CN117714246A - 一种宽频信号测量方法及系统 - Google Patents
一种宽频信号测量方法及系统 Download PDFInfo
- Publication number
- CN117714246A CN117714246A CN202410168977.8A CN202410168977A CN117714246A CN 117714246 A CN117714246 A CN 117714246A CN 202410168977 A CN202410168977 A CN 202410168977A CN 117714246 A CN117714246 A CN 117714246A
- Authority
- CN
- China
- Prior art keywords
- sampling
- node
- processing result
- sampling node
- signal processing
- 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.)
- Pending
Links
- 238000000691 measurement method Methods 0.000 title claims abstract description 14
- 238000005070 sampling Methods 0.000 claims abstract description 165
- 238000003066 decision tree Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 33
- 238000004891 communication Methods 0.000 claims abstract description 28
- 238000005259 measurement Methods 0.000 claims abstract description 28
- 238000001228 spectrum Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims description 91
- 238000012549 training Methods 0.000 claims description 62
- 230000001360 synchronised effect Effects 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 239000010749 BS 2869 Class C1 Substances 0.000 claims description 6
- 239000010750 BS 2869 Class C2 Substances 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000007493 shaping process Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 10
- 230000005540 biological transmission Effects 0.000 abstract description 8
- 230000005856 abnormality Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Landscapes
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明公开了一种宽频信号测量方法及系统,涉及宽频信号测量技术领域,通过采集离散信号,然后采用四阶五项Nuttall窗插值法以及FFT算法对采样节点对应的离散信号进行处理,能够解决频谱泄露的问题,提升信号的分析精度,还能够处理因电网频率波动导致的采集数据非整数周期截断导致的频谱泄露问题,最后采用决策树算法进行数据异常判断,进一步降低了通信传输压力,以实现电力系统对实时性的要求。
Description
技术领域
本发明涉及宽频信号测量技术领域,具体涉及一种宽频信号测量方法及系统。
背景技术
随着电力系统的发展,其复杂性和不确定性也逐渐增加。对电力系统的实时运行状态进行监测,对电力系统安全状态行为进行评估并进行分析处理有非常重要的实际意义。最近几年,广域测量系统(wide Area Measurement System,WAMS)的研究取得非常实用的进展,WAMS主要源自电力系统时间上同步和空间上广域的要求,利用全球定位系统(Global Position System,GPS)高精度同步时钟,进行广域电力系统状态测量。
然而,电力电子设备的大规模接入给电网注入了大量的间谐波和高次谐波等宽频信号,电力系统中将其称为谐波污染。谐波污染对电网设备的正常运行带来了一定的影响,有的则对电网的安全运行构成了潜在的威胁,同时使电能质量大为降低。准确有效地监测电网谐波对查找谐波源及谐波的治理意义重大。
发明内容
本发明的目的在于提供一种宽频信号测量方法及系统,解决了现有技术中存在的技术问题。
本发明通过下述技术方案实现:
一方面,本发明提供一种宽频信号测量方法,包括:
获取标准秒脉冲,并采用标准秒脉冲同步各采样节点的采样脉冲,以实现各采样节点的同步采样;
以采样节点的采样脉冲为参考,按照每个采样节点预设的采样频率,分别采集每个采样节点对应的离散信号;
采用四阶五项Nuttall窗插值法以及FFT算法对采样节点对应的离散信号进行处理,得到每个采样节点对应的信号处理结果;
以所述每个采样节点对应的信号处理结果为基础,采用决策树算法获取每个信号处理结果对应的类标记;所述类标记包括正常数据或非正常数据;
当采样节点对应的信号处理结果所对应的类标记为正常数据时,则采用定期同步数据的方式将信号处理结果同步至云端的主站;
当采样节点对应的信号处理结果所对应的类标记为非正常数据时,则立即将采样节点对应的信号处理结果同步至云端的主站,并同时生成警告信息。
在一种可能的实施方式中,获取标准秒脉冲,包括:通过GPS/BD接收机接收标准时间信号,得到标准秒脉冲。
在一种可能的实施方式中,获取标准秒脉冲,还包括:
通过本地守时时钟同步GPS/BD接收机接收的标准时间信号;
当GPS/BD接收机的信号丢失之后,根据本地守时时钟输出的时间信号,获取标准秒脉冲。
在一种可能的实施方式中,以采样节点的采样脉冲为参考,按照每个采样节点预设的采样频率,分别采集每个采样节点对应的离散信号,包括:
以采样节点的采样脉冲为参考,按照每个采样节点预设的采样频率,采集每个采样节点对应的信号,并对采集的信号进行低通滤波处理、整形处理、限幅处理以及模数转换处理,得到每个采样节点对应的离散信号。
在一种可能的实施方式中,采用四阶五项Nuttall窗插值法以及FFT算法对采样节点对应的离散信号进行处理,得到每个采样节点对应的信号处理结果,包括:
对采样节点对应的离散信号加四阶五项的Nuttall窗,得到采样节点对应的长度为N的离散序列;
对加窗得到的长度为N的离散序列进行离散傅里叶变换,得到每个采样节点对应的频谱序列;
采用Nuttall窗插值算法对每个采样节点对应的频谱序列进行修正,得到每个采样节点对应的信号处理结果;
其中,所述信号处理结果包括基波幅值、基波相位、谐波幅值以及谐波相位。
在一种可能的实施方式中,以所述每个采样节点对应的信号处理结果为基础,采用决策树算法获取每个信号处理结果对应的类标记之前,包括:
获取训练实例以及每个实例对应的类标记,并根据所述训练实例以及每个实例对应的类标记,生成决策树。
在一种可能的实施方式中,根据所述训练实例以及每个实例对应的类标记,生成决策树,包括:
A1、以所有训练实例组成的训练实例集合D作为训练集,以训练实例集合D的特征集A作为训练特征集;
A2、判断训练集中所有实例是否均属于同一类C1,若是,则将类C1设置为决策树的单结点,否则对实例中的特征进行判断;
A3、判断训练特征集是否为空集,若是,则将训练集中最多类C2作为决策树中的单节点,否则进行增益比的获取;
A4、获取训练特征集中每个特征对训练集的增益比,并选择信息增益比最大的目标特征A’;
A5、判断目标特征A’对应的增益比是否小于预设的增益比阈值,若是,则将训练集中最多类C2作为决策树中的单节点,否则进行子结点的构建;
A6、针对目标特征A’的取值范围,按照预设间隔将训练集分为多个非空子集,并将非空子集中最多类C3作为类标记,构建子结点;并将单节点以及子节点组成决策树;
A7、对任一子节点,以子节点对应的非空子集为训练集,以为特征集,递归地调用步骤A2-A6,直至无法再获取子节点,得到最终的决策树。
在一种可能的实施方式中,训练特征集中每个特征对训练集的增益比,包括:
其中,表示训练特征集中特征/>对训练集的增益比,/>表示特征A对训练数据集D的信息增益,/>表示数据集D的经验熵。
在一种可能的实施方式中,所述为:
其中,表示表示特征A给定条件下D的经验条件熵。
另一方面, 本发明提供一种宽频信号测量系统,包括:相量测量模块、通信网络模块以及主站;所述相量测量模块包括同步采样子模块、数据采集子模块、数据处理子模块以及数据通信子模块;
所述同步采样子模块,用于获取标准秒脉冲,并采用标准秒脉冲同步各采样节点的采样脉冲,以实现各采样节点的同步采样;
所述数据采集子模块,用于以采样节点的采样脉冲为参考,按照每个采样节点预设的采样频率,分别采集每个采样节点对应的离散信号;
所述数据处理子模块,用于采用四阶五项Nuttall窗插值法以及FFT算法对采样节点对应的离散信号进行处理,得到每个采样节点对应的信号处理结果;以所述每个采样节点对应的信号处理结果为基础,采用决策树算法获取每个信号处理结果对应的类标记;所述类标记包括正常数据或非正常数据;当采样节点对应的信号处理结果所对应的类标记为正常数据时,则采用定期同步数据的方式将信号处理结果同步至云端的主站;当采样节点对应的信号处理结果所对应的类标记为非正常数据时,则立即将采样节点对应的信号处理结果同步至云端的主站,并同时生成警告信息;
所述数据通信子模块,用于将数据处理子模块输出的数据通过通信网络模块上传至云端的主站;
所述通信网络模块,用于提供相量测量模块与主站的通信功能;
所述主站,用于存储以及管理相量测量模块输出的数据。
