CN117169804B - 基于合电流矢量分析的电流互感器误差状态在线辨识方法 - Google Patents
基于合电流矢量分析的电流互感器误差状态在线辨识方法 Download PDFInfo
- Publication number
- CN117169804B CN117169804B CN202311445798.6A CN202311445798A CN117169804B CN 117169804 B CN117169804 B CN 117169804B CN 202311445798 A CN202311445798 A CN 202311445798A CN 117169804 B CN117169804 B CN 117169804B
- Authority
- CN
- China
- Prior art keywords
- current transformer
- modeling
- data set
- current
- transformer group
- 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
- 239000013598 vector Substances 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000004458 analytical method Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims description 30
- 230000001186 cumulative effect Effects 0.000 claims description 25
- 230000002159 abnormal effect Effects 0.000 claims description 23
- 238000005315 distribution function Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 11
- 230000001419 dependent effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 8
- 238000002759 z-score normalization Methods 0.000 claims description 7
- 238000012795 verification Methods 0.000 abstract description 10
- 230000000737 periodic effect Effects 0.000 abstract description 4
- 230000005856 abnormality Effects 0.000 abstract 1
- 238000012544 monitoring process Methods 0.000 description 20
- 238000005259 measurement Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000002279 physical standard Substances 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种基于合电流矢量分析的电流互感器误差状态在线辨识方法，包括：获取同一母线上的多个同相电流互感器的数据，并基于电流矢量数据并根据其构建第一建模数据集；利用偏最小二乘法，对第一建模数据集进行处理，得到第二建模数据集；基于第二建模数据集，计算第一建模数据集的SPE统计值和SPE的控制限；实时获取所述电流互感器群体的二次电流信号，根据所述电流互感器群体的SPE统计值及其控制限，判断所述电流互感器群体是否超差；基于时序解集，定位存在超差的电流互感器群体的故障线路。本发明通过PLS和SPE统计量,判断群体异常和定位故障线路，实现了在时序上在线评估电流互感器的计量误差状态，解决了电流互感器定期误差停电校验的难题。
Description
技术领域
本发明属于电流互感器检测技术领域，具体涉及一种基于合电流矢量分析的电流互感器误差状态在线辨识方法，特别涉及一种基于合电流分解与矢量波动分析的高压电流互感器误差状态在线辨识方法。
背景技术
电流互感器（Current Transformer，CT）是将高压电网中的大电流转换为小电流供二次侧设备安全采集的基础装备。测量误差是度量CT测量值与测量真值间差异关键指标，直接影响电力系统保护、测控和计量的可靠性，CT超差故障直接导致计量失准，严重故障还将引起引发电力系统失稳甚至裂解，后果极其严重。
现有方法为检定规程《JJG 313-2010 测量用电流互感器》提出的定周期停电校验，检定周期为4-10年。该方法主要缺陷为：计划性停电降低供电可靠性，停电窗口难以协调，导致电网中部分CT超期未检，亟需不停电的高效校验方式。
