CN115060995B - 一种智能滤波的谐波管理方法及系统 - Google Patents
一种智能滤波的谐波管理方法及系统 Download PDFInfo
- Publication number
- CN115060995B CN115060995B CN202210668839.7A CN202210668839A CN115060995B CN 115060995 B CN115060995 B CN 115060995B CN 202210668839 A CN202210668839 A CN 202210668839A CN 115060995 B CN115060995 B CN 115060995B
- Authority
- CN
- China
- Prior art keywords
- filtering
- signal
- factor
- harmonic
- outputting
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/01—Arrangements for reducing harmonics or ripples
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/40—Arrangements for reducing harmonics
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Design And Manufacture Of Integrated Circuits (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明公开了一种智能滤波的谐波管理方法及系统,涉及谐波管理相关领域,所述方法包括:连接滤波装置对滤波前的谐波数据进行存储,获取原始波形信号和输出波形信号;将所述原始波形信号和所述输出波形信号输入至滤波提取模块,输出实时滤波信号;基于所述原始波形信号的信号获取源获取多源滤波因子,搭建滤波信号模板库;将所述实时滤波信号输入所述滤波信号模板库中进行模板信号匹配,输出匹配滤波因子;按照所述匹配滤波因子输出的滤波评估结果进行滤波调整向的谐波优化处理。解决了目前谐波处理数据的有效性低,利用价值较低,提高管理成本的技术问题,达到了谐波处理数据源的二次处理,提高滤波数据利用价值,降低谐波管理成本的效果。
Description
技术领域
本发明涉及谐波管理相关领域,尤其涉及一种智能滤波的谐波管理方法及系统。
背景技术
近年来,随着电子电力设备的广泛应用,促使电子电力设备也随之迅速发展,其中,谐波引起的各种故障和事故的发生逐渐引起了人们的高度关注,谐波电流和谐波电压的出现对于公用电网造成了设备环境的污染和干扰,因此,对于出现谐波的有效管理手段能够降低设备影响程度,从而保证电力设备的高质量运行。
现阶段,对于谐波的治理多采用滤波处理的方式实现,在此过程中容易忽略其处理数据的有效性,滤波数据的利用价值较低,从而提高了运维管理成本的技术问题。
发明内容
针对现有技术中的缺陷,本申请通过提供一种智能滤波的谐波管理方法及系统,解决了现有技术中对于谐波处理数据的有效性低,滤波数据的利用价值较低,从而提高了运维管理成本的技术问题,采用了通过对谐波处理数据源进行二次提取分析,以优化调整实现谐波的智能管理,保证了电网的可靠运行,提高滤波数据利用价值,降低谐波管理成本的效果。
一方面,本申请提供一种智能滤波的谐波管理方法,所述方法应用于基于滤波提取的谐波评估系统,所述系统与一滤波装置、滤波提取模块通信连接,所述方法包括:连接所述滤波装置对滤波前的谐波数据进行存储,获取原始波形信号和输出波形信号;将所述原始波形信号和所述输出波形信号输入至所述滤波提取模块中,根据所述滤波提取模块进行滤波信号的提取,输出实时滤波信号;基于所述原始波形信号的信号获取源,生成多源滤波因子;以所述多源滤波因子作为信号模板属类搭建信号库,获得滤波信号模板库;将所述实时滤波信号输入所述滤波信号模板库中进行模板信号匹配,输出所述实时滤波信号对应的匹配滤波因子;按照所述匹配滤波因子作为基础评估项,输出滤波评估结果;基于所述滤波评估结果输出滤波调整向,以所述滤波调整向进行谐波优化处理。