本发明提供的一种宽频信号测量方法及系统,通过采集离散信号,然后采用四阶五项Nuttall窗插值法以及FFT算法对采样节点对应的离散信号进行处理,能够解决频谱泄露的问题,提升信号的分析精度,还能够处理因电网频率波动导致的采集数据非整数周期截断导致的频谱泄露问题,最后采用决策树算法进行数据异常判断,进一步降低了通信传输压力,以实现电力系统对实时性的要求。
附图说明
为了更清楚地说明本发明示例性实施方式的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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他相关的附图。
图1为本发明实施例提供的一种宽频信号测量方法的流程图。
图2为本发明实施例提供的一种宽频信号测量系统的结构示意图。
图3为本发明实施例提供的相量测量模块的结构示意图。
图4为本发明实施例提供的采样脉冲同步原理示意图。
图5为本发明实施例提供的数据采集原理示意图。
图6为本发明实施例提供的使用四阶五项Nuttall窗插值的实例示意图。
图7为本发明实施例提供的决策树对特征空间的划分原理示意图。
附图中标记及对应的零部件名称:
1-相量测量模块、2-通信网络模块、3-主站。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
如图1所示,本发明实施例提供一种宽频信号测量方法,包括:
S1、获取标准秒脉冲,并采用标准秒脉冲同步各采样节点的采样脉冲,以实现各采样节点的同步采样。
S2、以采样节点的采样脉冲为参考,按照每个采样节点预设的采样频率,分别采集每个采样节点对应的离散信号。
S3、采用四阶五项Nuttall窗插值法以及FFT(fast Fourier transform,快速傅里叶变换)算法对采样节点对应的离散信号进行处理,得到每个采样节点对应的信号处理结果。
S4、以所述每个采样节点对应的信号处理结果为基础,采用决策树算法获取每个信号处理结果对应的类标记。所述类标记包括正常数据或非正常数据。
S5、当采样节点对应的信号处理结果所对应的类标记为正常数据时,则采用定期同步数据的方式将信号处理结果同步至云端的主站。
S6、当采样节点对应的信号处理结果所对应的类标记为非正常数据时,则立即将采样节点对应的信号处理结果同步至云端的主站,并同时生成警告信息。
本发明是为了解决宽频测量装置中的频谱泄露问题和通信传输效率问题,采用了一种Nuttall窗插值算法解决由于电网频率波动导致的数据非整数周期截断而产生的频谱泄漏问题。电力系统中为了降低频谱泄露,提高信号的分析精度,应采用合适的窗函数来代替矩形窗对信号进行加窗处理,以此来减小频谱泄露造成的各次谐波间的干扰,而栅栏效应引起的误差则可通过插值的方法来消除。选择合适的窗函数进行加窗处理,可以有效的抑制频谱泄露和减小由此产生的误差,特别是窗函数的旁瓣峰值电平和旁瓣衰减速度等特性直接影响到窗函数对频谱泄露的抑制情况。一般的FFT变换就相当于对信号加了一个矩形窗,矩形窗优点是简单易行,缺点旁瓣峰值较大,会导致频率分辨不清晰。另外,较慢的衰减速度会造成较大的旁瓣将会淹没邻近的谐波分量,从而影响到谐波的分析。为了减小频谱泄露,应该选择主瓣宽度窄,旁瓣峰值小,而且旁瓣衰减速度快的窗函数对信号进行加窗处理,这样可有效的抑制频谱泄露,提高信号的分析精度。四项五阶Nuttall窗的旁瓣衰减速度大于一般使用的海宁窗,并且具有较低的旁瓣峰值电平,算法简单明了,计算量适中,更适合于电力系统的精确分析。而在通信传输端,为了进一步降低监测系统通信单元的通信传输压力,以实现电力系统对实时性的要求,本发明设计了使用c4.5决策树算法对数据进行分类处理。
在一种可能的实施方式中,获取标准秒脉冲,包括:通过GPS/BD接收机接收标准时间信号,得到标准秒脉冲。
在一种可能的实施方式中,获取标准秒脉冲,还包括:
通过本地守时时钟同步GPS/BD接收机接收的标准时间信号。
当GPS/BD接收机的信号丢失之后,根据本地守时时钟输出的时间信号,获取标准秒脉冲。
在一种可能的实施方式中,以采样节点的采样脉冲为参考,按照每个采样节点预设的采样频率,分别采集每个采样节点对应的离散信号,包括:
以采样节点的采样脉冲为参考,按照每个采样节点预设的采样频率,采集每个采样节点对应的信号,并对采集的信号进行低通滤波处理、整形处理、限幅处理以及模数转换处理,得到每个采样节点对应的离散信号。
模拟信号进行采样时,需要解决的另一个问题是频谱泄露和栅栏效应,假设单一频率信号为:
其中,为幅度,/>为频率,/>为相位,t为时间,π为圆周率,j为虚数符号,对此信号以采样频率/>进行采样,可得到信号的离散序列/>,/>为矩形窗,对离散信号/>进行傅里叶变换,可得:
其中,为傅里叶变换后的信号,/>为采样序列/>的傅里叶变换,为窗函数/>的傅里叶变换,/>为角频率,/>为初始相位,/>为微分符号。
Nuttall窗是一类余弦窗的组合,其时域的表达式为:
其中,为窗函数的项数。/>,/>为目标特征;为约束参数。
应满足约束条件:
窗函数的频谱表达式为:
其中,,/>表示中间函数,w为傅里叶变换的频域表达。
由上述公式可得信号加窗函数的频谱:
其中,为四阶五项Nuttall窗函数的傅里叶变换表达,/>为采样信号幅值。
在一种可能的实施方式中,采用四阶五项Nuttall窗插值法以及FFT算法对采样节点对应的离散信号进行处理,得到每个采样节点对应的信号处理结果,包括:
对采样节点对应的离散信号加四阶五项的Nuttall窗,得到采样节点对应的长度为N的离散序列。
对加窗得到的长度为N的离散序列进行离散傅里叶变换,得到每个采样节点对应的频谱序列。
采用Nuttall窗插值算法对每个采样节点对应的频谱序列进行修正,得到每个采样节点对应的信号处理结果。
其中,所述信号处理结果包括基波幅值、基波相位、谐波幅值以及谐波相位。
在一种可能的实施方式中,以所述每个采样节点对应的信号处理结果为基础,采用决策树算法获取每个信号处理结果对应的类标记之前,包括:
获取训练实例以及每个实例对应的类标记,并根据所述训练实例以及每个实例对应的类标记,生成决策树。
在一种可能的实施方式中,根据所述训练实例以及每个实例对应的类标记,生成决策树,包括:
A1、以所有训练实例组成的训练实例集合D作为训练集,以训练实例集合D的特征集A作为训练特征集;
A2、判断训练集中所有实例是否均属于同一类C1,若是,则将类C1设置为决策树的单结点,否则对实例中的特征进行判断;
A3、判断训练特征集是否为空集,若是,则将训练集中最多类C2作为决策树中的单节点,否则进行增益比的获取;
A4、获取训练特征集中每个特征对训练集的增益比,并选择信息增益比最大的目标特征A’;
A5、判断目标特征A’对应的增益比是否小于预设的增益比阈值,若是,则将训练集中最多类C2作为决策树中的单节点,否则进行子结点的构建;
A6、针对目标特征A’的取值范围,按照预设间隔将训练集分为多个非空子集,并将非空子集中最多类C3作为类标记,构建子结点;并将单节点以及子节点组成决策树;
A7、对任一子节点,以子节点对应的非空子集为训练集,以为特征集,递归地调用步骤A2-A6,直至无法再获取子节点,得到最终的决策树。
在一种可能的实施方式中,训练特征集中每个特征对训练集的增益比,包括:
其中,表示训练特征集中特征/>对训练集的增益比,/>表示特征A对训练数据集D的信息增益,/>表示数据集D的经验熵。
在一种可能的实施方式中,所述为:
其中,表示表示特征A给定条件下D的经验条件熵。
实施例2
如图2所示,本发明实施例提供一种宽频信号测量系统,包括:相量测量模块1、通信网络模块2以及主站3。
如图3所示,本发明实施例提供一种相量测量模块1,所述相量测量模块包括同步采样子模块、数据采集子模块、数据处理子模块以及数据通信子模块。
所述同步采样子模块,用于获取标准秒脉冲,并采用标准秒脉冲同步各采样节点的采样脉冲,以实现各采样节点的同步采样。
同步采样子模块包括GPS/BD(全球定位系统/北斗)接收机,GPS/BD为系统提供1pps秒脉冲和系统时标信号。为防止GPS/BD信号丢失或故障,本系统设计了本地守时时钟。输出的秒脉冲1PPS作为整个电力系统同步采样的基准,用以同步各监测节点采样脉冲,所述1PPS的同步精度在20ns之间,精度要求完全满足电力系统对同步测量精度的要求。
所述数据采集子模块,用于以采样节点的采样脉冲为参考,按照每个采样节点预设的采样频率,分别采集每个采样节点对应的离散信号。
数据采集子模块接收并提取GPS/BD的标准时间。宽频装置通过BDS/GPS卫星信号接收机输出的同步秒脉冲1PPS同步各节点采样脉冲,如图4所示,被同步的采样脉冲采样得到的信号拥有统一的时间基准,在此基础上测得的各节点的幅值和相角可以直接被认为是该节点的幅值和相角。
如图5所示,数据采集中由于不同频率的宽频信号同时采集,会产生频谱混叠问题。为解决频谱混叠问题,本发明还包含了一个数字低通滤波器,其具体工作流程如将多路模拟量输入部分(即线路三相电压,三相电流),主要功能是将来自PT(电压互感器)或CT(电流互感器)二次侧的电压和电流,经过低通滤波整形和限幅电路后,滤除其高频干扰分量,送入模数转换器ADC进行模数转换。
所述数据处理子模块,用于采用四阶五项Nuttall窗插值法以及FFT算法对采样节点对应的离散信号进行处理,得到每个采样节点对应的信号处理结果。以所述每个采样节点对应的信号处理结果为基础,采用决策树算法获取每个信号处理结果对应的类标记。所述类标记包括正常数据或非正常数据。当采样节点对应的信号处理结果所对应的类标记为正常数据时,则采用定期同步数据的方式将信号处理结果同步至云端的主站3。当采样节点对应的信号处理结果所对应的类标记为非正常数据时,则立即将采样节点对应的信号处理结果同步至云端的主站3,并同时生成警告信息。
通过Nuttall窗插值算法对FFT计算结果进行修正,可以极大的提高信号的分析精度。四项五阶Nuttall窗插值算法的描述如图6,具体应用步骤为:
1)首先对信号进行加窗处理,将采样后的离散信号加四项五阶的Nuttall窗,得到一个长度为N的离散序列。
2)对加窗后的离散序列进行离散傅里叶变换,结果得到一个频谱序列。
3)利用Nuttall窗插值算法的幅度、相位、频率公式对离散傅里叶变换后的结果进行修正,从而得到基波及各次谐波的参数。
为了进一步降低监测系统通信单元的通信传输压力,以实现电力系统对实时性的要求。通过对目前机器学习语言的分析,本发明提出使用c4.5决策树对数据进行智能处理。具体而言,PMU首先将每周波采集的数据通过FFT算法测得节点处电压、电流相量的幅值、相角,并以此作为输入数据,送入决策树进行判别分析,当判别数据异常时,立即送入监控中心,监控中心的工作人员根据数据的同步分析结果,采取相应的措施进行控制。反之,当数据判别正常时,暂存在监测系统端,按预设置的传输周期进行传输或在接受到控制中心的传输命令时进行传输。这样就能实现在不影响系统监测质量的同时,大大减轻了通信系统的负担,提高了电力系统监测的高效性和智能性。
