CN115420949B - 一种vfto时频分析方法、装置、介质及设备 - Google Patents

一种vfto时频分析方法、装置、介质及设备 Download PDF

Info

Publication number
CN115420949B
CN115420949B CN202211373041.6A CN202211373041A CN115420949B CN 115420949 B CN115420949 B CN 115420949B CN 202211373041 A CN202211373041 A CN 202211373041A CN 115420949 B CN115420949 B CN 115420949B
Authority
CN
China
Prior art keywords
vfto
signal
time
collected
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
CN202211373041.6A
Other languages
English (en)
Other versions
CN115420949A (zh
Inventor
王�琦
付超
童悦
邬雄
叶国雄
王欣盛
刘翔
袁田
梁正波
王昱晴
张锦
褚凡武
邓小聘
黄小华
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.)
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
China Electric Power Research Institute Co Ltd CEPRI
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 China Electric Power Research Institute Co Ltd CEPRI filed Critical China Electric Power Research Institute Co Ltd CEPRI
Priority to CN202211373041.6A priority Critical patent/CN115420949B/zh
Publication of CN115420949A publication Critical patent/CN115420949A/zh
Application granted granted Critical
Publication of CN115420949B publication Critical patent/CN115420949B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/16566—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533
    • G01R19/16576—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533 comparing DC or AC voltage with one threshold
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/175—Indicating the instants of passage of current or voltage through a given value, e.g. passage through zero
    • 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
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Measurement Of Resistance Or Impedance (AREA)
  • Tests Of Electronic Circuits (AREA)

Abstract

本发明公开了一种VFTO时频分析方法、装置、介质及设备。其中，方法包括：采用AIC准则自动定位采集VFTO信号击穿的起始时刻，确定采集VFTO信号击穿时的初值时刻；根据初值时刻，采用基于AIC定阶的矩阵束算法识别采集VFTO信号各频率成分的特征参数；根据特征参数重构采集VFTO信号，获取抑噪后的VFTO估计信号；对VFTO估计信号进行频谱分析，获取采集VFTO信号的时频谱。本申请VFTO时频分析不存在交叉项干扰和频谱泄露现象，具有更好的时频聚焦性能，高效实现VFTO信号时频谱分析。

