CN117590048B - 一种换流变阀侧套管末屏分压器的电阻分压方法及系统 - Google Patents
一种换流变阀侧套管末屏分压器的电阻分压方法及系统 Download PDFInfo
- Publication number
- CN117590048B CN117590048B CN202410065906.5A CN202410065906A CN117590048B CN 117590048 B CN117590048 B CN 117590048B CN 202410065906 A CN202410065906 A CN 202410065906A CN 117590048 B CN117590048 B CN 117590048B
- Authority
- CN
- China
- Prior art keywords
- voltage
- representing
- solution
- behavior
- strategy
- 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 69
- 238000010206 sensitivity analysis Methods 0.000 claims abstract description 26
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 230000004927 fusion Effects 0.000 claims abstract description 4
- 230000006399 behavior Effects 0.000 claims description 63
- 238000002922 simulated annealing Methods 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 24
- 230000036961 partial effect Effects 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 17
- 230000003993 interaction Effects 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 230000005856 abnormality Effects 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 12
- 230000002068 genetic effect Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 10
- 230000035945 sensitivity Effects 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000002411 adverse Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000002759 z-score normalization Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R15/00—Details of measuring arrangements of the types provided for in groups G01R17/00 - G01R29/00, G01R33/00 - G01R33/26 or G01R35/00
- G01R15/04—Voltage dividers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- 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
- Y02E60/60—Arrangements for transfer of electric power between AC networks or generators via a high voltage DC link [HVCD]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种换流变阀侧套管末屏分压器的电阻分压方法及系统，涉及电阻分压技术领域，包括：布置IoT传感器，实时收集电阻分压前后的电压、电流数据，进行数据预处理；构建末屏一次分压器预测模型，对电阻分压行为进行一次判断；结合实际输出与融合预测的差异，对模型的输入参数进行敏感性分析，基于敏感性分析结果关注影响参数；构建末屏二次分压器预测模型进行二次判断，通过搜索最优解来优化判断结果，进行二次调整；收集第一调整及二次调整结果，构建电阻分压行为描述模型，在运行中持续优化电阻分压本发明提供的换流变阀侧套管末屏分压器的电阻分压方法提升了预测电阻分压行为的准确性，确保稳定运行，减少了误判和错误预测的可能性。
