CN117991172A - 一种具有故障识别功能的电压互感器 - Google Patents
一种具有故障识别功能的电压互感器 Download PDFInfo
- Publication number
- CN117991172A CN117991172A CN202410396354.6A CN202410396354A CN117991172A CN 117991172 A CN117991172 A CN 117991172A CN 202410396354 A CN202410396354 A CN 202410396354A CN 117991172 A CN117991172 A CN 117991172A
- Authority
- CN
- China
- Prior art keywords
- processed
- data
- voltage data
- voltage
- sequence
- 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
- 230000002159 abnormal effect Effects 0.000 claims description 50
- 238000000034 method Methods 0.000 claims description 36
- 238000013507 mapping Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 abstract description 4
- 238000009499 grossing Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 230000002902 bimodal effect Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Measurement Of Current Or Voltage (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种具有故障识别功能的电压互感器,该电压互感器包括第一获取模块,用于获取待处理电压数据序列;第二获取模块,用于根据待处理电压数据序列的统计直方图的峰度值以及各组的频数,得到每个待处理电压数据对应的第一权重值;第三获取模块,用于根据每个待处理电压数据对应的关联数据序列,得到每个待处理电压数据对应的第二权重值;第四获取模块,用于根据第一权重值和第二权重值,获取每个待处理电压数据对应的平滑电压数据;故障识别模块,用于根据平滑电压数据,对电压互感器进行故障识别。本发明能够更加准确的对电压互感器进行故障识别。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种具有故障识别功能的电压互感器。
背景技术
电压互感器是一种用于电力系统的变压器,其主要功能是将高电压按一定比例转换成低电压,以便于测量、保护和监控等,即电压互感器具有保护电力系统的运行、对电力系统进行监测的作用,但是电压互感器随着使用时间的增加可能会出现一些问题或者出现故障,例如精度逐渐下降、易受外部电磁干扰影响、维护困难等,而当电压互感器出现故障的时候,会导致不能对电力系统进行有效的保护或者监测,因此对电压互感器进行故障识别至关重要。
通常情况下是基于采集的电压互感器输出的电压数据来实现对电压互感器的故障识别,但是采集的电压互感器输出的电压数据中可能存在噪声数据,而噪声数据的存在可能会影响对电压互感器进行故障识别的结果,所以一般在进行故障识别时会先对电压互感器输出的电压数据进行平滑处理,且通常是采用滑动平均法来实现对电压互感器输出的电压数据的平滑,但是在利用滑动平均法进行平滑时,每个数据的权重值是相同的,而在进行平滑时数据的权重值相同可能会影响噪声数据之外的其它数据,即可能导致噪声数据之外的其它数据与其平滑后的平滑数据之间的差异较大,例如可能导致正常数据在平滑后变成异常数据,进而使得平滑后的数据质量较低,导致后续在对电压互感器进行故障识别或者故障判断时,出现识别错误或者判断错误的情况,即导致不能准确的对电压互感器进行故障识别。
发明内容
为了解决上述问题,本发明提供一种具有故障识别功能的电压互感器,所采用的技术方案具体如下:
本发明一个实施例提供了一种具有故障识别功能的电压互感器,所述具有故障识别功能的电压互感器包括:
第一获取模块,用于获取电压互感器输出的待处理电压数据序列;
第二获取模块,用于获取所述待处理电压数据序列对应的统计直方图,根据所述统计直方图的峰度值以及所述统计直方图上各组的频数,得到所述待处理电压数据序列中的每个待处理电压数据对应的第一权重值;
第三获取模块,用于获取所述每个待处理电压数据对应的关联数据序列,根据所述每个待处理电压数据对应的关联数据序列,得到所述每个待处理电压数据对应的第二权重值;
第四获取模块,用于根据所述每个待处理电压数据对应的第一权重值和第二权重值,获取所述每个待处理电压数据对应的目标权重值;根据所述目标权重值和预设初始滑动窗口,获取所述每个待处理电压数据对应的平滑电压数据;
故障识别模块,用于根据所述平滑电压数据,对电压互感器进行故障识别。
优选地,得到所述待处理电压数据序列中的每个待处理电压数据对应的第一权重值的方法,包括:
对所述待处理电压数据序列对应的统计直方图的峰度值进行负相关映射,将所述负相关映射后的峰度值记为对应统计直方图的目标峰度值;
将常数1与所述目标峰度值的差值记为调整因子;
对于所述统计直方图上的任一一个组:将该组的频数与所述统计直方图上所有组的频数中的最大频数的比值,记为该组的特征值;将所述调整因子与所述该组的特征值的乘积,记为该组的目标特征值;将该组的目标特征值作为位于该组对应的电压数据区间中的所有待处理电压数据的第一权重值。
优选地,获取所述每个待处理电压数据对应的关联数据序列的方法,包括:
在所述待处理电压数据序列中分别以各待处理电压数据为中心,构建每个待处理电压数据对应的窗口,将每个待处理电压数据对应的窗口中的所有待处理电压数据构建的序列,记为对应待处理电压数据对应的第一关联数据序列;
