一种新型电力系统宽频谐波事件检测方法与流程
本发明涉及新型电力系统电能质量分析与信号处理的,尤其是指一种基于结构化稀疏表示的新型电力系统宽频谐波事件检测方法、系统、存储介质及计算设备,面向新能源高比例接入场景,针对电力电子设备产生的宽频谐波动态扰动,利用物理启发式结构化稀疏表示实现数据质量增强、信号分解及事件级检测。
背景技术:
1、随着新能源和电力电子设备的大规模接入,新型电力系统中出现大量具有频率漂移、幅值变化和暂态特征的宽频谐波扰动信号。这些扰动不仅包括传统整数次谐波,更包括间谐波、次/超同步振荡、pwm开关边带谐波等。构网型变流器、储能pcs等设备的控制环路动态交互,使得扰动呈现非平稳、宽频带、多类型的显著特征。同时,现场监测数据普遍存在噪声污染、数据缺失、采样不同步及异常尖峰等低质量问题。
2、现有谐波检测方法在现场应用中面临以下技术局限:
3、1、傅里叶分析类方法仅适用于稳态信号。快速傅里叶变换及其加窗插值改进算法假设信号在分析窗内具有稳定的频率特征,无法描述间谐波频率漂移、振荡模态演化等非平稳动态过程,且在非同步采样条件下存在频谱泄漏和栅栏效应。
4、2、时频分析类方法缺乏物理可解释性。小波变换的基函数选择依赖人工经验,不同基函数对检测结果影响显著;经验模态分解及其变体存在模态混叠和参数敏感问题,分解结果难以映射至明确的物理扰动类型;变分模态分解的模态数和惩罚因子需预设,不同工况下最优参数差异大。
5、3、压缩感知类方法缺少电力系统语义。现有稀疏表示方法采用fourier基、dct基或小波基等通用数学字典,虽能实现信号稀疏重构,但字典原子不具备电力系统物理含义,无法区分不同类型扰动的物理来源,检测结果仅为一组数学系数而非物理事件描述。
6、4、深度学习方法结果不可解释。基于数据驱动的分类模型依赖大量标注样本,在新能源系统极端工况下泛化能力存疑,且其黑箱特性导致检测结果难以作为并网测试和故障诊断的可信依据。
7、上述方法的共同缺陷在于:输出本质上仍是一组“频率-幅值”参数的列表,无法回答“此刻系统正在发生什么物理事件”这一核心认知问题;且数据清洗与谐波分析通常作为独立步骤分离进行,容易在预处理阶段误滤除微弱扰动,造成关键动态信息的不可逆丢失。
8、需要解决的核心问题是:在低质量监测数据条件下,如何将宽频谐波扰动分解为具有明确物理意义的独立事件分量,并对各分量的动态演化过程进行结构化描述,实现从“频谱检测”到“事件认知”的提升。
9、因此,亟需一种能够在低质量监测数据条件下,将宽频谐波扰动分解为具有明确物理意义的独立事件分量,并对各分量的动态演化过程进行结构化描述的技术方案。
技术实现思路
1、本发明的第一目的在于提供一种基于结构化稀疏表示的新型电力系统宽频谐波事件检测方法,将传统信号处理的通用数学基,替换为映射电力电子扰动机理的物理启发式谐波事件原子库,并通过双稀疏空间联合分解与物理原子类型驱动解析,实现从低质量数据到可解释事件的认知闭环。本发明能够在低质量监测数据条件下实现宽频谐波扰动的可信检测与事件级语义描述,适用于新能源场站、电力电子化电网及智能电能质量监测系统的工程化检测场景。
2、本发明的第二目的在于提供一种基于结构化稀疏表示的新型电力系统宽频谐波事件检测系统。
3、本发明的第三目的在于提供一种存储介质。
4、本发明的第四目的在于提供一种计算设备。
5、本发明的第一目的通过下述技术方案实现:一种新型电力系统宽频谐波事件检测方法,包括:
6、s1、获取包含宽频谐波扰动的宽频谐波监测数据;
7、s2、根据新能源电力电子设备的宽频谐波扰动机理,建立包含多种物理原子子字典的具有明确物理映射关系的结构化过完备字典;
8、s3、建立包含物理扰动稀疏空间和数据异常稀疏空间的双稀疏空间联合分解模型,对所述宽频谐波监测数据进行分解,分解出数据异常分量和属于所述结构化过完备字典的物理扰动分量;
9、s4、根据所述物理扰动分量所匹配的物理原子类型及其所属物理原子子字典,执行自适应参数解析获得相应的动态特征参数;
10、s5、整合所述动态特征参数,生成包含物理语义的结构化宽频谐波事件指纹,所述结构化宽频谐波事件指纹为根据解析得到的动态特征参数构建的统一事件描述向量;