Description

一种VFTO时频分析方法、装置、介质及设备
技术领域
本发明涉及变电站电磁暂态信号分析技术领域，并且更具体地，涉及一种VFTO时频分析方法、装置、介质及设备。
背景技术
随着智能电网的大力推广，GIS（Gas Insulated Substation）随开关操作伴随产生的特快速暂态过电压（VFTO）是影响电网安全运行的重要因素之一。一方面，VFTO具有陡度大和高幅值等特点，严重威胁绕组类设备的匝间绝缘；另一方面，VFTO通过传导和辐射方式耦合至相邻二次设备，对智能量测设备产生严重的电磁干扰。迄今为止，国内外尚未制定VFTO标准波形及其解析表达式，涉及VFTO的故障案例通常具体问题具体分析。
VFTO的时频分析对了解VFTO特性以及抑制VFTO有害频率成分具有重要意义。傅里叶变换是一种整体变换，仅适用于分析频率不随时间变化的平稳信号，无法反映VFTO这种非周期非平稳信号的局部时频特性。因此，目前广泛使用时频分析方法研究VFTO的频谱特性。以短时傅里叶变换、小波变换、S变换为代表的线性时频分析方法受测不准原理限制，时间和频率聚焦性能不能同时得到满足。二次型时频分析方法Wigner-Ville分布(WVD)具有很高的时频分辨率，但对多分量信号的频谱分析会产生严重的交叉项干扰，故衍生出了基于WVD的新型分布，如伪WVD、SPWVD、EMD-WVD等。但是不含交叉项干扰且具有WVD聚集性的时频分布是不存在的，从而存在频谱泄露的技术问题，无法实现时频聚焦。
发明内容
针对现有技术的不足，本发明提供一种VFTO时频分析方法、装置、介质及设备。
根据本发明的一个方面，提供了一种VFTO时频分析方法，包括：
采用AIC准则自动定位采集VFTO信号击穿的起始时刻，确定采集VFTO信号击穿时的初值时刻；
根据初值时刻，采用基于AIC定阶的矩阵束算法识别采集VFTO信号各频率成分的特征参数；
根据特征参数重构采集VFTO信号，获取抑噪后的VFTO估计信号；
对VFTO估计信号进行频谱分析，获取采集VFTO信号的时频谱。
可选地，采用AIC准则自动定位采集VFTO信号击穿的起始时刻，确定采集VFTO信号击穿时的初值时刻的操作，包括：
将采集VFTO信号分解为两个时段，并利用AR模型分别表示两个时段，确定两个时段的第一AR模型以及第二AR模型；
根据AIC准则计算第一AR模型以及第二AR模型的分割点，选取AIC值最小的点作为最佳分割点，最佳分割点对应的时刻为采集VFTO信号的击穿时的初值时刻。
可选地，根据初值时刻，采用基于AIC定阶的矩阵束算法识别采集VFTO信号各频率成分的特征参数的操作，包括：
根据采集VFTO信号，构造汉克尔矩阵；
对汉克尔矩阵进行奇异值分解，确定奇异值矩阵；
根据奇异值矩阵，使用AIC准则确定奇异值矩阵的模态阶数；
根据模态阶数以及奇异值矩阵，计算采集VFTO信号的极点以及留数；
根据极点以及留数，计算各频率成分的特征参数。
可选地，对VFTO估计信号进行频谱分析，获取采集VFTO信号的时频谱的操作，包括：
对VFTO估计信号设置预定的矩形窗长度和滑动步长；
根据矩形窗长度和滑动步长，使用矩阵束算法计算每段窗口的频率和幅值；
根据每段窗口的频率和幅值，获取采集VFTO信号的时频谱。
根据本发明的另一个方面，提供了一种VFTO时频分析装置，包括：
确定模块，用于采用AIC准则自动定位采集VFTO信号击穿的起始时刻，确定采集VFTO信号击穿时的初值时刻；
识别模块，用于根据初值时刻，采用基于AIC定阶的矩阵束算法识别采集VFTO信号各频率成分的特征参数；
第一获取子模块，用于根据特征参数重构采集VFTO信号，获取抑噪后的VFTO估计信号；
第二获取子模块，用于对VFTO估计信号进行频谱分析，获取采集VFTO信号的时频谱。
根据本发明的又一个方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行本发明上述任一方面所述的方法。
根据本发明的又一个方面，提供了一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现本发明上述任一方面所述的方法。
从而，本发明通过AIC准则自动定位采集VFTO信号的起始时刻，可实现VFTO关注数据节点分段，大大压缩了在线采集数据存储量，并且能快速提取大量VFTO信号的频谱信息，方便后序量化分析处理。然后通过识别采集VFTO信号的特征参数对采集VFTO信号进行重构，得到抑噪后的VFTO估计信号，通过对VFTO估计信号进行频谱分析得到采集VFTO信号的时频谱，从而本申请不存在交叉项干扰和频谱泄露现象，具有更好的时频聚焦性能，满足VFTO信号时频谱分析要求。
附图说明
通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：
图1是本发明一示例性实施例提供的VFTO时频分析方法的流程示意图；
图2是本发明一示例性实施例提供的负载侧含单次击穿的采集VFTO信号的示意图；
图3是本发明一示例性实施例提供的负载侧含单次击穿的采集VFTO信号的起始时刻定位图；
图4是本发明一示例性实施例提供的VFTO估计信号的示意图；
图5是本发明一示例性实施例提供的采集VFTO信号基于AIC准则和矩阵束算法的时频谱的示意图；
图6是本发明一示例性实施例提供的VFTO时频分析装置的结构示意图；
图7是本发明一示例性实施例提供的电子设备的结构。
具体实施方式
下面，将参考附图详细地描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。
应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
本领域技术人员可以理解，本发明实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
还应理解，在本发明实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。
还应理解，对于本发明实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。
另外，本发明中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本发明中字符“/”，一般表示前后关联对象是一种“或”的关系。
还应理解，本发明对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
示例性方法
图1是本发明一示例性实施例提供的VFTO时频分析方法的流程示意图。本实施例可应用在电子设备上，如图1所示，VFTO时频分析方法100包括以下步骤：
步骤101，采用AIC准则自动定位采集VFTO信号击穿的起始时刻，确定采集VFTO信号击穿时的初值时刻。
可选地，采用AIC准则自动定位采集VFTO信号击穿的起始时刻，确定采集VFTO信号击穿时的初值时刻的操作，包括：
将采集VFTO信号分解为两个时段，并利用AR模型分别表示两个时段，确定两个时段的第一AR模型以及第二AR模型；
根据AIC准则计算第一AR模型以及第二AR模型的分割点，选取AIC值最小的点作为最佳分割点，最佳分割点对应的时刻为采集VFTO信号击穿时的初值时刻。
具体地，采用AIC准则自动定位单次击穿采集VFTO信号的起始时刻。假设采集VFTO信号采样序列X n (n=1,2,…,N)中包含VFTO波形，如图2所示，将序列分解为两个时段，每一时段均可用AR模型来表示，由于噪声与扰动信号的性质不同，AR模型亦存在差异，寻找两个时段的第一AR模型和第二AR模型的最佳分割点。根据AIC准则定义，最佳分割点的AIC值最小，对应的时刻即为采集VFTO信号击穿时的初值时刻，如图3所示。AIC在AR模型下的公式为：
Figure DEST_PATH_IMAGE001
式中：
Figure 750744DEST_PATH_IMAGE002
和
Figure DEST_PATH_IMAGE003
分别为两个时段的方差；N为采样序列长度；C为常数。
步骤102，根据初值时刻，采用基于AIC定阶的矩阵束算法识别采集VFTO信号各频率成分的特征参数。
可选地，根据初值时刻，采用基于AIC定阶的矩阵束算法识别采集VFTO信号各频率成分的特征参数的操作，包括：
根据采集VFTO信号，构造汉克尔矩阵；
对汉克尔矩阵进行奇异值分解，确定奇异值矩阵；
根据奇异值矩阵，使用AIC准则确定奇异值矩阵的模态阶数；
根据模态阶数以及奇异值矩阵，计算采集VFTO信号的极点以及留数；
根据极点以及留数，计算各频率成分的特征参数。
具体地，确定采集VFTO信号击穿时的初值时刻后，采用基于AIC定阶的矩阵束算法识别采集VFTO信号各频率成分的特征参数。
基于AIC定阶的矩阵束算法求解特征参数的步骤如下：
1)根据采集VFTO信号采样序列X n 构造汉克尔矩阵X。
Figure 730201DEST_PATH_IMAGE004
2)对汉克尔矩阵X进行奇异值分解，即
Figure DEST_PATH_IMAGE005
，其中
Figure 306676DEST_PATH_IMAGE006
为奇异值矩阵，U和V都是酉矩阵。
3)根据奇异值矩阵的奇异值分布使用AIC准则确定模态阶数P，从而抑制噪声信息对采集VFTO信号的干扰，提高算法的稳定性和精确度。计算公式如下：
Figure 436306DEST_PATH_IMAGE008
Figure DEST_PATH_IMAGE009
式中：q为矩阵X的奇异值数，
Figure 172050DEST_PATH_IMAGE010
为矩阵X的奇异值，N为信号采样点数，
Figure DEST_PATH_IMAGE011
是由奇异值的算术平均和几何平均构成的似然函数，其中k=0,1,2,…,q-1。
4)求解采集VFTO信号的极点和留数信息。将奇异值矩阵
Figure 197775DEST_PATH_IMAGE012
的前P列保留，酉矩阵V的第一行和最后一行分别去掉，重构得到矩阵X 1 和X 2 。求解矩阵束
Figure DEST_PATH_IMAGE013
的广义特征值得到信号的极点z i ，并根据公式求解留数h i 。
5)通过下式求解采集VFTO信号各频率成分的特征参数。
Figure 527125DEST_PATH_IMAGE014
其中，i表示各频率分量，A为幅值，
Figure DEST_PATH_IMAGE015
为相位，
Figure 788342DEST_PATH_IMAGE016
为衰减因子，f为频率，T为采样周期。
步骤103，根据特征参数重构采集VFTO信号，获取抑噪后的VFTO估计信号。
具体地，根据特征参数重构采集VFTO信号，获得抑噪后的VFTO估计信号，如图4所示，其中重构公式如下：
Figure DEST_PATH_IMAGE017
式中：N为信号采样点数，P为模型阶数，h i 和z i 分别为信号的留数和极点，其中含有P/2对共轭复数，A i 为幅值，
Figure 519538DEST_PATH_IMAGE018
为初相位，
Figure DEST_PATH_IMAGE019
为衰减因子，f i 为频率，T为采样周期，其中k=1,2, …, N。
步骤104，对VFTO估计信号进行频谱分析，获取采集VFTO信号的时频谱。
可选地，对VFTO估计信号进行频谱分析，获取采集VFTO信号的时频谱的操作，包括：
对VFTO估计信号设置预定的矩形窗长度和滑动步长；
根据矩形窗长度和滑动步长，使用矩阵束算法计算每段窗口的频率和幅值；
根据每段窗口的频率和幅值，获取采集VFTO信号的时频谱。
具体地，对VFTO估计信号进行频谱分析获得采集VFTO信号的时频谱。基于短时傅里叶变换中窗函数滑动的思想，对VFTO估计信号设置合适的矩形窗口长度和滑动步长，使用矩阵束算法计算每段窗口的频率和幅值信息，进而获得采集VFTO信号的时频谱，如图5所示。
从而，本发明能自动定位采集VFTO信号的起始时刻，在实际工程中，能快速提取大量VFTO信号的频谱信息，方便后序量化分析处理。与经典时频分析方法相比，本发明无须调节任意参数即可达到优秀的时频分析效果，能清晰分辨出邻近频率分量，不存在交叉项干扰和频谱泄露现象，具有更好的时频聚焦性能，满足VFTO信号时频谱分析要求。并且本发明定位的起始时刻可实现VFTO关注数据节点分段，大大压缩了在线采集数据存储量。
示例性装置
图6是本发明一示例性实施例提供的VFTO时频分析装置的结构示意图。如图6所示，装置600包括：
确定模块610，用于采用AIC准则自动定位采集VFTO信号击穿的起始时刻，确定采集VFTO信号击穿时的初值时刻；
识别模块620，用于根据初值时刻，采用基于AIC定阶的矩阵束算法识别采集VFTO信号各频率成分的特征参数；
第一获取子模块630，用于根据特征参数重构采集VFTO信号，获取抑噪后的VFTO估计信号；
第二获取子模块640，用于对VFTO估计信号进行频谱分析，获取采集VFTO信号的时频谱。
可选地，确定模块610，包括：
第一确定子模块，用于将采集VFTO信号分解为两个时段，并利用AR模型分别表示两个时段，确定两个时段的第一AR模型以及第二AR模型；
选取子模块，用于根据AIC准则计算第一AR模型以及第二AR模型的分割点，选取AIC值最小的点作为最佳分割点，最佳分割点对应的时刻为采集VFTO信号击穿时的初值时刻。
可选地，识别模块620，包括：
构造子模块，用于根据采集VFTO信号，构造汉克尔矩阵；
第二确定子模块，用于对汉克尔矩阵进行奇异值分解，确定奇异值矩阵；
第三确定子模块，用于根据奇异值矩阵，使用AIC准则确定奇异值矩阵的模态阶数；
第一计算子模块，用于根据模态阶数以及奇异值矩阵，计算采集VFTO信号的极点以及留数；
第二计算子模块，用于根据极点以及留数，计算各频率成分的特征参数。
可选地，第二获取子模块640，包括：
设定子模块，用于对VFTO估计信号设置预定的矩形窗长度和滑动步长；
第三计算子模块，用于根据矩形窗长度和滑动步长，使用矩阵束算法计算每段窗口的频率和幅值；
获取子模块，用于根据每段窗口的频率和幅值，获取采集VFTO信号的时频谱。
示例性电子设备
图7是本发明一示例性实施例提供的电子设备的结构。如图7所示，电子设备70包括一个或多个处理器71和存储器72。
处理器71可以是中央处理单元（CPU）或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备中的其他组件以执行期望的功能。
存储器72可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器（RAM）和/或高速缓冲存储器（cache）等。所述非易失性存储器例如可以包括只读存储器（ROM）、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器71可以运行所述程序指令，以实现上文所述的本发明的各个实施例的软件程序的方法以及/或者其他期望的功能。在一个示例中，电子设备还可以包括：输入装置73和输出装置74，这些组件通过总线系统和/或其他形式的连接机构（未示出）互连。
此外，该输入装置73还可以包括例如键盘、鼠标等等。
该输出装置74可以向外部输出各种信息。该输出装置74可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图7中仅示出了该电子设备中与本发明有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外，本发明的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种实施例的方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本发明的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种实施例的对历史变更记录进行信息挖掘的方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、系统或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本发明的基本原理，但是，需要指出的是，在本发明中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本发明的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本发明为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明中涉及的器件、系统、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、系统、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
可能以许多方式来实现本发明的方法和系统。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和系统。用于所述方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
还需要指出的是，在本发明的系统、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本发明。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本发明的范围。因此，本发明不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本发明的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (10)