为此，专利CN207924122U公开了一种“带电校验”系统，其基本原理与“停电检定”法类似，也是利用标准器获取相对真值，待检定互感器的测得值与相对真值之间的偏差即为互感器的误差，不同之处在于物理标准器由特殊设计而成，具备体积小、重量轻等特点，可采用带电操作方式接入与待检定互感器相同的回路，并实现短期在线运行。但该方法未能摆脱物理标准器的限制，依然仅能定周期开展，并且带电操作易引发过电压，对操作人员、设备安全构成威胁。
因此，实现CT计量误差状态的在线评估成为亟待解决的问题。现有研究成果有基于信号处理的方法来实现误差的在线评估，利用信号处理的相关方法，对单台互感器输出信号的高频次采样瞬时值展开信号变换、分离与提取，从中寻找表征互感器异常运行状态的信号分量，通过判断分量的存在与否以及大小来评估互感器的计量误差状态。该类方法可以摆脱停电的影响，但是其仅能诊断出严重故障，不能实现互感器计量误差状态的准确评估。专利CN113504501A公开了一种电流互感器在线监测系统及方法，该方法提出在电网交流信号中耦合一个测试信号并在二次回路中对采集的信号进行处理得到被测互感器的实际误差，但存在对电网造成冲击且测量精度不高的问题。
发明内容
为安全、高精度地实现电流互感器计量误差状态的在线评估，在本发明的第一方面提供了一种基于合电流矢量分析的电流互感器误差状态在线辨识方法，包括：获取同一母线上的多个同相电流互感器的数据，并构建电流互感器群体建模电流矢量数据；对所述电流互感器群体建模电流矢量数据进行预处理，得到第一建模数据集；利用偏最小二乘法，对第一建模数据集进行处理，得到第二建模数据集；基于所述第二建模数据集，计算第一建模数据集的平方预测误差统计值的累积分布函数；根据所述累积分布函数，计算平方预测误差的统计量控制限；根据所述统计量控制限优化所述第二建模数据集；实时获取所述电流互感器群体的二次电流信号，并基于优化后的第二建模数据集,计算所述电流互感器群体的平方预测误差统计值及其控制限；根据所述电流互感器群体的平方预测误差统计值及其控制限的大小关系，判断所述电流互感器群体是否超差；计算每条线路的时序解集，并根据所述时序解集定位存在超差的电流互感器群体的故障线路。
在本发明的一些实施例中，所述利用偏最小二乘法，对第一建模数据集进行处理，得到第二建模数据集包括：确定第一建模数据集的潜变量个数；基于潜变量个数所对应的响应变量累计方差百分比，判断所述潜变量个数是否达到故障检测要求；基于达到故障检测要求的潜变量个数，使用偏最小二乘法对第一建模数据集中的自变量矩阵及建模因变量矩阵/>处理。
在本发明的一些实施例中，所述基于所述第二建模数据集，计算第一建模数据集的平方预测误差统计值的累积分布函数包括：基于所述第二建模数据集,计算第一建模数据集的平方预测误差统计值；通过高斯核函数对第一建模数据集的平方预测误差统计值进行估计，得到核密度分布带宽；基于所述核密度分布带宽和高斯核函数，计算第一建模数据集的平方预测误差统计值的累积分布函数。
在本发明的一些实施例中，所述根据所述电流互感器群体的平方预测误差统计值及其控制限的大小关系，判断所述电流互感器群体是否超差包括：
若所述电流互感器群体的平方预测误差统计值大于其对应的控制限时，则初步判断所述电流互感器群体存在超差。
进一步的，所述计算每条线路的时序解集，并根据所述时序解集定位存在超差的电流互感器群体的故障线路包括：从存在超差的电流互感器群体的数据集中提取异常时段数据；根据所述异常时段数据和偏最小二乘法，计算特征系数矩阵；通过所述特征系数矩阵和预设Q统计量，计算所述异常时段数据中的每条线路对应的时序解集。
在上述的实施例中，所述对所述电流互感器群体建模电流矢量数据进行预处理，得到第一建模数据集包括：根据每条线路的电流互感器的额定量程，提取电流数据；基于提取后的电流数据，建模电流矢量数据；根据所述电流矢量数据的实部和虚部，构建建模数据集；通过Z-Score标准化，对所述建模数据集进行标准化，得到第一建模数据集。
本发明的第二方面，提供了一种基于合电流矢量分析的电流互感器误差状态在线辨识装置，包括：获取模块，用于获取同一母线上的多个同相电流互感器的数据，并构建电流互感器群体建模电流矢量数据；对所述电流互感器群体建模电流矢量数据进行预处理，得到第一建模数据集；处理模块，用于利用偏最小二乘法，对第一建模数据集进行处理，得到第二建模数据集；第一计算模块，用于基于所述第二建模数据集，计算第一建模数据集的平方预测误差统计值的累积分布函数；根据所述累积分布函数，计算平方预测误差的统计量控制限；第二计算模块，用于实时获取所述电流互感器群体的二次电流信号，并基于第二建模数据集计算所述电流互感器群体的平方预测误差统计值及其控制限；判断模块，用于根据所述电流互感器群体的平方预测误差统计值及其控制限的大小关系，判断所述电流互感器群体是否超差；计算每条线路的时序解集，并根据所述时序解集定位存在超差的电流互感器群体的故障线路。
本发明的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明在第一方面提供的基于合电流矢量分析的电流互感器误差状态在线辨识方法。
本发明的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本发明在第一方面提供的基于合电流矢量分析的电流互感器误差状态在线辨识方法。
本发明的有益效果是：
本发明提出的电流互感器计量误差状态在线辨识方法，基于群体周期检定后的正常数据以及同一母线上各线路同相CT测量数据，可在摆脱停电与实物标准器的双重依赖的前提下，及时辨别超差CT，指导电力公司的运维工作，推动输变电设备精准检修，为电能贸易公平及电网安全运行提供保障。