另一方面,本申请还提供了一种智能滤波的谐波管理方法的系统,所述系统包括:波形解析模块,所述波形解析模块用于连接滤波装置对滤波前的谐波数据进行存储,获取原始波形信号和输出波形信号;信号提取模块,所述信号提取模块用于将所述原始波形信号和所述输出波形信号输入至滤波提取模块中,根据所述滤波提取模块进行滤波信号的提取,输出实时滤波信号;信号源分析模块,所述信号源分析模块用于基于所述原始波形信号的信号获取源,生成多源滤波因子;模板生成模块,所述模板生成模块用于以所述多源滤波因子作为信号模板属类搭建信号库,获得滤波信号模板库;模板匹配模块,所述模板匹配模块用于将所述实时滤波信号输入所述滤波信号模板库中进行模板信号匹配,输出所述实时滤波信号对应的匹配滤波因子;滤波评估模块,所述滤波评估模块用于按照所述匹配滤波因子作为基础评估项,输出滤波评估结果;滤波调整模块,所述滤波调整模块用于基于所述滤波评估结果输出滤波调整向,以所述滤波调整向进行谐波优化处理。
拟通过本申请提出的一种智能滤波的谐波管理方法及系统,所产生的技术效果如下:
由于采用了通过对谐波进行滤波处理的装置进行波形信号提取,以获取未经滤波处理的原始波形信号和经过滤波处理的波形信号,将所述原始波形信号和处理后的波形信号经过滤波提取模块,用于进行滤波信号的提取,输出实时滤波信号。进一步的,基于所述原始波形信号的信号获取源,以获取的多源滤波因子作为信号模板的属性类别搭建模板库,即获得滤波信号模板库,并将提取出的所述实时滤波信号输入所述滤波信号模板库中进行模板信号匹配,输出所述实时滤波信号的对应所包括的匹配滤波因子,进而以所述匹配滤波因子和其对应的滤波信号,对原始波形信号中表现出的谐波影响指数进行评估,从而获取用以进行滤波调整向的滤波处理增强的手段,实现谐波的优化处理,通过本申请能够对谐波处理数据源进行二次提取分析,以优化调整实现谐波的智能管理,保证了电网的可靠运行,达到提高滤波数据利用价值,降低谐波管理成本的效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
通过阅读参照以下附图对非限制性实施例所做的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本申请实施例一种智能滤波的谐波管理方法的流程示意图;
图2为本申请实施例一种智能滤波的谐波管理方法的输出滤波评估结果的流程示意图;
图3为本申请实施例一种智能滤波的谐波管理方法的权重赋值处理的流程示意图;
图4为本申请实施例一种智能滤波的谐波管理方法的输出滤波调整向的流程示意图;
图5为本申请实施例一种智能滤波的谐波管理方法的系统的结构示意图;
后续将结合附图详细的描述本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
具体实施方式
实施例一
如图1所示,本申请实施例提供了一种智能滤波的谐波管理方法,所述方法应用于基于滤波提取的谐波评估系统,所述系统与一滤波装置、滤波提取模块通信连接,所述方法包括:
步骤S100:连接所述滤波装置对滤波前的谐波数据进行存储,获取原始波形信号和输出波形信号;
在电力系统中谐波的产生是由于非线性负载所导致,当电流经过负载时,所加的电压不呈线性关系,就会形成非正弦电流,从而在电路中产生谐波,从而随之电力电子设备的广泛应用,谐波会使电能的生产、传输和利用效率降低,使电气设备过热、绝缘老化、寿命缩短等,基于此多种影响会使谐波对通信设备和电子设备产生严重干扰,因此,谐波的高效治理能够有效保证设备的高质量运行,拟通过剔除一种智能滤波的谐波管理方法对滤波过程中的数据进行高价值利用,保证谐波管理的有效性和针对性。
所述滤波装置为谐波管理终端所连接的任一滤波处理装置,其能够对输入滤波装置中的波形信号进行滤波,解决电力电子装置和其他谐波源的谐波污染问题,从而抑制信号波动,因此,为了进一步分析谐波管理的数据,通过连接所述滤波装置对滤波前和滤波后的波形信号进行存储,用于实现波形调用或比对,进而以未进行滤波处理的信号作为原始波形信号,以经过滤波处理的信号作为输出波形信号,并进行下一执行步骤提供信号提取源。
步骤S200:将所述原始波形信号和所述输出波形信号输入至所述滤波提取模块中,根据所述滤波提取模块进行滤波信号的提取,输出实时滤波信号;
具体而言,所述滤波提取模块为用于对所述原始波形信号和所述输出波形信号进行波形提取,其中,所述滤波提取模块包括信号调用、、波形拟合和响应输出的功能单元,从而根据所述滤波提取模块对输入的所述原始波形信号和所述输出波形信号进行滤波信号的提取,输出所述实时滤波信号。
进一步的,根据所述滤波提取模块的信号调用来分别调用对应周期采样获取的所述原始波形信号和所述输出波形信号,再对所述原始波形信号和所述输出波形信号的相位进行比对,确保相位一致后按照相位曲线拟合方式进行波形输出,即以所述输出波形信号为拟合目标,以所述原始波形信号为拟合变量,从而获取用于波形叠加后的响应波形,将输出的响应波形作为所述滤波提取模块的提取结果。
步骤S300:基于所述原始波形信号的信号获取源,生成多源滤波因子;