对于任一待处理电压数据对应的第一关联数据序列,在该待处理电压数据对应的第一关联数据序列中将该待处理电压数据去除,将去除之后的序列记为该待处理电压数据对应的第二关联数据序列。
优选地,得到所述每个待处理电压数据对应的第二权重值的方法,包括:
对所述第一关联数据序列和所述第二关联数据序列分别进行差分运算,得到所述第一关联数据序列的差分序列以及所述第二关联数据序列的差分序列;
对于任一待处理电压数据:
将计算得到的该待处理电压数据对应的第一关联数据序列对应的差分序列的方差与其对应的第二关联数据序列对应的差分序列的方差之间差值的绝对值,记为该待处理电压数据对应的方差差值;
对所述方差差值进行负相关映射,将负相关映射后的方差差值记为该待处理电压数据对应的方差特征差值;
将对该待处理电压数据对应的第一关联数据序列对应的差分序列的方差进行负相关映射后的值,记为该待处理电压数据对应的第一关联数据序列对应的差分序列的目标方差;
将所述目标方差与所述方差特征差值的乘积,记为该待处理电压数据对应的第二权重值。
优选地,获取所述每个待处理电压数据对应的目标权重值的方法,包括:
将所述每个待处理电压数据对应的第一权重值与其对应的第二权重值的乘积,记为对应待处理电压数据对应的目标权重值。
优选地,获取所述每个待处理电压数据对应的平滑电压数据的方法,包括:
将所述每个待处理电压数据对应的目标权重值与所述预设初始滑动窗口的乘积进行向下取整,将进行向下取整之后的值记为对应待处理电压数据对应的目标滑动窗口;
对于任一待处理电压数据:将该待处理电压数据对应的目标滑动窗口中的所有待处理电压数据与其对应的目标权重值的乘积,记为该待处理电压数据对应的加权数据值;将该待处理电压数据对应的目标滑动窗口中的所有待处理电压数据对应的加权数据值的均值记为该待处理电压数据对应的平滑电压数据。
优选地,对电压互感器进行故障识别的方法,包括:
根据所述每个待处理电压数据对应的平滑电压数据,构建得到所述待处理电压数据序列对应的平滑电压数据序列;
获取所述平滑电压数据序列对应的数据曲线以及所述数据曲线上的所有波谷和所有波峰;
根据所述数据曲线上的所有波谷和所有波峰,判断电压互感器是否存在故障。
优选地,根据所述数据曲线上的所有波谷和所有波峰,判断电压互感器是否存在故障的方法,包括:
对于所述数据曲线上的第i个数据点:若第i个数据点为波谷,则将所述数据曲线上的第i-A个数据点到第i+A个数据点构成的曲线记为波谷曲线,若第i个数据点为波峰,则将所述数据曲线上的第i-A个数据点到第i+A个数据点构成的曲线记为波峰曲线;所述A为正整数;
将所述数据曲线上的波峰曲线和波谷曲线均记为异常曲线;
获取标准异常曲线,并计算得到所述异常曲线与所述标准异常曲线之间的相似度;
当所述相似度大于预设相似度阈值时,判定电压互感器存在故障。
有益效果:本发明包括第一获取模块,用于获取电压互感器输出的待处理电压数据序列;第二获取模块,用于获取所述待处理电压数据序列对应的统计直方图,根据所述统计直方图的峰度值以及所述统计直方图上各组的频数,得到所述待处理电压数据序列中的每个待处理电压数据对应的第一权重值;第三获取模块,用于获取所述每个待处理电压数据对应的关联数据序列,根据所述每个待处理电压数据对应的关联数据序列,得到所述每个待处理电压数据对应的第二权重值;第四获取模块,用于根据所述每个待处理电压数据对应的第一权重值和第二权重值,获取所述每个待处理电压数据对应的目标权重值;根据所述目标权重值和预设初始滑动窗口,获取所述每个待处理电压数据对应的平滑电压数据;故障识别模块,用于根据所述平滑电压数据,对电压互感器进行故障识别。本发明根据待处理电压数据序列对应的统计直方图的峰度值以及统计直方图上各组的频数,得到每个待处理电压数据对应的第一权重值,根据每个待处理电压数据对应的关联数据序列,得到每个待处理电压数据对应的第二权重值,然后根据每个待处理电压数据对应的第一权重值和第二权重值,获取的每个待处理电压数据对应的目标权重值,能够在平滑掉噪声数据的同时还能使得噪声数据之外的其它的数据与其对应的平滑后数据的差异较小,进而基于平滑后的数据能够更加准确的对电压互感器进行故障识别。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,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附图。
图1为本发明一种具有故障识别功能的电压互感器的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,基于本发明实施例,本领域普通技术人员所获得的所有其它实施例,都属于本发明实施例保护的范围。
除非另有定义,本文所使用的所有的技术和科学技术术语与属于本发明的技术人员通常理解的含义相同。
本实施例提供了一种具有故障识别功能的电压互感器,详细说明如下:
如图1所示,本实施例提供的一种具有故障识别功能的电压互感器包括:
第一获取模块01,用于获取电压互感器输出的待处理电压数据序列。
由于在利用传统的滑动平均法进行平滑时,每个数据的权重值是相同的,而权重值相同可能导致噪声数据之外的其它数据与其平滑后的平滑数据之间的差异较大,进而使得平滑后的数据质量较低,导致后续在对电压互感器进行故障识别或者故障判断时,出现识别错误的情况,即导致对电压互感器进行故障识别的可靠性和准确性较低;所以本实施例为了避免噪声数据之外的其它数据与其对应的平滑数据差异较大导致的后续进行故障识别时准确性较低的问题,本实施例后续将对待处理电压数据进行分析,基于分析的结果自适应获取待处理电压数据序列中每个数据的权重,即使得平滑时噪声数据的权重值较低,而除噪声数据之外的其它数据的权重值较高,而基于分析的结果自适应获取的待处理电压数据序列中每个数据的权重在进行平滑时能够避免噪声数据之外的其它数据与其对应的平滑数据差异较大的问题,进而能够更加准确的对电压互感器进行故障识别。