Description
技术领域
本发明涉及电阻分压技术领域，具体为一种换流变阀侧套管末屏分压器的电阻分压方法及系统。
背景技术
在电力系统中，换流变阀是将交流电转换为直流电或将直流电转换为交流电的关键设备。为了确保电力系统的安全和稳定运行，分压器在换流变阀的操作中起着重要作用。传统的分压方法主要是利用电容和电感，但这种方法存在一些限制和问题。
现有的电容和电感分压方法存在响应速度慢，容易受到环境影响，造成系统不稳定的问题。
因此亟需一种换流变阀侧套管末屏分压器的电阻分压方法提高换流变阀操作时的分压效率和稳定性的优化问题。
发明内容
鉴于上述存在的问题，提出了本发明。
因此，本发明解决的技术问题是：现有的电阻分压方法存在分压不均、效率低下，以及如何提高分压稳定性和整体效率的优化问题。
为解决上述技术问题，本发明提供如下技术方案：一种换流变阀侧套管末屏分压器的电阻分压方法，包括：
布置IoT传感器，实时收集电阻分压前后的电压、电流数据，进行数据预处理；构建末屏一次分压器预测模型，对电阻分压行为进行一次判断；结合实际输出与融合预测的差异，对模型的输入参数进行敏感性分析，基于敏感性分析结果关注影响参数；构建末屏二次分压器预测模型进行二次判断，通过搜索最优解来优化判断结果，进行二次调整；收集第一调整及二次调整结果，构建电阻分压行为描述模型，在运行中持续优化电阻分压。
作为本发明所述的换流变阀侧套管末屏分压器的电阻分压方法的一种优选方案，其中：所述布置IoT传感器包括电压传感器和电流传感器；
所述数据预处理包括使用Z-score标准化方法归一化处理数据，使用滑动平均滤波器去噪，通过四分位数法进行检测和剔除异常值。
作为本发明所述的换流变阀侧套管末屏分压器的电阻分压方法的一种优选方案，其中：所述末屏一次分压器预测模型表示为，
；
其中，表示预测的输出，/>和/>分别表示实时收集的电压和电流数据，/>表示模型的敏感性系数；
所述对电阻分压行为进行一次判断包括当Y1＞第一预测阈值时，初步预判为异常分压行为，当Y1≤第一预测阈值时，则预判电阻的分压行为正常；
所述敏感性分析包括当初步预判为异常分压行为时进入敏感性分析阶段，使用敏感性分析计算模型输出Y1对输入电压和电流的敏感性，若/>＞0，判断分压行为异常由电压异常引起，判断为状态S1，若/>＜0，判断分压行为异常由过热导致，判断为状态S2，若/>=0，判断异常由外部干扰因素导致误判；
所述敏感性分析计算表示为，
；
其中，表示敏感性函数，值域是/>，/>表示当前时刻的电压数据，表示当前时刻的电流数据，tanh表示双曲正切函数，值域为[-1,1]，/>和/>分别表示调整系数，/>表示模型输出/>对电压/>的偏导数，/>表示sigmoid函数，/>表示函数的输入，/>表示这是模型输出/>对电流/>的偏导数。
作为本发明所述的换流变阀侧套管末屏分压器的电阻分压方法的一种优选方案，其中：所述末屏二次分压器预测模型表示为，
；
其中，表示经过考虑环境温度后的电阻分压预测，/>表示积分，随着时间的变化，电阻分压的累积效应，/>和/>分别表示积分的上下界限，/>和/>分别表示实时收集的电压和电流数据，/>表示衰减系数，/>表示环境温度，/>表示指数函数，/>表示时间差，/>和/>分别表示电压和电流的权重参数。
作为本发明所述的换流变阀侧套管末屏分压器的电阻分压方法的一种优选方案，其中：所述搜索最优解包括根据问题特性，执行遗传算法，初始化搜索的权重参数和，提取S1和S2状态的特征参数，构建初始种群，结合S1和S2的状态，定义第一适应度函数，采用轮盘赌选择策略选择个体，基于S1和S2状态数据的特点，自定义交叉策略，根据权重参数/>和/>的变化范围，设计变异策略，对新生成的种群进行评估，更新最优解，重复执行策略直到达到预设第一停止准则；
从遗传算法中选择适应度最高的解，设为模拟退火的初始解，根据S1和S2的状态特点，设计初始的温度调度策略，设定基于S1和S2状态的邻域搜索策略，确定如何从当前解移动到新的解，制定最优解判断准则，确定新的解是否优于当前解，从当前解出发，使用第一邻域搜索策略搜索新的解，根据最优解判断准则，决定是否接受新的解，若新解被接受，更新当前解，根据第一温度调度策略，调整系统温度，若达到预设的第二停止准则，则结束模拟退火过程，若未达到第二停止准则，执行二次迭代策略；所述执行二次迭代策略包括根据S1和S2状态的特征参数定义第二适应度函数，基于模拟退火的最终温度作为新的初始温度，并执行第二温度调度策略，重新定义并执行第二邻域搜索策略，引入历史最优解数据，在新的迭代过程中，将历史最优解纳入考虑，增加与历史最优解相比的判断准则，根据新的适应度函数和邻域搜索策略，从当前解出发搜索新的解，并利用温度调度策略决定是否接受新的解；当每次找到新的最优解时，与第一次模拟退火过程中的最优解进行比较，若二次迭代策略找到的解更优，则更新为当前最优解；继续降低温度并执行上述策略，直到达到预定的第三停止准则；若达到预设的停止准则，则结束模拟退火过程，若未达到停止准则，进行报警人工干预；所述二次调整包括当结束模拟退火过程后在所有迭代中，选择最优的解作为最终的最优解。