决策树模型呈树形机构,在分类问题中,表示基于特征对实例进行分类的过程。在本专利中,将已计算完幅值和相角的电压电流量作为总样本标记,具体为:
其中,为输入实例,n为特征个数(比如有3个电压向量,经过FFT以后幅值和相角作为每一实例的特征,共产生6个特征),/>为类标记,本发明中仅有两个类标记,分别为正常样本和非正常样本,分别标记为{-1,1}。图7示意了特征空间在二分类图像上的划分。图中的大正方形表示特征空间,特征空间划分上的单元构成集合X,即所有实例的集合。
特征选择会选取对训练数据具有分类能力的特征。特征选择主要依赖于信息增益比的值。信息增益比定义为,其中/>。信息增益比表示在特征A给定的条件下使得对数据集D的分类不确定性减少的程度。换句话说信息增益越大,分类的能力越强。因此,需要计算每个特征的信息增益比,比较它们的大小,选择信息增益比最大的特征。
使用C4.5算法生成决策树,具体流程可以包括:
(1)如果D中所有实例属于同一类C,则置T为单结点树,并将C作为该结点的类,返回T。
(2)如果A,则置T为单结点树,并将D中实例数最大的类C作为该结点的类,返回T。
(3)否则,计算A中各特征对D的信息增益比,选择信息增益比最大的特征。
(4)如果的信息增益比小于阈值e,则置T为单结点树,并将D中实例数最大的类C作为该结点的类,返回T 。
(5)否则,对的每一可能值/>,依/>=/>将D分割为子集若干非空/>,将/>中实例数最大的类作为标记,构建子结点,由结点及其子结点构成树T,返回T。
(6)对结点i,以为训练集,以/>为特征集,递归地调用步骤(1)~ 步骤(5),得到子树/>,返回/>。
所述数据通信子模块,用于将数据处理子模块输出的数据通过通信网络模块2上传至云端的主站3;
所述通信网络模块2,用于提供相量测量模块1与主站3的通信功能;
所述主站3,用于存储以及管理相量测量模块1输出的数据。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、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。
本领域普通技术人员可以理解实现上述事实和方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,涉及的程序或者所述的程序可以存储于一计算机所可读取存储介质中,该程序在执行时,包括如下步骤:此时引出相应的方法步骤,所述的存储介质可以是ROM/RAM、磁碟、光盘等等。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种宽频信号测量方法,其特征在于,包括:
获取标准秒脉冲,并采用标准秒脉冲同步各采样节点的采样脉冲,以实现各采样节点的同步采样;
以采样节点的采样脉冲为参考,按照每个采样节点预设的采样频率,分别采集每个采样节点对应的离散信号;
采用四阶五项Nuttall窗插值法以及FFT算法对采样节点对应的离散信号进行处理,得到每个采样节点对应的信号处理结果;
以所述每个采样节点对应的信号处理结果为基础,采用决策树算法获取每个信号处理结果对应的类标记;所述类标记包括正常数据或非正常数据;
当采样节点对应的信号处理结果所对应的类标记为正常数据时,则采用定期同步数据的方式将信号处理结果同步至云端的主站;
当采样节点对应的信号处理结果所对应的类标记为非正常数据时,则立即将采样节点对应的信号处理结果同步至云端的主站,并同时生成警告信息。
2.根据权利要求1所述的宽频信号测量方法,其特征在于,获取标准秒脉冲,包括:通过GPS/BD接收机接收标准时间信号,得到标准秒脉冲。
3.根据权利要求2所述的宽频信号测量方法,其特征在于,获取标准秒脉冲,还包括:
通过本地守时时钟同步GPS/BD接收机接收的标准时间信号;
当GPS/BD接收机的信号丢失之后,根据本地守时时钟输出的时间信号,获取标准秒脉冲。
4.根据权利要求2或3所述的宽频信号测量方法,其特征在于,以采样节点的采样脉冲为参考,按照每个采样节点预设的采样频率,分别采集每个采样节点对应的离散信号,包括:
以采样节点的采样脉冲为参考,按照每个采样节点预设的采样频率,采集每个采样节点对应的信号,并对采集的信号进行低通滤波处理、整形处理、限幅处理以及模数转换处理,得到每个采样节点对应的离散信号。
5.根据权利要求4所述的宽频信号测量方法,其特征在于,采用四阶五项Nuttall窗插值法以及FFT算法对采样节点对应的离散信号进行处理,得到每个采样节点对应的信号处理结果,包括:
对采样节点对应的离散信号加四阶五项的Nuttall窗,得到采样节点对应的长度为N的离散序列;
对加窗得到的长度为N的离散序列进行离散傅里叶变换,得到每个采样节点对应的频谱序列;
采用Nuttall窗插值算法对每个采样节点对应的频谱序列进行修正,得到每个采样节点对应的信号处理结果;
其中,所述信号处理结果包括基波幅值、基波相位、谐波幅值以及谐波相位。
6.根据权利要求5所述的宽频信号测量方法,其特征在于,以所述每个采样节点对应的信号处理结果为基础,采用决策树算法获取每个信号处理结果对应的类标记之前,包括:
获取训练实例以及每个实例对应的类标记,并根据所述训练实例以及每个实例对应的类标记,生成决策树。
7.根据权利要求6所述的宽频信号测量方法,其特征在于,根据所述训练实例以及每个实例对应的类标记,生成决策树,包括:
A1、以所有训练实例组成的训练实例集合D作为训练集,以训练实例集合D的特征集A作为训练特征集;
A2、判断训练集中所有实例是否均属于同一类C1,若是,则将类C1设置为决策树的单结点,否则对实例中的特征进行判断;
A3、判断训练特征集是否为空集,若是,则将训练集中最多类C2作为决策树中的单节点,否则进行增益比的获取;
A4、获取训练特征集中每个特征对训练集的增益比,并选择信息增益比最大的目标特征A’;
A5、判断目标特征A’对应的增益比是否小于预设的增益比阈值,若是,则将训练集中最多类C2作为决策树中的单节点,否则进行子结点的构建;
A6、针对目标特征A’的取值范围,按照预设间隔将训练集分为多个非空子集,并将非空子集中最多类C3作为类标记,构建子结点;并将单节点以及子节点组成决策树;
A7、对任一子节点,以子节点对应的非空子集为训练集,以为特征集,递归地调用步骤A2-A6,直至无法再获取子节点,得到最终的决策树。
8.根据权利要求7所述的宽频信号测量方法,其特征在于,训练特征集中每个特征对训练集的增益比,包括:
;
其中,表示训练特征集中特征/>对训练集的增益比,/>表示特征A对训练数据集D的信息增益,/>表示数据集D的经验熵。
9.根据权利要求8所述的宽频信号测量方法,其特征在于,所述为:
;
其中,表示表示特征A给定条件下D的经验条件熵。
10.一种宽频信号测量系统,其特征在于,包括:相量测量模块、通信网络模块以及主站;所述相量测量模块包括同步采样子模块、数据采集子模块、数据处理子模块以及数据通信子模块;
所述同步采样子模块,用于获取标准秒脉冲,并采用标准秒脉冲同步各采样节点的采样脉冲,以实现各采样节点的同步采样;
所述数据采集子模块,用于以采样节点的采样脉冲为参考,按照每个采样节点预设的采样频率,分别采集每个采样节点对应的离散信号;
所述数据处理子模块,用于采用四阶五项Nuttall窗插值法以及FFT算法对采样节点对应的离散信号进行处理,得到每个采样节点对应的信号处理结果;以所述每个采样节点对应的信号处理结果为基础,采用决策树算法获取每个信号处理结果对应的类标记;所述类标记包括正常数据或非正常数据;当采样节点对应的信号处理结果所对应的类标记为正常数据时,则采用定期同步数据的方式将信号处理结果同步至云端的主站;当采样节点对应的信号处理结果所对应的类标记为非正常数据时,则立即将采样节点对应的信号处理结果同步至云端的主站,并同时生成警告信息;
所述数据通信子模块,用于将数据处理子模块输出的数据通过通信网络模块上传至云端的主站;
所述通信网络模块,用于提供相量测量模块与主站的通信功能;
所述主站,用于存储以及管理相量测量模块输出的数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410168977.8A CN117714246A (zh) | 2024-02-06 | 2024-02-06 | 一种宽频信号测量方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410168977.8A CN117714246A (zh) | 2024-02-06 | 2024-02-06 | 一种宽频信号测量方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117714246A true CN117714246A (zh) | 2024-03-15 |
Family
ID=90157496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410168977.8A Pending CN117714246A (zh) | 2024-02-06 | 2024-02-06 | 一种宽频信号测量方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117714246A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201837674U (zh) * | 2010-09-17 | 2011-05-18 | 余杭供电局 | 并网光伏发电监测及分析系统 |
CN104330679A (zh) * | 2014-11-25 | 2015-02-04 | 国家电网公司 | 一种电能质量监测系统 |
CN105978760A (zh) * | 2016-06-27 | 2016-09-28 | 桂林电子科技大学 | 一种基于C4.5决策树的VoIP流量在线识别方法 |
CN110389250A (zh) * | 2019-07-29 | 2019-10-29 | 武汉新电电气股份有限公司 | 一种用于变压器直流偏磁事件预警的装置及方法 |
CN111999635A (zh) * | 2020-08-23 | 2020-11-27 | 国网山东省电力公司莱芜供电公司 | 一种基于4项5阶Nuttall窗的板卡故障信号分析方法及终端 |
CN112378447A (zh) * | 2020-11-13 | 2021-02-19 | 盘昱兵 | 一种配电自动化终端的测试方法 |
CN114580483A (zh) * | 2022-03-16 | 2022-06-03 | 国网山西省电力公司电力科学研究院 | 一种配电网电能质量扰动分类方法及其应用 |
US11402499B1 (en) * | 2018-08-29 | 2022-08-02 | Amazon Technologies, Inc. | Processing audio signals for presence detection |
CN114966194A (zh) * | 2022-04-11 | 2022-08-30 | 国网浙江省电力有限公司营销服务中心 | 一种基于adc的低频计量三相电能表 |
US20230014095A1 (en) * | 2020-06-24 | 2023-01-19 | Shandong Jianzhu University | Method and system for recognizing environmental protection equipment based on deep hierarchical fuzzy algorithm |
CN117330827A (zh) * | 2023-09-27 | 2024-01-02 | 国网思极数字科技(北京)有限公司 | 基于边缘计算电能质量监测系统的告警与故障诊断方法 |
CN117406026A (zh) * | 2023-10-26 | 2024-01-16 | 贵州电网有限责任公司 | 一种适用于分布式电源的配电网故障检测方法 |
-
2024
- 2024-02-06 CN CN202410168977.8A patent/CN117714246A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201837674U (zh) * | 2010-09-17 | 2011-05-18 | 余杭供电局 | 并网光伏发电监测及分析系统 |
CN104330679A (zh) * | 2014-11-25 | 2015-02-04 | 国家电网公司 | 一种电能质量监测系统 |
CN105978760A (zh) * | 2016-06-27 | 2016-09-28 | 桂林电子科技大学 | 一种基于C4.5决策树的VoIP流量在线识别方法 |
US11402499B1 (en) * | 2018-08-29 | 2022-08-02 | Amazon Technologies, Inc. | Processing audio signals for presence detection |
CN110389250A (zh) * | 2019-07-29 | 2019-10-29 | 武汉新电电气股份有限公司 | 一种用于变压器直流偏磁事件预警的装置及方法 |
US20230014095A1 (en) * | 2020-06-24 | 2023-01-19 | Shandong Jianzhu University | Method and system for recognizing environmental protection equipment based on deep hierarchical fuzzy algorithm |
CN111999635A (zh) * | 2020-08-23 | 2020-11-27 | 国网山东省电力公司莱芜供电公司 | 一种基于4项5阶Nuttall窗的板卡故障信号分析方法及终端 |
CN112378447A (zh) * | 2020-11-13 | 2021-02-19 | 盘昱兵 | 一种配电自动化终端的测试方法 |
CN114580483A (zh) * | 2022-03-16 | 2022-06-03 | 国网山西省电力公司电力科学研究院 | 一种配电网电能质量扰动分类方法及其应用 |
CN114966194A (zh) * | 2022-04-11 | 2022-08-30 | 国网浙江省电力有限公司营销服务中心 | 一种基于adc的低频计量三相电能表 |
CN117330827A (zh) * | 2023-09-27 | 2024-01-02 | 国网思极数字科技(北京)有限公司 | 基于边缘计算电能质量监测系统的告警与故障诊断方法 |
CN117406026A (zh) * | 2023-10-26 | 2024-01-16 | 贵州电网有限责任公司 | 一种适用于分布式电源的配电网故障检测方法 |
Non-Patent Citations (4)
Title |
---|
YIFAN ZHU ET AL.: ""Harmonic Analysis of Power System Based on Nuttall self-convolution Window Triple-spectral-line Interpolation FFT"", 《PROCEEDINGS OF THE 2017 2ND INTERNATIONAL CONFERENCE ON CONTROL, AUTOMATION AND ARTIFICIAL INTELLIGENCE (CAAI 2017)》, 30 June 2017 (2017-06-30) * |