本实施例是以任一电压互感器为例进行分析的,因此首先获取电压互感器在目标运行时间段输出的所有电压数据,且将电压数据记为待处理电压数据,然后按照输出的时间先后顺序对电压互感器在目标运行时间段输出的所有待处理电压数据进行排序,将排序后的序列记为电压互感器输出的待处理电压数据序列。
且具体应用中,实施者需要根据实际情况设置目标运行时间段,例如本实施例设置目标运行时间段的初始时间为b、结束时间为电压互感器当前运行时刻,且可以设置初始时间b与电压互感器当前运行时刻之间的时间长度为半小时;本实施例中实施者也可以根据实际情况设置数据的采集频率,例如可以设置数据的采集频率均是1秒。
由于电压互感器通常是将电网中的电压通过变压器降压成较低的电压信号,即电压互感器的输出数据通常是低压侧的电压信号;而且通常情况下电压互感器会提供模拟输出信号或者数字化的输出信号,提供的模拟输出信号一般是标准的电压信号范围,例如0到5V,模拟输出信号可以直接连接到数据采集设备或数据记录器进行采集,数字化的输出信号通常使用现代通信协议进行数据传输,例如Modbus、DNP3等,且数字化的输出信号可以通过串口或以太网接口连接到数据采集设备或监控系统中。
例如,若本实施例中的电压互感器的模拟输出范围为0到5V,而且主要用于测量高压电网中的电压,那么可以将其连接到一个数据采集模块,该模块具有多个模拟输入通道,能够将模拟信号转换成数字形式,然后能够使用数据采集软件或编程语言来编写程序,进而实现实时采集并记录电压互感器输出的数据。
第二获取模块02,用于获取所述待处理电压数据序列对应的统计直方图,根据所述统计直方图的峰度值以及所述统计直方图上各组的频数,得到所述待处理电压数据序列中的每个待处理电压数据对应的第一权重值。
本实施例接下来将基于统计直方图的峰度值以及统计直方图上各组的频数,得到待处理电压数据序列中的每个待处理电压数据对应的第一权重值,所述每个待处理电压数据对应的第一权重值是后续确定对应待处理电压数据对应的目标权重值的重要参数,而目标权重值是后续获取平滑数据的重要参数,所以本实施例得到第一权重值的具体过程为:
首先基于待处理电压数据序列中的所有待处理电压数据建立统计直方图,所述统计直方图的横坐标表示分组情况,纵坐标值表示频数,且在构建统计直方图时一般会先确定组数和组距,本实施例将组数和组距分别记为a1和a2。
具体应用中,实施者需要根据实际情况设置a1和a2的值,例如本实施例设置组数为5,设置所有组的组距相同,即设置为等距分组,且在确定组数之后组距的具体值还与待处理电压数据序列中的最小值和最大值对应的数据范围确定,例如待处理电压数据序列中的最小值和最大值分别为0和5V,若设置组数为5,且为等间距分组,那么可以得到5个组,且5个组的数据区间分别[0,1V)、[1V,2V)、[2V,3V)、[3V,4V)、[4V,5V],且V为电压单位伏特。
然后获取统计直方图上的每个组的频数,将每个组的频数与统计直方图上所有组的频数中的最大频数的比值,记为对应组的特征值;后续将基于每个组的特征值,来获取每个组所对应的待处理电压数据的第一权重值,且对应组的频数越高,即对应组的特征值越大,则后续获取的对应组所对应的待处理电压数据的第一权重值越大,反之后续获取的对应组所对应的待处理电压数据的第一权重值越小,且每个组所对应的待处理电压数据是指位于每个组对应的电压数据区间的待处理电压数据。
由于在电压互感器正常运行时,获取的待处理电压数据序列对应的统计直方图的单峰程度会比较强,此时获取的统计直方图上较高的柱子或者频数较大的组所对应的待处理电压数据是正常数据的可能性较大,较低柱子或者频数较小的组所对应的待处理电压数据是噪声数据的可能性较大,这时候若仅仅基于统计直方图上各组的频数来确定对应组所对应的待处理电压数据的第一权重值的可信度较高;但是当电压互感器出现故障时会使得采集的数据中出现异常数据,且异常数据一般时连续出现的,而异常数据的存在会导致统计直方图呈现双峰状态,而当统计直方图呈现双峰状态时,表明统计直方图上异常数据所对应的柱子也较高或者异常数据所对应组的频数也较大,但是由于还会有噪声数据的存在,而且可能会有一部分噪声数据与异常数据之间的差异较小,所以统计直方图上异常数据所对应的柱子或者异常数据所对应的组中还可能包括噪声数据,即建立统计直方图时可能将噪声数据和异常数划分到一个组,所以这时候仅仅基于统计直方图上各组的特征值来获取各待处理电压数据的第一权重值的可信度会较低,由于直方图的峰度值的大小能够反映统计直方图上是否存在双峰,所以此时应该通过统计直方图的峰度值对各组的特征值进行调整,即基于峰度值能够将各组的特征值调小,进而使得各待处理电压数据的第一权重值相对较小,可以避免噪声数据的第一权重值过大而导致后续获取的噪声数据的目标权重值较大的问题;由于统计直方图的峰度值能够反映的直方图的尖锐程度,所以统计直方图的峰度值能够反映对应统计直方图的单峰程度的强弱或者能够反映是否存在双峰,而且当峰度值越大的时候单峰程度越强,当峰度值越小的时候表明单峰程度越弱且可能存在双峰;因此本实施例将根据统计直方图的峰度值和统计直方图上各组的特征值来获取各待处理电压数据的第一权重值;具体为:
获取待处理电压数据序列对应的统计直方图的峰度值;且具体应用中,实施者可以根据实际情况设置获取统计直方图峰度值的方法,例如计算统计直方图的四阶矩,所述四阶矩即为峰度值。
然后对待处理电压数据序列对应的统计直方图的峰度值进行负相关映射,将进行负相关映射后的峰度值记为对应统计直方图的目标峰度值;将常数1与目标峰度值的差值记为调整因子;将调整因子分别与统计直方图上的每个组的特征值进行相乘,将相乘得到的值记为对应组的目标特征值;对于统计直方图上的任一一个组,获取该组对应的电压数据区间,将该组的目标特征值作为位于该组对应的电压数据区间中的所有待处理电压数据的第一权重值;且当调整因子与对应组的特征值越大时,表明位于该组对应的电压数据区间中的所有待处理电压数据的第一权重值越大,当调整因子与对应组的特征值越小时,表明位于该组对应的电压数据区间中的所有待处理电压数据的第一权重值越小;对于任一一个组,根据如下公式计算得到该组对应的目标特征值:
其中,为该组对应的目标特征值,/>为待处理电压数据序列对应的统计直方图的峰度值,exp()为以常数e为底的指数函数,/>为待处理电压数据序列对应的统计直方图上该组的频数,/>为待处理电压数据序列对应的统计直方图上所有组的频数中的最大频数。