11、s6、依据所述结构化宽频谐波事件指纹,判定并输出宽频谐波事件检测结果。
12、进一步,获取包含宽频谐波扰动的宽频谐波监测数据具体如下:
13、在新能源场站或电网并网点,以设定采样频率采集宽频电压与电流信号,作为待处理的观测信号,所述观测信号中包含以下一种或多种宽频谐波扰动:a、由传感器热噪声或电磁干扰引入的随机噪声;b、由通信丢包或存储故障导致的数据缺失;c、由暂态干扰或设备切换引入的时域稀疏异常尖峰。
14、进一步,所述结构化过完备字典由以下四个基于扰动演化模型生成的原子集合组成,各原子集合对应不同扰动机理:
15、;
16、式中,为结构化过完备字典,称为物理启发式谐波事件原子库;为描述固定频率谐波的稳态谐波原子集合,称为稳态谐波原子子字典;为描述频率随时间变化扰动的动态间谐波原子集合,称为动态间谐波原子子字典;为描述具有阻尼或负阻尼特征振荡的振荡型谐波原子集合,称为振荡型谐波原子子字典;为描述突变过程的暂态谐波原子集合,称为暂态谐波原子子字典。
17、进一步,各子字典的物理描述与参数化模型如下:
18、稳态谐波原子子字典:用于描述电力电子设备的周期性扰动分量,其原子采用余弦参数化模型构建:
19、;
20、式中,为稳态谐波原子子字典中原子在时刻的瞬时振荡幅值;为初始幅值,为谐波频率,对应基波频率的整数倍,为初始相位;
21、动态间谐波原子子字典:用于映射因锁相环动态、弱电网交互或最大功率点跟踪扰动引起的频率时变扰动分量,其原子采用时变频谱参数化模型构建:
22、;
23、式中,为动态间谐波原子子字典中原子在时刻的瞬时振荡幅值;为幅值时变轨迹,为中心频率,为频率变化率,表征频率漂移的速率和方向;
24、振荡型谐波原子子字典:用于映射构网型变流器控制失稳,或新能源场站次同步振荡或超同步振荡的阻尼演化分量,其原子采用衰减正弦参数化模型构建:
25、;
26、式中,为振荡型谐波原子子字典中原子在时刻的瞬时振荡幅值;为衰减系数,对应衰减振荡,对应发散振荡,对应等幅振荡,为振荡频率;
27、暂态谐波原子子字典:用于映射投切操作、故障清除及控制模式切换引起的短时突发扰动分量,其原子采用衰减调制小波参数化模型构建:
28、;
29、式中,为暂态谐波原子子字典中原子在时刻 的瞬时振荡幅值;为衰减速率,为具有紧支撑特性的小波基函数;
30、各子字典通过离散化各自参数空间生成冗余原子集合,形成覆盖典型宽频谐波扰动类型的过完备表示基;各子字典参数的离散化范围和步长根据对应物理扰动类型的频域分辨率和时域定位精度要求确定。
31、进一步,所述双稀疏空间联合分解模型将观测信号表示为物理扰动分量、数据异常分量与随机噪声的叠加:
32、;
33、式中,为观测信号;为结构化过完备字典;为稀疏系数向量;为属于所述结构化过完备字典的物理扰动分量;为时域稀疏的数据异常分量,包括尖峰脉冲和缺失数据段;为随机噪声分量;为采样点数;代表实数集;通过显式引入数据异常分量,将数据质量问题纳入统一的数学框架,使数据增强成为扰动分解过程的有机组成部分。
34、进一步,所述双稀疏空间联合分解模型求解如下联合优化目标函数:
35、;
36、式中,为约束物理扰动分量稀疏性的第一范数项,为约束数据异常分量稀疏性的第二范数项,为信号重构保真度项;为异常稀疏性正则化参数,用于控制数据异常分量的稀疏程度;为数据保真度正则化参数,用于平衡信号重构精度与解的稀疏性;其中,以范数约束稀疏系数向量,体现实际发生的物理事件在物理启发式谐波事件原子库中具有稀疏表示的先验,以范数约束数据异常分量,体现观测信号中的尖峰和缺失在时域上具有稀疏分布的先验。
37、进一步,所述双稀疏空间联合分解模型采用交替方向乘子法或分块坐标下降法进行迭代求解,每轮迭代交替更新稀疏系数向量、数据异常分量和拉格朗日乘子,直至满足收敛条件,求解完成获得净化后的物理扰动分量和分离出的数据异常分量,所述异常分量被显式分离至独立稀疏空间,不再混入物理扰动分量中,从而在保留完整宽频谐波动态信息的同时完成数据净化。
38、进一步,所述执行自适应参数解析是根据稀疏系数向量中非零元素的位置,定位被激活的原子及其所属子字典,建立“物理原子类型-参数解析策略”的自适应映射规则:
39、当激活原子属于动态间谐波原子子字典时,采用时变频率参数估计方法,以泰勒级数对物理扰动分量的时变幅值和相位进行建模,通过加权最小二乘估计提取瞬时频率轨迹、频率变化率和幅值时变轨迹;其中,所述时变频率参数估计方法采用泰勒-傅里叶展开方法、同步压缩变换方法或希尔伯特变换方法实现;
40、当激活原子属于振荡型谐波原子子字典时,采用指数衰减模态参数估计方法,对物理扰动分量构造hankel矩阵并进行奇异值分解,提取阻尼因子和模态频率;其中,所述指数衰减模态参数估计方法采用矩阵束方法、prony方法或旋转不变技术信号参数估计方法实现;
41、当激活原子属于稳态谐波原子子字典时,采用高分辨率频谱估计方法提取稳态幅值和相位参数;其中,所述高分辨率频谱估计方法采用旋转不变技术信号参数估计方法或多重信号分类方法实现;
42、当激活原子属于暂态谐波原子子字典时,采用时频分析方法提取暂态持续时间和能量分布特征。
43、进一步,所述结构化宽频谐波事件指纹采用如下数据模型:
44、;
45、式中,为结构化宽频谐波事件指纹;为事件物理类别,至少包括稳态谐波事件、动态间谐波事件、振荡型谐波事件和暂态谐波事件;为主导频率;为频率随时间漂移轨迹;为幅值时变轨迹;为阻尼特征参数集合,至少包含阻尼因子和阻尼比;为事件持续时间;为检测置信度。
46、进一步,所述检测置信度基于重构残差计算:
47、;
48、式中,为重构残差的范数,表示观测信号与物理扰动分量及数据异常分量之间的残差能量;为观测信号的范数,表示观测信号的总能量;其中,取值范围为,取值越接近1表示检测结果越可靠;当检测置信度低于预设阈值时,标记检测结果为低置信度,提示需要更高质量的数据或人工复核;
49、最后,根据所述结构化宽频谐波事件指纹中的事件物理类别和动态特征参数,判定并输出宽频谐波事件检测结果,即宽频谐波扰动事件类型。
50、本发明的第二目的通过下述技术方案实现:一种新型电力系统宽频谐波事件检测系统,用于实现上述的新型电力系统宽频谐波事件检测方法,包括:
51、数据采集模块,用于获取包含宽频谐波扰动的宽频谐波监测数据;
52、字典构建模块,用于根据新能源电力电子设备的宽频谐波扰动机理,建立包含多种物理原子子字典的具有明确物理映射关系的结构化过完备字典;
53、联合分解模块,用于建立包含物理扰动稀疏空间和数据异常稀疏空间的双稀疏空间联合分解模型,对所述宽频谐波监测数据进行分解,分解出数据异常分量和属于所述结构化过完备字典的物理扰动分量;
54、参数解析模块,用于根据所述物理扰动分量所匹配的物理原子类型及其所属物理原子子字典,执行自适应参数解析获得相应的动态特征参数;
55、指纹生成模块,用于整合所述动态特征参数,生成包含物理语义的结构化宽频谐波事件指纹;
56、事件识别模块,用于依据所述结构化宽频谐波事件指纹,判定并输出宽频谐波事件检测结果。
57、本发明的第三目的通过下述技术方案实现:一种存储介质,存储有程序,所述程序被处理器执行时,实现上述的新型电力系统宽频谐波事件检测方法。
58、本发明的第四目的通过下述技术方案实现:一种计算设备,包括处理器以及用于存储处理器可执行程序的存储器,所述处理器执行存储器存储的程序时,实现上述的新型电力系统宽频谐波事件检测方法。
59、本发明与现有技术相比,具有如下优点与有益效果:
60、1、通过构建具有明确物理映射关系的物理启发式谐波事件原子库,将信号表示从通用数学基提升为具有物理语义的事件描述语言,使得检测结果从频谱列表转变为包含事件类型和动态特征的结构化事件报告。
61、2、通过双稀疏空间联合分解模型,将数据异常与物理扰动映射至不同稀疏空间同步求解,数据清洗不再作为独立预处理步骤,在分离数据异常分量的同时保留完整的宽频谐波动态信息,降低了微弱扰动在预处理阶段被误滤除的风险。
62、3、通过基于物理原子类型的自适应参数解析策略,为不同物理事件匹配相应的参数解析方法,可适应频率漂移、阻尼演化等多类型动态特征的提取需求。
63、4、通过生成结构化宽频谐波事件指纹,为扰动溯源、风险评估等后续分析提供标准化的输入数据格式。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com