张伏生, 刘沛津, 曹进, 陈友文: "基于GPS同步时钟的在线谐波测量分析系统", 电力自动化设备, no. 06, 25 June 2003 (2003-06-25) * |
李磊;陈彬;佐佑;李常春;赵庆来;沈锦昌;张晓勇;: "基于加窗插值FFT的PMU校验方法", 电测与仪表, no. 19, 10 October 2015 (2015-10-10) * |
许珉;刘晓辉;王玺;许辉;王奕;曹苑芊;: "基于加四项Nuttall窗递推DFT插值算法的高精度测频方法研究", 郑州大学学报(工学版), no. 01, 10 January 2013 (2013-01-10) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sachdev et al. | The GstLAL search analysis methods for compact binary mergers in Advanced LIGO's second and advanced Virgo's first observing runs | |
CN103454497B (zh) | 基于改进加窗离散傅立叶变换的相位差测量方法 | |
AU2013277569B2 (en) | Electric power system waveform search | |
Romano et al. | A high-performance, low-cost PMU prototype for distribution networks based on FPGA | |
Romano et al. | An enhanced interpolated-modulated sliding DFT for high reporting rate PMUs | |
CN106645919B (zh) | 基于三相瞬时功率的电网全谱功率振荡相量同步测量方法 | |
CN106980044B (zh) | 一种适应风电接入的电力系统谐波电流估计方法 | |
CN105004939A (zh) | 一种复合电能质量扰动信号定量分析方法 | |
You et al. | Ring-down oscillation mode identification using multivariate empirical mode decomposition | |
Zhao et al. | Recent development of frequency estimation methods for future smart grid | |
CN103543331B (zh) | 一种计算电信号谐波和间谐波的方法 | |
CN111222680A (zh) | 基于最小二乘支持向量机的风电站出力超短时预测方法 | |
CN103245830A (zh) | 一种结合ar谱估计与非线性优化的间谐波检测方法 | |
CN117714246A (zh) | 一种宽频信号测量方法及系统 | |
CN105911350A (zh) | 频率自适应递归svft谐波序分量实时检测方法及系统 | |
CN109061299A (zh) | 一种基于径向基函数神经网络的电力系统谐波检测方法 | |
CN115459764A (zh) | 一种基于卡尔曼滤波的锁相环、方法设备及存储介质 | |
Zou et al. | Research on fault location of distribution network based on MRSVD | |
CN104849551A (zh) | 一种谐相角分析方法 | |
Hassak et al. | Implementing a pmu based linear state estimator on a single board computer | |
CN111308202A (zh) | 一种基于谐波自适应检测方法的广谱同步相量采集系统 | |
Radevic et al. | Smart DFT based PMU prototype | |
Meriem et al. | An Investigation of Different PMU phasor estimation techniques Based on DFT Using MATLAB | |
Shukla et al. | How I wonder where you are: pinpointing coalescing binary neutron star sources with the IGWN, including LIGO-Aundha | |
Jun et al. | A hybrid algorithm for fast parameter estimation of LFM signal |
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 |