且当越大、/>越大时,/>的值越大,而/>的值越大,表明位于该组对应的电压数据区间中的所有待处理电压数据的第一权重值越大;反之当/>越小、/>越小时,/>的值越小,而的值越小,表明位于该组对应的电压数据区间中的所有待处理电压数据的第一权重值越小。
因此通过上述过程得到了待处理电压数据序列中的每个待处理电压数据对应的第一权重值。
第三获取模块03,用于获取所述每个待处理电压数据对应的关联数据序列,根据所述每个待处理电压数据对应的关联数据序列,得到所述每个待处理电压数据对应的第二权重值。
由于当电压互感器出现故障时,会使得采集的数据中存在部分异常数据,而异常数据的存在可能导致统计直方图呈现双峰状态,而又因为会有部分噪声数据与异常数据的差异较小,因此在建立统计直方图时,可能会将噪声数据和异常数据划分到一个组,所以当当电压互感器出现故障时可能会有部分噪声数据的第一权重值还是相对较大,若这时候仅仅基于第一权重值进行平滑,还是可能导致噪声数据外的其它数据在平滑后与平滑前相差较大,因此接下来本实施例将分析待处理电压数据的局部特征,基于分析的结果能够进一步降低噪声数据的权重,因此本实施例接下来将获取每个待处理电压数据对应的关联数据序列,通过对每个待处理电压数据对应的关联数据序列进行分析和处理,得到每个待处理电压数据对应的第二权重值,所述待处理电压数据对应的第二权重值是后续确定对应待处理电压数据对应的目标权重值的重要参数,而目标权重值是后续获取平滑数据的重要参数,所以本实施例得到第二权重值的具体过程为:
在待处理电压数据序列中,分别以各待处理电压数据为中心,构建每个待处理电压数据对应的窗口,将每个待处理电压数据对应的窗口中的所有待处理电压数据构建的序列,记为对应待处理电压数据对应的第一关联数据序列,且待处理电压数据对应的第一关联数据序列中所有数据的顺序与待处理电压数据序列中的相同;对于任一待处理电压数据对应的第一关联数据序列,将该待处理电压数据对应的第一关联数据序列中的中心数据去除,将去除之后的序列记为该待处理电压数据对应的第二关联数据序列,且该待处理电压数据对应的第一关联数据序列中的中心数据是指该待处理电压数据。
且具体应用中,需要根据实际情况设置窗口的大小,例如本实施例将每个待处理电压数据对应的窗口的大小均设置为,那么待处理电压数据对应的第一关联数据序列中待处理电压数据的数量为11,对应的第二关联数据序列中待处理电压数据的数量为10。
然后对每个待处理电压数据对应的第一关联数据序列和其对应的第二关联数据序列进行差分运算,得到每个待处理电压数据对应的第一关联数据序列的差分序列以及每个待处理电压数据对应的第二关联数据序列的差分序列;且对序列进行差分运算得到对应差分序列的过程为公知技术,因此本实施例不再详细描述。
由于每个待处理电压数据对应的第一关联数据序列与其对应的第二关联数据序列的差别就是第二关联数据序列中不包含待处理电压数据本身,而噪声数据又是孤立的突变点,所以当某个待处理电压数据是噪声数据时,那么这个待处理电压数据对应的第一关联数据序列的差分序列的方差会比较大,而其对应的第二关联数据序列中不包括该待处理电压数据,所以这个待处理电压数据对应的第二关联数据序列的差分序列的方差比较小,那么这个待处理电压数据对应的第一关联数据序列的差分序列的方差与其对应的第二关联数据序列的差分序列的方差的差异会比较大。
又由于正常数据和异常数据一般不是孤立存在的,而且正常数据之间的差异相对较小,异常数据之间的差异也相对较小,所以通常情况下当某个待处理电压数据不是噪声数据而是异常数据或者正常数据时,那么这个待处理电压数据对应的第一关联数据序列的差分序列的方差和其对应的第二关联数据序列的差分序列的方差之间的差异相对较小,但是又由于异常数据对应的第一关联数据序列中数据的复杂度会比正常数据对应的第一关联数据序列中数据的复杂度要高,所以通常情况下异常数据对应的第一关联数据序列的差分序列的方差大于正常数据对应的第一关联数据序列的差分序列的方差,但是异常数据对应的第一关联数据序列的差分序列的方差一般会小于噪声数据对应的第一关联数据序列的差分序列的方差;因此本实施例通过对每个待处理电压数据对应的第一关联数据序列对应的差分序列以及每个待处理电压数据对应的第二关联数据序列对应的差分序列进行分析,所得到的每个待处理电压数据对应的第二权重值,能够使得后续得到的噪声数据的目标权重值较小,而噪声数据之外的其它数据相对较大,具体为:
对于任一待处理电压数据:
计算得到该待处理电压数据对应的第一关联数据序列对应的差分序列的方差以及其对应的第二关联数据序列对应的差分序列的方差;然后计算得到该待处理电压数据对应的第一关联数据序列对应的差分序列的方差与其对应的第二关联数据序列对应的差分序列的方差之间差值的绝对值,并记为该待处理电压数据对应的方差差值,然后对该待处理电压数据对应的方差差值进行负相关映射,将负相关映射后的方差差值记为该待处理电压数据对应的方差特征差值;将对该待处理电压数据对应的第一关联数据序列对应的差分序列的方差进行负相关映射后的值,记为该待处理电压数据对应的第一关联数据序列对应的差分序列的目标方差;将该待处理电压数据对应的第一关联数据序列对应的差分序列的目标方差与该待处理电压数据对应的方差特征差值的乘积,记为该待处理电压数据对应的第二权重值;且当目标方差与其对应的方差特征差值越小时,即该待处理电压数据对应的第一关联数据序列对应的差分序列的方差越大以及该待处理电压数据对应的第一关联数据序列对应的差分序列的方差与其对应的第二关联数据序列对应的差分序列的方差之间差值的绝对值越大时,表明该待处理电压数据是噪声数据的可能性越大,即该待处理电压数据的第二权重值越小;反之当目标方差与其对应的方差特征差值越大时,表明越不是噪声数据;而且又由于噪声数据对应的方差差值较大,异常数据和正常数据对应的方差差值较小,异常数据对应的第一关联数据序列对应的差分序列的方差通常情况下大于正常数据对应的第一关联数据序列对应的差分序列的方差,异常数据对应的第一关联数据序列对应的差分序列的方差通常情况下小于异常数据对应的第一关联数据序列对应的差分序列的方差,所以第二权重值较大的数据一般是正常数据,第二权重值较小的数据一般是噪声数据,而异常数据的第二权重值一般情况下大于噪声数据的权重值小于正常数据的权重值;且得到该待处理电压数据对应的第二权重值的具体公式为:
其中,为该待处理电压数据对应的第二权重值,/>为该待处理电压数据对应的第一关联数据序列对应的差分序列的方差,/>为该待处理电压数据对应的第二关联数据序列对应的差分序列的方差,/>为该待处理电压数据对应的第一关联数据序列对应的差分序列的目标方差,/>为该待处理电压数据对应的方差特征差值。
另外,当越大、/>越大时,/>的值越小,而/>的值越小,表明该待处理电压数据是噪声数据的可能性越大;当/>越小、/>越小时,/>的值越大,而/>的值越大,表明该待处理电压数据不是噪声数据的可能性越大。
因此通过上述过程得到了待处理电压数据序列中的每个待处理电压数据对应的第二权重值。
第四获取模块04,用于根据所述每个待处理电压数据对应的第一权重值和第二权重值,获取所述每个待处理电压数据对应的目标权重值;根据所述目标权重值和预设初始滑动窗口,获取所述每个待处理电压数据对应的平滑电压数据。
本实施例接下来将基于每个待处理电压数据对应的第一权重值和第二权重值来确定每个待处理电压数据对应的目标权重值,且基于每个待处理电压数据对应的第一权重值和第二权重值来确定的每个待处理电压数据对应的目标权重值,能够使得待处理电压数据序列中的噪声数据的目标权重值较小,而待处理电压数据序列中除噪声数据之外的其它数据的目标权重值较大,这样后续基于每个待处理电压数据对应的目标权重值进行平滑时,能够消除噪声数据的同时还不会使得噪声数据之外的其它数据在平滑后与其平滑前相差较大,进而基于平滑后的数据能够更加准确的对电压互感器进行故障识别;因此本实施例接下来将根据每个待处理电压数据对应的第一权重值和第二权重值,获取每个待处理电压数据对应的目标权重值,然后根据目标权重值和预设初始滑动窗口,获取每个待处理电压数据对应的平滑电压数据,具体过程为:
将每个待处理电压数据对应的第一权重值与其对应的第二权重值的乘积,记为对应待处理电压数据对应的目标权重值;且当每个待处理电压数据对应的第一权重值与其对应的第二权重值越小时,表明对应待处理电压数据对应的目标权重值越小,且当目标权重值越小时,对应待处理电压数据为噪声的概率越大;当每个待处理电压数据对应的第一权重值与其对应的第二权重值越大时,表明对应待处理电压数据对应的目标权重值越大,且当目标权重值越大时,对应待处理电压数据为噪声的概率越小,即为异常数据或者正常数据的概率越大。
然后利用EMD分解对待处理电压数据序列进行分解,获取相应的IMF分量,根据获取的IMF分量得到最小周期;将最小周期记为预设初始滑动窗口;本实施例接下来将通过对目标权重值对预设初始滑动窗口进行调整,获取每个待处理电压数据对应的目标滑动窗口,且基于目标权重值对预设初始滑动窗口进行调整是为了后续进行平滑时不仅能将噪声数据平滑掉,还能让噪声数据之外的其它数据与其平滑后的平滑数据之间的差异较小的同时尽可能的保留更多的异常数据的细节信息,进而后续能够更加准确的进行故障识别;因此对于任一待处理电压数据,将待处理电压数据对应的目标权重值与预设初始滑动窗口的乘积进行向下取整,将进行向下取整之后的值记为该待处理电压数据对应的目标滑动窗口。
由于对待处理电压数据序列进行EMD分解得到最小周期的过程为公知技术,因此本实施例不再详细描述。
接下来将基于各待处理电压数据对应的目标滑动窗口以及各待处理电压数据对应的目标权重值来获取平滑电压数据;具体为:
对于待处理电压数据序列中的任一待处理电压数据:将该待处理电压数据对应的目标滑动窗口中的所有待处理电压数据与其对应的目标权重值的乘积记为对应待处理电压数据对应的加权数据值,将该待处理电压数据对应的目标滑动窗口中的所有待处理电压数据对应的加权数据值的均值记为该待处理电压数据对应的平滑电压数据;得到该待处理电压数据对应的平滑电压数据的具体公式为:
其中,为该待处理电压数据对应的平滑电压数据,/>为该待处理电压数据对应的目标滑动窗口中的待处理电压数据的总数量,/>为该待处理电压数据对应的目标滑动窗口中的第t个待处理电压数据,/>为该待处理电压数据对应的目标滑动窗口中的第t个待处理电压数据对应的目标权重值;且当/>越大时,/>越大;当/>越小时,/>越小。
因此通过上述过程得到了待处理电压数据序列中的每个待处理电压数据对应的平滑电压数据。
故障识别模块05,用于根据所述平滑电压数据,对电压互感器进行故障识别。
本实施例接下来将基于上述得到的平滑电压数据对电压互感器进行故障识别,具体为:
根据待处理电压数据序列中的每个待处理电压数据对应的平滑电压数据构建得到待处理电压数据序列对应的平滑电压数据序列;然后获取得到平滑电压数据序列中的每个平滑电压数据对应的数据点,且平滑电压数据对应的数据点的纵坐标为对应平滑电压数据,平滑电压数据对应的数据点的横坐标为对应平滑电压数据所对应的待处理电压数据的时间;根据平滑电压数据序列中的所有平滑电压数据对应的数据点,绘制得到数据曲线;然后获取数据曲线上的所有波谷和所有波峰,并获取所有波谷和所有波峰的高度。且获取波谷、波峰以及波谷和波峰的高度的过程为公知技术,因此不再详细描述。
对于数据曲线上的第i个数据点:若第i个数据点为波谷,在数据曲线上将第i-A个数据点到第i+A个数据点,构成的曲线记为波谷曲线,若第i个数据点为波峰,在数据曲线上将第i-A个数据点到第i+A个数据点,构成的曲线记为波峰曲线;将波峰曲线和波谷曲线均记为异常曲线,然后基于数据库获取每种电压互感器故障类型对应的标准异常曲线;对于任一异常曲线和任一标准异常曲线,计算该异常曲线与该标准异常曲线之间的相似度,当该异常曲线与该标准异常曲线之间的相似度大于预设相似度阈值时,则判定电压互感器存在故障,且判定该异常曲线对应的故障类型为该标准异常曲线所对应的故障类型;且若异常曲线与标准异常曲线之间的相似度均不大于预设相似度阈值,则表明对应待处理电压数据序列对应的电压互感器目标运行时间段不存在运行故障。
由于计算异常曲线与标准异常曲线之间的相似度的方法为公知技术,因此本实施例不再详细描述。
