换流站交流滤波器合闸异常涌流识别方法、装置及介质与流程

摘要: 本发明涉及电力系统暂态过程监测与辨识,尤其涉及一种换流站交流滤波器合闸异常涌流识别方法、装置及介质。背景技术:1、换流站交流滤波器是直流输电系统中用于吸收谐波、...
换流站交流滤波器合闸异常涌流识别方法、装置及介质与流程

本发明涉及电力系统暂态过程监测与辨识,尤其涉及一种换流站交流滤波器合闸异常涌流识别方法、装置及介质。

背景技术:

1、换流站交流滤波器是直流输电系统中用于吸收谐波、补偿无功及改善交流侧电能质量的重要设备,其通常由电容器、电抗器、电阻器及其组合支路构成,并通过断路器分组投切实现运行方式切换。在交流滤波器合闸过程中,由于系统电压相角、滤波支路残余电压、断路器三相不同期、断路器触头重燃以及系统等值阻抗和谐振条件变化等因素影响,极易产生暂态合闸涌流。

2、现有技术中,针对交流滤波器合闸涌流的识别方法大多依赖以下两类路径:一类是基于峰值、频谱或单一阈值的经验规则方法;另一类是基于仿真生成样本集并训练深度神经网络的分类识别方法。上述方法虽然在一定程度上能够完成涌流识别,但仍存在缺乏对异常来源机理的明确辨识、对现场工况变化适应性不足,以及依赖大规模样本训练等问题。

技术实现思路

1、本发明提供了一种换流站交流滤波器合闸异常涌流识别方法、装置及介质,能够在不依赖大规模训练样本的情况下对合闸异常涌流的来源类型进行准确识别。

2、本发明实施例提供了一种换流站交流滤波器合闸异常涌流识别方法,包括:

3、采集目标换流站交流滤波器的合闸暂态信号,并基于所述合闸暂态信号,生成机理特征向量;

4、计算所述机理特征向量与预设的各类机理模式的中心特征向量之间的第一加权相似度,将数值最大的第一加权相似度对应的机理模式作为第一异常类型;

5、计算所述机理特征向量中各机理特征对所述第一异常类型的瞬时贡献度,并根据所述瞬时贡献度,计算所述机理特征向量与各所述中心特征向量之间的第二加权相似度,将数值最大的第二加权相似度对应的机理模式作为第二异常类型;

6、根据所述第二异常类型,生成异常涌流识别结果。

7、本发明实施例通过采集合闸暂态信号并提取机理特征向量,能够将原始信号转换为可量化的识别依据,为后续相似度计算提供特征输入;通过计算第一加权相似度并确定第一异常类型,能够对异常涌流类型进行初步识别,为后续贡献度计算提供比较基准;通过计算各机理特征对第一异常类型的瞬时贡献度并根据瞬时贡献度计算第二加权相似度确定第二异常类型,能够利用特征贡献度自适应调整识别结果,减少对固定权重的依赖;通过根据第二异常类型生成识别结果,能够输出异常涌流的来源类型,完成从特征提取到异常涌流识别的闭环。相比于现有技术存在对合闸涌流异常来源辨识不足和工况适应性弱等问题,本技术能够在不依赖大规模训练样本的情况下对合闸异常涌流的来源类型进行准确识别。

8、进一步地,所述采集目标换流站交流滤波器的合闸暂态信号,并基于所述合闸暂态信号,生成机理特征向量,包括:

9、采集所述目标换流站交流滤波器的合闸暂态信号;其中,所述合闸暂态信号包括三相电流信号、三相母线电压信号、断路器合闸状态信号和滤波支路合闸前残余电压信号;

10、对所述合闸暂态信号进行波形预处理,并基于波形预处理后的合闸暂态信号,提取所述机理特征向量;其中,所述机理特征向量包含三相残压失配系数、高频振荡能量占比、阻尼异常度、重燃脉冲指数、相间不一致系数、谐振增强系数和波形尖峭度。

11、本发明实施例通过采集包含三相电流、三相母线电压、断路器合闸状态和残余电压的合闸暂态信号并进行波形预处理,能够为后续特征提取提供多源数据基础。

12、进一步地,所述对所述合闸暂态信号进行波形预处理,包括:

13、根据预定义的合闸起始时刻,从所述合闸暂态信号的原始波形中截取分析时窗,得到第一分析波形;

14、对所述第一分析波形进行去噪处理,得到第二分析波形;

15、对所述第二分析波形进行归一化处理,得到第三分析波形。

16、本发明实施例通过根据合闸起始时刻截取分析时窗并进行去噪和归一化处理,能够消除原始信号中的噪声干扰和幅值量纲差异,统一不同信号的分析尺度。

17、进一步地,在所述计算所述机理特征向量与预设的各类机理模式的中心特征向量之间的第一加权相似度之前,还包括:

18、建立所述机理模式;其中,所述机理模式包括正常合闸涌流、残压失配主导型异常涌流、重燃主导型异常涌流、谐振增强型异常涌流和疑似故障伴生型冲击波形;每一类机理模式对应一个中心特征向量。

19、本发明实施例通过建立包含正常涌流及多种异常涌流的机理模式库并为每类模式设定中心特征向量,能够为后续加权相似度计算提供比较基准。

20、进一步地,所述计算所述机理特征向量与预设的各类机理模式的中心特征向量之间的第一加权相似度,包括:

21、根据预定义的第一特征权重向量对所述机理特征向量进行加权,得到第一加权机理特征向量;

22、计算所述第一加权机理特征向量与各所述中心特征向量之间的第一加权距离;

23、根据所述第一加权距离,计算所述机理特征向量与各所述中心特征向量之间的第一加权相似度。

24、本发明实施例通过采用特征权重向量对机理特征向量进行加权后再计算加权距离和相似度,能够根据各特征的重要性进行差异化比较,提高识别的准确性。

25、进一步地,所述计算所述机理特征向量中各机理特征对所述第一异常类型的瞬时贡献度,并根据所述瞬时贡献度,计算所述机理特征向量与各所述中心特征向量之间的第二加权相似度,包括:

26、计算所述机理特征向量中各机理特征与所述第一异常类型对应的中心特征向量之间的偏差,以及与其他各类机理模式对应的中心特征向量之间的平均偏差;

27、根据所述偏差和所述平均偏差,计算各所述机理特征对所述第一异常类型的瞬时贡献度;

28、根据所述瞬时贡献度,更新所述第一特征权重向量,得到第二特征权重向量;

29、根据所述第二特征权重向量对所述机理特征向量进行加权,得到第二加权机理特征向量;

30、计算所述第二加权机理特征向量与各所述中心特征向量之间的第二加权距离;

31、根据所述第二加权距离,计算所述机理特征向量与各所述中心特征向量之间的第二加权相似度。

32、本发明实施例通过计算各机理特征与第一异常类型的偏差以及与其他模式的平均偏差,能够量化每个特征对当前识别结果的区分能力;根据瞬时贡献度更新特征权重向量,能够使权重随工况变化动态调整;采用更新后的权重重新计算加权相似度,能够利用自适应权重改善识别准确性。

33、进一步地,所述根据所述第二异常类型,生成异常涌流识别结果,包括:

34、根据所述第二异常类型对应的第二加权相似度,计算识别置信度;

35、根据所述机理特征向量和所述第二特征权重向量,计算综合异常强度指标;

36、根据所述综合异常强度指标,确定异常等级;

37、将所述第二异常类型、所述识别置信度、所述综合异常强度指标和所述异常等级,作为所述异常涌流识别结果。

38、本发明实施例通过根据第二加权相似度计算识别置信度、根据机理特征向量和第二特征权重向量计算综合异常强度指标、根据综合异常强度指标确定异常等级,并将第二异常类型、置信度、异常强度和异常等级共同作为识别结果输出,能够提供包含异常类型、可信程度和严重程度的完整诊断信息。

39、本发明另一实施例还提供了一种换流站交流滤波器合闸异常涌流识别装置,包括:机理特征向量生成模块、第一异常类型识别模块、第二异常类型识别模块和识别结果生成模块;

40、所述机理特征向量生成模块,用于采集目标换流站交流滤波器的合闸暂态信号,并基于所述合闸暂态信号,生成机理特征向量;

41、所述第一异常类型识别模块,用于计算所述机理特征向量与预设的各类机理模式的中心特征向量之间的第一加权相似度,将数值最大的第一加权相似度对应的机理模式作为第一异常类型;

42、所述第二异常类型识别模块,用于计算所述机理特征向量中各机理特征对所述第一异常类型的瞬时贡献度,并根据所述瞬时贡献度,计算所述机理特征向量与各所述中心特征向量之间的第二加权相似度,将数值最大的第二加权相似度对应的机理模式作为第二异常类型;

43、所述识别结果生成模块,用于根据所述第二异常类型,生成异常涌流识别结果。

44、本发明另一实施例还提供了一种终端设备,包括:处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,处理器执行所述计算机程序时,实现如本发明的一种换流站交流滤波器合闸异常涌流识别方法的步骤。

45、本发明另一实施例还提供了一种计算机可读存储介质项,包括:存储的计算机程序,在计算机程序运行时,控制计算机可读存储介质所在的设备执行如本发明的一种换流站交流滤波器合闸异常涌流识别方法的步骤。