作为本发明所述的换流变阀侧套管末屏分压器的电阻分压方法的一种优选方案，其中：所述构建电阻分压行为描述模型表示为，
；
其中，表示描述电阻分压行为的输出，/>表示偏微分，/>表示描述电阻分压行为的周期性幅度，/>表示描述电阻分压行为的周期性频率，/>表示时间变量，/>表示累积相位变化。
作为本发明所述的换流变阀侧套管末屏分压器的电阻分压方法的一种优选方案，其中：所述优化电阻分压包括当大于第一幅度预设阈值且/>的频率与/>的频率偏差小于预设第二频率偏差预设阈值时，判断为相位敏感型状态，当/>大于第三变化率预设阈值且/>小于第四幅度振幅预设阈值时判断为交互动态型状态，当/>的绝对值振幅小于第五稳态振幅预设阈值且持续时间超过第六时间预设阈值时，判断为稳态行为型状态；
若判断为相位敏感型状态，使用频谱分析器对系统的工作频率进行检测，与干扰信号的频率进行比对，确定是否存在共振现象，根据检测结果，选择与干扰信号频率不重叠的工作频率，调整系统工作频率至新的设定值后使用相位计进行实时的相位监测，根据监测数据微调系统相位；
若判断为交互动态型状态，利用传感器实时地监测Y1和Y2数值，使用预设数据分析工具检查参数的变化趋势，并监测Z(t)是否有超出预期的响应，若满足预设交互效应判断规则，判断存在明显的交互效应，系统选择工作点，将Y1和Y2调整至选定工作点，并观察Z(t)的响应，若观察到的交互效应对系统性产生不利影响，设计补偿控制器进行调整控制器参数；
若判断为稳态行为型状态，利用在线诊断工具，对系统进行全面检查，分析检查结果，确认系统所有参数均在正常工作范围内后通过测试仪表对Z(t)进行稳定性检验，根据检验结果，微调相关参数确保其在合适的范围内，根据系统的实际运行状况，实时调整控制参数，使系统自动适应外部环境变化，监测Z(t)的输出，确保其始终在预设范围内，保持稳定输出。
本发明的另外一个目的是提供一种换流变阀侧套管末屏分压器的电阻分压系统，其能通过优化电阻元件的分布和配置，解决了分压不均和效率低下的问题。
为解决上述技术问题，本发明提供如下技术方案：一种换流变阀侧套管末屏分压器的电阻分压系统，包括：数据处理模块、一级分析预测模块、二级分析预测模块以及分压行为优化模块；所述数据处理模块通过IoT传感器收集电压和电流数据，对原始数据进行预处理；所述一级分析预测模块用于根据收集和处理的数据，构建和应用末屏一次分压器预测模型，对电阻分压行为进行初步判断，结合实际输出和预测差异，进行敏感性分析，识别并关注影响参数；所述二级分析预测模块用于构建末屏二次分压器预测模型进行进一步判断，优化一级分析预测模块的初步判断结果，使用遗传算法和模拟退火技术搜索并确定最优解；所述分压行为优化模块用于收集和整合一级和二级分析预测模块的调整结果，构建描述电阻分压行为的模型，并进行微调，在系统运行中持续进行优化，确保电阻分压行为达到最优状态。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述换流变阀侧套管末屏分压器的电阻分压方法的步骤。
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，所述计算机程序被处理器执行时实现如上所述换流变阀侧套管末屏分压器的电阻分压方法的步骤。
本发明的有益效果：本发明提供的换流变阀侧套管末屏分压器的电阻分压方法采用双层预测模型结构，结合初步预测和敏感性分析进行微调，大幅度提升了预测电阻分压行为的准确性，多层次的预测和优化策略使系统对外部变化和干扰更具韧性，确保稳定运行，结合遗传算法和模拟退火技术，系统可以实时调整和优化参数，应对各种实际应用场景，敏感性分析使得系统对分压行为的原因有更深入的理解，大大减少了误判和错误预测的可能性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本发明一个实施例提供的一种换流变阀侧套管末屏分压器的电阻分压方法的整体流程图。
图2为本发明第二个实施例提供的一种换流变阀侧套管末屏分压器的电阻分压系统的整体结构图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
实施例1
参照图1，为本发明的一个实施例，提供了一种换流变阀侧套管末屏分压器的电阻分压方法，包括：
