电力系统的异常识别方法及装置与流程

摘要: 本发明涉及电力监测,尤其涉及一种电力系统的异常识别方法及装置。背景技术:1、在智能电网、新能源发电及工业电机驱动等现代电力电子系统中,均方根值(rootmean...
电力系统的异常识别方法及装置与流程

本发明涉及电力监测,尤其涉及一种电力系统的异常识别方法及装置。

背景技术:

1、在智能电网、新能源发电及工业电机驱动等现代电力电子系统中,均方根值(rootmean square,rms)是衡量交流信号有效值的核心参量。通过对多路电压、电流信号进行rms计算,系统能够识别异常工况并及时触发保护机制。

2、目前,常采用递归式滑动窗口算法来计算rms值。该方法通过维护一个固定长度(n个采样点)的数据窗口,持续追踪窗口内数据的平方和。当获取新的采样点时,算法会从历史平方和中减去最旧采样点的平方值,并加上新采样点的平方值以完成更新,随后对更新后的平方和求平均并开方,从而得出最新的rms值。这种递推机制有效降低了计算复杂度,避免了因窗口长度增加而带来的巨大运算负担。

3、然而,若在执行“历史平方和减去旧值、加上新值”的加减运算时引入误差,在系统长期连续运行的过程中,这些微小的误差会不断累积和放大,从而导致计算出的平方和严重偏离真实值,最终使得rms结果的精度随时间推移而持续下降,这种精度的持续衰减会直接导致电力系统异常识别的可靠性降低。

技术实现思路

1、鉴于上述问题,本发明提供一种电力系统的异常识别方法及装置,主要目的是提升电力系统异常识别的可靠性。

2、为解决上述技术问题,本发明提出以下方案:

3、第一方面,本发明提供了一种电力系统的异常识别方法,所述方法包括:

4、获取电力系统交流信号的当前采样数据,并计算所述当前采样数据的当前平方值;

5、基于递归滑动窗口算法,根据上一滑动窗口内采样数据的迭代平方和、从上一滑动窗口滑动至当前滑动窗口时移出窗口的历史采样数据的历史平方值以及所述当前平方值,计算当前滑动窗口内采样数据对应的迭代平方和;

6、分析所述当前采样数据和历史采样数据,判断是否对所述当前滑动窗口内采样数据对应的迭代平方和进行校正;

7、若是,则对当前滑动窗口内采样数据的平方值进行累加,得到校正累计平方和,并将所述校正累计平方和作为当前滑动窗口内采样数据的目标平方和;

8、若否,则将所述迭代平方和作为当前滑动窗口内采样数据的目标平方和;

9、利用所述目标平方和计算所述电力系统交流信号的均方根值,以识别电力系统是否存在异常。

10、第二方面,本发明提供了一种电力系统的异常识别装置,所述装置包括:

11、数据获取单元,用于获取电力系统交流信号的当前采样数据,并计算所述当前采样数据的当前平方值;

12、迭代计算单元,用于基于递归滑动窗口算法,根据上一滑动窗口内采样数据的迭代平方和、从上一滑动窗口滑动至当前滑动窗口时移出窗口的历史采样数据的历史平方值以及数据获取单元得到的所述当前平方值,计算当前滑动窗口内采样数据对应的迭代平方和;

13、校正确定单元,用于分析数据获取单元得到的所述当前采样数据和历史采样数据,判断是否对所述当前滑动窗口内采样数据对应的迭代平方和进行校正;

14、第一目标确定单元,用于若校正确定单元的判断结果为是,则对当前滑动窗口内采样数据的平方值进行累加,得到校正累计平方和,并将所述校正累计平方和作为当前滑动窗口内采样数据的目标平方和;

15、第二目标确定单元,用于若校正确定单元的判断结果为否,则将所述迭代平方和作为当前滑动窗口内采样数据的目标平方和;

16、异常识别单元,用于利用第一目标确定单元或第二目标确定单元确定的所述目标平方和计算所述电力系统交流信号的均方根值,以识别电力系统是否存在异常。

17、为了实现上述目的,根据本发明的第三方面,提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述第一方面的电力系统的异常识别方法。

18、为了实现上述目的,根据本发明的第四方面,提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述第一方面的电力系统的异常识别方法。

19、借由上述技术方案,本发明提供的一种电力系统的异常识别方法及装置,通过获取电力系统交流信号的当前采样数据,并计算当前采样数据的当前平方值;接着,基于递归滑动窗口算法,根据上一滑动窗口内采样数据的迭代平方和、从上一滑动窗口滑动至当前滑动窗口时移出窗口的历史采样数据的历史平方值以及当前平方值,计算当前滑动窗口内采样数据对应的迭代平方和,该递推机制有效降低了计算复杂度,避免了因窗口长度增加而带来的巨大运算负担;随后,分析当前采样数据和历史采样数据,判断是否对当前滑动窗口内采样数据对应的迭代平方和进行校正;若是,则对当前滑动窗口内的采样数据的平方值进行累加,得到校正累计平方和,并将校正累计平方和作为当前滑动窗口内采样数据的目标平方和,这一全量累加过程直接对当前窗口内的原始平方值进行独立累加,摆脱了对包含历史累积误差的上一时刻迭代平方和的依赖,彻底切断了误差的传递链条,因此消除了长期累积误差,将平方和强制拉回真实值;若不需要校正,则将迭代平方和作为当前滑动窗口内采样数据的目标平方和;最终利用目标平方和计算所述电力系统交流信号的均方根值,以此识别电力系统是否存在异常。确保了系统长期连续运行过程中,均方根值的精度不会随时间推移持续下降,提升了电力系统异常识别的可靠性。

20、上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。

1.一种电力系统的异常识别方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,分析所述当前采样数据和历史采样数据,判断是否对所述当前滑动窗口内采样数据对应的迭代平方和进行校正,包括:

3.根据权利要求2所述的方法,其特征在于,根据所述累计采样次数及所述幅值变化量判断是否对所述当前滑动窗口内采样数据对应的迭代平方和进行校正,包括:

4.根据权利要求1所述的方法,其特征在于,对当前滑动窗口内采样数据的平方值进行累加,得到校正累计平方和,包括:

5.根据权利要求2所述的方法,其特征在于,计算当前采样数据与相邻历史采样数据之间的幅值变化量,包括:

6.根据权利要求5所述的方法,其特征在于,根据所述第一差值和所述第二差值,计算表征信号变化率突变程度的特征值,并将所述特征值作为所述幅值变化量,包括:

7.根据权利要求5所述的方法,其特征在于,根据所述第一差值和所述第二差值,计算表征信号变化率突变程度的特征值,并将所述特征值作为所述幅值变化量,包括:

8.一种电力系统的异常识别装置,其特征在于,所述装置包括:

9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行如权利要求1至权利要求7中任意一项所述的电力系统的异常识别方法。

10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行如权利要求1至权利要求7中任意一项所述的电力系统的异常识别方法。