CN115795316B - 一二次融合设备的波形相似度判定方法、装置及存储介质 - Google Patents
一二次融合设备的波形相似度判定方法、装置及存储介质 Download PDFInfo
- Publication number
- CN115795316B CN115795316B CN202211439241.7A CN202211439241A CN115795316B CN 115795316 B CN115795316 B CN 115795316B CN 202211439241 A CN202211439241 A CN 202211439241A CN 115795316 B CN115795316 B CN 115795316B
- Authority
- CN
- China
- Prior art keywords
- waveform
- waveforms
- phase angle
- standard
- test
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000004927 fusion Effects 0.000 title claims abstract description 29
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000012360 testing method Methods 0.000 claims abstract description 61
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 239000002245 particle Substances 0.000 claims description 44
- 230000001105 regulatory effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003064 k means clustering Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
Classifications
-
- 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
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/10—Nuclear fusion reactors
Abstract
本发明公开了一种一二次融合设备的波形相似度判定方法、装置及存储介质，其方法包括对一二次融合设备中的一次侧断路器和二次侧采集终端进行信号波形的同步采集，并分别记为标准波形和测试波形；重复上述步骤获取多组标准波形和测试波形，并采用波形相似度对比方法计算每组标准波形和测试波形的最大幅值差和最大相角差；采用聚类算法对多组最大幅值差和最大相角差进行处理计算得到波形相似度临界点；以波形相似度临界点作为波形相似度判定指标对相似波形、疑似波形、不相似波形进行判定；本发明能够解决一二次融合设备的波形相似度判定，且效率和精度高。
Description
技术领域
本发明涉及一种一二次融合设备的波形相似度判定方法及装置，属于电力系统技术领域。
背景技术
配电自动化终端设备制造厂家众多，质量参差不齐。国网设备部在2017年发出通知，要求夯实本质安全物质基础，强化设备质量源头保障，严防设备“带病入网”，加强配电终端设备质量管控，严把设备入网关，确保设备零缺陷投运。然而，目前国内外针对配电终端检测，主要是采用人力搬运，手工接线，手动加量，人工读取记录以及人工判断检测结果。国内虽有在故障指示器检测上采用半人工半机械臂挂取的方式，自动化程度稍有提升，但整体上仍需要大量的人工参与，检测效率低、成本高、存在安全风险，自动化水平十分有限，检测业务全过程管控水平低，难以满足大批量配电自动化终端的全检需求。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种一二次融合设备的波形相似度判定方法及装置，能够解决一二次融合设备的波形相似度判定，且效率和精度高。
为达到上述目的，本发明是采用下述技术方案实现的：
第一方面，本发明提供了一种一二次融合设备的波形相似度判定方法，包括：
对一二次融合设备中的一次侧断路器和二次侧采集终端进行信号波形的同步采集，并分别记为标准波形和测试波形；
重复上述步骤获取多组标准波形和测试波形，并采用波形相似度对比方法计算每组标准波形和测试波形的最大幅值差和最大相角差；
采用K-Means聚类算法对多组最大幅值差和最大相角差进行处理计算得到波形相似度临界点；
以波形相似度临界点作为波形相似度判定指标对相似波形、疑似波形、不相似波形进行判定。
可选的，所述对一二次融合设备中的一次侧断路器和二次侧采集终端进行信号波形的同步采集包括：
将一次侧断路器处于合闸状态，且进线侧接入电流调节系统，出线侧接地，保护延时定值设置为0s并预设保护整定值；
启动电流调节系统，通过电流调节系统按预设的速率逐渐增大输入一次侧断路器的电流，直至一次侧断路器断开；
在启动电流调节系统至一次侧断路器断开之间，通过录波仪记录一次侧断路器的电流和电压的信号波形，通过二次侧采集终端采集一次侧断路器的电流和电压的信号波形。
可选的，所述采用波形相似度对比方法计算每组标准波形和测试波形的最大幅值差和最大相角差包括：
根据标准波形和测试波形的故障点确定测试波形的基准比较窗口；
对测试波形的基准比较窗口进行每个周波的傅立叶变换；
根据基准比较窗口确定标准波形的可移动周波数N；
对标准波形进行每个周波的傅立叶变换，将标准波形中的比较窗口从可移动周波数N的第一个周波开始移动，直到后续N个周波，对标准波形的比较窗口的每个周波同测试波形的基准比较窗口对应周波进行幅值差的计算，并在可移动周波数N中选择幅值差最小的比较窗口作为标准波形的相似窗口；
计算相似窗口同基准比较窗口的各个周波的最大幅值差和最大相角差。
可选的，所述计算相似窗口同基准比较窗口的各个周波的最大幅值差和最大相角差包括：
计算测试波形中各次谐波幅值分量针对基波的幅值权重Wi：
式中，i为傅立叶分解后所得到的谐波次数，M0为测试波形基波的幅值，Mi为测试波形i次谐波的幅值；
针对每一个周波，计算幅值加权后的最大幅值差ΔM(％)和最大相角差Δθ(％)：
式中，M′0为标准波形基波的幅值，M′i为标准波形i次谐波的幅值，Ai为测试波形i次谐波的相角，A′i为标准波形i次谐波的相角。
可选的，所述采用K-Means聚类算法对多组最大幅值差和最大相角差进行处理计算得到波形相似度临界点包括：
根据多组最大幅值差和最大相角差生成数据点集：
{D1(i1,j1),D2(i2,j2),…,Dn(in,jn)}
式中，n为最大幅值差和最大相角差的组数，in,jn为第n组最大幅值差和最大相角差；
基于PSO方法从数据点集中选取三个数据点作为初始聚类中心；
计算数据点集中剩余数据点到初始聚类中心的欧几里得距离，将剩余数据点分别归类到欧几里得距离最小的聚类中心形成三个聚类簇；计算三个聚类簇的当前聚类中心，将当前聚类中心作为初始聚类中心重复当前步骤，直至当前聚类中心不变或收敛，输出最终的聚类中心；
将最终的聚类中心对应的数据点作为波形相似度临界点。
可选的，所述基于PSO方法从数据点集中选取三个数据点作为初始聚类中心包括：
初始化粒子群，将数据点集中数据点映射为粒子，每个粒子的位置为第k个聚类中心，k＝1,2,3；
根据粒子的位置计算每个粒子当前适应度值：
式中，fc为第c个粒子的当前适应度值，Dc为粒子群中第c个粒子对应的数据点，Ck为第k个聚类中心；
根据粒子的当前适应度值更新个体最优位置和全局最优位置；
更新惯性权重和学习因子，并基于更新后的惯性权重和学习因子更新粒子的速度和位置；
根据更新后粒子的速度和位置返回根据粒子的位置计算每个粒子当前适应度值进行迭代，直至到达预设的迭代次数，输出最终的全局最优位置；
将最终的全局最优位置作为初始聚类中心。
可选的，所述以波形相似度临界点作为波形相似度判定指标对相似波形、疑似波形、不相似波形进行判定包括：
将波形相似度临界点分别记为Z1、Z2、Z3；
当一组标准波形和测试波形的最大幅值差和最大相角差所构成的数据点在二维平面上距离Z2最近时，则判定为相似波形；
当一组标准波形和测试波形的最大幅值差和最大相角差所构成的数据点在二维平面上和Z1、Z2或Z2、Z3距离小于预设阈值时，则判定为疑似波形；
当一组标准波形和测试波形的最大幅值差和最大相角差所构成的数据点在二维平面上仅与Z1或Z3距离小于预设阈值时，则判定为不相似波形。
第二方面，本发明提供了一种一二次融合设备的波形相似度判定装置，所述装置包括：
采集模块，用于对一二次融合设备中的一次侧断路器和二次侧采集终端进行信号波形的同步采集，并分别记为标准波形和测试波形；
计算模块，用于重复上述步骤获取多组标准波形和测试波形，并采用波形相似度对比方法计算每组标准波形和测试波形的最大幅值差和最大相角差；
临界模块，用于采用K-Means聚类算法对多组最大幅值差和最大相角差进行处理计算得到波形相似度临界点；
判定模块，用于以波形相似度临界点作为波形相似度判定指标对相似波形、疑似波形、不相似波形进行判定。
第三方面，本发明提供了一种一二次融合设备的波形相似度判定装置，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据上述方法的步骤。
第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。
与现有技术相比，本发明所达到的有益效果：
本发明提供了一种一二次融合设备的波形相似度判定方法及装置，采用K-Means聚类算法，将波形数据分类为三种情况，分别为相似、疑似相似和不相似；自动化程度高，且具备较高的精度和效率。
附图说明
图1是本发明实施例一提供的一种一二次融合设备的波形相似度判定方法的流程图；
图2是本发明实施例一提供的信号波形的同步采集过程的流程图；
图3是本发明实施例一提供的一种计算每组标准波形和测试波形的最大幅值差和最大相角差的过程的流程图；
图4是本发明实施例一提供的一种对多组最大幅值差和最大相角差进行处理计算得到波形相似度临界点的过程的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例一：
如图1所示，本发明实施例提供了一种一二次融合设备的波形相似度判定方法，包括以下步骤：
1、对一二次融合设备中的一次侧断路器和二次侧采集终端进行信号波形的同步采集，并分别记为标准波形和测试波形；
如图2所示，本实施例给出了一种信号波形的同步采集的过程：
1.1、将一次侧断路器处于合闸状态，且进线侧接入电流调节系统，出线侧接地，保护延时定值设置为0s并预设保护整定值；
1.2、启动电流调节系统，通过电流调节系统按预设的速率逐渐增大输入一次侧断路器的电流，直至一次侧断路器断开；
1.3、在启动电流调节系统至一次侧断路器断开之间，通过录波仪记录一次侧断路器的电流和电压的信号波形，通过二次侧采集终端采集一次侧断路器的电流和电压的信号波形。
2、重复上述步骤获取多组标准波形和测试波形，并采用波形相似度对比方法计算每组标准波形和测试波形的最大幅值差和最大相角差；
如图3所示，本实施例给出一种计算每组标准波形和测试波形的最大幅值差和最大相角差的过程：
2.1、根据标准波形和测试波形的故障点确定测试波形的基准比较窗口；
2.2、对测试波形的基准比较窗口进行每个周波的傅立叶变换；
2.3、根据基准比较窗口确定标准波形的可移动周波数N；
2.4、对标准波形进行每个周波的傅立叶变换，将标准波形中的比较窗口从可移动周波数N的第一个周波开始移动，直到后续N个周波，对标准波形的比较窗口的每个周波同测试波形的基准比较窗口对应周波进行幅值差的计算，并在可移动周波数N中选择幅值差最小的比较窗口作为标准波形的相似窗口；
2.5、计算相似窗口同基准比较窗口的各个周波的最大幅值差和最大相角差。
其中，计算相似窗口同基准比较窗口的各个周波的最大幅值差和最大相角差包括：
2.5.1、计算测试波形中各次谐波幅值分量针对基波的幅值权重Wi：
式中，i为傅立叶分解后所得到的谐波次数，M0为测试波形基波的幅值，Mi为测试波形i次谐波的幅值；
2.5.2、针对每一个周波，计算幅值加权后的最大幅值差ΔM(％)和最大相角差Δθ(％)：
式中，M′0为标准波形基波的幅值，M′i为标准波形i次谐波的幅值，Ai为测试波形i次谐波的相角，A′i为标准波形i次谐波的相角。
3、采用K-Means聚类算法对多组最大幅值差和最大相角差进行处理计算得到波形相似度临界点；
如图4所示，本实施例给出一种对多组最大幅值差和最大相角差进行处理计算得到波形相似度临界点的过程：
3.1、根据多组最大幅值差和最大相角差生成数据点集：
{D1(i1,j1),D2(i2,j2),…,Dn(in,jn)}
式中，n为最大幅值差和最大相角差的组数，in,jn为第n组最大幅值差和最大相角差；
3.2、基于PSO方法从数据点集中选取三个数据点作为初始聚类中心；
3.3、计算数据点集中剩余数据点到初始聚类中心的欧几里得距离，将剩余数据点分别归类到欧几里得距离最小的聚类中心形成三个聚类簇；计算三个聚类簇的当前聚类中心，将当前聚类中心作为初始聚类中心重复当前步骤，直至当前聚类中心不变或收敛，输出最终的聚类中心；
3.4、将最终的聚类中心对应的数据点作为波形相似度临界点。
其中，基于PSO方法从数据点集中选取三个数据点作为初始聚类中心包括：
3.1.1、初始化粒子群，将数据点集中数据点映射为粒子，每个粒子的位置为第k个聚类中心，k＝1,2,3；
设定：
第c个粒子在3维空间中的位置为Xc＝{Xc1,Xc2,Xc3}，速度为Vc＝{Vc1,Vc2,Vc3}；
第c个粒子在3维空间中的最优位置为Pc＝{Pc1,Pc2,Pc3}，粒子群的全局最优位置为Pg＝{Pg1,Pg2,Pg3}；
第c个粒子的速度和位置更新公式为：
Xck(t+1)＝Xck(t)+Vck(t)
Vck(t+1)＝WVck(t)+C1R1[Pck-Xck(t)]+C2R2[Pgk-Xck(t)]
式中，k＝1,2,3，t为迭代次数，C1、C2为学习因子，R1、R2为均匀分布在[0,1]范围中的随机数，W为惯性权重；
式中，wmin、wmax为最小惯性权重和最小惯性权重，fc为第c个粒子的当前适应度，favg为所有粒子的当前适应度平均值，fmin为所有粒子的当前适应度最小值；
式中，C1,init、C2,init、C1,fin、C2,fin为预设常数，且满足C1,init>C2,init，C1,fin>C2,fin，tmax为迭代次数最大值；
3.1.2、根据粒子的位置计算每个粒子当前适应度值：
式中，fc为第c个粒子的当前适应度值，Dc为粒子群中第c个粒子对应的数据点，Ck为第k个聚类中心；
3.1.3、根据粒子的当前适应度值更新个体最优位置和全局最优位置；
3.1.4、更新惯性权重和学习因子，并基于更新后的惯性权重和学习因子更新粒子的速度和位置；
3.1.5、根据更新后粒子的速度和位置返回根据粒子的位置计算每个粒子当前适应度值进行迭代，直至到达预设的迭代次数，输出最终的全局最优位置；
3.1.6、将最终的全局最优位置作为初始聚类中心。
4、以波形相似度临界点作为波形相似度判定指标对相似波形、疑似波形、不相似波形进行判定；具体包括：
4.1、将波形相似度临界点分别记为Z1、Z2、Z3；
4.2、当一组标准波形和测试波形的最大幅值差和最大相角差所构成的数据点在二维平面上距离Z2最近时，则判定为相似波形；
4.3、当一组标准波形和测试波形的最大幅值差和最大相角差所构成的数据点在二维平面上和Z1、Z2或Z2、Z3距离小于预设阈值时，则判定为疑似波形；
4.4、当一组标准波形和测试波形的最大幅值差和最大相角差所构成的数据点在二维平面上仅与Z1或Z3距离小于预设阈值时，则判定为不相似波形。
实施例二：
本发明实施例提供了一种一二次融合设备的波形相似度判定装置，装置包括：
采集模块，用于对一二次融合设备中的一次侧断路器和二次侧采集终端进行信号波形的同步采集，并分别记为标准波形和测试波形；
计算模块，用于重复上述步骤获取多组标准波形和测试波形，并采用波形相似度对比方法计算每组标准波形和测试波形的最大幅值差和最大相角差；
临界模块，用于采用K-Means聚类算法对多组最大幅值差和最大相角差进行处理计算得到波形相似度临界点；
判定模块，用于以波形相似度临界点作为波形相似度判定指标对相似波形、疑似波形、不相似波形进行判定。
实施例三：
基于实施例一，本发明实施例提供了一种一二次融合设备的波形相似度判定装置，包括处理器及存储介质；
存储介质用于存储指令；
处理器用于根据指令进行操作以执行根据上述方法的步骤。
实施例四：
基于实施例一，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。
本申请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。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (8)
1.一种一二次融合设备的波形相似度判定方法，其特征在于，包括：
对一二次融合设备中的一次侧断路器和二次侧采集终端进行信号波形的同步采集，并分别记为标准波形和测试波形；
重复上述步骤获取多组标准波形和测试波形，并采用波形相似度对比方法计算每组标准波形和测试波形的最大幅值差和最大相角差；
采用K-Means聚类算法对多组最大幅值差和最大相角差进行处理计算得到波形相似度临界点；具体包括：
根据多组最大幅值差和最大相角差生成数据点集：
；
式中，为最大幅值差和最大相角差的组数，/>为第/>组最大幅值差和最大相角差；
基于PSO方法从数据点集中选取三个数据点作为初始聚类中心；
计算数据点集中剩余数据点到初始聚类中心的欧几里得距离，将剩余数据点分别归类到欧几里得距离最小的聚类中心形成三个聚类簇；计算三个聚类簇的当前聚类中心，将当前聚类中心作为初始聚类中心重复当前步骤，直至当前聚类中心不变或收敛，输出最终的聚类中心；
将最终的聚类中心对应的数据点作为波形相似度临界点；
以波形相似度临界点作为波形相似度判定指标对相似波形、疑似波形、不相似波形进行判定，具体包括：
将波形相似度临界点分别记为Z1、Z2、Z3；
当一组标准波形和测试波形的最大幅值差和最大相角差所构成的数据点在二维平面上距离Z2最近时，则判定为相似波形；
当一组标准波形和测试波形的最大幅值差和最大相角差所构成的数据点在二维平面上和Z1、Z2或Z2、Z3距离小于预设阈值时，则判定为疑似波形；
当一组标准波形和测试波形的最大幅值差和最大相角差所构成的数据点在二维平面上仅与Z1或Z3距离小于预设阈值时，则判定为不相似波形。
2.根据权利要求1所述的一种一二次融合设备的波形相似度判定方法，其特征在于，所述对一二次融合设备中的一次侧断路器和二次侧采集终端进行信号波形的同步采集包括：
将一次侧断路器处于合闸状态，且进线侧接入电流调节系统，出线侧接地，保护延时定值设置为0s并预设保护整定值；
启动电流调节系统，通过电流调节系统按预设的速率逐渐增大输入一次侧断路器的电流，直至一次侧断路器断开；
在启动电流调节系统至一次侧断路器断开之间，通过录波仪记录一次侧断路器的电流和电压的信号波形，通过二次侧采集终端采集一次侧断路器的电流和电压的信号波形。
3.根据权利要求1所述的一种一二次融合设备的波形相似度判定方法，其特征在于，所述采用波形相似度对比方法计算每组标准波形和测试波形的最大幅值差和最大相角差包括：
根据标准波形和测试波形的故障点确定测试波形的基准比较窗口；
对测试波形的基准比较窗口进行每个周波的傅立叶变换；
根据基准比较窗口确定标准波形的可移动周波数N；
对标准波形进行每个周波的傅立叶变换，将标准波形中的比较窗口从可移动周波数N的第一个周波开始移动，直到后续N个周波，对标准波形的比较窗口的每个周波同测试波形的基准比较窗口对应周波进行幅值差的计算，并在可移动周波数N中选择幅值差最小的比较窗口作为标准波形的相似窗口；
计算相似窗口同基准比较窗口的各个周波的最大幅值差和最大相角差。
4.根据权利要求3所述的一种一二次融合设备的波形相似度判定方法，其特征在于，所述计算相似窗口同基准比较窗口的各个周波的最大幅值差和最大相角差包括：
计算测试波形中各次谐波幅值分量针对基波的幅值权重：
；
式中，为傅立叶分解后所得到的谐波次数，/>为测试波形基波的幅值，/>为测试波形次谐波的幅值；
针对每一个周波，计算幅值加权后的最大幅值差和最大相角差/>：
(/>；
(/>；
式中，为标准波形基波的幅值，/>为标准波形/>次谐波的幅值，/>为测试波形/>次谐波的相角，/>为标准波形/>次谐波的相角。
5.根据权利要求1所述的一种一二次融合设备的波形相似度判定方法，其特征在于，所述基于PSO方法从数据点集中选取三个数据点作为初始聚类中心包括：
初始化粒子群，将数据点集中数据点映射为粒子，每个粒子的位置为第个聚类中心，；
根据粒子的位置计算每个粒子当前适应度值：
；
式中，为第/>个粒子的当前适应度值，/>为粒子群中第/>个粒子对应的数据点，/>为第/>个聚类中心；
根据粒子的当前适应度值更新个体最优位置和全局最优位置；
更新惯性权重和学习因子，并基于更新后的惯性权重和学习因子更新粒子的速度和位置；
根据更新后粒子的速度和位置返回根据粒子的位置计算每个粒子当前适应度值进行迭代，直至到达预设的迭代次数，输出最终的全局最优位置；
将最终的全局最优位置作为初始聚类中心。
6.一种一二次融合设备的波形相似度判定装置，其特征在于，所述装置包括：
采集模块，用于对一二次融合设备中的一次侧断路器和二次侧采集终端进行信号波形的同步采集，并分别记为标准波形和测试波形；
计算模块，用于重复上述步骤获取多组标准波形和测试波形，并采用波形相似度对比方法计算每组标准波形和测试波形的最大幅值差和最大相角差；
临界模块，用于采用K-Means聚类算法对多组最大幅值差和最大相角差进行处理计算得到波形相似度临界点；具体包括：
根据多组最大幅值差和最大相角差生成数据点集：
；
式中，为最大幅值差和最大相角差的组数，/>为第/>组最大幅值差和最大相角差；
基于PSO方法从数据点集中选取三个数据点作为初始聚类中心；
计算数据点集中剩余数据点到初始聚类中心的欧几里得距离，将剩余数据点分别归类到欧几里得距离最小的聚类中心形成三个聚类簇；计算三个聚类簇的当前聚类中心，将当前聚类中心作为初始聚类中心重复当前步骤，直至当前聚类中心不变或收敛，输出最终的聚类中心；
将最终的聚类中心对应的数据点作为波形相似度临界点；
判定模块，用于以波形相似度临界点作为波形相似度判定指标对相似波形、疑似波形、不相似波形进行判定，具体包括：
将波形相似度临界点分别记为Z1、Z2、Z3；
当一组标准波形和测试波形的最大幅值差和最大相角差所构成的数据点在二维平面上距离Z2最近时，则判定为相似波形；
当一组标准波形和测试波形的最大幅值差和最大相角差所构成的数据点在二维平面上和Z1、Z2或Z2、Z3距离小于预设阈值时，则判定为疑似波形；
当一组标准波形和测试波形的最大幅值差和最大相角差所构成的数据点在二维平面上仅与Z1或Z3距离小于预设阈值时，则判定为不相似波形。
7.一种一二次融合设备的波形相似度判定装置，其特征在于，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1-5任一项所述方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-5任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211439241.7A CN115795316B (zh) | 2022-11-17 | 2022-11-17 | 一二次融合设备的波形相似度判定方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211439241.7A CN115795316B (zh) | 2022-11-17 | 2022-11-17 | 一二次融合设备的波形相似度判定方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115795316A CN115795316A (zh) | 2023-03-14 |
| CN115795316B true CN115795316B (zh) | 2024-03-08 |
Family
ID=85438410
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211439241.7A Active CN115795316B (zh) | 2022-11-17 | 2022-11-17 | 一二次融合设备的波形相似度判定方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115795316B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103336243A (zh) * | 2013-07-01 | 2013-10-02 | 东南大学 | 基于分合闸线圈电流信号的断路器故障诊断方法 |
| CN109284672A (zh) * | 2018-08-03 | 2019-01-29 | 金陵科技学院 | 一种基于PSO-Kmeans算法的高压断路器机械故障诊断方法 |
| CN109375060A (zh) * | 2018-11-12 | 2019-02-22 | 上海金智晟东电力科技有限公司 | 一种配电网故障波形相似度计算方法 |
| CN110070048A (zh) * | 2019-04-23 | 2019-07-30 | 山东建筑大学 | 基于双次K-means聚类的设备类型识别方法及系统 |
| CN113589209A (zh) * | 2020-04-30 | 2021-11-02 | 中国电力科学研究院有限公司 | 一种故障录波相似性评估方法及系统 |
| CN114781467A (zh) * | 2022-06-22 | 2022-07-22 | 济南嘉宏科技有限责任公司 | 一种基于振动相似度的故障检测方法及装置 |
| CN114966316A (zh) * | 2022-05-24 | 2022-08-30 | 国网江苏省电力有限公司电力科学研究院 | 一种一二次深度融合设备信号检测装置及检测方法 |
| CN115226027A (zh) * | 2022-07-26 | 2022-10-21 | 内蒙古大学 | 一种WiFi室内指纹定位方法及装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2985613B1 (en) * | 2013-03-29 | 2022-02-09 | Beijing Inhand Networks Technology Co., Ltd. | Method and system for detecting and locating single-phase ground fault on low current grounded power-distribution network |
| US10235443B2 (en) * | 2016-03-01 | 2019-03-19 | Accenture Global Solutions Limited | Parameter set determination for clustering of datasets |
-
2022
- 2022-11-17 CN CN202211439241.7A patent/CN115795316B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103336243A (zh) * | 2013-07-01 | 2013-10-02 | 东南大学 | 基于分合闸线圈电流信号的断路器故障诊断方法 |
| CN109284672A (zh) * | 2018-08-03 | 2019-01-29 | 金陵科技学院 | 一种基于PSO-Kmeans算法的高压断路器机械故障诊断方法 |
| CN109375060A (zh) * | 2018-11-12 | 2019-02-22 | 上海金智晟东电力科技有限公司 | 一种配电网故障波形相似度计算方法 |
| CN110070048A (zh) * | 2019-04-23 | 2019-07-30 | 山东建筑大学 | 基于双次K-means聚类的设备类型识别方法及系统 |
| CN113589209A (zh) * | 2020-04-30 | 2021-11-02 | 中国电力科学研究院有限公司 | 一种故障录波相似性评估方法及系统 |
| CN114966316A (zh) * | 2022-05-24 | 2022-08-30 | 国网江苏省电力有限公司电力科学研究院 | 一种一二次深度融合设备信号检测装置及检测方法 |
| CN114781467A (zh) * | 2022-06-22 | 2022-07-22 | 济南嘉宏科技有限责任公司 | 一种基于振动相似度的故障检测方法及装置 |
| CN115226027A (zh) * | 2022-07-26 | 2022-10-21 | 内蒙古大学 | 一种WiFi室内指纹定位方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 基于能量谱相似度自适应聚类的配电网接地故障区段定位方法;杨耿杰等;《电力自动化设备》;第41卷(第3期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115795316A (zh) | 2023-03-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108445406B (zh) | 一种动力电池健康状态估计方法 | |
| CN108536648B (zh) | 基于多超声波传感器的局部放电非线性模型转换求解与优化方法 | |
| CN107577870B (zh) | 基于同步相量量测的配电网电压功率灵敏度鲁棒估计方法 | |
| CN112510707B (zh) | 一种配电台区电力阻抗拓扑图生成方法及系统 | |
| CN106505557B (zh) | 一种遥测错误辨识方法及装置 | |
| CN109670213B (zh) | 一种风电场多机等值建模方法及装置 | |
| CN111327377A (zh) | 场强预测方法、装置、设备及存储介质 | |
| CN110287540B (zh) | 一种基于精英群众差分进化算法的光伏电池参数辨识方法 | |
| CN108336739A (zh) | 一种基于rbf神经网络的概率潮流在线计算方法 | |
| CN112485598A (zh) | 结合波形相关性与幅值特征的小电流接地故障定位方法 | |
| He et al. | A novel adaptive particle swarm optimization algorithm based high precision parameter identification and state estimation of lithium-ion battery | |
| CN114512982A (zh) | 配电网拓扑辨识方法、装置和终端设备 | |
| CN109800477B (zh) | 锂离子电池三因素不一致性预测方法及装置 | |
| CN108574290B (zh) | 受迫振荡的振荡源定位方法、装置、终端及可读存储介质 | |
| CN115795316B (zh) | 一二次融合设备的波形相似度判定方法、装置及存储介质 | |
| CN110703038B (zh) | 一种适用于风机接入配电网的谐波阻抗估算方法 | |
| CN113449468A (zh) | 一种锂离子电池组的多参数分布特性建模和参数生成方法 | |
| CN110045250B (zh) | 一种电力电缆的绝缘状态判断方法及系统 | |
| CN110098610B (zh) | 故障扰动下电力系统振荡主导模式的实时辨识方法及系统 | |
| CN110333451A (zh) | 一种锂离子电池荷电状态与开路电压模型建立方法 | |
| CN114757291A (zh) | 基于机器学习算法的单相故障识别优化方法、系统及设备 | |
| CN114300763A (zh) | 基于车云协调的电池内阻异常监测方法、设备及存储介质 | |
| CN113269678A (zh) | 接触网输电线路的故障点定位方法 | |
| CN109902378A (zh) | 基于多模型迁移和bma理论的复杂工业过程低成本建模方法 | |
| CN109217336B (zh) | 基于分区建模的同步发电机阻尼系数在线辨识方法 |
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 |