作为其它的实施方式,也可以先根据预设波峰高度阈值以及预设波谷高度阈值分别对得到的波谷和波峰进行筛选,且后续只将大于等于预设波峰高度阈值的波峰和大于等于预设波谷高度阈值的波谷对应的曲线记为异常曲线;由于高度低的波谷和波峰通常情况下为故障的概率较小,因此将高度低的波谷和波峰筛选掉能够降低计算量。
具体应用中,需要根据实际情况设置预设相似度阈值、预设波峰高度阈值和预设波谷高度阈值,例如本实施例可以将预设相似度阈值设置为0.6、预设波峰高度阈值和预设波谷高度阈值均为0.3。
至此,完成了对电压互感器的故障识别。
综上所述,本实施例包括第一获取模块,用于获取电压互感器输出的待处理电压数据序列;第二获取模块,用于获取所述待处理电压数据序列对应的统计直方图,根据所述统计直方图的峰度值以及所述统计直方图上各组的频数,得到所述待处理电压数据序列中的每个待处理电压数据对应的第一权重值;第三获取模块,用于获取所述每个待处理电压数据对应的关联数据序列,根据所述每个待处理电压数据对应的关联数据序列,得到所述每个待处理电压数据对应的第二权重值;第四获取模块,用于根据所述每个待处理电压数据对应的第一权重值和第二权重值,获取所述每个待处理电压数据对应的目标权重值;根据所述目标权重值和预设初始滑动窗口,获取所述每个待处理电压数据对应的平滑电压数据;故障识别模块,用于根据所述平滑电压数据,对电压互感器进行故障识别。本实施例根据待处理电压数据序列对应的统计直方图的峰度值以及统计直方图上各组的频数,得到每个待处理电压数据对应的第一权重值,根据每个待处理电压数据对应的关联数据序列,得到每个待处理电压数据对应的第二权重值,然后根据每个待处理电压数据对应的第一权重值和第二权重值,获取的每个待处理电压数据对应的目标权重值,能够在平滑掉噪声数据的同时还能使得噪声数据之外的其它的数据与其对应的平滑后数据的差异较小,进而基于平滑后的数据能够更加准确的对电压互感器进行故障识别。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (8)
1.一种具有故障识别功能的电压互感器,其特征在于,所述一种具有故障识别功能的电压互感器包括:
第一获取模块,用于获取电压互感器输出的待处理电压数据序列;
第二获取模块,用于获取所述待处理电压数据序列对应的统计直方图,根据所述统计直方图的峰度值以及所述统计直方图上各组的频数,得到所述待处理电压数据序列中的每个待处理电压数据对应的第一权重值;
第三获取模块,用于获取所述每个待处理电压数据对应的关联数据序列,根据所述每个待处理电压数据对应的关联数据序列,得到所述每个待处理电压数据对应的第二权重值;
第四获取模块,用于根据所述每个待处理电压数据对应的第一权重值和第二权重值,获取所述每个待处理电压数据对应的目标权重值;根据所述目标权重值和预设初始滑动窗口,获取所述每个待处理电压数据对应的平滑电压数据;
故障识别模块,用于根据所述平滑电压数据,对电压互感器进行故障识别。
2.如权利要求1所述的一种具有故障识别功能的电压互感器,其特征在于,得到所述待处理电压数据序列中的每个待处理电压数据对应的第一权重值的方法,包括:
对所述待处理电压数据序列对应的统计直方图的峰度值进行负相关映射,将所述负相关映射后的峰度值记为对应统计直方图的目标峰度值;
将常数1与所述目标峰度值的差值记为调整因子;
对于所述统计直方图上的任一一个组:将该组的频数与所述统计直方图上所有组的频数中的最大频数的比值,记为该组的特征值;将所述调整因子与所述该组的特征值的乘积,记为该组的目标特征值;将该组的目标特征值作为位于该组对应的电压数据区间中的所有待处理电压数据的第一权重值。
3.如权利要求1所述的一种具有故障识别功能的电压互感器,其特征在于,获取所述每个待处理电压数据对应的关联数据序列的方法,包括:
在所述待处理电压数据序列中分别以各待处理电压数据为中心,构建每个待处理电压数据对应的窗口,将每个待处理电压数据对应的窗口中的所有待处理电压数据构建的序列,记为对应待处理电压数据对应的第一关联数据序列;
对于任一待处理电压数据对应的第一关联数据序列,在该待处理电压数据对应的第一关联数据序列中将该待处理电压数据去除,将去除之后的序列记为该待处理电压数据对应的第二关联数据序列。
4.如权利要求3所述的一种具有故障识别功能的电压互感器,其特征在于,得到所述每个待处理电压数据对应的第二权重值的方法,包括:
对所述第一关联数据序列和所述第二关联数据序列分别进行差分运算,得到所述第一关联数据序列的差分序列以及所述第二关联数据序列的差分序列;
对于任一待处理电压数据:
将计算得到的该待处理电压数据对应的第一关联数据序列对应的差分序列的方差与其对应的第二关联数据序列对应的差分序列的方差之间差值的绝对值,记为该待处理电压数据对应的方差差值;
对所述方差差值进行负相关映射,将负相关映射后的方差差值记为该待处理电压数据对应的方差特征差值;
将对该待处理电压数据对应的第一关联数据序列对应的差分序列的方差进行负相关映射后的值,记为该待处理电压数据对应的第一关联数据序列对应的差分序列的目标方差;
将所述目标方差与所述方差特征差值的乘积,记为该待处理电压数据对应的第二权重值。
5.如权利要求1所述的一种具有故障识别功能的电压互感器,其特征在于,获取所述每个待处理电压数据对应的目标权重值的方法,包括:
将所述每个待处理电压数据对应的第一权重值与其对应的第二权重值的乘积,记为对应待处理电压数据对应的目标权重值。
6.如权利要求1所述的一种具有故障识别功能的电压互感器,其特征在于,获取所述每个待处理电压数据对应的平滑电压数据的方法,包括:
将所述每个待处理电压数据对应的目标权重值与所述预设初始滑动窗口的乘积进行向下取整,将进行向下取整之后的值记为对应待处理电压数据对应的目标滑动窗口;
对于任一待处理电压数据:将该待处理电压数据对应的目标滑动窗口中的所有待处理电压数据与其对应的目标权重值的乘积,记为该待处理电压数据对应的加权数据值;将该待处理电压数据对应的目标滑动窗口中的所有待处理电压数据对应的加权数据值的均值记为该待处理电压数据对应的平滑电压数据。
7.如权利要求1所述的一种具有故障识别功能的电压互感器,其特征在于,对电压互感器进行故障识别的方法,包括:
根据所述每个待处理电压数据对应的平滑电压数据,构建得到所述待处理电压数据序列对应的平滑电压数据序列;
获取所述平滑电压数据序列对应的数据曲线以及所述数据曲线上的所有波谷和所有波峰;
根据所述数据曲线上的所有波谷和所有波峰,判断电压互感器是否存在故障。
8.如权利要求7所述的一种具有故障识别功能的电压互感器,其特征在于,根据所述数据曲线上的所有波谷和所有波峰,判断电压互感器是否存在故障的方法,包括:
对于所述数据曲线上的第i个数据点:若第i个数据点为波谷,则将所述数据曲线上的第i-A个数据点到第i+A个数据点构成的曲线记为波谷曲线,若第i个数据点为波峰,则将所述数据曲线上的第i-A个数据点到第i+A个数据点构成的曲线记为波峰曲线;所述A为正整数;
将所述数据曲线上的波峰曲线和波谷曲线均记为异常曲线;
获取标准异常曲线,并计算得到所述异常曲线与所述标准异常曲线之间的相似度;
当所述相似度大于预设相似度阈值时,判定电压互感器存在故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410396354.6A CN117991172A (zh) | 2024-04-03 | 2024-04-03 | 一种具有故障识别功能的电压互感器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410396354.6A CN117991172A (zh) | 2024-04-03 | 2024-04-03 | 一种具有故障识别功能的电压互感器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117991172A true CN117991172A (zh) | 2024-05-07 |
Family
ID=90893578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410396354.6A Pending CN117991172A (zh) | 2024-04-03 | 2024-04-03 | 一种具有故障识别功能的电压互感器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117991172A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160117373A1 (en) * | 2013-06-13 | 2016-04-28 | Microsoft Technoloy Licensing, LLC | Data Segmentation and Visualization |
KR20180027114A (ko) * | 2016-09-06 | 2018-03-14 | 창원대학교 산학협력단 | 서포트 벡터 머신을 이용한 회전체 수명 진단방법 |
JP2020024657A (ja) * | 2018-07-25 | 2020-02-13 | 日本製鉄株式会社 | 設備管理支援装置、設備管理支援方法、プログラム及びコンピュータ読み取り可能な記録媒体 |
WO2020062803A1 (zh) * | 2018-09-25 | 2020-04-02 | 平安科技(深圳)有限公司 | 基于模型树算法的异常流量分析方法、装置、电子设备及非易失性可读存储介质 |
JP2020052460A (ja) * | 2018-09-21 | 2020-04-02 | 東洋製罐グループホールディングス株式会社 | 異常検出システム、及び異常検出プログラム |
WO2021234037A1 (en) * | 2020-05-19 | 2021-11-25 | Resmed Sensor Technologies Limited | Methods and apparatus for detection and monitoring of health parameters |
US20230273291A1 (en) * | 2017-01-13 | 2023-08-31 | Muhammed Zahid Ozturk | Method, apparatus, and system for wireless monitoring with improved accuracy |
CN117033039A (zh) * | 2023-06-26 | 2023-11-10 | 中国银行股份有限公司 | 故障检测方法、装置、计算机设备和存储介质 |
EP4295760A1 (en) * | 2022-06-21 | 2023-12-27 | Origin Wireless, Inc. | Method, apparatus, and system for wireless motion monitoring based on classified sliding time windows |
CN117349781A (zh) * | 2023-12-06 | 2024-01-05 | 东莞市郡嘉电子科技有限公司 | 一种变压器故障智能诊断方法及系统 |
-
2024
- 2024-04-03 CN CN202410396354.6A patent/CN117991172A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160117373A1 (en) * | 2013-06-13 | 2016-04-28 | Microsoft Technoloy Licensing, LLC | Data Segmentation and Visualization |
KR20180027114A (ko) * | 2016-09-06 | 2018-03-14 | 창원대학교 산학협력단 | 서포트 벡터 머신을 이용한 회전체 수명 진단방법 |