布置IoT传感器，实时收集电阻分压前后的电压、电流数据，进行数据预处理。
构建末屏一次分压器预测模型，对电阻分压行为进行一次判断。
结合实际输出与融合预测的差异，对模型的输入参数进行敏感性分析，基于敏感性分析结果关注影响参数。
构建末屏二次分压器预测模型进行二次判断，通过搜索最优解来优化判断结果，进行二次调整。
收集第一调整及二次调整结果，构建电阻分压行为描述模型，在运行中持续优化电阻分压。
布置IoT传感器包括电压传感器和电流传感器；数据预处理包括使用Z-score标准化方法归一化处理数据，使用滑动平均滤波器去噪，通过四分位数法进行检测和剔除异常值。
末屏一次分压器预测模型表示为，
；
其中，表示预测的输出，/>和/>分别表示实时收集的电压和电流数据，/>表示模型的敏感性系数。
对电阻分压行为进行一次判断包括当Y1＞第一预测阈值时，初步预判为异常分压行为，当Y1≤第一预测阈值时，则预判电阻的分压行为正常；
敏感性分析包括当初步预判为异常分压行为时进入敏感性分析阶段，使用敏感性分析计算模型输出Y1对输入电压和电流的敏感性，若/>＞0，判断分压行为异常由电压异常引起，判断为状态S1，若/>＜0，判断分压行为异常由过热导致，判断为状态S2，若/>=0，判断异常由外部干扰因素导致误判。
敏感性分析计算表示为，
；
其中，表示敏感性函数，值域是/>，/>表示当前时刻的电压数据，表示当前时刻的电流数据，tanh表示双曲正切函数，值域为[-1,1]，/>和/>分别表示调整系数，/>表示模型输出/>对电压/>的偏导数，/>表示sigmoid函数，/>表示函数的输入，/>表示这是模型输出/>对电流/>的偏导数。
末屏二次分压器预测模型表示为，
；
其中，表示经过考虑环境温度后的电阻分压预测，/>表示积分，随着时间的变化，电阻分压的累积效应，/>和/>分别表示积分的上下界限，/>和/>分别表示实时收集的电压和电流数据，/>表示衰减系数，/>表示环境温度，/>表示指数函数，/>表示时间差，/>和/>分别表示电压和电流的权重参数。
搜索最优解包括根据问题特性，执行遗传算法，初始化搜索的权重参数和/>，提取S1和S2状态的特征参数，构建初始种群，结合S1和S2的状态，定义第一适应度函数，采用轮盘赌选择策略选择个体，基于S1和S2状态数据的特点，自定义交叉策略，根据权重参数和/>的变化范围，设计变异策略，对新生成的种群进行评估，更新最优解，重复执行策略直到达到预设第一停止准则。
从遗传算法中选择适应度最高的解，设为模拟退火的初始解，根据S1和S2的状态特点，设计初始的温度调度策略，设定基于S1和S2状态的邻域搜索策略，确定如何从当前解移动到新的解，制定最优解判断准则，确定新的解是否优于当前解，从当前解出发，使用第一邻域搜索策略搜索新的解，根据最优解判断准则，决定是否接受新的解，若新解被接受，更新当前解，根据第一温度调度策略，调整系统温度，若达到预设的第二停止准则，则结束模拟退火过程，若未达到第二停止准则，执行二次迭代策略。
执行二次迭代策略包括根据S1和S2状态的特征参数定义第二适应度函数，基于模拟退火的最终温度作为新的初始温度，并执行第二温度调度策略，使其更加敏感于解的微小变化，重新定义并执行第二邻域搜索策略，此时考虑的邻域范围可能比第一次的模拟退火过程更小，以便在已找到的解附近进行更细致的搜索，引入历史最优解数据，在新的迭代过程中，将历史最优解纳入考虑，增加与历史最优解相比的判断准则，避免重复搜索，根据新的适应度函数和邻域搜索策略，从当前解出发搜索新的解，并利用温度调度策略决定是否接受新的解；当每次找到新的最优解时，与第一次模拟退火过程中的最优解进行比较，若二次迭代策略找到的解更优，则更新为当前最优解；继续降低温度并执行上述策略，直到达到预定的第三停止准则；若达到预设的停止准则，则结束模拟退火过程，若未达到停止准则，进行报警人工干预；二次调整包括当结束模拟退火过程后在所有迭代中，选择最优的解作为最终的最优解。
构建电阻分压行为描述模型表示为，
；
其中，表示描述电阻分压行为的输出，/>表示偏微分，/>表示描述电阻分压行为的周期性幅度，/>表示描述电阻分压行为的周期性频率，/>表示时间变量，/>表示累积相位变化。
优化电阻分压包括当大于第一幅度预设阈值且/>的频率与/>的频率偏差小于预设第二频率偏差预设阈值时，判断为相位敏感型状态，当/>大于第三变化率预设阈值且/>小于第四幅度振幅预设阈值时判断为交互动态型状态，当/>的绝对值振幅小于第五稳态振幅预设阈值且持续时间超过第六时间预设阈值时，判断为稳态行为型状态。
若判断为相位敏感型状态，使用频谱分析器对系统的工作频率进行检测，与干扰信号的频率进行比对，确定是否存在共振现象，根据检测结果，选择与干扰信号频率不重叠的工作频率，调整系统工作频率至新的设定值后使用相位计进行实时的相位监测，根据监测数据通过调整相位滤波器或频率补偿器来微调系统相位。