附图说明
图1为本发明的一些实施例中的基于合电流矢量分析的电流互感器误差状态在线辨识方法的基本流程示意图；
图2为本发明的一些实施例中的基于合电流矢量分析的电流互感器误差状态在线辨识方法的具体流程示意图；
图3为本发明的一些实施例中的变电站同一母线上一条进线三条出线的电气模型；
图4为本发明的一些实施例中的不同潜变量个数下累计方差百分比示意图；
图5为本发明的一些实施例中的监测数据集中CT存在幅值超差时SPE统计量与控制限对比示意图；
图6为本发明的一些实施例中的监测数据集CT存在幅值超差时的各线路求解的解集的示意图；
图7为本发明的一些实施例中的基于合电流矢量分析的电流互感器误差状态在线辨识装置的结构示意图；
图8为本发明的一些实施例中的电子设备的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
参考图1与图2，在本发明的第一方面，提供了一种基于合电流矢量分析的电流互感器误差状态在线辨识方法，包括：S100.获取同一母线上的多个同相电流互感器的数据，并构建电流互感器群体建模电流矢量数据；对所述电流互感器群体建模电流矢量数据进行预处理，得到第一建模数据集；S200.利用偏最小二乘法，对第一建模数据集进行处理，得到第二建模数据集；S300.基于所述第二建模数据集，计算第一建模数据集的平方预测误差统计值的累积分布函数；根据所述累积分布函数，计算平方预测误差的统计量控制限；根据所述统计量控制限优化所述第二建模数据集；S400.实时获取所述电流互感器群体的二次电流信号，并基于优化后的第二建模数据集,计算所述电流互感器群体的平方预测误差统计值及其控制限；S500.根据所述电流互感器群体的平方预测误差统计值及其控制限的大小关系，判断所述电流互感器群体是否超差；计算每条线路的时序解集，并根据所述时序解集定位存在超差的电流互感器群体的故障线路。
在本发明的一些实施例的步骤S100中，所述对所述电流互感器群体建模电流矢量数据进行预处理，得到第一建模数据集包括：
S101.根据每条线路的电流互感器的额定量程，提取电流数据；
具体地，将变电站中同一母线上所有进出线的同相电流互感器（CT）构建为群体，在周期检定后，采集误差状态均合格的变电站内CT群体数据，构建为CT群体建模电流矢量数据。
S102.基于提取后的电流数据，建模电流矢量数据；
具体地，在电流互感器开展周期检定后，通过采集误差状态均合格的变电站内CT群体数据，包括同一母线上各条线路上同相各CT的二次侧电流信号，包括电流信号的幅值和相位，形成同一母线上各条线路同相的电流矢量。
S103.根据所述电流矢量数据的实部和虚部，构建建模数据集；
对数据进行预处理，依据电流互感器量程筛选稳定段数据。对数据进行标准化，将建模电流矢量数据求取实部、虚部存入建模数据集中。
S104.通过Z-Score标准化，对所述建模数据集进行标准化，得到第一建模数据集。计算建模数据集的电流数据矢量和/>取实部（或虚部）存为建模数据集/>。
(1)，
其中、/>分别为第i条线路的同相电流实部值与虚部值。/>为PLS模型因变量矩阵/>。
具体地，使用Z-score标准化对建模数据集进行处理。使用方差百分比确定潜变量个数。PLS处理建模数据集。
标准化公式为：
(2)，
式中，μ为建模数据的均值，σ为建模数据的标准差。
在一个步骤S100具体的实施例中，以图3为例，电气模型为一进线，三出线的电路母线模型，则在本实例中包括以下步骤：
（1）以A相为例，将变电站中同一母线上4条进出线的A相电流互感器（CT）构建为群体，在周期检定后，采集误差状态均合格的变电站内CT群体数据，形成同一母线上4条线路A相的建模电流矢量数据,构建为CT群体建模电流矢量数据。
（2）基于采集到的正常工况下CT建模电流矢量数据，依据各线路CT额定量程，优选地，筛取额定量程50%及以上的电流数据，获得母线上4条线路各个A相CT的400点的电流稳定矢量数据，分别取实部、虚部存为：
，与/>共同组成建模数据集/>，/>为PLS模型自变量矩阵。将/>各CT的电流数据矢量和取实部存为建模数据集/>，/>为PLS模型因变量矩阵。对、/>根据公式（2）进行Z-score标准化处理得到标准化后的/>、/>。
参考图3，在本发明的一些实施例的步骤S200中，所述利用偏最小二乘法，对第一建模数据集进行处理，得到第二建模数据集包括：
S201.确定第一建模数据集的潜变量个数；
S202.基于潜变量个数所对应的响应变量累计方差百分比，判断所述潜变量个数是否达到故障检测要求；
可以理解，确定潜变量个数的方法包括但不限于响应变量中解释的累计方差百分比或交叉验证法。优选地，使用方差百分比作为确定潜变量个数的判断依据。
S203.基于达到故障检测要求的潜变量个数，使用偏最小二乘法对第一建模数据集中的自变量矩阵及建模因变量矩阵/>处理。
参考图4，其示出了使用响应变量中解释的方差百分比作为确定潜变量个数。当潜变量个数达到3时，响应变量中解释的累计方差百分比初次达到95%，因此可确定在此实例下潜变量个数为3。使用PLS对自变量矩阵及因变量矩阵/>处理。
优选地，当累计解释的方差百分比初次达到95％时，可认为潜变量个数已满足偏最小二乘模型故障监测的需求。使用PLS对建模自变量矩阵及建模因变量矩阵/>处理。