1.一种VFTO时频分析方法,其特征在于,包括:
采用AIC准则自动定位采集VFTO信号击穿的起始时刻，确定所述采集VFTO信号击穿时的初值时刻；
根据所述初值时刻，采用基于AIC定阶的矩阵束算法识别所述采集VFTO信号各频率成分的特征参数；
根据所述特征参数重构所述采集VFTO信号，获取抑噪后的VFTO估计信号；
对所述VFTO估计信号进行频谱分析，获取所述采集VFTO信号的时频谱。
2.根据权利要求1所述的方法，其特征在于，采用AIC准则自动定位采集VFTO信号击穿的起始时刻，确定所述采集VFTO信号击穿时的初值时刻的操作，包括：
将所述采集VFTO信号分解为两个时段，并利用AR模型分别表示两个时段，确定两个时段的第一AR模型以及第二AR模型；
根据AIC准则计算所述第一AR模型以及所述第二AR模型的分割点，选取AIC值最小的点作为最佳分割点，所述最佳分割点对应的时刻为所述采集VFTO信号击穿时的初值时刻。
3.根据权利要求1所述的方法，其特征在于，根据所述初值时刻，采用基于AIC定阶的矩阵束算法识别所述采集VFTO信号各频率成分的特征参数的操作，包括：
根据所述采集VFTO信号，构造汉克尔矩阵；
对所述汉克尔矩阵进行奇异值分解，确定奇异值矩阵；
根据所述奇异值矩阵，使用所述AIC准则确定所述奇异值矩阵的模态阶数；
根据所述模态阶数以及所述奇异值矩阵，计算所述采集VFTO信号的极点以及留数；
根据所述极点以及所述留数，计算各频率成分的所述特征参数。
4.根据权利要求1所述的方法，其特征在于，对所述VFTO估计信号进行频谱分析，获取所述采集VFTO信号的时频谱的操作，包括：
对所述VFTO估计信号设置预定的矩形窗长度和滑动步长；
根据所述矩形窗长度和所述滑动步长，使用所述矩阵束算法计算每段窗口的频率和幅值；
根据每段窗口的所述频率和所述幅值，获取所述采集VFTO信号的所述时频谱。
5.一种VFTO时频分析装置，其特征在于，包括：
确定模块，用于采用AIC准则自动定位采集VFTO信号击穿的起始时刻，确定所述采集VFTO信号击穿时的初值时刻；
识别模块，用于根据所述初值时刻，采用基于AIC定阶的矩阵束算法识别所述采集VFTO信号各频率成分的特征参数；
第一获取子模块，用于根据所述特征参数重构所述采集VFTO信号，获取抑噪后的VFTO估计信号；
第二获取子模块，用于对所述VFTO估计信号进行频谱分析，获取所述采集VFTO信号的时频谱。
6.根据权利要求5所述的装置，其特征在于，确定模块，包括：
第一确定子模块，用于将所述采集VFTO信号分解为两个时段，并利用AR模型分别表示两个时段，确定两个时段的第一AR模型以及第二AR模型；
选取子模块，用于根据AIC准则计算所述第一AR模型以及所述第二AR模型的分割点，选取AIC值最小的点作为最佳分割点，所述最佳分割点对应的时刻为所述采集VFTO信号击穿时的初值时刻。
7.根据权利要求5所述的装置，其特征在于，识别模块，包括：
构造子模块，用于根据所述采集VFTO信号，构造汉克尔矩阵；
第二确定子模块，用于对所述汉克尔矩阵进行奇异值分解，确定奇异值矩阵；
第三确定子模块，用于根据所述奇异值矩阵，使用所述AIC准则确定所述奇异值矩阵的模态阶数；
第一计算子模块，用于根据所述模态阶数以及所述奇异值矩阵，计算所述采集VFTO信号的极点以及留数；
第二计算子模块，用于根据所述极点以及所述留数，计算各频率成分的所述特征参数。
8.根据权利要求5所述的装置，其特征在于，第二获取子模块，包括：
设定子模块，用于对所述VFTO估计信号设置预定的矩形窗长度和滑动步长；
第三计算子模块，用于根据所述矩形窗长度和所述滑动步长，使用所述矩阵束算法计算每段窗口的频率和幅值；
获取子模块，用于根据每段窗口的所述频率和所述幅值，获取所述采集VFTO信号的所述时频谱。
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-4任一所述的方法。
10.一种电子设备，其特征在于，所述电子设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-4任一所述的方法。
CN202211373041.6A 2022-11-04 2022-11-04 一种vfto时频分析方法、装置、介质及设备 Active CN115420949B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211373041.6A CN115420949B (zh) 2022-11-04 2022-11-04 一种vfto时频分析方法、装置、介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211373041.6A CN115420949B (zh) 2022-11-04 2022-11-04 一种vfto时频分析方法、装置、介质及设备

