一種行波信號(hào)的參數(shù)化識(shí)別方法
【專(zhuān)利摘要】本發(fā)明屬于電力系統(tǒng)領(lǐng)域，涉及一種行波信號(hào)的參數(shù)化識(shí)別方法。該方法根據(jù)行波信號(hào)的統(tǒng)計(jì)特性建立行波信號(hào)的參數(shù)化模型；利用自適應(yīng)粒子濾波算法和優(yōu)化方法估計(jì)出表示不同故障情況下行波特征的參數(shù)信息和時(shí)頻信息,提取能夠全面反映行波信號(hào)特點(diǎn)的時(shí)域和時(shí)頻域關(guān)聯(lián)特征量組；聯(lián)合分析上述關(guān)聯(lián)特征量組，提取行波故障特征，突顯故障信息，準(zhǔn)確可靠地感知強(qiáng)電磁干擾下微弱故障行波信號(hào)和復(fù)雜折反射行波信號(hào)。本發(fā)明方法利用參數(shù)化時(shí)頻分析的方法來(lái)識(shí)別電網(wǎng)故障行波，提出行波信號(hào)的新型識(shí)別參數(shù),可有效提高受擾行波信號(hào)識(shí)別的可靠性和準(zhǔn)確性,為構(gòu)建新型故障行波保護(hù)與定位原理提供參數(shù)支持。
【專(zhuān)利說(shuō)明】
一種行波信號(hào)的參數(shù)化識(shí)別方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于電力系統(tǒng)繼電保護(hù)領(lǐng)域，涉及一種行波信號(hào)的參數(shù)化識(shí)別方法。
【背景技術(shù)】
[0002] 目前，行波故障定位法在理論上具有很高的定位精度，使其獲得了廣泛的研究和 應(yīng)用。故障行波信號(hào)突變點(diǎn)的時(shí)刻及其位置都代表了具體的故障信息，因此，準(zhǔn)確檢測(cè)故障 行波信號(hào)的突變點(diǎn)就成為行波故障定位的關(guān)鍵?；谛〔ǚ治觥⑾柌攸S變換等的非參 數(shù)時(shí)頻分析方法，在行波識(shí)別中已獲得了廣泛的應(yīng)用，并取得了較好的故障定位效果。但這 些非參數(shù)化的時(shí)頻分析方法在實(shí)際應(yīng)用中還存在一定的局限性，如電壓過(guò)零故障或高阻接 地故障等微弱故障行波信號(hào)，以及行波傳輸過(guò)程中的衰減對(duì)行波奇異性的削弱；線路雷擊 未故障時(shí)雷擊干擾的識(shí)別，以及雷擊故障中雷擊點(diǎn)和閃絡(luò)點(diǎn)不一致時(shí)，閃絡(luò)點(diǎn)的精確定位 需要識(shí)別和檢測(cè)雷擊側(cè)的第二個(gè)行波波頭(故障點(diǎn)的反射波）；在單端行波故障定位法中， 故障點(diǎn)反射波與對(duì)端母線反射波的準(zhǔn)確識(shí)別；行波信號(hào)在傳輸和采樣過(guò)程中，噪聲的干擾 使得有用信號(hào)不能被有效提取。在這些影響因素下，單純以時(shí)域或時(shí)頻域特征量提取的行 波識(shí)別方法，其可靠性和準(zhǔn)確性難以保障，嚴(yán)重制約了行波故障定位的精度和準(zhǔn)確度。

【發(fā)明內(nèi)容】

[0003] 為克服已有技術(shù)的不足，解決現(xiàn)有行波信號(hào)識(shí)別方法在噪聲干擾和微弱故障情況 下其準(zhǔn)確性和可靠性差的技術(shù)問(wèn)題，提出了一種行波信號(hào)識(shí)別的參數(shù)化時(shí)頻分析方法。本 發(fā)明根據(jù)行波信號(hào)的統(tǒng)計(jì)特性，通過(guò)參數(shù)化建模的方法，利用豐富的參數(shù)信息和時(shí)頻譜信 息提取能夠全面反映信號(hào)特點(diǎn)的時(shí)域和時(shí)頻域關(guān)聯(lián)特征量組，聯(lián)合分析上述關(guān)聯(lián)特征量 組，以此提取行波故障特征，準(zhǔn)確可靠地感知強(qiáng)電磁干擾下微弱故障行波信號(hào)和復(fù)雜折反 射行波信號(hào)，有效解決了現(xiàn)有行波信號(hào)識(shí)別可靠性和準(zhǔn)確性差等問(wèn)題，有助于進(jìn)一步提高 行波故障定位的精確度和實(shí)用性。