步骤S400:以所述多源滤波因子作为信号模板属类搭建信号库,获得滤波信号模板库;
具体而言,由于目前所述原始波形信号为基于电力设备中产生的电压谐波或者电流谐波的信号,因此,为了进一步深化对原始波形信号的管理,对产生该波形信号的电子设备进行分析,获取其产生谐波的多种影响要素,为之后进行谐波数据计算提供分析手段。
进一步的,基于获取所述原始波形信号的信号获取源,生成多源滤波因子,其中,所述多源滤波因子为用于产生谐波从而进行滤波处理的原因情况,其中,所述多源滤波因子为导致非线性负载的多个情况,进而以所述多源滤波因子作为信号模板的属性类别,搭建对应的信号库,生成所述滤波信号模板库,所述滤波信号模板库为滤波因子-滤波信号特征的模板匹配库。
应理解,由于所述多源滤波因子为所述原始波形信号的信号获取源所产生的,从而针对所有的滤波因子进行集合分析,使得搭建成功的所述滤波信号模板库更加完整,其中,基于所述滤波因子-滤波信号特征的模板匹配库,能够实现双映射的对应关系,每一种滤波因子所造成的谐波特征存在差异性,从而能够以滤波因子和差异特征作为所诉信号模板库的内容,实现之后的进一步比对,为滤波信号和谐波源的查取提供更进一步的数据支撑。
步骤S500:将所述实时滤波信号输入所述滤波信号模板库中进行模板信号匹配,输出所述实时滤波信号对应的匹配滤波因子;
步骤S600:按照所述匹配滤波因子作为基础评估项,输出滤波评估结果;
进一步的,如图2所示,本申请实施例步骤S600还包括:
步骤S610:搭建滤波双赋值模型,其中,所述滤波双赋值模型包括因子权重赋值模型和波形自赋值模型;
步骤S620:根据所述匹配滤波因子获取匹配因子类型信息和各个因子的匹配滤波信号;
步骤S630:将所述匹配因子类型信息输入所述因子权重赋值模型中,输出权重赋值结果;
步骤S640:将所述各个因子的匹配滤波信号输入所述波形自赋值模型中,输出信号赋值结果;
步骤S650:以所述权重赋值结果对所述信号赋值结果进行调整,输出所述滤波评价结果。
进一步的,本申请实施例步骤S650还包括:
步骤S651:通过对所述滤波装置中的滤波处理方式进行分析,获取滤波处理数据;
步骤S652:按照所述滤波处理数据,获取滤波处理质量系数;
步骤S653:按照所述滤波处理质量系数对应生成评估调整系数,对所述滤波评估结果进行调整。
具体而言,由于所述实时滤波信号为实时提取获得的谐波过滤信号,为了进一步的对所述原始波形信号进行谐波针对性分析,将所述实时滤波信号输入所述滤波信号模板库中进行模板信号匹配,即在搭建好的所述滤波信号模板库中进行滤波信号的特征比对,从而根据该特征与滤波因子的映射关系,用于输出比对成功、匹配成功的因子,以及对应的实时特征信号,从而输出所述匹配滤波因子。
当获取所述匹配滤波因子成功后,以所述匹配滤波因子作为基础项对每一项滤波因子以及因子所对应的波形信号进行评估,其中,评估过程是以搭建好的模型实现的,过程如下:
获取滤波双赋值模型,包括因子权重赋值模型和波形自赋值模型,其中,所述因子权重赋值模型是针对于所述匹配滤波因子中的所有因子类型进行赋值的模型,从而能够根据所述因子权重赋值模型获取基于每一种因子类型所产生的影响性程度,按照影响性程度配置权重,输出权重赋值结果。所述波形自赋值模型针对于所述匹配滤波因子中每一项所对应的具体波形信号进行分析和赋值的模型,用于针对每一类型中的信号进行统一标准化的赋值,从而以所述权重赋值结果对所述信号赋值结果进行调整,应理解,该调整过程为以信息熵的大小对信号影响性进行调整,从而输出较为准确的滤波评估结果。
另外的,当获取所述滤波评估结果后,为了保证所述滤波评估结果的准确性,还可以连接所述滤波装置对滤波中的数据处理环境、工具以及设备源的温度条件、工况等进行进一步的质量分析,从而根据采集的所有滤波处理数据进行质量系数的获取,按照其质量系数生成评估调整系数,对所述滤波评估结果进行调整,提高所述滤波评估结果的有效性和可靠性,由于所述滤波评估结果为针对产生谐波的因子进行针对性影响分析,为之后的数据二次利用和谐波优化管理提供更加准确的参数。
进一步的,如图3所示,本申请实施例步骤S630还包括:
步骤S631:通过对所述多源滤波因子进行样本信号采集,输出多源滤波样本信号;
步骤S632:通过对所述多源滤波样本信号进行平稳根检验,输出平稳根结果,其中,所述平稳根检验结果为标识所述多源滤波因子的各个因子对信号平稳性产生影响的检验系数集合;
步骤S633:根据所述平稳根结果与所述多源滤波因子的各个因子之间的映射关系,建立所述权重赋值模型,输出所述匹配因子类型信息对应的权重赋值结果。
进一步的,本申请实施例步骤S640还包括:
步骤S641:将所述各个因子的匹配滤波信号输入所述波形自赋值模型中,获取信号频率特征、信号持续特征;