Publications (2)

Publication Number Publication Date
CN115420949A CN115420949A (zh) 2022-12-02
CN115420949B true CN115420949B (zh) 2022-12-30

Family

ID=84207405

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211373041.6A Active CN115420949B (zh) 2022-11-04 2022-11-04 一种vfto时频分析方法、装置、介质及设备

Country Status (1)

Country Link
CN (1) CN115420949B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002049230A1 (fr) * 2000-12-15 2002-06-20 Thales Procede de deparasitage, en reception, d'un signal radioelectrique emis en bande etalee
WO2012060883A2 (en) * 2010-11-03 2012-05-10 Osisoft, Inc. Power grid failure prediction and detection
CN109271975A (zh) * 2018-11-19 2019-01-25 燕山大学 一种基于大数据多特征提取协同分类的电能质量扰动识别方法
CN109557368A (zh) * 2018-11-30 2019-04-02 国网山东省电力公司电力科学研究院 一种基于连续小波变换和硬阈值去噪的vfto频谱分析方法
CN112327149A (zh) * 2020-10-19 2021-02-05 西安工程大学 基于ssd-srae的高压断路器故障诊断方法
CN113295923A (zh) * 2021-04-16 2021-08-24 西安交通大学 一种基于改进s变换的VFTO信号频谱分析方法
CN114527344A (zh) * 2022-02-25 2022-05-24 重庆和航科技股份有限公司 电气设备负荷特征智能识别方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002049230A1 (fr) * 2000-12-15 2002-06-20 Thales Procede de deparasitage, en reception, d'un signal radioelectrique emis en bande etalee
WO2012060883A2 (en) * 2010-11-03 2012-05-10 Osisoft, Inc. Power grid failure prediction and detection
CN109271975A (zh) * 2018-11-19 2019-01-25 燕山大学 一种基于大数据多特征提取协同分类的电能质量扰动识别方法
CN109557368A (zh) * 2018-11-30 2019-04-02 国网山东省电力公司电力科学研究院 一种基于连续小波变换和硬阈值去噪的vfto频谱分析方法
CN112327149A (zh) * 2020-10-19 2021-02-05 西安工程大学 基于ssd-srae的高压断路器故障诊断方法
CN113295923A (zh) * 2021-04-16 2021-08-24 西安交通大学 一种基于改进s变换的VFTO信号频谱分析方法
CN114527344A (zh) * 2022-02-25 2022-05-24 重庆和航科技股份有限公司 电气设备负荷特征智能识别方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
变电站开关瞬态干扰建模与特性分析;王立辉等;《高电压技术》;20170331;第43卷(第03期);第960-965页 *
基于NSTFT-WVD变换的VFTO频谱分析方法;刘世明等;《华北电力大学学报(自然科学版)》;20180930;第45卷(第05期);第52-61页 *
基于多重信号分类(MUSIC)算法的变压器局部放电定位研究;徐艳春等;《电网与清洁能源》;20170325;第33卷(第03期);第35-42页 *
水电站GIS特快速暂态过电压在线监测系统构建及监测数据分析;丁登伟等;《高压电器》;20200616;第56卷(第06期);第57-65页 *

Also Published As

Publication number Publication date
CN115420949A (zh) 2022-12-02

Similar Documents

Publication Publication Date Title
US10608905B2 (en) Method and system for temporal sampling in evolving network
Costa et al. Assessment of voltage sag indices based on scaling and wavelet coefficient energy analysis
Bauer Order estimation for subspace methods
Donciu et al. An alternative method to zero-padded DFT
Milanese et al. H∞ set membership identification: A survey
Rigozo et al. Comparative study between four classical spectral analysis methods
US10585130B2 (en) Noise spectrum analysis for electronic device
CN115420949B (zh) 一种vfto时频分析方法、装置、介质及设备
CN113495913A (zh) 一种空气质量数据缺失值插补方法及装置
US9535917B1 (en) Detection of anomalous utility usage
Silva et al. Smart signal processing for an evolving electric grid
Levy et al. Estimates Of The Aggregate Quarterly Capital Stock For The Post‐War US Economy
Nicolae et al. Tunning the Parameters for the FFT Analysis of Waveforms Acquired from a Power Plant
CN116046968A (zh) 一种液相色谱工作站数据处理方法、系统及可存储介质
Song et al. Central limit theorems of local polynomial threshold estimator for diffusion processes with jumps
CN114328662A (zh) 异常数据定位方法、装置、电子设备及存储介质
Orović et al. On the Use of Gini Coefficient for Measuring Time‐Frequency Distribution Concentration and Parameters Selection
CN115129548A (zh) 一种告警分析方法、装置、设备及介质
de Andrade et al. Analysis of Wavelet Transform applied to the segmentation of disturbance signals with different sampling rates
CN114184838A (zh) 基于sn互卷积窗的电力系统谐波检测方法、系统及介质
Tiwari et al. Field programmable gate array-based measurement system for real-time estimation of single-phase electric power quantities
CN116106782A (zh) 一种短路试验参数的提取方法、装置、介质及电子设备
Santos et al. Harmonic and inter-harmonic estimation using esprit associated with filter bank
Florescu et al. A multiple choice greedy algorithm for resolution improvement of spectral lines identification
Soumelidis et al. Identifying poles from time-domain data using discrete laguerre system

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