WO2022052465A1 - 多尺度小波变换下的波头识别方法及装置 - Google Patents

多尺度小波变换下的波头识别方法及装置 Download PDF

Info

Publication number
WO2022052465A1
WO2022052465A1 PCT/CN2021/087227 CN2021087227W WO2022052465A1 WO 2022052465 A1 WO2022052465 A1 WO 2022052465A1 CN 2021087227 W CN2021087227 W CN 2021087227W WO 2022052465 A1 WO2022052465 A1 WO 2022052465A1
Authority
WO
WIPO (PCT)
Prior art keywords
scale
wavelet transform
reference point
under
wave head
Prior art date
Application number
PCT/CN2021/087227
Other languages
English (en)
French (fr)
Inventor
黄涛
徐晓春
谢华
赵青春
陈玉林
谈浩
戴光武
陆金凤
王玉龙
李奔
张洪喜
徐海洋
Original Assignee
南京南瑞继保电气有限公司
南京南瑞继保工程技术有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 南京南瑞继保电气有限公司, 南京南瑞继保工程技术有限公司 filed Critical 南京南瑞继保电气有限公司
Publication of WO2022052465A1 publication Critical patent/WO2022052465A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/088—Aspects of digital computing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2131—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on a transform domain processing, e.g. wavelet transform
    • 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
    • G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis

Definitions

  • the present application relates to the field of power system relay protection, and in particular, to a method and device for wave head identification under multi-scale wavelet transform.
  • fault location and traveling wave protection technology can be realized by using the transient traveling wave generated on the transmission line when the line is faulty.
  • the identification of traveling wave fronts is the key link in the feature extraction of transient traveling waves.
  • Wavelet transform has good time-frequency localization ability and can detect singular signals quickly and accurately.
  • the multi-scale singularity test of signals can be realized through the change of scale factor. , is the most effective mathematical tool for analyzing traveling waves.
  • the traveling wave may be seriously attenuated.
  • the traveling wave head detected at the measurement point is relatively flat, and the singularity feature is not obvious. Considering the interference of noise, it will seriously affect the Accuracy of traveling wave head recognition.
  • the filtering characteristics of multi-scale wavelet transform at different scales are obviously different. Small scales are sensitive to high-frequency signals, and are very accurate in detecting traveling waves with obvious singularity characteristics, but they are greatly affected by noise. With the increase of scale, the sensitivity of wavelet transform The frequency is continuously reduced, and the influence of noise is also significantly reduced, which is conducive to the detection of traveling wave signals with relatively gentle wave fronts, but the recognition accuracy of large-scale downlink wave fronts is lacking.
  • the present application provides a wave head identification method and device under multi-scale wavelet transform, which comprehensively utilizes multi-scale wavelet transform information to identify traveling wave heads, realizes adaptive identification of traveling wave heads with different changing characteristics, thereby improving the arrival of traveling waves.
  • the extraction accuracy of the time, especially the wave head recognition accuracy when the traveling wave wave head is relatively flat.
  • a wave head identification method under multi-scale wavelet transform comprising the following steps:
  • Step 1 Obtain fault traveling wave current data, perform multi-scale wavelet transform on the traveling wave current data, and obtain the set of modulo maxima at each scale;
  • Step 2 Take the first modulus maximum value of the largest scale as the reference point, search vertically and layer by layer in the small scale, and obtain the reference points of each scale in turn within the credible interval of the wave head;
  • Step 3 Based on the reference points of each scale, calculate the horizontal credibility index under each scale;
  • Step 4 According to the horizontal reliability index, find the minimum scale of comprehensive credibility of the reference point, and locally correct the reference point under the minimum scale, and take the moment corresponding to the locally corrected reference point as the wave head moment.
  • a wave head identification device under multi-scale wavelet transform comprising:
  • the modular maxima set calculation unit is used to obtain fault traveling wave current data, perform multi-scale wavelet transformation on the traveling wave current data, and obtain the modular maxima set at each scale;
  • the datum point calculation unit is used to take the first modulus maximum of the largest scale as the datum point, search vertically and layer by layer in the small scale, and obtain the datum points of each scale in turn within the credible interval of the wave head;
  • the horizontal credibility index calculation unit is used to calculate the horizontal credibility index under each scale based on the reference points of each scale;
  • the correction and identification unit is used to find the comprehensive and credible minimum scale of the reference point according to the horizontal reliability index, and locally correct the reference point under the minimum scale, and take the moment corresponding to the locally corrected reference point as the wave head moment.
  • an electronic device comprising:
  • a memory storing computer instructions that, when executed by the processor, cause the processor to perform the method of the first aspect.
  • a non-transitory computer storage medium storing a computer program which, when executed by a plurality of processors, causes the processors to perform the method of the first aspect .
  • the present application locates the reference point of the traveling wave head to a comprehensive and credible location by performing vertical credible interval search and horizontal credibility judgment on the multi-scale wavelet transform results.
  • the wavelet transformation scale ensures the optimization of the wave head recognition accuracy, and then through the local correction of the wave head reference point, when the comprehensive and credible minimum scale is still large, the wave head moment recognition may exist. It can effectively improve the recognition accuracy of traveling wave wave head when the wave head changes gently.
  • FIG. 1 is a flowchart of a method for identifying a wave head under multi-scale wavelet transform according to an embodiment of the present application.
  • FIG. 2 is a specific embodiment 1 of identifying the arrival time of the wave head according to the wave head identification method provided by the present application.
  • FIG. 3 is a specific embodiment 2 of identifying the arrival time of the wave head according to the wave head identification method provided by the present application.
  • FIG. 4 is a schematic diagram of a wave head identification device under multi-scale wavelet transform according to an embodiment of the present application.
  • FIG. 5 is a structural diagram of an electronic device provided by the present invention.
  • FIG. 1 is a flowchart of a method for identifying a wave head under multi-scale wavelet transform according to an embodiment of the present application. As shown in Figure 1, the method includes the following steps.
  • Step S101 Acquire fault traveling wave current data, perform multi-scale wavelet transform on the traveling wave current data, and obtain a set of modulo maxima at each scale;
  • Step S102 take the first modulus maximum value of the largest scale as the reference point, search for the small scale vertically layer by layer, and sequentially obtain the reference point of each scale within the credible interval of the wave head;
  • Step S103 Calculate the horizontal reliability index under each scale based on the reference points of each scale;
  • Step S104 Find the minimum comprehensive and reliable scale of the reference point according to the horizontal reliability index, and locally correct the reference point under the minimum scale, and take the moment corresponding to the locally corrected reference point as the wave head moment.
  • the multi-scale wavelet transform method is n-scale binary wavelet transform, where n is an integer greater than or equal to 3.
  • step S101 the formula for obtaining the set of modulo maxima at each scale is as follows:
  • step S102 the credible interval of the wave head under each scale is:
  • n is the maximum scale of wavelet transform
  • In is the set of modulus maxima at the nth scale
  • k is the scale of wavelet transform
  • C k is the credible interval of the wave head at the kth scale.
  • step S102 the calculation method of each scale reference point is as follows:
  • k is the scale of wavelet transform
  • J k is the set of modulo maxima within the credible interval of the k-th scale wave head
  • n is the maximum scale of wavelet transform
  • I k is the set of modulo maxima at the k-th scale
  • I k,j is the jth element of I k
  • C k is the credible interval of the wave head under the kth scale
  • I k b is the reference point under the kth scale
  • min(J k ) is the set J k The minimum value of all elements.
  • the horizontal reliability index at each scale is the number of elements in the modulus maximum set at the scale that is smaller than the reference point at the scale, and the calculation formula is as follows:
  • k is the scale of wavelet transform
  • I k is the set of modulus maxima under the k-th scale
  • I k,j is the j-th element of I k
  • n k is the horizontal reliability index under the kth scale.
  • step S104 the method for judging the comprehensive and credible minimum scale k min of the reference point is:
  • k is the scale of wavelet transform
  • n k is the horizontal reliability index at the k-th scale
  • J k is the set of modulo maxima in the credible interval of the k-th scale wave front
  • ⁇ is a value set artificially, for example, it can be 5.
  • step S104 the step of locally correcting the reference point is as follows: in the k min scale wavelet transform result , from the Click to start searching forward until you find less than The first point of , the point or points after this point are used as the reference point after local correction; among them, k min is the minimum comprehensive and credible scale of the reference point, N is the total number of traveling wave current data, is the i-th point of the k min -scale wavelet transform result, is the reference point under the k min scale, and ⁇ is a set value, for example, it can be 0.5.
  • Step 1 Acquire fault traveling wave current data, perform four-scale wavelet transform on the traveling wave current data, and obtain the set of modulo maxima at each scale.
  • k is the scale of wavelet transform, 1 ⁇ k ⁇ 4; m k,i-1 , m k,i , m k,i+1 are the i-1, i, i+1 points of the k-th scale, respectively
  • the absolute value of the wavelet transform result of ; is the maximum value of the absolute value of the k-th scale wavelet transform result, N is the total number of traveling wave current data; the value of L is 0.3.
  • Step 2 Take the first modulo maximum value of the largest scale as the reference point, search for the small scale vertically layer by layer, and obtain the reference point of each scale in turn within the credible interval of the wave head.
  • step 2 the credible interval of the wave head at each scale is:
  • I 4 is the set of modulus maxima at the fourth scale; k is the scale of wavelet transform; is the reference point at the k+1th scale; C k is the credible interval of the wave head at the kth scale.
  • step 2 the calculation method of each scale reference point is as follows:
  • I k,j is the jth element of I k ;
  • C k is the credible interval of the wave head at the kth scale; is the reference point under the kth scale; min(J k ) is the minimum value of all elements in the set J k .
  • Step 3 Based on the reference points of each scale, calculate the horizontal reliability index at each scale.
  • step 3 the horizontal reliability index at each scale is the ratio of the modulus maximum value set I k at that scale.
  • the number of small elements is calculated as follows:
  • k is the scale of wavelet transform
  • I k is the set of modulus maxima under the k-th scale
  • I k,j is the j-th element of I k
  • n k is the horizontal reliability index under the kth scale.
  • Step S104 Find the minimum comprehensive and reliable scale of the reference point according to the horizontal reliability index, and locally correct the reference point under the minimum scale, and take the moment corresponding to the locally corrected reference point as the wave head moment.
  • the judging method for the comprehensive and credible minimum scale k min of the reference point is as follows:
  • k is the scale of wavelet transform
  • n k is the horizontal reliability index at the k-th scale
  • J k is the set of modulo maxima in the credible interval of the k-th scale wave front; represents the empty set.
  • step 4 the steps of locally correcting the reference point are as follows: the result of wavelet transform at the k min scale , from the Click to start searching forward until you find less than The first point of , the point or points after this point are used as the reference point after local correction; among them, k min is the minimum comprehensive and credible scale of the reference point, N is the total number of traveling wave current data, is the i-th point of the k min -scale wavelet transform result, is the reference point at the k min scale, and the value of ⁇ is 0.5.
  • Fig. 2 is a specific embodiment of identifying the arrival time of the wave head according to the wave head identification method provided by the present application.
  • the figure shows the traveling wave current data and the wavelet analysis results and modulus maximum values under various scales. It can be seen from the current data that the singularity characteristic of the traveling wave head of this embodiment is very obvious.
  • the first modulus maximum point under the fourth-scale wavelet transform is From this point as the reference point, search vertically layer by layer. According to the credible interval of the wave head, the reference point will be found at the 3rd scale, the 2nd scale and the 1st scale respectively.
  • Fig. 3 is another specific embodiment of the application, in which the traveling wave current data and the wavelet analysis results and the modulus maxima at various scales are given. From the traveling wave current data, it can be seen that the traveling wave head of this embodiment is very Gently, according to the method of the present application, the first modulus maximum point under the fourth scale wavelet transform is From this point as the reference point, search vertically layer by layer. According to the credible interval of the wave head, the reference point will be found at the 3rd scale, the 2nd scale and the 1st scale respectively. Among them, the horizontal credibility index of the third scale is 0, the horizontal credibility index of the second scale is 2, and the horizontal credibility index of the first scale is obviously greater than 5, so the minimum scale of comprehensive credibility of the benchmark point finally found.
  • the reference point is converted into the traveling wave current data as the 364th point, and the real traveling wave arrives at the 365th point. Even if the wave head changes gently, the arrival time of the wave head can still be accurately identified.
  • FIG. 4 is a schematic diagram of a wave head identification device under multi-scale wavelet transform according to an embodiment of the present application.
  • the apparatus includes a modular maximum value set calculation unit 401, a reference point calculation unit 402, a lateral reliability index calculation unit 403, and a correction identification unit 404. in:
  • the modular maxima set calculation unit 401 is used to obtain fault traveling wave current data, perform multi-scale wavelet transformation on the traveling wave current data, and obtain the modular maxima set under each scale;
  • the reference point calculation unit 402 is used for taking the first modulus maximum value of the largest scale as the reference point, searching vertically layer by layer in the small scale, and obtaining the reference points of each scale in turn within the credible interval of the wave head;
  • the horizontal reliability index calculation unit 403 is used for calculating the horizontal reliability index under each scale based on the reference points of each scale;
  • the correction and identification unit 404 is used to find the minimum comprehensive and reliable scale of the reference point according to the horizontal reliability index, and to locally correct the reference point under the minimum scale, and take the moment corresponding to the locally corrected reference point as the wave head moment.
  • the multi-scale wavelet transform method is n-scale binary wavelet transform, where n is an integer greater than or equal to 3.
  • the formula for obtaining the modular maximum set at each scale is as follows:
  • the credible interval of the wave head under each scale is:
  • n is the maximum scale of wavelet transform
  • In is the set of modulus maxima at the nth scale
  • k is the scale of wavelet transform
  • C k is the credible interval of the wave head at the kth scale.
  • the calculation method of each scale reference point is as follows:
  • k is the scale of wavelet transform
  • J k is the set of modulo maxima within the credible interval of the k-th scale wave head
  • n is the maximum scale of wavelet transform
  • I k is the set of modulo maxima at the k-th scale
  • I k,j is the jth element of I k
  • C k is the credible interval of the wave head under the kth scale
  • min(J k ) is the minimum value of all elements in the set J k .
  • the lateral reliability index at each scale is the number of elements in the set of modulo maxima at the scale that are smaller than the reference points at the scale ,Calculated as follows:
  • k is the scale of wavelet transform
  • I k is the set of modulus maxima under the k-th scale
  • I k,j is the j-th element of I k
  • n k is the horizontal reliability index under the kth scale.
  • the method for judging the comprehensive and credible minimum scale k min of the reference point is:
  • k is the scale of wavelet transform
  • n k is the horizontal reliability index at the k-th scale
  • J k is the set of modulo maxima in the credible interval of the k-th scale wave front
  • ⁇ is a value set artificially, for example, it can be 5.
  • the steps of performing local correction on the reference point are as follows: in the k min scale wavelet transform result , from the Click to start searching forward until you find less than The first point of , the point or points after this point are used as the reference point after local correction; among them, k min is the minimum comprehensive and credible scale of the reference point, N is the total number of traveling wave current data, is the i-th point of the k min -scale wavelet transform result, is the reference point under the k min scale, and ⁇ is a set value, for example, it can be 0.5.
  • This application adopts a variety of comprehensive technologies such as vertical credible interval search under multi-scale wavelet transform, lateral feasibility judgment and local correction of reference points.
  • the degree of judgment can eliminate the scale with large noise and serious interference, and the local correction of the reference point realizes the fine-tuning of the reference point, so that the wave head recognition result is closer to the actual wave head arrival time.
  • the method of the present application has a remarkable effect on improving the recognition accuracy of traveling waves with gentle wave head changes.
  • FIG. 5 provides an electronic device including a processor; and a memory, where the memory stores computer instructions that, when executed by the processor, cause the processor to execute the computer instructions When the method shown in Figure 1 and the refinement scheme are realized.
  • the above device embodiments are only illustrative, and the device disclosed in the present invention can also be implemented in other ways.
  • the division of units/modules described in the above embodiments is only a logical function division, and other division methods may be used in actual implementation.
  • multiple units, modules or components may be combined, or may be integrated into another system, or some features may be omitted or not implemented.
  • each functional unit/module in each embodiment of the present invention may be integrated into one unit/module, or each unit/module may exist physically alone, or two or more units/modules may be integrated in one unit/module. Together.
  • the above-mentioned integrated units/modules can be implemented in the form of hardware, or can be implemented in the form of software program modules.
  • the hardware may be a digital circuit, an analog circuit, or the like.
  • Physical implementations of hardware structures include, but are not limited to, transistors, memristors, and the like.
  • the processor or chip may be any suitable hardware processor, such as CPU, GPU, FPGA, DSP, ASIC, and so on.
  • the on-chip cache, off-chip memory, and memory may be any suitable magnetic storage medium or magneto-optical storage medium, such as resistive variable memory RRAM (Resistive Random Access Memory), dynamic random access memory DRAM ( Dynamic Random Access Memory), Static Random Access Memory SRAM (Static Random-Access Memory), Enhanced Dynamic Random Access Memory EDRAM (Enhanced Dynamic Random Access Memory), High-Bandwidth Memory HBM (High-Bandwidth Memory), Hybrid Storage Cube HMC (Hybrid Memory Cube) and so on.
  • resistive variable memory RRAM Resistive Random Access Memory
  • dynamic random access memory DRAM Dynamic Random Access Memory
  • Static Random Access Memory SRAM Static Random-Access Memory
  • Enhanced Dynamic Random Access Memory EDRAM Enhanced Dynamic Random Access Memory
  • High-Bandwidth Memory HBM High-Bandwidth Memory
  • Hybrid Storage Cube HMC Hybrid Storage Cube HMC (Hybrid Memory Cube) and so on.
  • the integrated unit/module if implemented in the form of a software program module and sold or used as a stand-alone product, may be stored in a computer readable memory.
  • the technical solution of the present invention is essentially or the part that contributes to the prior art, or all or part of the technical solution can be embodied in the form of a software product, and the computer software product is stored in a memory.
  • a computer device which may be a personal computer, a server, or a network device, etc.
  • the aforementioned memory includes: U disk, read-only memory (ROM, Read-Only Memory), random access memory (RAM, Random Access Memory), mobile hard disk, magnetic disk or optical disk and other media that can store program codes.
  • Embodiments of the present application further provide a non-transitory computer storage medium, which stores a computer program.
  • the processors are made to execute the method and the detailed solution shown in FIG. 1 . .

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Complex Calculations (AREA)

Abstract

一种多尺度小波变换下的波头识别方法及装置，该方法包括如下步骤：获取故障行波电流数据，对行波电流数据进行多尺度小波变换，求取各尺度下的模极大值集合（S101）；以最大尺度的第一个模极大值为基准点，往小尺度纵向逐层搜索，在波头可信区间内依次求得各尺度的基准点（S102）；基于各尺度的基准点，计算各尺度下的横向可信度指标（S103）；根据横向可信度指标找到基准点综合可信的最小尺度，并对最小尺度下的基准点进行局部修正，以局部修正后的基准点对应的时刻为波头时刻（S104）。该方法能够显著提高行波波头变化平缓时的波头时刻提取精度。

Description

多尺度小波变换下的波头识别方法及装置 技术领域
本申请涉及电力系统继电保护领域，尤其涉及一种多尺度小波变换下的波头识别方法及装置。
背景技术
目前，利用输电线路故障时线路上产生的暂态行波可以实现故障定位及行波保护技术。行波波头的识别是暂态行波特征提取的关键环节，小波变换具有良好的时频局部化能力，能够快速准确地检测出奇异信号，同时通过尺度因子的变化可以实现信号的多尺度奇异性检验，是分析行波最为有效的数学工具。
在实际工程中，受到过渡电阻、故障距离等因素影响，行波可能出现严重的衰减，量测点检测到的行波波头比较平缓，奇异性特征不明显，再考虑到噪声的干扰，严重影响到行波波头识别的精度。多尺度小波变换不同尺度下的滤波特性差异明显，小尺度对高频信号敏感，对奇异性特征明显的行波检测非常精确，但受噪声影响比较大，随着尺度的增加，小波变换的敏感频率不断降低，受噪声影响也明显减小，有利于检测出波头比较平缓的行波信号，但大尺度下行波波头时刻的识别精度有所欠缺。
发明内容
基于此，本申请提供了一种多尺度小波变换下的波头识别方法及装置，综合利用多尺度小波变换信息进行行波波头识别，实现不同变化特征的行波波头自适应识别，从而提高行波到达时刻的提取精度，尤其是行波波头比较平缓时的波头识别精度。
根据本发明的第一个方面，提供一种多尺度小波变换下的波头识别方法，包括如下步骤：
步骤1：获取故障行波电流数据，对行波电流数据进行多尺度小波 变换，求取各尺度下的模极大值集合；
步骤2：以最大尺度的第一个模极大值为基准点，往小尺度纵向逐层搜索，在波头可信区间内依次求得各尺度的基准点；
步骤3：基于各尺度的基准点，计算各尺度下的横向可信度指标；
步骤4：根据横向可信度指标找到基准点综合可信的最小尺度，并对最小尺度下的基准点进行局部修正，以局部修正后的基准点对应的时刻为波头时刻。
根据本发明的第二个方面，提供一种多尺度小波变换下的波头识别装置，包括：
模极大值集合计算单元，用于获取故障行波电流数据，对行波电流数据进行多尺度小波变换，求取各尺度下的模极大值集合；
基准点计算单元，用于以最大尺度的第一个模极大值为基准点，往小尺度纵向逐层搜索，在波头可信区间内依次求得各尺度的基准点；
横向可信度指标计算单元，用于基于各尺度的基准点，计算各尺度下的横向可信度指标；
修正识别单元，用于根据横向可信度指标找到基准点综合可信的最小尺度，并对最小尺度下的基准点进行局部修正，以局部修正后的基准点对应的时刻为波头时刻。
根据本发明的第三个方面，提供一种电子设备，包括：
处理器；以及
存储器，存储有计算机指令，当所述计算机指令被所述处理器执行时，使得所述处理器执行第一方面所述的方法。
根据本发明的第四个方面，提供一种非瞬时性计算机存储介质，存储有计算机程序，当所述计算机程序被多个处理器执行时，使得所述处理器执行第一方面所述的方法。
本申请的有益效果包括：
采用上述方案后，本申请在获取行波采样数据的基础上，通过对多尺度小波变换结果进行纵向可信区间搜索和横向可信度的判断，将行波波头的基准点定位到综合可信的最小尺度上，从小波变换尺度上保证了波头识别精度的最优化，然后通过对波头基准点进行局部修正，解决当综合可信的最小尺度仍较大时，波头时刻的识别可能存在滞后的问题，从而有效提高波头变化平缓时的行波波头识别精度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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申请的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图，而并不超出本申请要求保护的范围。
图1是根据本申请实施例的一种多尺度小波变换下的波头识别方法的流程图。
图2是根据本申请提供的波头识别方法识别出波头到达时刻的具体实施例一。
图3是根据本申请提供的波头识别方法识别出波头到达时刻的具体实施例二。
图4是根据本申请实施例的一种多尺度小波变换下的波头识别装置的示意图。
图5是本发明提供的一种电子设备的结构图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术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，都属于本申请保护的范围。
图1是根据本申请实施例的一种多尺度小波变换下的波头识别方法的流程图。如图1所示，该方法包括如下步骤。
步骤S101：获取故障行波电流数据，对行波电流数据进行多尺度小波变换，求取各尺度下的模极大值集合；
步骤S102：以最大尺度的第一个模极大值为基准点，往小尺度纵向逐层搜索，在波头可信区间内依次求得各尺度的基准点；
步骤S103：基于各尺度的基准点，计算各尺度下的横向可信度指标；
步骤S104：根据横向可信度指标找到基准点综合可信的最小尺度，并对最小尺度下的基准点进行局部修正，以局部修正后的基准点对应的时刻为波头时刻。
根据一个具体的实施例，在步骤S101中，多尺度小波变换方法为n尺度二进小波变换，其中n为大于等于3的整数。
根据一个具体的实施例，在步骤S101中，各尺度下的模极大值集合求取公式如下：
Figure PCTCN2021087227-appb-000001
式中，k为小波变换的尺度，k＝1、2、…、n；n为小波变换的最大尺度；i表示小波变换结果的序号；m k,i-1、m k,i、m k,i+1分别为第k尺度第i-1、i、i+1点的小波变换结果的绝对值；
Figure PCTCN2021087227-appb-000002
为第k尺度小波变换结果绝对值的最大值，
Figure PCTCN2021087227-appb-000003
N为行波电流数据的总个数；L为系数，取值范围为0～1，优选的取值范围为[0.2，0.5]。
根据一个具体的实施例，在步骤S102中，各尺度下的波头可信区间为：
Figure PCTCN2021087227-appb-000004
式中，n为小波变换的最大尺度；I n为第n尺度下的模极大值集合；k为小波变换的尺度；
Figure PCTCN2021087227-appb-000005
为第k+1尺度下的基准点；C k为第k尺度下的波头可信区间。
根据一个具体的实施例，在步骤S102中，各尺度基准点的计算方法如下：
Figure PCTCN2021087227-appb-000006
式中，k为小波变换的尺度；J k为第k尺度波头可信区间内的模极大值集合；n为小波变换的最大尺度；I k为第k尺度下的模极大值集合；I k,j为I k的 第j个元素；C k为第k尺度下的波头可信区间；I k b为第k尺度下的基准点；min(J k)为集合J k中所有元素的最小值。
根据一个具体的实施例，在步骤S103中，各尺度下的横向可信度指标为该尺度下的模极大值集合中比该尺度下的基准点小的元素个数，计算公式如下：
Figure PCTCN2021087227-appb-000007
式中，k为小波变换的尺度；I k为第k尺度下的模极大值集合；I k,j为I k的第j个元素；
Figure PCTCN2021087227-appb-000008
为第k尺度下的基准点；n k为k第尺度下的横向可信度指标。
根据一个具体的实施例，在步骤S104中，基准点综合可信的最小尺度k min的判断方法为：
Figure PCTCN2021087227-appb-000009
式中，k为小波变换的尺度；n k为k第尺度下的横向可信度指标；J k为第k尺度波头可信区间内的模极大值集合；
Figure PCTCN2021087227-appb-000010
表示空集；ε是人为设定的一个值，例如可以为5。
在步骤S104中，对基准点进行局部修正的步骤如下：在第k min尺度小波变换结果
Figure PCTCN2021087227-appb-000011
中，从第
Figure PCTCN2021087227-appb-000012
点开始往前搜索，直到找到小于
Figure PCTCN2021087227-appb-000013
的第一个点，以该点的后一点或多个点作为局部修正后的基准点；其中k min为基准点综合可信的最小尺度，N为行波电流数据的总个数，
Figure PCTCN2021087227-appb-000014
为第k min尺度小波变换结果第i点，
Figure PCTCN2021087227-appb-000015
为第k min尺度下的基准点，α为设定值，例如可以为0.5。
下面以四尺度二进小波变换为例介绍本申请的方法。
步骤1：获取故障行波电流数据，对行波电流数据进行四尺度小波变换，求取各尺度下的模极大值集合。
各尺度下的模极大值集合求取公式如下：
Figure PCTCN2021087227-appb-000016
式中，k为小波变换的尺度，1≤k≤4；m k,i-1、m k,i、m k,i+1分别为第k尺度第i-1、i、i+1点的小波变换结果的绝对值；
Figure PCTCN2021087227-appb-000017
为第k尺度小波变换结果绝对值的最大值，
Figure PCTCN2021087227-appb-000018
N为行波电流数据的总个数；L的取值为0.3。
步骤2：：以最大尺度的第一个模极大值为基准点，往小尺度纵向逐层搜索，在波头可信区间内依次求得各尺度的基准点。
在步骤2中，各尺度下的波头可信区间为：
Figure PCTCN2021087227-appb-000019
式中，I 4为第4尺度下的模极大值集合；k为小波变换的尺度；
Figure PCTCN2021087227-appb-000020
为第k+1尺度下的基准点；C k为第k尺度下的波头可信区间。
在步骤2中，各尺度基准点的计算方法如下：
Figure PCTCN2021087227-appb-000021
式中，I k,j为I k的第j个元素；C k为第k尺度下的波头可信区间；
Figure PCTCN2021087227-appb-000022
为第k尺度下的基准点；min(J k)为集合J k中所有元素的最小值。
步骤3：基于各尺度的基准点，计算各尺度下的横向可信度指标。
在步骤3中，各尺度下的横向可信度指标为该尺度下的模极大值集合I k中比
Figure PCTCN2021087227-appb-000023
小的元素个数，计算公式如下：
Figure PCTCN2021087227-appb-000024
式中，k为小波变换的尺度；I k为第k尺度下的模极大值集合；I k,j为I k的第j个元素；
Figure PCTCN2021087227-appb-000025
为第k尺度下的基准点；n k为k第尺度下的横向可信度指标。
步骤S104：根据横向可信度指标找到基准点综合可信的最小尺度，并对最小尺度下的基准点进行局部修正，以局部修正后的基准点对应的时刻为波头时刻。
基准点综合可信的最小尺度k min的判断方法为：
Figure PCTCN2021087227-appb-000026
式中，k为小波变换的尺度；n k为k第尺度下的横向可信度指标；J k为第k尺度波头可信区间内的模极大值集合；
Figure PCTCN2021087227-appb-000027
表示空集。
在步骤4中，对基准点进行局部修正的步骤如下：在第k min尺度小波变换结果
Figure PCTCN2021087227-appb-000028
中，从第
Figure PCTCN2021087227-appb-000029
点开始往前搜索，直到找到小于
Figure PCTCN2021087227-appb-000030
的第一个点，以该点的后一点或多个点作为局部修正后的基准点；其中k min为基准点综合可信的最小尺度，N为行波电流数据的总个数，
Figure PCTCN2021087227-appb-000031
为第k min尺度小波变换结果第i点，
Figure PCTCN2021087227-appb-000032
为第k min尺度下的基准点，α的取值为0.5。
图2是根据本申请提供的波头识别方法识别出波头到达时刻的一个具体实施例，图中给出了行波电流数据及各尺度下的小波分析结果和模极大值，从行波电流数据中看到该实施例的行波波头奇异性特征非常明显，按照本申请的方法，第4尺度小波变换下的第一个模极大值点为
Figure PCTCN2021087227-appb-000033
从该点为基准点纵向逐层搜索，按照波头可信区间，将分别在第3尺度、第2尺度、第1尺度下找到基准点
Figure PCTCN2021087227-appb-000034
而且各尺度下的横向可信度指标n k均为0，所以最终找到的基准点综合可信的最小尺度为第1尺度，然后在该尺度下对基准点进行局部修正，即从第273点往前找，直到找到小于0.5m 1,273＝128.6的第一个点，图中为第271点，然后以该点的后一点即第272点作为局部修正后的基准点，而真实的行波到达是在第271点，可见采用本申请方法可以比较精确地识别出波头到达时刻。
图3为本申请的另一个具体实施例，图中给出了行波电流数据及各尺度下的小波分析结果和模极大值，从行波电流数据中看到该实施例的行波波头非常平缓，按照本申请的方法，第4尺度小波变换下的第一个模极大值点为
Figure PCTCN2021087227-appb-000035
从该点为基准点纵向逐层搜索，按照波头可信区间，将分别在第3尺度、第2尺度、第1尺度下找到基准点
Figure PCTCN2021087227-appb-000036
其中第3尺度的横向可信度指标为0，第2尺度的横向可信度指标为2，第1尺度的横向可信度指标明显大于5，所以最终找到的基准点综合可信的最小尺度为第2尺度，然后在该尺度下对基准点进行局部修正，即从第183点往前找，直到找到小于0.5m 2,183＝14.97的第一个点，图中为第181点，然后以该点的后一点即第182点作为局部修正后的基准点，该基准点折算到行波电流数据中为第364点，而真实的行波到达是在第365点，可见采用本申请方法后即使波头变化比较平缓仍可以精确地识别出波头到达时刻。
图4是根据本申请实施例的一种多尺度小波变换下的波头识别装置的示意图。如图4所示，该装置包括模极大值集合计算单元401、基准点计算 单元402、横向可信度指标计算单元403和修正识别单元404。其中：
模极大值集合计算单元401用于获取故障行波电流数据，对行波电流数据进行多尺度小波变换，求取各尺度下的模极大值集合；
基准点计算单元402用于以最大尺度的第一个模极大值为基准点，往小尺度纵向逐层搜索，在波头可信区间内依次求得各尺度的基准点；
横向可信度指标计算单元403用于基于各尺度的基准点，计算各尺度下的横向可信度指标；
修正识别单元404用于根据横向可信度指标找到基准点综合可信的最小尺度，并对最小尺度下的基准点进行局部修正，以局部修正后的基准点对应的时刻为波头时刻。
根据一个具体的实施例，在模极大值集合计算单元401中，多尺度小波变换方法为n尺度二进小波变换，其中n为大于等于3的整数。
根据一个具体的实施例，在模极大值集合计算单元401中，各尺度下的模极大值集合求取公式如下：
Figure PCTCN2021087227-appb-000037
式中，k为小波变换的尺度，k＝1、2、…、n；n为小波变换的最大尺度；i表示小波变换结果的序号；m k,i-1、m k,i、m k,i+1分别为第k尺度第i-1、i、i+1点的小波变换结果的绝对值；
Figure PCTCN2021087227-appb-000038
为第k尺度小波变换结果绝对值的最大值，
Figure PCTCN2021087227-appb-000039
N为行波电流数据的总个数；L为系数，取值范围为0～1，优选的取值范围为[0.2，0.5]。
根据一个具体的实施例，在基准点计算单元402中，各尺度下的波头可信区间为：
Figure PCTCN2021087227-appb-000040
式中，n为小波变换的最大尺度；I n为第n尺度下的模极大值集合；k为小波变换的尺度；
Figure PCTCN2021087227-appb-000041
为第k+1尺度下的基准点；C k为第k尺度下的波头可信区间。
根据一个具体的实施例，在基准点计算单元402中，各尺度基准点的计算方法如下：
Figure PCTCN2021087227-appb-000042
式中，k为小波变换的尺度；J k为第k尺度波头可信区间内的模极大值集合；n为小波变换的最大尺度；I k为第k尺度下的模极大值集合；I k,j为I k的第j个元素；C k为第k尺度下的波头可信区间；
Figure PCTCN2021087227-appb-000043
为第k尺度下的基准点；min(J k)为集合J k中所有元素的最小值。
根据一个具体的实施例，在横向可信度指标计算单元403中，各尺度下的横向可信度指标为该尺度下的模极大值集合中比该尺度下的基准点小的元素个数，计算公式如下：
Figure PCTCN2021087227-appb-000044
式中，k为小波变换的尺度；I k为第k尺度下的模极大值集合；I k,j为I k的第j个元素；
Figure PCTCN2021087227-appb-000045
为第k尺度下的基准点；n k为k第尺度下的横向可信度指标。
根据一个具体的实施例，在修正识别单元404中，基准点综合可信的最小尺度k min的判断方法为：
Figure PCTCN2021087227-appb-000046
式中，k为小波变换的尺度；n k为k第尺度下的横向可信度指标；J k为第k尺度波头可信区间内的模极大值集合；
Figure PCTCN2021087227-appb-000047
表示空集；ε是人为设定的一个值，例如可以为5。
在修正识别单元404中，对基准点进行局部修正的步骤如下：在第k min尺度小波变换结果
Figure PCTCN2021087227-appb-000048
中，从第
Figure PCTCN2021087227-appb-000049
点开始往前搜索，直到找到小于
Figure PCTCN2021087227-appb-000050
的第一个点，以该点的后一点或多个点作为局部修正后的基准点；其中k min为基准点综合可信的最小尺度，N为行波电流数据的总个数，
Figure PCTCN2021087227-appb-000051
为第k min尺度小波变换结果第i点，
Figure PCTCN2021087227-appb-000052
为第k min尺度下的基准点，α为设定值，例如可以为0.5。
本申请采用多尺度小波变换下纵向可信区间搜索、横向可行度判断及基准点局部修正等多种综合技术，其中纵向可信区间搜索保证了可以表征行波波头到达的最优尺度，横向可信度判断能够剔除噪声较大干扰严重的尺度，基准点局部修正实现对基准点的微调，让波头识别结果更接近实际波头到达时刻。本申请方法对提高波头变化平缓的行波识别精度效果显著。
参阅图5，图5提供一种电子设备，包括处理器；以及存储器，所述存 储器存储有计算机指令，当所述计算机指令被所述处理器执行时，使得所述处理器执行所述计算机指令时实现如图1所示的方法以及细化方案。
应该理解，上述的装置实施例仅是示意性的，本发明披露的装置还可通过其它的方式实现。例如，上述实施例中所述单元/模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如，多个单元、模块或组件可以结合，或者可以集成到另一个系统，或一些特征可以忽略或不执行。
另外，若无特别说明，在本发明各个实施例中的各功能单元/模块可以集成在一个单元/模块中，也可以是各个单元/模块单独物理存在，也可以两个以上单元/模块集成在一起。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
所述集成的单元/模块如果以硬件的形式实现时，该硬件可以是数字电路，模拟电路等等。硬件结构的物理实现包括但不局限于晶体管，忆阻器等等。若无特别说明，所述处理器或芯片可以是任何适当的硬件处理器，比如CPU、GPU、FPGA、DSP和ASIC等等。若无特别说明，所述片上缓存、片外内存、存储器可以是任何适当的磁存储介质或者磁光存储介质，比如，阻变式存储器RRAM(Resistive Random Access Memory)、动态随机存取存储器DRAM(Dynamic Random Access Memory)、静态随机存取存储器SRAM(Static Random-Access Memory)、增强动态随机存取存储器EDRAM(Enhanced Dynamic Random Access Memory)、高带宽内存HBM(High-Bandwidth Memory)、混合存储立方HMC(Hybrid Memory Cube)等等。
所述集成的单元/模块如果以软件程序模块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器中。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全部或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器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本披露各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、 磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例还提供一种非瞬时性计算机存储介质，存储有计算机程序，当所述计算机程序被多个处理器执行时，使得所述处理器执行如图1所示的方法以及细化方案。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明仅用于帮助理解本申请的方法及其核心思想。同时，本领域技术人员依据本申请的思想，基于本申请的具体实施方式及应用范围上做出的改变或变形之处，都属于本申请保护的范围。综上所述，本说明书内容不应理解为对本申请的限制。

Claims (18)

  1. 一种多尺度小波变换下的波头识别方法，包括如下步骤：
    步骤1：获取故障行波电流数据，对行波电流数据进行多尺度小波变换，求取各尺度下的模极大值集合；
    步骤2：以最大尺度的第一个模极大值为基准点，往小尺度纵向逐层搜索，在波头可信区间内依次求得各尺度的基准点；
    步骤3：基于各尺度的基准点，计算各尺度下的横向可信度指标；
    步骤4：根据横向可信度指标找到基准点综合可信的最小尺度，并对最小尺度下的基准点进行局部修正，以局部修正后的基准点对应的时刻为波头时刻。
  2. 如权利要求1所述的方法，其中，所述多尺度小波变换为n尺度二进小波变换，n为大于等于3的整数。
  3. 如权利要求1所述的方法，其中，在步骤1中，各尺度下的模极大值集合求取公式如下：
    Figure PCTCN2021087227-appb-100001
    其中，k为小波变换的尺度，k＝1、2、…、n；n为小波变换的最大尺度；i表示小波变换结果的序号；m k,i-1、m k,i、m k,i+1分别为第k尺度第i-1、i、i+1点的小波变换结果的绝对值；
    Figure PCTCN2021087227-appb-100002
    为第k尺度小波变换结果绝对值的最大值，
    Figure PCTCN2021087227-appb-100003
    N为行波电流数据的总个数；L为系数，取值范围包括[0.2，0.5]。
  4. 如权利要求1所述的方法，其中，在步骤2中，各尺度下的波头可信区间为：
    Figure PCTCN2021087227-appb-100004
    其中，n为小波变换的最大尺度；I n为第n尺度下的模极大值集合；k为小波变换的尺度；
    Figure PCTCN2021087227-appb-100005
    为第k+1尺度下的基准点；C k为第k尺度下的波头可信区间。
  5. 如权利要求1所述的方法，其中，在步骤2中，各尺度基准点的计算方法如下：
    Figure PCTCN2021087227-appb-100006
    其中，k为小波变换的尺度；J k为第k尺度波头可信区间内的模极大值集合；n为小波变换的最大尺度；I k为第k尺度下的模极大值集合；I k,j为I k的第j个元素；C k为第k尺度下的波头可信区间；
    Figure PCTCN2021087227-appb-100007
    为第k尺度下的基准点；min(J k)为集合J k中所有元素的最小值。
  6. 如权利要求1所述的方法，其中，在步骤3中，各尺度下的横向可信度指标为该尺度下的模极大值集合中比该尺度下的基准点小的元素个数，计算公式如下：
    Figure PCTCN2021087227-appb-100008
    其中，k为小波变换的尺度；I k为第k尺度下的模极大值集合；I k,j为I k的第j个元素；
    Figure PCTCN2021087227-appb-100009
    为第k尺度下的基准点；n k为第k尺度下的横向可信度指标。
  7. 如权利要求1所述的方法，其中，在步骤4中，基准点综合可信的最小尺度k min的判断方法为：
    Figure PCTCN2021087227-appb-100010
    其中，k为小波变换的尺度；n k为第k尺度下的横向可信度指标；J k为第k尺度波头可信区间内的模极大值集合；
    Figure PCTCN2021087227-appb-100011
    表示空集，ε为预设值。
  8. 如权利要求1所述的方法，其中，在步骤4中，对基准点进行局部修正的步骤如下：在第k min尺度小波变换结果
    Figure PCTCN2021087227-appb-100012
    中，从第
    Figure PCTCN2021087227-appb-100013
    点开始往前搜索，直到找到小于
    Figure PCTCN2021087227-appb-100014
    的第一个点，以该点的后一点或多个点作为局部修正后的基准点；其中k min为基准点综合可信的最小尺度，N为行波电流数据的总个数，
    Figure PCTCN2021087227-appb-100015
    为第k min尺度小波变换结果第i点，
    Figure PCTCN2021087227-appb-100016
    为第k min尺度下的基准点，α为设定值。
  9. 一种多尺度小波变换下的波头识别装置，包括：
    模极大值集合计算单元，用于获取故障行波电流数据，对行波电流数据进行多尺度小波变换，求取各尺度下的模极大值集合；
    基准点计算单元，用于以最大尺度的第一个模极大值为基准点，往小尺度纵向逐层搜索，在波头可信区间内依次求得各尺度的基准点；
    横向可信度指标计算单元，用于基于各尺度的基准点，计算各尺度下的横向可信度指标；
    修正识别单元，用于根据横向可信度指标找到基准点综合可信的最小尺度，并对最小尺度下的基准点进行局部修正，以局部修正后的基准点对应的时刻为波头时刻。
  10. 如权利要求9所述的装置，其中，所述多尺度小波变换为n尺度二进小波变换，n为大于等于3的整数。
  11. 如权利要求9所述的装置，其中，所述各尺度下的模极大值集合的求取公式如下：
    Figure PCTCN2021087227-appb-100017
    其中，k为小波变换的尺度，k＝1、2、…、n；n为小波变换的最大尺度；i表示小波变换结果的序号；m k,i-1、m k,i、m k,i+1分别为第k尺度第i-1、i、i+1点的小波变换结果的绝对值；
    Figure PCTCN2021087227-appb-100018
    为第k尺度小波变换结果绝对值的最大值，
    Figure PCTCN2021087227-appb-100019
    N为行波电流数据的总个数；L为系数，取值范围包括[0.2，0.5]。
  12. 如权利要求9所述的装置，其中，各尺度下的波头可信区间为：
    Figure PCTCN2021087227-appb-100020
    其中，n为小波变换的最大尺度；I n为第n尺度下的模极大值集合；k为小波变换的尺度；
    Figure PCTCN2021087227-appb-100021
    为第k+1尺度下的基准点；C k为第k尺度下的波头可信区间。
  13. 如权利要求9所述的装置，其中，各尺度基准点的计算方法如下：
    Figure PCTCN2021087227-appb-100022
    其中，k为小波变换的尺度；J k为第k尺度波头可信区间内的模极大值集合；n为小波变换的最大尺度；I k为第k尺度下的模极大值集合；I k,j为I k的第j个元素；C k为第k尺度下的波头可信区间；
    Figure PCTCN2021087227-appb-100023
    为第k尺度下的基准点；min(J k)为集合J k中所有元素的最小值。
  14. 如权利要求9所述的装置，其中，各尺度下的横向可信度指标为该尺度下的模极大值集合中比该尺度下的基准点小的元素个数，计算公式如下：
    Figure PCTCN2021087227-appb-100024
    其中，k为小波变换的尺度；I k为第k尺度下的模极大值集合；I k,j为I k的第j个元素；
    Figure PCTCN2021087227-appb-100025
    为第k尺度下的基准点；n k为第k尺度下的横向可信度指标。
  15. 如权利要求9所述的装置，其中，基准点综合可信的最小尺度k min的判断方法为：
    Figure PCTCN2021087227-appb-100026
    其中，k为小波变换的尺度；n k为第k尺度下的横向可信度指标；J k为第k尺度波头可信区间内的模极大值集合；
    Figure PCTCN2021087227-appb-100027
    表示空集，ε为预设值。
  16. 如权利要求9所述的装置，其中，对基准点进行局部修正的步骤如下：在第k min尺度小波变换结果
    Figure PCTCN2021087227-appb-100028
    中，从第
    Figure PCTCN2021087227-appb-100029
    点开始往前搜索，直到找到小于
    Figure PCTCN2021087227-appb-100030
    的第一个点，以该点的后一点或多个点作为局部修正后的基准点；其中k min为基准点综合可信的最小尺度，N为行波电流数据的总个数，
    Figure PCTCN2021087227-appb-100031
    为第k min尺度小波变换结果第i点，
    Figure PCTCN2021087227-appb-100032
    为第k min尺度下的基准点，α为设定值。
  17. 一种电子设备，包括：
    处理器；以及
    存储器，存储有计算机指令，当所述计算机指令被所述处理器执行时，使得所述处理器执行权利要求1-8任一者所述的方法。
  18. 一种非瞬时性计算机存储介质，存储有计算机程序，当所述计算机程序被多个处理器执行时，使得所述处理器执行权利要求1-8任一者所述的方法。
PCT/CN2021/087227 2020-09-08 2021-04-14 多尺度小波变换下的波头识别方法及装置 WO2022052465A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010943842.6 2020-09-08
CN202010943842.6A CN114152837B (zh) 2020-09-08 2020-09-08 一种多尺度小波变换下的波头识别方法及装置

Publications (1)

Publication Number Publication Date
WO2022052465A1 true WO2022052465A1 (zh) 2022-03-17

Family

ID=80462416

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2021/087227 WO2022052465A1 (zh) 2020-09-08 2021-04-14 多尺度小波变换下的波头识别方法及装置

Country Status (2)

Country Link
CN (1) CN114152837B (zh)
WO (1) WO2022052465A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115308525A (zh) * 2022-07-19 2022-11-08 国网湖北省电力有限公司电力科学研究院 配电线路故障行波波头到达时刻的标定方法
CN116243108A (zh) * 2023-03-16 2023-06-09 国网江苏省电力有限公司南通市通州区供电分公司 配网故障点定位方法及系统、设备及介质
CN117930120A (zh) * 2024-03-21 2024-04-26 浙江厚能科技有限公司 一种高效散热低压电流互感器检测方法
CN118294759A (zh) * 2024-06-06 2024-07-05 东方电子股份有限公司 一种配电线路分层搜索故障行波波头定位的方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101291055A (zh) * 2008-06-18 2008-10-22 昆明理工大学 一种输电线路故障行波初始波头到达时刻精确标定方法
CN102520315A (zh) * 2011-12-05 2012-06-27 西南交通大学 基于行波多尺度信息的输电线路故障单端定位方法
US20130015878A1 (en) * 2011-06-20 2013-01-17 Erlphase Power Technologies Limited Power system fault zone detection
CN103033804A (zh) * 2012-12-14 2013-04-10 武汉大学 基于小波熵阈值与模极大值法的激光雷达信号处理方法
CN105445624A (zh) * 2015-11-26 2016-03-30 重庆大学 结合小波变换及曲线拟合的电缆故障定位方法
CN108732465A (zh) * 2018-05-30 2018-11-02 广东电网有限责任公司 一种基于小波变换和cnn的配电网故障定位方法
CN109633761A (zh) * 2018-12-13 2019-04-16 吉林大学 基于小波变换模极大值法的磁共振信号工频噪声消减方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8954173B1 (en) * 2008-09-03 2015-02-10 Mark Fischer Method and apparatus for profiling and identifying the source of a signal
CN102944818B (zh) * 2012-11-27 2015-06-24 广东电网公司佛山供电局 一种gis终端电缆故障在线测距方法
CN103995950A (zh) * 2014-01-13 2014-08-20 哈尔滨工程大学 基于空域相关修正阈值的变小波系数局部放电信号消噪方法
CN105738760B (zh) * 2014-12-12 2019-01-11 国家电网公司 一种频域法与行波法结合的高阻故障测距方法
CN105223466B (zh) * 2015-09-24 2017-11-10 昆明理工大学 一种利用模极大值比的特高压直流输电线路单端测距方法
CN106841918B (zh) * 2017-01-22 2019-04-23 华南理工大学 一种利用单-双端结合的电缆低阻故障定位方法
CN107461611B (zh) * 2017-08-24 2019-07-09 南京邮电大学 基于小波和emd重构相结合的泄漏检测方法及泄漏检测装置
CN107807308B (zh) * 2017-10-10 2020-01-10 南京南瑞继保电气有限公司 一种输电线路行波波速自学习方法及行波测距装置
CN108594068B (zh) * 2018-04-04 2020-09-08 南京南瑞继保电气有限公司 一种行波测距方法
CN108802563B (zh) * 2018-04-10 2021-02-09 南京南瑞继保电气有限公司 一种不依赖对时的双端行波测距方法
CN109375051B (zh) * 2018-08-29 2021-03-12 国网浙江省电力有限公司电力科学研究院 基于频谱密度衰减的雷电暂态信号识别方法及系统
CN109870628B (zh) * 2018-08-31 2020-12-04 国网江苏省电力有限公司苏州供电分公司 一种多端柔性直流输电系统故障线路识别方法
CN110542833A (zh) * 2019-09-18 2019-12-06 南方电网科学研究院有限责任公司 一种配电网高阻接地故障区段定位方法、装置及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101291055A (zh) * 2008-06-18 2008-10-22 昆明理工大学 一种输电线路故障行波初始波头到达时刻精确标定方法
US20130015878A1 (en) * 2011-06-20 2013-01-17 Erlphase Power Technologies Limited Power system fault zone detection
CN102520315A (zh) * 2011-12-05 2012-06-27 西南交通大学 基于行波多尺度信息的输电线路故障单端定位方法
CN103033804A (zh) * 2012-12-14 2013-04-10 武汉大学 基于小波熵阈值与模极大值法的激光雷达信号处理方法
CN105445624A (zh) * 2015-11-26 2016-03-30 重庆大学 结合小波变换及曲线拟合的电缆故障定位方法
CN108732465A (zh) * 2018-05-30 2018-11-02 广东电网有限责任公司 一种基于小波变换和cnn的配电网故障定位方法
CN109633761A (zh) * 2018-12-13 2019-04-16 吉林大学 基于小波变换模极大值法的磁共振信号工频噪声消减方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115308525A (zh) * 2022-07-19 2022-11-08 国网湖北省电力有限公司电力科学研究院 配电线路故障行波波头到达时刻的标定方法
CN116243108A (zh) * 2023-03-16 2023-06-09 国网江苏省电力有限公司南通市通州区供电分公司 配网故障点定位方法及系统、设备及介质
CN117930120A (zh) * 2024-03-21 2024-04-26 浙江厚能科技有限公司 一种高效散热低压电流互感器检测方法
CN117930120B (zh) * 2024-03-21 2024-05-31 浙江厚能科技有限公司 一种高效散热低压电流互感器检测方法
CN118294759A (zh) * 2024-06-06 2024-07-05 东方电子股份有限公司 一种配电线路分层搜索故障行波波头定位的方法

Also Published As

Publication number Publication date
CN114152837B (zh) 2023-02-10
CN114152837A (zh) 2022-03-08

Similar Documents

Publication Publication Date Title
WO2022052465A1 (zh) 多尺度小波变换下的波头识别方法及装置
US20210333237A1 (en) Distortion-free boundary extension method for online wavelet denoising
CN107966638B (zh) 校正误差的方法和装置、存储介质及处理器
CN104090301B (zh) 一种求取三维高频静校正量的方法
CN108957403B (zh) 一种基于广义互相关的高斯拟合包络时延估计方法及系统
CN111160229B (zh) 基于ssd网络的视频目标检测方法及装置
CN108875178B (zh) 用于减小结构模态识别不确定性的传感器布置方法
CN106443178A (zh) 一种基于IQuinn‑Rife综合的正弦信号频率估计方法
CN111866713B (zh) 一种定位方法、装置及电子设备
CN107370150A (zh) 基于同步相量量测的电力系统状态估计不良数据处理方法
CN110069868A (zh) Gnss测站非线性运动建模方法与装置
Wang et al. ECT Image Reconstruction Algorithm Based on Multiscale Dual‐Channel Convolutional Neural Network
CN115047065A (zh) 一种修正打声法中敲击力度影响的方法、装置和设备
CN112330482B (zh) 基于暂态信息融合的输电线路单端故障定位方法
CN115982625B (zh) 一种基于先验信息的长期工作模态分析方法及检测方法
CN114814779B (zh) 浮标涌浪波高观测数据误差评估方法、系统、设备及介质
CN113625101B (zh) 基于果蝇算法与随机共振的行波信号处理方法
CN112651115A (zh) 对流层大气折射误差的计算方法、相关设备及可读存储介质
Xiao et al. The neural network adaptive filter model based on wavelet transform
CN117783765B (zh) 小电流接地系统故障暂态起始点查找方法、介质及设备
Shen et al. Improved U-Net3+ Network for First Arrival Picking of Noisy Earthquake Recordings
CN117347789A (zh) 配电网故障定位方法及装置
CN113702965B (zh) 基于峰值聚优的改进积累方法及强弱目标同时检测方法
CN115598702B (zh) 一种地热资源热储空间构造分布的探测方法及装置
CN118311378B (zh) 一种配电网故障定位方法及装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21865528

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21865528

Country of ref document: EP

Kind code of ref document: A1