步骤S642:以所述信号频率特征和所述信号持续特征对所述各个因子的匹配滤波信号进行信号特征分析,输出所述信号赋值结果。
具体而言,具体而言,搭建所述滤波双赋值模型,所包括的因子权重赋值模型和波形自赋值模型之间能够实现数据交互,以输出的两个赋值进行输出结果的拟合,用于对滤波评估结果进行准确性调整。
所述权重赋值模型为通过对输入的所述匹配滤波因子类型信息进行分析,按照每一个因子的类型对谐波的产生的变化和影响进行信息熵分析,按照影响的程度进行权重匹配,其中,对谐波的产生的变化和影响进行信息熵分析的过程是根据模型的映射关系进行确定的,即通过对所述多源滤波因子中每一个因子所对应的样本数据进行采集,获取具有特征性的多源滤波样本信号,按照独立添加每一种因子的信号进行拟合的方式,对拟合后的信号进行平稳性检验,输出平稳性检验的集合,从而作为所述平稳根结果,其中,当平稳根结果中平稳根较小,即越平稳时其对应的信息熵越小,或者说其影响程度小,配置的权重相应较小;当平稳根结果中平稳根较大,其对应的信息熵较大,或者说其影响程度大,配置的权重较大,因而根据所述平稳根结果与所述多源滤波因子的各个因子之间的映射关系,建立的所述权重赋值模型能够输出准确的权重赋值结果。
所述波形自赋值模型为对所述匹配滤波因子中各个因子的匹配滤波信号进行信号的质量自检,其质量自检是按照其波形信号所表征的频率特征以及信号的持续性特征进行分析,其频率特征和持续性特征皆与其谐波影响程度呈正比关系,因此,以所述信号频率特征和所述信号持续特征作为线性关系的变量,对所述各个因子的匹配滤波信号进行信号特征分析,输出所述信号赋值结果。
步骤S700:基于所述滤波评估结果输出滤波调整向,以所述滤波调整向进行谐波优化处理。
进一步的,如图4所示,本申请实施例步骤S700还包括:
步骤S710:连接所述权重赋值模型,以所述平稳根结果和所述多源滤波因子的各个因子之间的映射关系为基础,以滤波调整为输出进行模型迁移,搭建滤波调整模型;
步骤S720:所述滤波调整模型根据所述滤波评估结果输出所述滤波调整向,其中,所述滤波调整向为可优化的滤波因子。
进一步的,本申请实施例步骤S720还包括:
步骤S721:通过对所述原始波形信号和所述输出波形信号进行分析,获取波形正畸指标;
步骤S722:以所述波形正畸指标和预设正畸指标,获取正畸优化空间;
步骤S723:根据所述滤波评估结果和所述正畸优化空间,输出所述滤波调整向进行谐波优化处理。
具体而言,当输出所述滤波评估结果后进行滤波调整分析,获取所述滤波调整向,根据所述滤波调整向进行谐波优化处理,其中,所述滤波调整向是根据所述滤波评估结果中每一个匹配的滤波因子评估的影响性指标进行分析的,从而获取其中用于进行滤波优化的因子,针对该滤波因子进行谐波优化处理。
进一步的,获取所述滤波调整向的过程是基于所述权重赋值模型的映射关系为分析基础,实现滤波调整的输出,其过程可以通过模型迁移实现,即连接所述权重赋值模型,以所述平稳根结果和所述多源滤波因子的各个因子之间的映射关系为基础,以滤波调整为输出进行模型迁移,搭建滤波调整模型,从而能够使得所述滤波调整模型在保留其映射关系的条件下实现模型功能的转换和输出,进而将所述滤波评估结果输入所述所述滤波调整模型中,获取可优化的滤波因子作为所述滤波调整向。
在进行滤波调整向分析的基础上,可以进一步对目前的滤波处理进行正畸分析,判断是否满足需要进行优化的条件,当满足优化条件时再进行谐波优化处理,一方面,通过对所述原始波形信号和所述输出波形信号之间的关系,进行波形正畸指标的输出,另一方面,通过对所述波形正畸指标和预设正畸指标进行比对,获取正畸指标的差值,将该差值作为正畸优化空间结合所述滤波评估结果,输出所述滤波调整向进行谐波优化处理,以优化调整实现谐波的智能管理,保证了电网的可靠运行,提高滤波数据利用价值,降低谐波管理成本的效果。
结合上述实施例,本发明具有如下的有益效果:
由于采用了通过对谐波进行滤波处理的装置进行波形信号提取,以获取未经滤波处理的原始波形信号和经过滤波处理的波形信号,将所述原始波形信号和处理后的波形信号经过滤波提取模块,用于进行滤波信号的提取,输出实时滤波信号。进一步的,基于所述原始波形信号的信号获取源,以获取的多源滤波因子作为信号模板的属性类别搭建模板库,即获得滤波信号模板库,并将提取出的所述实时滤波信号输入所述滤波信号模板库中进行模板信号匹配,输出所述实时滤波信号的对应所包括的匹配滤波因子,进而以所述匹配滤波因子和其对应的滤波信号,对原始波形信号中表现出的谐波影响指数进行评估,从而获取用以进行滤波调整向的滤波处理增强的手段,实现谐波的优化处理,通过本申请能够对谐波处理数据源进行二次提取分析,以优化调整实现谐波的智能管理,保证了电网的可靠运行,达到提高滤波数据利用价值,降低谐波管理成本的效果。