若判断为交互动态型状态，利用传感器实时地监测Y1和Y2数值，使用预设数据分析工具检查参数的变化趋势，并监测Z(t)是否有超出预期的响应，若满足预设交互效应判断规则，判断存在明显的交互效应，系统选择工作点，将Y1和Y2调整至选定工作点，并观察Z(t)的响应，若观察到的交互效应对系统性产生不利影响，设计补偿控制器进行调整控制器参数。
若判断为稳态行为型状态，利用在线诊断工具，对系统进行全面检查，分析检查结果，确认系统所有参数均在正常工作范围内后通过测试仪表对Z(t)进行稳定性检验，根据检验结果，微调相关参数确保其在合适的范围内，根据系统的实际运行状况，实时调整控制参数，使系统自动适应外部环境变化，监测Z(t)的输出，确保其始终在预设范围内，保持稳定输出。
实施例2
参照图2，为本发明的一个实施例，提供了一种换流变阀侧套管末屏分压器的电阻分压系统，包括：数据处理模块、一级分析预测模块、二级分析预测模块以及分压行为优化模块。
数据处理模块通过IoT传感器收集电压和电流数据，对原始数据进行预处理。
一级分析预测模块用于根据收集和处理的数据，构建和应用末屏一次分压器预测模型，对电阻分压行为进行初步判断，结合实际输出和预测差异，进行敏感性分析，识别并关注影响参数。
二级分析预测模块用于构建末屏二次分压器预测模型进行进一步判断，优化一级分析预测模块的初步判断结果，使用遗传算法和模拟退火技术搜索并确定最优解。
分压行为优化模块用于收集和整合一级和二级分析预测模块的调整结果，构建描述电阻分压行为的模型，并进行微调，在系统运行中持续进行优化，确保电阻分压行为达到最优状态。
实施例3
本发明的一个实施例，其不同于前两个实施例的是：
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，RandomAccess Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置）、便携式计算机盘盒（磁装置）、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编辑只读存储器（EPROM或闪速存储器）、光纤装置以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
实施例4
为本发明的一个实施例，提供了一种换流变阀侧套管末屏分压器的电阻分压方法，为了验证本发明的有益效果，通过经济效益计算和仿真实验进行科学论证。
为了对比本方法与传统技术方案在电阻分压问题上的表现，评估准确率、响应速度、稳定性。
实验装置：使用相同规格的电阻、电流源、示波器和数据采集卡确保公正对比。
环境条件：保证实验室温度和湿度稳定，排除外部电磁干扰。
通过实验装置模拟电阻分压，持续24小时，每小时采集一次数据，获取总共24个数据点。
清洗数据，排除异常值，使用70%数据作为训练集，30%作为测试集。
我方发明方法利用双层预测模型对训练集数据进行学习，使用遗传算法和模拟退火算法对模型进行优化，在测试集上评估准确率、响应速度、稳定性。
传统方法利用传统的物理模型对训练集数据进行学习，在测试集上评估准确率、响应速度、稳定性。
将两种方法在测试集上的表现进行对比，统计并绘制数据对比表。
对比两种方法的性能差异。分析本方法相较于传统方法的优越性，实验结果如表1所示。
表1 实验结果对比表
本方法的优势体现在其结合了双层预测模型结构和敏感性分析，确保了高准确性。而遗传算法和模拟退火技术提供了更高的鲁棒性和自适应性。相比之下，现有技术方案更依赖于确定性方法和静态模型，导致其在面对复杂的电阻分压行为时，准确性和鲁棒性都相对较低。
传统方法在处理电阻分压问题时，往往基于固定的物理模型和经验公式，而这些模型和公式在面对非线性、高维度、多变量的复杂场景时往往显得力不从心。而我方的方法则从数据出发，利用现代的优化算法结合双层预测模型，使得预测和优化能够在更复杂的场景下仍然保持高效和准确。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种换流变阀侧套管末屏分压器的电阻分压方法，其特征在于，包括：
布置IoT传感器，实时收集电阻分压前后的电压、电流数据，进行数据预处理；
构建末屏一次分压器预测模型，对电阻分压行为进行一次判断；
结合实际输出与融合预测的差异，对模型的输入参数进行敏感性分析，基于敏感性分析结果关注影响参数；
构建末屏二次分压器预测模型进行二次判断，通过搜索最优解来优化判断结果，进行二次调整；
收集第一调整及二次调整结果，构建电阻分压行为描述模型，在运行中持续优化电阻分压；
所述末屏一次分压器预测模型表示为，
其中，表示预测的输出，/>和/>分别表示实时收集的电压和电流数据，/>表示模型的敏感性系数；
所述对电阻分压行为进行一次判断包括当Y1＞第一预测阈值时，初步预判为异常分压行为，当Y1≤第一预测阈值时，则预判电阻的分压行为正常；
所述敏感性分析包括当初步预判为异常分压行为时进入敏感性分析阶段，使用敏感性分析计算模型输出Y1对输入电压和电流的敏感性，若/>＞0，判断分压行为异常由电压异常引起，判断为状态S1，若/>＜0，判断分压行为异常由过热导致，判断为状态S2，若/>=0，判断异常由外部干扰因素导致误判；
所述敏感性分析计算表示为，
其中，表示敏感性函数，值域是[-1,1]，/>表示当前时刻的电压数据，/>表示当前时刻的电流数据，tanh表示双曲正切函数，值域为[-1,1]，/>和/>分别表示调整系数，表示模型输出/>对电压/>的偏导数，/>表示sigmoid函数，/>表示函数的输入，/>表示这是模型输出/>对电流/>的偏导数；
所述末屏二次分压器预测模型表示为，
其中，表示经过考虑环境温度后的电阻分压预测，/>表示积分，随着时间的变化，电阻分压的累积效应，/>和/>分别表示积分的上下界限，/>和/>分别表示实时收集的电压和电流数据，/>表示衰减系数，/>表示环境温度，/>表示指数函数，/>表示时间差，/>和/>分别表示电压和电流的权重参数；
所述构建电阻分压行为描述模型表示为，
其中，表示描述电阻分压行为的输出，/>表示偏微分，/>表示描述电阻分压行为的周期性幅度，/>表示描述电阻分压行为的周期性频率，/>表示时间变量，/>表示累积相位变化。
2.如权利要求1所述的换流变阀侧套管末屏分压器的电阻分压方法，其特征在于：所述布置IoT传感器包括电压传感器和电流传感器；
所述数据预处理包括使用Z-score标准化方法归一化处理数据，使用滑动平均滤波器去噪，通过四分位数法进行检测和剔除异常值。
3.如权利要求2所述的换流变阀侧套管末屏分压器的电阻分压方法，其特征在于：所述搜索最优解包括根据问题特性，执行遗传算法，初始化搜索的权重参数wv和wi，提取S1和S2状态的特征参数，构建初始种群，结合S1和S2的状态，定义第一适应度函数，采用轮盘赌选择策略选择个体，基于S1和S2状态数据的特点，自定义交叉策略，根据权重参数wv和wi的变化范围，设计变异策略，对新生成的种群进行评估，更新最优解，重复执行策略直到达到预设第一停止准则；
从遗传算法中选择适应度最高的解，设为模拟退火的初始解，根据S1和S2的状态特点，设计初始的温度调度策略，设定基于S1和S2状态的邻域搜索策略，确定如何从当前解移动到新的解，制定最优解判断准则，确定新的解是否优于当前解，从当前解出发，使用第一邻域搜索策略搜索新的解，根据最优解判断准则，决定是否接受新的解，若新解被接受，更新当前解，根据第一温度调度策略，调整系统温度，若达到预设的第二停止准则，则结束模拟退火过程，若未达到第二停止准则，执行二次迭代策略；
所述执行二次迭代策略包括根据S1和S2状态的特征参数定义第二适应度函数，基于模拟退火的最终温度作为新的初始温度，并执行第二温度调度策略，重新定义并执行第二邻域搜索策略，引入历史最优解数据，在新的迭代过程中，将历史最优解纳入考虑，增加与历史最优解相比的判断准则，根据新的适应度函数和邻域搜索策略，从当前解出发搜索新的解，并利用温度调度策略决定是否接受新的解；
当每次找到新的最优解时，与第一次模拟退火过程中的最优解进行比较，若二次迭代策略找到的解更优，则更新为当前最优解；
继续降低温度并执行上述策略，直到达到预定的第三停止准则；
若达到预设的停止准则，则结束模拟退火过程，若未达到停止准则，进行报警人工干预；
所述二次调整包括当结束模拟退火过程后在所有迭代中，选择最优的解作为最终的最优解。
4.如权利要求3所述的换流变阀侧套管末屏分压器的电阻分压方法，其特征在于：所述优化电阻分压包括当大于第一幅度预设阈值且/>的频率与/>的频率偏差小于预设第二频率偏差预设阈值时，判断为相位敏感型状态，当/>大于第三变化率预设阈值且/>小于第四幅度振幅预设阈值时判断为交互动态型状态，当/>的绝对值振幅小于第五稳态振幅预设阈值且持续时间超过第六时间预设阈值时，判断为稳态行为型状态；
若判断为相位敏感型状态，使用频谱分析器对系统的工作频率进行检测，与干扰信号的频率进行比对，确定是否存在共振现象，根据检测结果，选择与干扰信号频率不重叠的工作频率，调整系统工作频率至新的设定值后使用相位计进行实时的相位监测，根据监测数据微调系统相位；
若判断为交互动态型状态，利用传感器实时地监测Y1和Y2数值，使用预设数据分析工具检查参数的变化趋势，并监测Z(t)是否有超出预期的响应，若满足预设交互效应判断规则，判断存在明显的交互效应，系统选择工作点，将Y1和Y2调整至选定工作点，并观察Z(t)的响应，若观察到的交互效应对系统性产生不利影响，设计补偿控制器进行调整控制器参数；
若判断为稳态行为型状态，利用在线诊断工具，对系统进行全面检查，分析检查结果，确认系统所有参数均在正常工作范围内后通过测试仪表对Z(t)进行稳定性检验，根据检验结果，微调相关参数确保其在合适的范围内，根据系统的实际运行状况，实时调整控制参数，使系统自动适应外部环境变化，监测Z(t)的输出，确保其始终在预设范围内，保持稳定输出。
5.一种采用如权利要求1~4任一所述的换流变阀侧套管末屏分压器的电阻分压方法的系统，其特征在于，包括：数据处理模块、一级分析预测模块、二级分析预测模块以及分压行为优化模块；
所述数据处理模块通过IoT传感器收集电压和电流数据，对原始数据进行预处理；
所述一级分析预测模块用于根据收集和处理的数据，构建和应用末屏一次分压器预测模型，对电阻分压行为进行初步判断，结合实际输出和预测差异，进行敏感性分析，识别并关注影响参数；
所述二级分析预测模块用于构建末屏二次分压器预测模型进行进一步判断，优化一级分析预测模块的初步判断结果，使用遗传算法和模拟退火技术搜索并确定最优解；
所述分压行为优化模块用于收集和整合一级和二级分析预测模块的调整结果，构建描述电阻分压行为的模型，并进行微调，在系统运行中持续进行优化，确保电阻分压行为达到最优状态。
6.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的换流变阀侧套管末屏分压器的电阻分压方法的步骤。
7.一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，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的换流变阀侧套管末屏分压器的电阻分压方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410065906.5A CN117590048B (zh) | 2024-01-17 | 2024-01-17 | 一种换流变阀侧套管末屏分压器的电阻分压方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410065906.5A CN117590048B (zh) | 2024-01-17 | 2024-01-17 | 一种换流变阀侧套管末屏分压器的电阻分压方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117590048A CN117590048A (zh) | 2024-02-23 |
| CN117590048B true CN117590048B (zh) | 2024-03-22 |
Family
ID=89910231
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410065906.5A Active CN117590048B (zh) | 2024-01-17 | 2024-01-17 | 一种换流变阀侧套管末屏分压器的电阻分压方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117590048B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102495258A (zh) * | 2011-12-06 | 2012-06-13 | 保定天威集团有限公司 | 多通道大容量换流变压器阀侧电压信号传输方法及装置 |
| CN104502813A (zh) * | 2014-11-26 | 2015-04-08 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 换流变压器对称加压局部放电试验电路 |
| CN106849033A (zh) * | 2017-04-14 | 2017-06-13 | 云南电网有限责任公司电力科学研究院 | 一种换流器零序过压保护逻辑的优化方法 |
| CN112368582A (zh) * | 2018-07-11 | 2021-02-12 | 格林伍德电力有限责任公司 | 具有棒状结构的电压分压器装置 |
| CN112464562A (zh) * | 2020-11-26 | 2021-03-09 | 云南电网有限责任公司电力科学研究院 | 一种高压直流分压器均压环的模型结构参数优化方法 |
-
2024
- 2024-01-17 CN CN202410065906.5A patent/CN117590048B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102495258A (zh) * | 2011-12-06 | 2012-06-13 | 保定天威集团有限公司 | 多通道大容量换流变压器阀侧电压信号传输方法及装置 |