参考图4，在本发明的一些实施例的步骤S300中，所述基于所述第二建模数据集，计算第一建模数据集的平方预测误差统计值的累积分布函数包括：S301.基于所述第二建模数据集,计算第一建模数据集的平方预测误差统计值；
具体地，计算建模数据集SPE统计值，计算公式为：
(3)，
其中，i代表样本点编号，为实测值，/>为经过PLS模型后的预测值，k为自变量个数。
S302.通过高斯核函数对第一建模数据集的平方预测误差统计值进行估计，得到核密度分布带宽；
具体地，选用高斯核函数对建模数据集SPE统计值进行核密度估计，则可得到核密度分布带宽d的计算公式为：
(4)，
其中，n为建模数据集样本点数量，为建模数据集标准差。
S303.基于所述核密度分布带宽和高斯核函数，计算第一建模数据集的平方预测误差统计值的累积分布函数。
具体地，计算概率密度函数:
(5)，
是建模数据集中n1个样本点，K(x)为高斯核函数。
接着，计算累计分布函数:
(6)，
然后，计算控制限cl方法为：则当置信度为95％时，可得控制限cl：
(7)。
可以理解，根据采集装置采集监测CT群体二次电流信号，数据处理后构建为监测数据集，将监测数据集代入到建模数据集构建的PLS模型中，计算CT群体单点SPE统计量，当统计量大于所述SPE统计量的控制限时，判断CT群体疑似超差。
有鉴于此，在本发明的一些实施例的步骤S400中，所述根据所述电流互感器群体的平方预测误差统计值及其控制限的大小关系，判断所述电流互感器群体是否超差包括：若所述电流互感器群体的平方预测误差统计值大于其对应的控制限时，则初步判断所述电流互感器群体存在超差。
可以理解，所述电流互感器群体即为步骤S100中同一母线上的多个同相电流互感器；在实际第二建模数据集的构建过程中，需要将电流互感器群体的二次电流信号反算为一次电流信号，如此便实现电流互感器在线监测。
具体地，S401：采集监测CT群体二次电流信号，包括电流信号的幅值和相位，形成同一母线上各条线路同相的群体监测电流矢量数据。
S402：对数据进行预处理，依据各线路CT额定量程，优选地筛取额定量程50%及以上的电流数据，获得L条线路，n2点正常、稳定工况下的群体监测电流矢量数据。对数据进行标准化，分别取实部、虚部存入监测集，与/>共同组成监测数据集/>。
(8)，
其中、/>分别为第i条线路的同相电流实部值与虚部值；
根据公式(1)计算监测数据集的电流数据矢量和取实部（或虚部）存为监测数据集/>。
S403：对、/>进行Z-score标准化，标准化公式为：
(9)，
式中，需要注意的是：μ为建模数据与/>的均值，σ为建模数据/>与/>的标准差。
S404：将监测数据集、/>代入到建模数据集构建的PLS模型中，计算CT群体单点SPE统计量，当统计量大于所述SPE统计量的控制限时，判断CT群体疑似超差。
在本发明的一个具体实施例的步骤S400中，通过数据采集装置实时采集母线上4条线路各个A相CT的二次侧电流信号，从而形成同一母线上4条线路A相的监测电流矢量数据。在此实施例中数据采集装置周期为1分钟，采集时间为352分钟的数据长度为352，对其进行数据预处理，优选地筛取额定量程50%及以上的电流数据，得到数据长度为n2=150的监测电流矢量数据。实验中发现采集得到的150个电流矢量数据中的第3组CT电流矢量数据存在千分之三的超差，分别取实部、虚部并存为[X2i1,X2i2,X2i3,X2i4]，共同组成监测数据集，将/>各CT的电流数据矢量和取实部存为监测数据集/>。对/>、/>根据公式(9)进行Z-score标准化处理得到标准化后的/>、/>。
然后，将监测数据集代入到建模数据集构建的PLS模型中，计算CT群体单点SPE统计量。将建模数据集与监测数据集的SPE统计量与控制限cl作比较，如图5所示。可以明显地发现监测数据集SPE统计量中绝大部分数据远高于控制限，认为CT群体存在故障。
参考图6，在步骤S500中，所述计算每条线路的时序解集，并根据所述时序解集定位存在超差的电流互感器群体的故障线路包括：从存在超差的电流互感器群体的数据集中提取异常时段数据；根据所述异常时段数据和偏最小二乘法，计算特征系数矩阵；通过所述特征系数矩阵和预设Q统计量，计算所述异常时段数据中的每条线路对应的时序解集。
具体地，包括：
S501：当判断CT群体计量状态超差时，提取异常时段的监测数据包含：提取监测数据集（包含了/>、/>）中的异常时段数据/>（包含了、/>）及监测数据集/>中的异常时段数据/>，异常时段数据长度为/>。
S502:构建异常CT线路判断模型的方法为：将异常时段数据集经特征系数矩阵:BETA处理后得到对应的因变量预测值：/>,
(10)，
为PLS过程中的系数矩阵，在对建模数据集/>进行PLS处理时，可以获得特征系数矩阵BETA/>，/>、/>，/>为对应于电流矢量实部的系数矩阵,与/>每列相对应，为对应于电流矢量虚部的系数矩阵，与每列相对应。
则：
(11)，
其中，与/>为计量误差超限线路的比值差与相位差，为固定值。/>，特指超差线路系数矩阵；/>，特指超差线路系数矩阵；/>，特指超差线路；，特指超差线路。即：/>统计量只与超差线路有关。
S503：基于已知的统计量与BETA及/>矩阵，将式(11)转化为了一个求解方程的问题：
已知量为：各线路系数矩阵：BETA，各线路数据矩阵：，以及/>统计量。
则由式(11)：
系数一为：
；
系数二为：
；均为已知量。
未知量为：计量误差超限线路的比值差：与相位差：/>。
因此问题转化为二元一次求解问题，并且因统计量等是异常时段数据，长度为，因此可以获得：/>与/>的时序解集。
由式(11)易得，只有是超差线路的，/>及/>，/>时，才满足式(11)，得到稳定的数值解集。当为未超差线路时，式(11)不成立，无法获得稳定的数值解集。因为/>对于CT而言其值较小且一般不会出现相位差超差，因此对各线路求解获得的/>时序解集进行评价，最稳定解集对应的线路为超差线路。
S504：时序解集评价方法是：对于得到的时序解集，因为会受到电流测量值的波动影响，会出现个别畸变数值点，因此采用二阶差分滤去数值异常解。对解集求取标准差，以标准差大小来判断最稳定解集，实现超差CT定位。
具体地，监测数据集均为SPE统计量远高于控制限/>，均为CT群体异常数据，则：/>，/>，从而基于建模数据集PLS处理过程中获得的,得到相应的/>统计量：/>，而后使用：
，
求取每条线路对应的时序解集。
实施例2
参考图7，本发明的第二方面，提供了一种基于合电流矢量分析的电流互感器误差状态在线辨识装置1，包括：获取模块11，用于获取同一母线上的多个同相电流互感器的数据，并构建电流互感器群体建模电流矢量数据；对所述电流互感器群体建模电流矢量数据进行预处理，得到第一建模数据集；处理模块12，用于利用偏最小二乘法，对第一建模数据集进行处理，得到第二建模数据集；第一计算模块13，用于基于所述第二建模数据集，计算第一建模数据集的平方预测误差统计值的累积分布函数；根据所述累积分布函数，计算平方预测误差的统计量控制限；根据所述统计量控制限优化所述第二建模数据集；第二计算模块14，用于实时获取所述电流互感器群体的二次电流信号，并基于优化后的第二建模数据集,计算所述电流互感器群体的平方预测误差统计值及其控制限；判断模块15，用于根据所述电流互感器群体的平方预测误差统计值及其控制限的大小关系，判断所述电流互感器群体是否超差；计算每条线路的时序解集，并根据所述时序解集定位存在超差的电流互感器群体的故障线路。
进一步的，所述处理模块12包括：确定单元，用于确定第一建模数据集的潜变量个数；判断单元，用于基于潜变量个数所对应的响应变量累计方差百分比，判断所述潜变量个数是否达到故障检测要求；处理单元，用于基于达到故障检测要求的潜变量个数，使用偏最小二乘法对第一建模数据集中的自变量矩阵及建模因变量矩阵/>处理。
实施例3
参考图8，本发明的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明在第一方面的基于合电流矢量分析的电流互感器误差状态在线辨识方法。
电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图8中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所描述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个计算机程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++、Python，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。需要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于合电流矢量分析的电流互感器误差状态在线辨识方法，其特征在于，包括：
获取同一母线上的多个同相电流互感器的数据，并构建电流互感器群体建模电流矢量数据；对所述电流互感器群体建模电流矢量数据进行预处理，得到第一建模数据集；
利用偏最小二乘法，对第一建模数据集进行处理，得到第二建模数据集；
基于所述第二建模数据集，计算第一建模数据集的平方预测误差统计值的累积分布函数；根据所述累积分布函数，计算平方预测误差的统计量控制限；根据所述统计量控制限优化所述第二建模数据集；
实时获取所述电流互感器群体的二次电流信号，并基于优化后的第二建模数据集,计算所述电流互感器群体的平方预测误差统计值及其控制限；
根据所述电流互感器群体的平方预测误差统计值及其控制限的大小关系，判断所述电流互感器群体是否超差；计算每条线路的时序解集，并根据所述时序解集定位存在超差的电流互感器群体的故障线路:从存在超差的电流互感器群体的数据集中提取异常时段数据；根据所述异常时段数据和偏最小二乘法，计算特征系数矩阵；通过所述特征系数矩阵和预设Q统计量，计算所述异常时段数据中的每条线路对应的时序解集，最稳定解集对应的线路为超差线路。
2.根据权利要求1所述的基于合电流矢量分析的电流互感器误差状态在线辨识方法，其特征在于，所述利用偏最小二乘法，对第一建模数据集进行处理，得到第二建模数据集包括：
确定第一建模数据集的潜变量个数；
基于潜变量个数所对应的响应变量累计方差百分比，判断所述潜变量个数是否达到故障检测要求；
基于达到故障检测要求的潜变量个数，使用偏最小二乘法对第一建模数据集中的自变量矩阵及建模因变量矩阵/>处理。
3.根据权利要求1所述的基于合电流矢量分析的电流互感器误差状态在线辨识方法，其特征在于，所述基于所述第二建模数据集，计算第一建模数据集的平方预测误差统计值的累积分布函数包括：
基于所述第二建模数据集,计算第一建模数据集的平方预测误差统计值；
通过高斯核函数对第一建模数据集的平方预测误差统计值进行估计，得到核密度分布带宽；
基于所述核密度分布带宽和高斯核函数，计算第一建模数据集的平方预测误差统计值的累积分布函数。
4.根据权利要求1所述的基于合电流矢量分析的电流互感器误差状态在线辨识方法，其特征在于，所述根据所述电流互感器群体的平方预测误差统计值及其控制限的大小关系，判断所述电流互感器群体是否超差包括：
若所述电流互感器群体的平方预测误差统计值大于其对应的控制限时，则初步判断所述电流互感器群体存在超差。
5.根据权利要求4所述的基于合电流矢量分析的电流互感器误差状态在线辨识方法，其特征在于，所述计算每条线路的时序解集，并根据所述时序解集定位存在超差的电流互感器群体的故障线路包括：
从存在超差的电流互感器群体的数据集中提取异常时段数据；
根据所述异常时段数据和偏最小二乘法，计算特征系数矩阵；
通过所述特征系数矩阵和预设Q统计量，计算所述异常时段数据中的每条线路对应的时序解集。
6.根据权利要求1所述的基于合电流矢量分析的电流互感器误差状态在线辨识方法，其特征在于，所述对所述电流互感器群体建模电流矢量数据进行预处理，得到第一建模数据集包括：
根据每条线路的电流互感器的额定量程，提取电流数据；
基于提取后的电流数据，建模电流矢量数据；根据所述电流矢量数据的实部和虚部，构建建模数据集；
通过Z-Score标准化，对所述建模数据集进行标准化，得到第一建模数据集。
7.一种基于合电流矢量分析的电流互感器误差状态在线辨识装置，其特征在于，包括：
获取模块，用于获取同一母线上的多个同相电流互感器的数据，并构建电流互感器群体建模电流矢量数据；对所述电流互感器群体建模电流矢量数据进行预处理，得到第一建模数据集；
处理模块，用于利用偏最小二乘法，对第一建模数据集进行处理，得到第二建模数据集；
第一计算模块，用于基于所述第二建模数据集，计算第一建模数据集的平方预测误差统计值的累积分布函数；根据所述累积分布函数，计算平方预测误差的统计量控制限；根据所述统计量控制限优化所述第二建模数据集；
第二计算模块，用于实时获取所述电流互感器群体的二次电流信号，并基于第二建模数据集计算所述电流互感器群体的平方预测误差统计值及其控制限；
判断模块，用于根据所述电流互感器群体的平方预测误差统计值及其控制限的大小关系，判断所述电流互感器群体是否超差；计算每条线路的时序解集，并根据所述时序解集定位存在超差的电流互感器群体的故障线路：从存在超差的电流互感器群体的数据集中提取异常时段数据；根据所述异常时段数据和偏最小二乘法，计算特征系数矩阵；通过所述特征系数矩阵和预设Q统计量，计算所述异常时段数据中的每条线路对应的时序解集，最稳定解集对应的线路为超差线路。
8.根据权利要求7所述的基于合电流矢量分析的电流互感器误差状态在线辨识装置，其特征在于，所述处理模块包括：
确定单元，用于确定第一建模数据集的潜变量个数；
判断单元，用于基于潜变量个数所对应的响应变量累计方差百分比，判断所述潜变量个数是否达到故障检测要求；
处理单元，用于基于达到故障检测要求的潜变量个数，使用偏最小二乘法对第一建模数据集中的自变量矩阵及建模因变量矩阵/>处理。
9.一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至6任一项所述的基于合电流矢量分析的电流互感器误差状态在线辨识方法。
10.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的基于合电流矢量分析的电流互感器误差状态在线辨识方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311445798.6A CN117169804B (zh) | 2023-11-02 | 2023-11-02 | 基于合电流矢量分析的电流互感器误差状态在线辨识方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311445798.6A CN117169804B (zh) | 2023-11-02 | 2023-11-02 | 基于合电流矢量分析的电流互感器误差状态在线辨识方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117169804A CN117169804A (zh) | 2023-12-05 |
| CN117169804B true CN117169804B (zh) | 2024-01-12 |
Family
ID=88930137
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311445798.6A Active CN117169804B (zh) | 2023-11-02 | 2023-11-02 | 基于合电流矢量分析的电流互感器误差状态在线辨识方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117169804B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118091526B (zh) * | 2024-04-23 | 2024-07-05 | 华中科技大学 | 一种电流互感器测量误差在线监测方法及装置 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103384805A (zh) * | 2011-01-31 | 2013-11-06 | 东北大学 | 一种电弧炉运行故障检测装置与方法 |
| CN103472820A (zh) * | 2013-09-18 | 2013-12-25 | 哈尔滨工业大学 | 一种基于偏最小二乘算法的推进系统故障诊断方法 |
| CN105700518A (zh) * | 2016-03-10 | 2016-06-22 | 华中科技大学 | 一种工业过程故障诊断方法 |
| CN106874676A (zh) * | 2017-02-20 | 2017-06-20 | 广东工业大学 | 一种电能计量装置状态评估方法 |
| CN107272667A (zh) * | 2017-08-07 | 2017-10-20 | 华中科技大学 | 一种基于平行的偏最小二乘法的工业过程故障检测方法 |
| CN109062189A (zh) * | 2018-08-30 | 2018-12-21 | 华中科技大学 | 一种用于复杂故障的工业过程故障诊断方法 |
| CN112098915A (zh) * | 2020-11-05 | 2020-12-18 | 武汉格蓝若智能技术有限公司 | 双母线分段接线下多台电压互感器继发性误差的评估方法 |
| CN115480203A (zh) * | 2022-09-28 | 2022-12-16 | 武汉格蓝若智能技术有限公司 | 一种电流互感器误差状态在线定量评估方法及系统 |
| CN115932702A (zh) * | 2023-03-14 | 2023-04-07 | 武汉格蓝若智能技术股份有限公司 | 基于虚拟标准器的电压互感器在线运行校准方法及装置 |
| CN116627116A (zh) * | 2023-07-26 | 2023-08-22 | 沈阳仪表科学研究院有限公司 | 一种流程工业故障定位方法、系统及电子设备 |
| CN116702580A (zh) * | 2023-03-26 | 2023-09-05 | 北京工业大学 | 一种基于注意力卷积自编码器的发酵过程故障监测方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0007063D0 (en) * | 2000-03-23 | 2000-05-10 | Simsci Limited | Mulitvariate statistical process monitors |
| US20200387818A1 (en) * | 2019-06-07 | 2020-12-10 | Aspen Technology, Inc. | Asset Optimization Using Integrated Modeling, Optimization, and Artificial Intelligence |
-
2023
- 2023-11-02 CN CN202311445798.6A patent/CN117169804B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103384805A (zh) * | 2011-01-31 | 2013-11-06 | 东北大学 | 一种电弧炉运行故障检测装置与方法 |
| CN103472820A (zh) * | 2013-09-18 | 2013-12-25 | 哈尔滨工业大学 | 一种基于偏最小二乘算法的推进系统故障诊断方法 |
| CN105700518A (zh) * | 2016-03-10 | 2016-06-22 | 华中科技大学 | 一种工业过程故障诊断方法 |
| CN106874676A (zh) * | 2017-02-20 | 2017-06-20 | 广东工业大学 | 一种电能计量装置状态评估方法 |
| CN107272667A (zh) * | 2017-08-07 | 2017-10-20 | 华中科技大学 | 一种基于平行的偏最小二乘法的工业过程故障检测方法 |
| CN109062189A (zh) * | 2018-08-30 | 2018-12-21 | 华中科技大学 | 一种用于复杂故障的工业过程故障诊断方法 |
| CN112098915A (zh) * | 2020-11-05 | 2020-12-18 | 武汉格蓝若智能技术有限公司 | 双母线分段接线下多台电压互感器继发性误差的评估方法 |
| CN115480203A (zh) * | 2022-09-28 | 2022-12-16 | 武汉格蓝若智能技术有限公司 | 一种电流互感器误差状态在线定量评估方法及系统 |
| CN115932702A (zh) * | 2023-03-14 | 2023-04-07 | 武汉格蓝若智能技术股份有限公司 | 基于虚拟标准器的电压互感器在线运行校准方法及装置 |
| CN116702580A (zh) * | 2023-03-26 | 2023-09-05 | 北京工业大学 | 一种基于注意力卷积自编码器的发酵过程故障监测方法 |
| CN116627116A (zh) * | 2023-07-26 | 2023-08-22 | 沈阳仪表科学研究院有限公司 | 一种流程工业故障定位方法、系统及电子设备 |
Non-Patent Citations (2)
| Title |
|---|
| Genetic algorithm based artificial neural network and partial least squares regression methods to predict of breakdown voltage for transformer oils samples in power industry using ATR-FTIR spectroscopy;Shima Zandbaaf 等;《 Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》;第273卷;第1-9页 * |
| 输电线路线损的多参量修正算法;汪应春 等;《电力科学与技术学报》;第35卷(第2期);第126-131页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117169804A (zh) | 2023-12-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Coble et al. | Applying the general path model to estimation of remaining useful life | |
| CN117169804B (zh) | 基于合电流矢量分析的电流互感器误差状态在线辨识方法 | |
| CN113239132B (zh) | 一种电压互感器的超差在线辨识方法 | |
| CN112098915B (zh) | 双母线分段接线下多台电压互感器继发性误差的评估方法 | |
| US20140156094A1 (en) | Sigma algebraic approximants as a diagnostic tool in power networks | |
| CN112731260B (zh) | 基于概念漂移识别的电压互感器误差状态在线评估方法 | |
| CN117060409B (zh) | 电力线路运行状态自动化检测分析方法及系统 | |
| Liu et al. | Combined forecasting method of dissolved gases concentration and its application in condition-based maintenance | |
| KR101953558B1 (ko) | 스마트 기기 결함 관리 장치 및 방법 | |
| CN115469260A (zh) | 一种基于Hausdorff的电流互感器异常识别方法、系统 | |
| CN113406558A (zh) | 基于线性回归的电表失准检测方法、装置及电子设备 | |
| CN115248906B (zh) | 一种发电机出线双电流互感器的状态误差识别方法及系统 | |
| CN105259398B (zh) | 一种基于总方差的光纤电流互感器随机误差特性分析方法 | |
| CN115267641B (zh) | 同塔双回输电线路中电流互感器误差异常识别方法、系统 | |
| CN114895163A (zh) | 一种基于电缆绝缘性能的电缆巡检定位装置及方法 | |
| CN113361730B (zh) | 一种检修计划的风险预警方法、装置、设备和介质 | |
| Eidiani | A rapid state estimation method for calculating transmission capacity despite cyber security concerns | |
| CN115144807B (zh) | 差分滤噪和载流分级的电流互感器在线评估方法、装置 | |
| WO2024000764A1 (zh) | 变压器健康状态评估方法、装置、设备及可读存储介质 | |
| CN115951292A (zh) | 一种电子式电压互感器误差状态在线评估方法及装置 | |
| CN115951293A (zh) | 电流互感器的误差监测方法、电子设备、系统及存储介质 | |
| CN115809818A (zh) | 抽水蓄能电站辅助设备多维诊断评估方法及装置 | |
| Besnier et al. | Extreme values and risk analysis: EMC design approach through metamodeling | |
| CN113267711A (zh) | 变电站高压电气设备绝缘状态在线监测系统及监测方法 | |
| CN108876393B (zh) | 判断用户风险程度的方法、装置 |
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 |