采用了通过对波形正畸指标和预设正畸指标进行比对,获取正畸指标的差值,将该差值作为正畸优化空间结合所述滤波评估结果,基于滤波调整向进行谐波优化处理,实现智能化谐波管理。
采用了对所述原始波形信号进行谐波针对性分析,将所述实时滤波信号输入所述滤波信号模板库中进行模板信号匹配,在搭建好的所述滤波信号模板库中进行滤波信号的特征比对,从而根据该特征与滤波因子的映射关系的进一步分析,提高波形数据处理效率。
实施例二
基于与前述实施例中一种智能滤波的谐波管理方法同样发明构思,本发明还提供了一种智能滤波的谐波管理方法的系统,如图5所示,所述系统包括:
波形解析模块11,所述波形解析模块11用于连接滤波装置对滤波前的谐波数据进行存储,获取原始波形信号和输出波形信号;
信号提取模块12,所述信号提取模块12用于将所述原始波形信号和所述输出波形信号输入至滤波提取模块中,根据所述滤波提取模块进行滤波信号的提取,输出实时滤波信号;
信号源分析模块13,所述信号源分析模块13用于基于所述原始波形信号的信号获取源,生成多源滤波因子;
模板生成模块14,所述模板生成模块14用于以所述多源滤波因子作为信号模板属类搭建信号库,获得滤波信号模板库;
模板匹配模块15,所述模板匹配模块15用于将所述实时滤波信号输入所述滤波信号模板库中进行模板信号匹配,输出所述实时滤波信号对应的匹配滤波因子;
滤波评估模块16,所述滤波评估模块16用于按照所述匹配滤波因子作为基础评估项,输出滤波评估结果;
滤波调整模块17,所述滤波调整模块17用于基于所述滤波评估结果输出滤波调整向,以所述滤波调整向进行谐波优化处理。
进一步的,所述滤波评估模块16还包括:
模型搭建单元,所述模型搭建单元用于搭建滤波双赋值模型,其中,所述滤波双赋值模型包括因子权重赋值模型和波形自赋值模型;
信息获取单元,所述信息获取单元用于根据所述匹配滤波因子获取匹配因子类型信息和各个因子的匹配滤波信号;
权重赋值单元,所述权重赋值单元用于将所述匹配因子类型信息输入所述因子权重赋值模型中,输出权重赋值结果;
波形赋值单元,所述波形赋值单元用于将所述各个因子的匹配滤波信号输入所述波形自赋值模型中,输出信号赋值结果;
赋值调整单元,所述赋值调整单元用于以所述权重赋值结果对所述信号赋值结果进行调整,输出所述滤波评价结果。
进一步的,所述权重赋值单元还包括:
样本信号采集单元,所述样本信号采集单元用于通过对所述多源滤波因子进行样本信号采集,输出多源滤波样本信号;
平稳根检验单元,所述平稳根检验单元用于通过对所述多源滤波样本信号进行平稳根检验,输出平稳根结果,其中,所述平稳根检验结果为标识所述多源滤波因子的各个因子对信号平稳性产生影响的检验系数集合;
模型搭建单元,所述模型搭建单元用于根据所述平稳根结果与所述多源滤波因子的各个因子之间的映射关系,建立所述权重赋值模型,输出所述匹配因子类型信息对应的权重赋值结果。
进一步的,所述波形赋值单元还包括:
波形特征分析单元,所述波形特征分析分布单元用于将所述各个因子的匹配滤波信号输入所述波形自赋值模型中,获取信号频率特征、信号持续特征;
信号赋值输出单元,所述信号赋值输出单元用于以所述信号频率特征和所述信号持续特征对所述各个因子的匹配滤波信号进行信号特征分析,输出所述信号赋值。
进一步的,所述波形解析模块11还包括:
滤波处理分析单元,所述滤波处理分析单元用于通过对所述滤波装置中的滤波处理方式进行分析,获取滤波处理数据;
滤波质量分析单元,所述滤波质量分析单元用于按照所述滤波处理数据,获取滤波处理质量系数;
评估调整单元,所述评估调整单元用于按照所述滤波处理质量系数对应生成评估调整系数,对所述滤波评估结果进行调整。
进一步的,所述权重赋值单元还包括:
模型迁移单元,所述模型迁移单元用于连接所述权重赋值模型,以所述平稳根结果和所述多源滤波因子的各个因子之间的映射关系为基础,以滤波调整为输出进行模型迁移,搭建滤波调整模型;
滤波优化单元,所述滤波优化单元用于所述滤波调整模型根据所述滤波评估结果输出所述滤波调整向,其中,所述滤波调整向为可优化的滤波因子。
进一步的,所述滤波调整模块17还包括:
正畸分析单元,所述正畸分析单元用于通过对所述原始波形信号和所述输出波形信号进行分析,获取波形正畸指标;
指标比对单元,所述指标比对单元用于以所述波形正畸指标和预设正畸指标,获取正畸优化空间;
优化处理单元,所述优化处理单元用于根据所述滤波评估结果和所述正畸优化空间,输出所述滤波调整向进行谐波优化处理。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的装置及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。以上实施例所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (7)
1.一种智能滤波的谐波管理方法,其特征在于,所述方法应用于基于滤波提取的谐波评估系统,所述系统与一滤波装置、滤波提取模块通信连接,所述方法包括:
连接所述滤波装置对滤波前的谐波数据进行存储,获取原始波形信号和输出波形信号;
将所述原始波形信号和所述输出波形信号输入至所述滤波提取模块中,根据所述滤波提取模块进行滤波信号的提取,输出实时滤波信号;
基于所述原始波形信号的信号获取源,生成多源滤波因子;
以所述多源滤波因子作为信号模板属类搭建信号库,获得滤波信号模板库;
将所述实时滤波信号输入所述滤波信号模板库中进行模板信号匹配,输出所述实时滤波信号对应的匹配滤波因子;
按照所述匹配滤波因子作为基础评估项,输出滤波评估结果,其中包括:搭建滤波双赋值模型,其中,所述滤波双赋值模型包括因子权重赋值模型和波形自赋值模型;根据所述匹配滤波因子获取匹配因子类型信息和各个因子的匹配滤波信号;将所述匹配因子类型信息输入所述因子权重赋值模型中,输出权重赋值结果;将所述各个因子的匹配滤波信号输入所述波形自赋值模型中,输出信号赋值结果;以所述权重赋值结果对所述信号赋值结果进行调整,输出所述滤波评价结果;
基于所述滤波评估结果输出滤波调整向,以所述滤波调整向进行谐波优化处理。
2.如权利要求1所述的方法,其特征在于,将所述匹配因子类型信息输入所述因子权重赋值模型中,输出权重赋值结果,所述方法还包括:
通过对所述多源滤波因子进行样本信号采集,输出多源滤波样本信号;
通过对所述多源滤波样本信号进行平稳根检验,输出平稳根结果,其中,所述平稳根检验结果为标识所述多源滤波因子的各个因子对信号平稳性产生影响的检验系数集合;
根据所述平稳根结果与所述多源滤波因子的各个因子之间的映射关系,建立所述权重赋值模型,输出所述匹配因子类型信息对应的权重赋值结果。
3.如权利要求1所述的方法,其特征在于,将所述各个因子的匹配滤波信号输入所述波形自赋值模型中,输出信号赋值结果,所述方法还包括:
将所述各个因子的匹配滤波信号输入所述波形自赋值模型中,获取信号频率特征、信号持续特征;
以所述信号频率特征和所述信号持续特征对所述各个因子的匹配滤波信号进行信号特征分析,输出所述信号赋值结果。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
通过对所述滤波装置中的滤波处理方式进行分析,获取滤波处理数据;
按照所述滤波处理数据,获取滤波处理质量系数;
按照所述滤波处理质量系数对应生成评估调整系数,对所述滤波评估结果进行调整。
5.如权利要求2所述的方法,其特征在于,所述方法还包括:
连接所述权重赋值模型,以所述平稳根结果和所述多源滤波因子的各个因子之间的映射关系为基础,以滤波调整为输出进行模型迁移,搭建滤波调整模型;
所述滤波调整模型根据所述滤波评估结果输出所述滤波调整向,其中,所述滤波调整向为可优化的滤波因子。
6.如权利要求1所述的方法,其特征在于,基于所述滤波评估结果输出滤波调整向,以所述滤波调整向进行谐波优化处理,所述方法还包括:
通过对所述原始波形信号和所述输出波形信号进行分析,获取波形正畸指标;
以所述波形正畸指标和预设正畸指标,获取正畸优化空间;
根据所述滤波评估结果和所述正畸优化空间,输出所述滤波调整向进行谐波优化处理。
7.一种智能滤波的谐波管理方法的系统,其特征在于,所述系统包括:
波形解析模块,所述波形解析模块用于连接滤波装置对滤波前的谐波数据进行存储,获取原始波形信号和输出波形信号;
信号提取模块,所述信号提取模块用于将所述原始波形信号和所述输出波形信号输入至滤波提取模块中,根据所述滤波提取模块进行滤波信号的提取,输出实时滤波信号;
信号源分析模块,所述信号源分析模块用于基于所述原始波形信号的信号获取源,生成多源滤波因子;
模板生成模块,所述模板生成模块用于以所述多源滤波因子作为信号模板属类搭建信号库,获得滤波信号模板库;
模板匹配模块,所述模板匹配模块用于将所述实时滤波信号输入所述滤波信号模板库中进行模板信号匹配,输出所述实时滤波信号对应的匹配滤波因子;
滤波评估模块,所述滤波评估模块用于按照所述匹配滤波因子作为基础评估项,输出滤波评估结果,其中所述滤波评估模块还包括:模型搭建单元,所述模型搭建单元用于搭建滤波双赋值模型,其中,所述滤波双赋值模型包括因子权重赋值模型和波形自赋值模型;信息获取单元,所述信息获取单元用于根据所述匹配滤波因子获取匹配因子类型信息和各个因子的匹配滤波信号;权重赋值单元,所述权重赋值单元用于将所述匹配因子类型信息输入所述因子权重赋值模型中,输出权重赋值结果;波形赋值单元,所述波形赋值单元用于将所述各个因子的匹配滤波信号输入所述波形自赋值模型中,输出信号赋值结果;赋值调整单元,所述赋值调整单元用于以所述权重赋值结果对所述信号赋值结果进行调整,输出所述滤波评价结果;
滤波调整模块,所述滤波调整模块用于基于所述滤波评估结果输出滤波调整向,以所述滤波调整向进行谐波优化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210668839.7A CN115060995B (zh) | 2022-06-14 | 2022-06-14 | 一种智能滤波的谐波管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210668839.7A CN115060995B (zh) | 2022-06-14 | 2022-06-14 | 一种智能滤波的谐波管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115060995A CN115060995A (zh) | 2022-09-16 |
CN115060995B true CN115060995B (zh) | 2023-01-24 |
Family
ID=83200002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210668839.7A Active CN115060995B (zh) | 2022-06-14 | 2022-06-14 | 一种智能滤波的谐波管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115060995B (zh) |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9170986B2 (en) * | 2009-11-06 | 2015-10-27 | City University Of Hong Kong | Power quality meter and method of waveform anaylsis and compression |
MY172381A (en) * | 2010-12-30 | 2019-11-22 | Telekom Malaysia Berhad | A system and method for performing harmonic frequency filtration and analysis |
JP2012163553A (ja) * | 2010-12-30 | 2012-08-30 | Telekom Malaysia Berhad | 高調波周波数をフィルタにかけて分析するシステムおよび方法 |
CN103105533B (zh) * | 2011-11-09 | 2015-05-20 | 华北电力科学研究院有限责任公司 | 一种次同步振荡智能分析方法及系统 |
CN105610408B (zh) * | 2015-12-17 | 2018-04-10 | 西安空间无线电技术研究所 | 一种基于贡献因子的非线性Volterra滤波优化方法 |
CN110046435B (zh) * | 2019-04-19 | 2023-06-09 | 湖南银河电气有限公司 | 一种集成数字滤波谐波显示方法及系统 |
CN110516566B (zh) * | 2019-08-08 | 2021-07-27 | 北京邮电大学 | 一种基于卷积层的滤波方法及装置 |
CN111293697B (zh) * | 2020-05-13 | 2020-08-25 | 能科科技股份有限公司 | 基于有源滤波技术的电能质量治理系统 |
CN114384321A (zh) * | 2020-10-16 | 2022-04-22 | 中国电力科学研究院有限公司 | 一种配电网谐波状态分段估计方法及系统 |
CN114024806B (zh) * | 2021-10-18 | 2022-10-25 | 北京邮电大学 | 融合星载滤波器特征的时域均衡方法、系统及存储介质 |
CN113691238B (zh) * | 2021-10-22 | 2022-03-15 | 南通海美电子有限公司 | 一种基于遗传算法的滤波器匹配方法及系统 |
CN114384294A (zh) * | 2021-12-31 | 2022-04-22 | 中科可控信息产业有限公司 | 发送端均衡参数值的确定方法、装置、电子设备及介质 |
-
2022
- 2022-06-14 CN CN202210668839.7A patent/CN115060995B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115060995A (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111426905B (zh) | 一种配电网同母线变关系异常诊断方法、装置及系统 | |
CN111308260B (zh) | 一种基于小波神经网络的电能质量监测和电器故障分析系统及其工作方法 | |
Lv et al. | High-order synchroextracting transform for characterizing signals with strong AM-FM features and its application in mechanical fault diagnosis | |
CN116703183B (zh) | 一种新型配电网系统用电负荷评估方法 | |
Jia et al. | Validity evaluation of transformer DGA online monitoring data in grid edge systems | |
Kiruthiga et al. | Detection and classification of power quality disturbances or events by adaptive NFS classifier | |
CN110703006B (zh) | 一种基于卷积神经网络的三相电能质量扰动检测方法 | |
CN105550450B (zh) | 一种电能质量干扰源特征谐波建模方法 | |
CN115060995B (zh) | 一种智能滤波的谐波管理方法及系统 | |
CN117290788B (zh) | 一种基于改进小波变换算法的配电网故障辨识方法及系统 | |
WO2024104037A1 (zh) | 基于数学形态学和模式识别的直流电弧检测方法 | |
CN113484596A (zh) | 一种电能质量监测方法、装置、设备及可读存储介质 | |
CN116611732A (zh) | 一种电能质量数据建模方法及计算机可读存储介质 | |
CN111539275B (zh) | 一种基于负载特性可视化的电气负载分类方法和系统 | |
Qaisar et al. | Effective Power Quality Disturbances Identification Based on Event‐Driven Processing and Machine Learning | |
CN212807283U (zh) | 一种电气设备状态监测装置 | |
CN109921412B (zh) | 一种分解非侵入式电力负荷的方法 | |
CN112964948A (zh) | 基于录波数据反演的串联电抗器运行状态在线监测方法及系统 | |
CN114034375B (zh) | 一种特高压输电线路噪声测量系统及方法 | |
CN112787322A (zh) | 基于scada系统和多时间尺度的电网动态管理方法 | |
CN114034375A (zh) | 一种特高压输电线路噪声测量系统及方法 | |
CN116032977B (zh) | 一种基于物联网的智慧电厂智能监控预警维护管理系统 | |
CN114492509A (zh) | 一种基于二维离散余弦s变换的电能质量扰动识别方法 | |
CN115833171A (zh) | 一种新能源场站宽频振荡的处理方法、系统及存储介质 | |
CN117977817A (zh) | 基于ai电流指纹的控制方法、装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Harmonic Management Method and System for Intelligent Filtering Effective date of registration: 20230706 Granted publication date: 20230124 Pledgee: Zhejiang Pinghu Rural Commercial Bank Co.,Ltd. Xindai sub branch Pledgor: Feilai (Zhejiang) Technology Co.,Ltd. Registration number: Y2023980047607 |