| CN104502813A (zh) * | 2014-11-26 | 2015-04-08 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 换流变压器对称加压局部放电试验电路 |
| CN106849033A (zh) * | 2017-04-14 | 2017-06-13 | 云南电网有限责任公司电力科学研究院 | 一种换流器零序过压保护逻辑的优化方法 |
| CN112368582A (zh) * | 2018-07-11 | 2021-02-12 | 格林伍德电力有限责任公司 | 具有棒状结构的电压分压器装置 |
| CN112464562A (zh) * | 2020-11-26 | 2021-03-09 | 云南电网有限责任公司电力科学研究院 | 一种高压直流分压器均压环的模型结构参数优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117590048A (zh) | 2024-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102149495B1 (ko) | 환경 예측 모델의 훈련지표 최적화 장치 및 그 동작방법 | |
| CN108399434B (zh) | 基于特征提取的高维时间序列数据的分析预测方法 | |
| CN112085111B (zh) | 一种负荷辨识方法和装置 | |
| CN117029968A (zh) | 一种流量数据的诊断方法、系统、存储介质和电子设备 | |
| Thornhill et al. | Benchmarking control loops with oscillations and stiction | |
| CN117421616B (zh) | 一种矿山竖井井筒检测系统及方法 | |
| CN114861522A (zh) | 一种基于人工智能元学习技术的精密制造质量监测方法和装置 | |
| Dong et al. | Rolling bearing performance degradation assessment based on singular value decomposition-sliding window linear regression and improved deep learning network in noisy environment | |
| CN117590048B (zh) | 一种换流变阀侧套管末屏分压器的电阻分压方法及系统 | |
| CN112128950B (zh) | 一种基于多种模型对比的机房温湿度预测方法及系统 | |
| CN113469408A (zh) | 一种用于调相机的运行状态趋势预测方法及系统 | |
| CN117076869A (zh) | 旋转机械时频域融合故障诊断方法及系统 | |
| Wang et al. | Adaptive change detection for long-term machinery monitoring using incremental sliding-window | |
| CN116256402A (zh) | 一种基于频域介电谱数据检测阀侧套管缺陷检测方法 | |
| CN115221769B (zh) | 一种故障预测方法、系统、电子设备和存储介质 | |
| CN115423370A (zh) | 一种继电保护设备健康状态评估方法及装置 | |
| CN115718880A (zh) | 一种复杂装备退化阶段的预测方法 | |
| CN115577249A (zh) | 多视角特征融合的变压器声信号识别方法、系统及介质 | |
| Jia et al. | Study on Fault Feature Extraction of Rolling Bearing Based on Improved WOA‐FMD Algorithm | |
| CN114674511A (zh) | 一种用于剔除时变环境因素影响的桥梁模态异常预警方法 | |
| CN113139673A (zh) | 一种预测空气质量的方法、装置、终端及存储介质 | |
| CN117473275B (zh) | 一种数据中心的能耗检测方法 | |
| CN115555920B (zh) | 基于自适应变分模态分解的在线颤振检测方法及系统 | |
| CN114329905B (zh) | 全范围模拟机可信度评估方法、装置及计算机设备 | |
| CN114692783B (zh) | 基于分层图偏差网络的智能服务异常检测方法 |
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 |