US20230273291A1 (en) * | 2017-01-13 | 2023-08-31 | Muhammed Zahid Ozturk | Method, apparatus, and system for wireless monitoring with improved accuracy |
JP2020024657A (ja) * | 2018-07-25 | 2020-02-13 | 日本製鉄株式会社 | 設備管理支援装置、設備管理支援方法、プログラム及びコンピュータ読み取り可能な記録媒体 |
JP2020052460A (ja) * | 2018-09-21 | 2020-04-02 | 東洋製罐グループホールディングス株式会社 | 異常検出システム、及び異常検出プログラム |
WO2020062803A1 (zh) * | 2018-09-25 | 2020-04-02 | 平安科技(深圳)有限公司 | 基于模型树算法的异常流量分析方法、装置、电子设备及非易失性可读存储介质 |
WO2021234037A1 (en) * | 2020-05-19 | 2021-11-25 | Resmed Sensor Technologies Limited | Methods and apparatus for detection and monitoring of health parameters |
EP4295760A1 (en) * | 2022-06-21 | 2023-12-27 | Origin Wireless, Inc. | Method, apparatus, and system for wireless motion monitoring based on classified sliding time windows |
CN117033039A (zh) * | 2023-06-26 | 2023-11-10 | 中国银行股份有限公司 | 故障检测方法、装置、计算机设备和存储介质 |
CN117349781A (zh) * | 2023-12-06 | 2024-01-05 | 东莞市郡嘉电子科技有限公司 | 一种变压器故障智能诊断方法及系统 |
Non-Patent Citations (1)
Title |
---|
王素丽;: "基于人机交互的界面故障数据属性识别方法", 沈阳工业大学学报, no. 03, 15 May 2020 (2020-05-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bazan et al. | Stator short-circuit diagnosis in induction motors using mutual information and intelligent systems | |
EP2269080B1 (en) | Method and apparatus for analyzing waveform signals of a power system | |
WO1998047009A2 (en) | Statistical pattern analysis methods of partial discharge measurments in high voltage insulation | |
CN113579851B (zh) | 一种基于自适应分段pca的非平稳钻削过程监测方法 | |
CN116865269B (zh) | 一种风电机组高谐波补偿方法及系统 | |
CN114490156A (zh) | 一种时间序列数据异常标记方法 | |
CN116863253B (zh) | 基于大数据分析的运维风险预警方法 | |
CN115220396A (zh) | 一种数控机床智能监控方法及系统 | |
CN216848010U (zh) | 一种边缘计算的电缆局放在线监测装置 | |
CN109145764B (zh) | 综合检测车的多组检测波形的未对齐区段识别方法及装置 | |
CN117991172A (zh) | 一种具有故障识别功能的电压互感器 | |
CN116718218B (zh) | 一种光电集成式传感芯片测试数据处理方法 | |
CN112697270A (zh) | 故障检测方法、装置、无人设备及存储介质 | |
EP4001936A1 (en) | Automatic partial discharge and noise signals separation using arithmetic coding in time domain and magnitude distributions in frequency domain | |
Happe et al. | Advanced suppression of stochastic pulse shaped partial discharge disturbances | |
CN113219333A (zh) | 一种电机故障诊断时的频谱参数处理方法 | |
CN113408383A (zh) | 基于有界β(g,h)分布和MWKPCA的可听噪声无效数据判定方法 | |
CN115511106B (zh) | 基于时序数据生成训练数据的方法、设备和可读存储介质 | |
CN108090432A (zh) | 一种振动信号频谱谱峰的自动识别方法 | |
CN117556377B (zh) | 用于站所自动化终端的多源数据融合处理方法 | |
CN116626454B (zh) | 基于修正时频聚类的油纸绝缘uhf局放信号抗干扰识别及定位方法、装置 | |
CN116503384B (zh) | 一种基于计算机视觉的丝杆缺陷区域快速提取方法及系统 | |
CN117078118B (zh) | 一种数控机床生产工件质量智能检测系统 | |
CN118091234A (zh) | 一种用于故障诊断处理的电流互感器 | |
CN117316184A (zh) | 一种基于音频信号的事件检测反馈处理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |