DEST_PATH_IMAGE031
维随机变量
Figure 783521DEST_PATH_IMAGE057
的方差阵，
Figure 163686DEST_PATH_IMAGE058
是
Figure 210140DEST_PATH_IMAGE031
维随机变量
Figure 726572DEST_PATH_IMAGE057
的协方差组成的列向量。
定义电流采集装置的损失函数为：
Figure 833068DEST_PATH_IMAGE059
；
其中
Figure 700530DEST_PATH_IMAGE060
为k时刻所有通道输出的幅值或相位差的均值。
基于公式（4-7）、（4-8），求取多项式G(t)中A的最优估计，步骤如下：
① 令
Figure 285095DEST_PATH_IMAGE061
，得到A的初始估计
Figure 921613DEST_PATH_IMAGE062
，进而得到
Figure 207799DEST_PATH_IMAGE063
的初始估计
Figure 31399DEST_PATH_IMAGE064
；
② 基于
Figure 950813DEST_PATH_IMAGE064
，得到
Figure 441837DEST_PATH_IMAGE065
，进而计算得到
Figure 890136DEST_PATH_IMAGE066
和
Figure 732190DEST_PATH_IMAGE067
；
③ 依此循环，当损失值的相对变化率
Figure 392979DEST_PATH_IMAGE068
时，停止迭代。
Figure 738510DEST_PATH_IMAGE069
，其中，J为迭代次数，d为设定的数据容差。
④ 确定高精度源误差模型G(t)。
构建了高精度源误差模型G(t)后，判断高精度源的状态以及在线校准，具体为：对 于电流采集装置运行过程中
Figure 623289DEST_PATH_IMAGE070
时刻的高精度源误差，通过选取时间段
Figure 421481DEST_PATH_IMAGE071
内各通 道采集的幅值、相位数据，对各个通道误差数据进行平均后，采用上述的多项式逼近算法拟 合高精度源的幅值误差函数
Figure 885960DEST_PATH_IMAGE072
、相位误差函数
Figure 85997DEST_PATH_IMAGE073
，基于误差函数计算得到
Figure 879028DEST_PATH_IMAGE074
时刻的高 精度源误差：
Figure 898937DEST_PATH_IMAGE075
判断高精度源
Figure 167107DEST_PATH_IMAGE076
时刻是否发生偏移：若
Figure 221651DEST_PATH_IMAGE077
且
Figure 917075DEST_PATH_IMAGE078
则判断高精度 源稳定；若
Figure 689858DEST_PATH_IMAGE079
或
Figure 761720DEST_PATH_IMAGE080
则判断高精度源状态发生了偏移，其中
Figure 670770DEST_PATH_IMAGE081
为设定 的阈值参量。
在判断高精度源状态发生了偏移后，将
Figure 802674DEST_PATH_IMAGE082
、
Figure 797175DEST_PATH_IMAGE083
作为矫正参量返回对高精度源 幅值、相位进行校准。
S4，在高精度源稳定的情况下，构建各通道的幅值与频率模型和相位与频率模型，以及基于构建的各通道的幅值与频率模型和相位与频率模型，计算高精度源在负载频率下的幅值参量和相位参量。
可以理解的是，在确定高精度源稳定的情况下，基于不同频率下的幅值、相位数据，构建各通道的BP神经网络模型，通过计算负载频率下的各通道的幅值、相位，并与各通道出厂检定结果对比，完成装置t时刻各通道的自校准，各通道的自校准流程图可参见图3。
其中，基于BP神经网络模型构建各通道的幅值与频率模型和相位与频率模型，其中，BP神经网络的结构如图4，BP神经网络模型的设计如下：
（1）输入层、输出层。
对于第i通道，以高精度源t时刻输出的不同频率
Figure 672727DEST_PATH_IMAGE084
为输入量
Figure 701863DEST_PATH_IMAGE085
，其中
Figure 473510DEST_PATH_IMAGE086
，以不同频率下的幅值或相位为输出量
Figure 220886DEST_PATH_IMAGE087
，所以输入层为1个神经元，输出层 为1个神经元。
（2）隐藏层设计。
为平衡模型训练的复杂度及模型精度，本文选用单隐藏层。对于隐藏的神经元数量D，本发明中采用了经验公式进行验证确定：
Figure 634550DEST_PATH_IMAGE088
；
其中n表示输入层的神经元数量，o表示输出层的神经元数量，
Figure 252613DEST_PATH_IMAGE089
为不大于10的自 然数，通过计算验证确定D。
（3）激励函数。
选用tansig函数作为隐藏层的激励函数。
（4）构建BP神经网络模型。
通过模型训练，完成第i个通道t时刻的模型构建：
幅值与频率模型：
Figure 726319DEST_PATH_IMAGE090
；
相位与频率模型：
Figure 692483DEST_PATH_IMAGE091
，其中
Figure 909837DEST_PATH_IMAGE092
；
其中
Figure 647986DEST_PATH_IMAGE093
代表高精度源输出的频率，t为高精度源的运行时刻，i为通道数。
基于构建的不同通道在时刻t的幅值与频率模型和相位与频率模型计算出H 0 频率 下的幅值数据和相位数据。具体的，将负载频率H 0 带入幅值与频率模型
Figure 292594DEST_PATH_IMAGE094
和相位与频率模 型
Figure 748983DEST_PATH_IMAGE095
模型中，计算得到第i通道t时刻在H 0 频率下的高精度源的幅值
Figure 504450DEST_PATH_IMAGE096
及相位
Figure 628264DEST_PATH_IMAGE097
。
S5，基于高精度源在负载频率下的幅值参量和相位参量与出厂检定结果对比，对电流采集装置各通道进行在线校准。
可以理解的是，以高精度源出厂时各通道H 0 频率下的检定数据为基准，计算当前t 时刻第i通道的幅值差值和相位差值。其中：各通道的幅值差值：
Figure 443773DEST_PATH_IMAGE098
，各通道 的相位差值：
Figure 121879DEST_PATH_IMAGE099
，式中，i表示电流采集装置中不同的通道，
Figure 681036DEST_PATH_IMAGE100
、
Figure 393777DEST_PATH_IMAGE101
为高精度源出厂检定时第i个通道获取的H 0 频率下的幅值及相位参量；
Figure 645767DEST_PATH_IMAGE102
、
Figure 76748DEST_PATH_IMAGE103
为高 精度源运行过程中在t时刻第i个通道采集计算得到的H 0 频率下的幅值及相位参量。
基于计算得到的幅值差和相位差参量，计算t时刻第i通道的幅值矫正系数和相位 矫正系数，其中，幅值矫正系数：
Figure 174017DEST_PATH_IMAGE104
，相位矫正系数：
Figure 741265DEST_PATH_IMAGE105
。将幅值矫正系数
Figure 632998DEST_PATH_IMAGE106
和相位矫正参量
Figure 288626DEST_PATH_IMAGE107
带入A/D转换单元对第i通道幅值、相位进行校准，采用上述方法，完成各 通道的校准。
本发明实施例提供的一种电流采集装置在线自校准方法，基于各通道间的相关性，构建了特征参量，采用局部异常因子LOF算法完成特征参量的异常判断，实现了异常通道的剔除；在电流采集装置中加入高精度源，采用多项式逼近算法，对电流采集装置中通道产生的平稳随机误差进行了剥离，从而提高了高精度源运行状态的判断及校准的准确度；构建了各通道的BP神经网络模型，得到了高精度源负载频率下的幅值、相位参量；通过与出厂检定参量比对，实现电流采集装置在线自校准，该方法的提出可有效保证电流采集装置长期在线运行过程中的稳定性，降低了装置偏移引入的误差风险，进一步保证了各评估系统的准确性。同时该方法的提出，有效解决了人员到现场检测的繁琐性，降低了检测成本。
需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
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发明实施例的方法、设备（系统）、和计算机程序产品的流程图和/或方框图来描述。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、嵌入式计算机或者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。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (7)

1.一种电流采集装置在线自校准方法，其特征在于，包括：
在电流采集装置中加入高精度源，同步采集高精度源输出信号和负载信号，提取高精度源的特征数据；
基于高精度源的特征数据及各通道间的相关性，构建特征参量，以及基于所述特征参量的离群特性，剔除电流采集装置中的异常通道；
基于正常通道采集的特征数据，构建高精度源误差模型，并基于高精度源误差模型，对高精度源进行状态判断及在线校准；
在高精度源稳定的情况下，构建各通道的幅值与频率模型和相位与频率模型，以及基于构建的各通道的幅值与频率模型和相位与频率模型，计算高精度源在负载频率下的幅值参量和相位参量；
基于高精度源在负载频率下的幅值参量和相位参量与出厂检定结果对比，对电流采集装置各通道进行在线校准；
所述高精度源的特征数据包括高精度源的幅值和相位，所述基于高精度源的特征数据及各通道间的相关性，构建特征参量，包括：
t时刻，第i个通道采集的高精度源的幅值、相位表示为：
Figure 192642DEST_PATH_IMAGE001
；
其中，
Figure 117872DEST_PATH_IMAGE002
为高精度源出厂检定幅值，
Figure 342180DEST_PATH_IMAGE003
为高精度源在运行过程中t时刻产生的幅值相对误差，
Figure 403677DEST_PATH_IMAGE004
为第i个通道在运行过程中t时刻产生的幅值相对误差，
Figure 272318DEST_PATH_IMAGE005
为高精度源出厂检定相位，
Figure 684844DEST_PATH_IMAGE006
为高精度源在运行过程中t时刻产生的相位误差，
Figure 712843DEST_PATH_IMAGE007
为第i个通道在运行过程中t时刻产生的相位误差；
在同一高精度源的前提下，各通道的t时刻的采集的电压幅值、相位分别具有如下关系：
Figure 894426DEST_PATH_IMAGE008
；
对t时刻电流采集装置的n个通道可构建特征参量：
Figure 84099DEST_PATH_IMAGE009
；
Figure 46238DEST_PATH_IMAGE010
；
其中，
Figure 612349DEST_PATH_IMAGE011
表示第n个通道、t时刻采集的高精度源幅值数据；
Figure 914017DEST_PATH_IMAGE012
表示第n个通道、t时刻采集的高精度源相位数据。
2.根据权利要求1所述的在线自校准方法，其特征在于，所述基于所述特征参量的离群特性，剔除电流采集装置中的异常通道，包括：
对于k时刻，选取
Figure 274592DEST_PATH_IMAGE013
时间段内各通道的幅值参量
Figure 661711DEST_PATH_IMAGE014
和相位参量
Figure 93829DEST_PATH_IMAGE015
构成二维平面坐标点
Figure 984425DEST_PATH_IMAGE016
，其中j∈[k-m,k]；
采用局部异常因子LOF算法计算出k时刻各样本点的异常分数，根据异常分数完成异常通道的判断与剔除；
其中，k时刻的样本点包括：
Figure 781479DEST_PATH_IMAGE017
。
3.根据权利要求1-2任一项所述的在线自校准方法，其特征在于，所述基于正常通道采集的特征数据，构建高精度源误差模型，包括：
采用L阶代数多项式构建高精度源误差模型G(t)：
Figure 390315DEST_PATH_IMAGE018
；
其中，
Figure 563807DEST_PATH_IMAGE019
，
Figure 636806DEST_PATH_IMAGE020
为
Figure 604762DEST_PATH_IMAGE021
的各阶系数，设定L为10以内的常数，通过计算验证确定；
采用
Figure 700894DEST_PATH_IMAGE022
阶的自回归模型构建通道的误差模型
Figure 412498DEST_PATH_IMAGE023
：
Figure 277686DEST_PATH_IMAGE024
；
其中，
Figure 980325DEST_PATH_IMAGE025
为白噪声，
Figure 563753DEST_PATH_IMAGE026
为算子多项式，
Figure 813468DEST_PATH_IMAGE027
，设定
Figure 798742DEST_PATH_IMAGE022
为10以内的常数；
电流采集装置n个通道t时刻采集的误差参量均值x(t)表示为：
Figure 108501DEST_PATH_IMAGE028
；
根据电流采集装置n个通道t时刻采集的误差参量均值x(t)，定义电流采集装置的损失函数：
Figure 179225DEST_PATH_IMAGE029
；
其中，
Figure 294948DEST_PATH_IMAGE030
为k时刻所有通道输出的幅值或相位差的均值；
基于损失函数迭代求取高精度源误差模型G(t)中的系数A，进而得到高精度源误差模型G(t)，其中：
Figure 134728DEST_PATH_IMAGE031
。
4.根据权利要求1所述的在线自校准方法，其特征在于，所述基于高精度源误差模型，对高精度源进行状态判断及在线校准，包括：
对于电流采集装置运行过程中ts时刻的高精度源误差，通过选取时间段
Figure 615388DEST_PATH_IMAGE032
内各通道采集的幅值和相位数据，对各通道误差数据进行平均后，构建高精度源的幅值误差函数
Figure 907829DEST_PATH_IMAGE033
和相位误差函数
Figure 764927DEST_PATH_IMAGE034
，基于幅值误差函数和相位误差函数计算得到ts时刻的高精度源误差：
Figure 521530DEST_PATH_IMAGE035
；
若
Figure 173092DEST_PATH_IMAGE036
且
Figure 218408DEST_PATH_IMAGE037
则判断高精度源稳定，若
Figure 613617DEST_PATH_IMAGE038
或
Figure 162410DEST_PATH_IMAGE039
则判断高精度源状态发生了偏移，其中
Figure 312769DEST_PATH_IMAGE040
为设定的阈值参量；
若高精度源状态发生了偏移，将
Figure 579802DEST_PATH_IMAGE041
、
Figure 778702DEST_PATH_IMAGE042
作为矫正参量对高精度源误差进行校准。
5.根据权利要求1所述的在线自校准方法，其特征在于，所述在高精度源稳定的情况下，构建各通道的幅值与频率模型和相位与频率模型，包括：
根据不同频率
Figure 182002DEST_PATH_IMAGE043
下t时刻各个通道采集的高精度源的特征数据，基于BP神经网络模型构建各通道的幅值与频率模型和相位与频率模型，任一通道的幅值与频率模型表征所述任一通道的频率与幅值之间的关系，任一通道的相位与频率模型表征所述任一通道的频率与相位之间的关系；
幅值与频率模型为：
Figure 440945DEST_PATH_IMAGE044
；
相位与频率模型为：
Figure 195274DEST_PATH_IMAGE045
；
其中，
Figure 493138DEST_PATH_IMAGE046
为频率，t为高精度源的运行时刻，i为通道数。
6.根据权利要求5所述的在线自校准方法，其特征在于，所述基于构建的各通道的幅值与频率模型和相位与频率模型，计算高精度源在负载频率下的幅值参量和相位参量，包括：
将负载频率H0带入幅值与频率模型和相位与频率模型中，计算得到第i通道t时刻在H0频率下的高精度源的幅值
Figure 16523DEST_PATH_IMAGE047
及相位
Figure 446368DEST_PATH_IMAGE048
。
7.根据权利要求6所述的在线自校准方法，其特征在于，所述基于高精度源在负载频率下的幅值参量和相位参量与出厂检定结果对比，对电流采集装置各通道进行在线校准，包括：
以高精度源出厂时各通道H0频率下的检定数据为基准，计算当前t时刻第i通道的幅值差值和相位差值：
其中，各通道的幅值差值为：
Figure 422414DEST_PATH_IMAGE049
；
各通道的相位差值为：
Figure 963117DEST_PATH_IMAGE050
；
式中，i表示电流采集装置中不同的通道，其中
Figure 668904DEST_PATH_IMAGE051
、
Figure 4071DEST_PATH_IMAGE052
为高精度源出厂检定时第i个通道获取的H0频率下的幅值及相位参量；
Figure 732992DEST_PATH_IMAGE053
、
Figure 811807DEST_PATH_IMAGE054
为高精度源运行过程中第i个通道采集计算得到的H0频率下的幅值参数及相位参量；
基于所述幅值差值和相位差值，计算各通道幅值矫正系数和相位矫正系数；
其中，所述幅值矫正系数为：
Figure 309784DEST_PATH_IMAGE055
；
所述相位矫正系数为：
Figure 878169DEST_PATH_IMAGE056
；
基于各通道的幅值矫正系数和相位矫正系数对各通道的幅值和相位进行校准。
CN202210203931.6A 2022-03-03 2022-03-03 一种电流采集装置在线自校准方法 Active CN114264865B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210203931.6A CN114264865B (zh) 2022-03-03 2022-03-03 一种电流采集装置在线自校准方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210203931.6A CN114264865B (zh) 2022-03-03 2022-03-03 一种电流采集装置在线自校准方法

Publications (2)

Publication Number Publication Date
CN114264865A CN114264865A (zh) 2022-04-01
CN114264865B true CN114264865B (zh) 2022-05-24

Family

ID=80834020

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210203931.6A Active CN114264865B (zh) 2022-03-03 2022-03-03 一种电流采集装置在线自校准方法

Country Status (1)

Country Link
CN (1) CN114264865B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115469136A (zh) * 2022-10-25 2022-12-13 南方电网数字电网研究院有限公司 一种基于电场传感器阵列的非侵入式三相电压测量方法
CN117388785A (zh) * 2023-12-12 2024-01-12 武汉格蓝若智能技术股份有限公司 一种电压采集装置校准方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1479968A (zh) * 2000-10-16 2004-03-03 3 检测与处理信号波的过程与装置
CN101424730A (zh) * 2007-11-02 2009-05-06 杰脉通信技术(上海)有限公司 一种多通道定位系统的校准方法
CN103278791A (zh) * 2013-05-10 2013-09-04 国家电网公司 可网络化检测的电子式互感器幅值相位误差校验系统
CN107643507A (zh) * 2017-09-05 2018-01-30 天津市电力科技发展有限公司 一种基于电网线路运行误差远程校准的精益线损分析与管控方法
CN107727955A (zh) * 2017-09-05 2018-02-23 天津市电力科技发展有限公司 一种基于电网线路运行误差远程校准的变压器损耗分析与管控方法
CN108710027A (zh) * 2018-05-23 2018-10-26 成都玖锦科技有限公司 通道间相位差、幅度差的高精度测量方法
CN110657833A (zh) * 2019-10-12 2020-01-07 湖南银河电气有限公司 一种用于高精度源表一体化测量设备的新型校准方法
CN111157936A (zh) * 2019-11-01 2020-05-15 西安航通测控技术有限责任公司 用于脉冲大电流源测量的罗氏线圈高精度校准方法及设备
CN111768082A (zh) * 2020-06-02 2020-10-13 广东电网有限责任公司 一种基于大数据分析的电力设备状态评估方法
CN111913146A (zh) * 2020-06-30 2020-11-10 中国科学院国家授时中心 一种基于gnss信号质量评估的系统校准测试方法
CN113555201A (zh) * 2021-07-22 2021-10-26 烟台东方威思顿电气有限公司 一种高精度开合式电流互感器及其数据采样方法
CN113820642A (zh) * 2021-11-22 2021-12-21 武汉格蓝若智能技术有限公司 一种同步多通道电压采集装置在线自校准系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070025474A1 (en) * 2005-07-29 2007-02-01 Broadcom Corporation, A California Corporation Receiver IQ imbalance calibration
US7511468B2 (en) * 2006-11-20 2009-03-31 Mceachern Alexander Harmonics measurement instrument with in-situ calibration
US8514978B2 (en) * 2010-07-30 2013-08-20 National Instruments Corporation Calibration system and method
TWI593252B (zh) * 2011-12-06 2017-07-21 艾斯肯公司 用於無線裝置之測試站及其之校準方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1479968A (zh) * 2000-10-16 2004-03-03 3 检测与处理信号波的过程与装置
CN101424730A (zh) * 2007-11-02 2009-05-06 杰脉通信技术(上海)有限公司 一种多通道定位系统的校准方法
CN103278791A (zh) * 2013-05-10 2013-09-04 国家电网公司 可网络化检测的电子式互感器幅值相位误差校验系统
CN107643507A (zh) * 2017-09-05 2018-01-30 天津市电力科技发展有限公司 一种基于电网线路运行误差远程校准的精益线损分析与管控方法
CN107727955A (zh) * 2017-09-05 2018-02-23 天津市电力科技发展有限公司 一种基于电网线路运行误差远程校准的变压器损耗分析与管控方法
CN108710027A (zh) * 2018-05-23 2018-10-26 成都玖锦科技有限公司 通道间相位差、幅度差的高精度测量方法
CN110657833A (zh) * 2019-10-12 2020-01-07 湖南银河电气有限公司 一种用于高精度源表一体化测量设备的新型校准方法
CN111157936A (zh) * 2019-11-01 2020-05-15 西安航通测控技术有限责任公司 用于脉冲大电流源测量的罗氏线圈高精度校准方法及设备
CN111768082A (zh) * 2020-06-02 2020-10-13 广东电网有限责任公司 一种基于大数据分析的电力设备状态评估方法
CN111913146A (zh) * 2020-06-30 2020-11-10 中国科学院国家授时中心 一种基于gnss信号质量评估的系统校准测试方法
CN113555201A (zh) * 2021-07-22 2021-10-26 烟台东方威思顿电气有限公司 一种高精度开合式电流互感器及其数据采样方法
CN113820642A (zh) * 2021-11-22 2021-12-21 武汉格蓝若智能技术有限公司 一种同步多通道电压采集装置在线自校准系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种电流自校准14位、50Msample／s CMOS DAC;朱臻等;《电子学报》;20030225;第31卷(第2期);全文 *
基于电流比较仪最高标准自校准方法及评定研究;刘罡等;《东北电力技术》;20170920;第38卷(第9期);全文 *

Also Published As

Publication number Publication date
CN114264865A (zh) 2022-04-01

Similar Documents

Publication Publication Date Title
CN114264865B (zh) 一种电流采集装置在线自校准方法
CN109299496B (zh) 一种高精度同步时钟产生方法
CN111143989B (zh) 频率调整量计算方法、模块、系统、存储介质和设备
CN113820642B (zh) 一种同步多通道电压采集装置在线自校准系统
CN111046327B (zh) 适用于低频振荡与次同步振荡辨识的Prony分析方法
CN109813269B (zh) 结构监测传感器在线校准数据序列匹配方法
CN112713881B (zh) 一种基于边缘计算的同步时钟维持系统与方法
CN111998919A (zh) 燃气表校准方法及装置
CN114280526B (zh) 一种电子式互感器校验仪数字微差溯源系统及方法
CN113297744B (zh) 一种适用于误差监测计算的充电桩数据清洗方法及充电站
CN114583767A (zh) 一种数据驱动的风电场调频响应特性建模方法及系统
CN113048016A (zh) 在线修正风力发电机组的对风偏差的方法和装置
CN113189513B (zh) 一种基于纹波的冗余电源均流状态识别方法
Zhang et al. Robust adaptive Unscented Kalman Filter with gross error detection and identification for power system forecasting-aided state estimation
CN108415880B (zh) 一种基于样本熵与小波变换的线损特性分析方法
CN107732940B (zh) 一种基于adpss的电力系统稳定器参数优化试验方法
CN111368461A (zh) 基于svd消噪处理的改进灰色模型隧道沉降监测方法
CN113484818B (zh) 基于滑动窗口的抗高频采集异常电能表精准定位方法
CN115293090A (zh) 基于重构数据处理的多谐波源责任量化方法
CN113591801A (zh) 一种电力信号参数估计方法和装置
CN111551785B (zh) 基于无迹卡尔曼滤波的频率与谐波检测方法
CN110455902B (zh) 一种环境检测多标样快速校准的方法
RU2306592C1 (ru) Способ активной идентификации линейных объектов управления
CN110765406A (zh) 一种用于反演识别分析的多响应信息融合方法
CN110502818B (zh) 一种多功率接口数模混合仿真系统准确性评估方法

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
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: Room 1803-1805, building 2-07, guanggu.core center, 303 Guanggu Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430000

Patentee after: Wuhan Gelanruo Intelligent Technology Co.,Ltd.

Address before: Room 1803-1805, building 2-07, guanggu.core center, 303 Guanggu Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430000

Patentee before: WUHAN GLORY ROAD INTELLIGENT TECHNOLOGY Co.,Ltd.

CP01 Change in the name or title of a patent holder
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: An on-line self-calibration method for current acquisition device

Effective date of registration: 20221230

Granted publication date: 20220524

Pledgee: Bank of China Limited Wuhan Donghu New Technology Development Zone Branch

Pledgor: Wuhan Gelanruo Intelligent Technology Co.,Ltd.

Registration number: Y2022420000404

PE01 Entry into force of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Granted publication date: 20220524

Pledgee: Bank of China Limited Wuhan Donghu New Technology Development Zone Branch

Pledgor: Wuhan Gelanruo Intelligent Technology Co.,Ltd.

Registration number: Y2022420000404

PC01 Cancellation of the registration of the contract for pledge of patent right