[0004] 本發(fā)明解決上述技術(shù)問(wèn)題的技術(shù)方案包括以下步驟： 1) 根據(jù)行波信號(hào)的脈沖特性和非平穩(wěn)特性，構(gòu)建由?穩(wěn)定分布驅(qū)動(dòng)的時(shí)變自回歸模 型(?穩(wěn)定分布-TVAR模型）； 2) 針對(duì)模型的非高斯性以及時(shí)變參數(shù)突變的延遲性，提出以參數(shù)噪聲統(tǒng)計(jì)特性估計(jì) 為核心、帶時(shí)變遺忘因子的自適應(yīng)粒子濾波算法，用于行波信號(hào)建模的參數(shù)估計(jì)中； 3) 根據(jù)估計(jì)出的模型系數(shù)計(jì)算分?jǐn)?shù)低階時(shí)變功率譜密度函數(shù)，提取以參數(shù)幅值特征 的時(shí)域特征量和以分?jǐn)?shù)低階時(shí)變功率譜表征的時(shí)頻域特征量； 4) 根據(jù)估計(jì)出的《穩(wěn)定分布的參數(shù)值提取行波信號(hào)的時(shí)域特征量； 5) 根據(jù)時(shí)域和時(shí)頻域的多種關(guān)聯(lián)特征量組，準(zhǔn)確提取能夠全面反映行波故障信號(hào)的 特征量，實(shí)現(xiàn)復(fù)雜行波信號(hào)和微弱行波信號(hào)的可靠準(zhǔn)確辨識(shí)。
[0005] 上述步驟1)中，受擾行波信號(hào)的a穩(wěn)定分布-TVAR模型：
其中，心(1_=;1足-，-:^)是時(shí)變的自回歸系數(shù)，|*代表模型的階次，1^卷也#:#>是服 從《穩(wěn)定分布的隨機(jī)噪聲，且〃、:r、#、蘆分別指特征指數(shù)、分散系數(shù)、對(duì)稱(chēng)參數(shù)、位置參數(shù)， 它們的取值能完全控制夂穩(wěn)定分布特性。
[0006] 上述步驟2)中，為了估計(jì)出模型中的參數(shù)，需建立如下的狀態(tài)空間模型：
其中，尤二:讀:名；f，且::尤：=[^以產(chǎn)為系統(tǒng)真實(shí)的狀態(tài)變量， € = 為系統(tǒng)擴(kuò)展的狀態(tài)變量，以及觀測(cè)變量&=1^1，系統(tǒng)矩陣
，觀測(cè)矩陣夢(mèng)*[1^---,用，峨％^是參數(shù)擾動(dòng)量即人 工噪聲，是觀測(cè)高斯白噪聲。
[0007] 基于上述狀態(tài)空間模型，利用以參數(shù)噪聲統(tǒng)計(jì)特性估計(jì)為核心、帶時(shí)變遺忘因子 的自適應(yīng)粒子濾波算法，估計(jì)出行波信號(hào)模型中的參數(shù)。
[0008] 上述步驟3)中，根據(jù)估計(jì)出TVAR模型的自回歸系數(shù)的奇異值即行波信號(hào)的突變點(diǎn) 來(lái)初步判斷雷擊沖擊或故障沖擊。
[0009] 上述步驟3)中，根據(jù)估計(jì)出TVAR模型的自回歸系數(shù)和從穩(wěn)定分布的參數(shù)值計(jì)算分 數(shù)低階瞬時(shí)功率譜密度函數(shù):
由上式瞬時(shí)頻率所組成的時(shí)頻圖中，依據(jù)行波波頭在時(shí)頻圖中表現(xiàn)的高頻突變，即可 實(shí)現(xiàn)對(duì)行波波頭的準(zhǔn)確檢測(cè)。
[0010] 上述步驟4)中，提取以a：穩(wěn)定分布特征指數(shù)和分散系數(shù)、以及峭度所表示的信號(hào) 脈沖水平和故障程度的時(shí)域特征量。具體來(lái)講： 特征指數(shù)《反映行波信號(hào)整體脈沖水平。其值越小，說(shuō)明行波信號(hào)的脈沖性越強(qiáng)，在無(wú) 噪聲或弱噪聲情況下，線路故障越嚴(yán)重;否則線路無(wú)故障或故障輕微。該特征量具有較強(qiáng)的 魯棒性，其值不會(huì)受少量干擾脈沖信號(hào)的影響，能很好地反映線路故障程度。
[0011] 分散系數(shù)7反映行波信號(hào)整體幅值的變化，其值越大，說(shuō)明行波信號(hào)整體幅值變 化越大，無(wú)論是故障本身引起的變化大，還是雷擊干擾所引起的變化大。利用分散系數(shù)的這 一特點(diǎn)，可以識(shí)別雷擊干擾和雷擊故障。當(dāng)線路雷擊未造成故障時(shí)，雷擊如后電流整體幅值 變化不大；當(dāng)線路雷擊造成故障時(shí)，雷擊前后電流整體幅值變化大。不同雷擊情況下電流整 體幅值變化不同的特征可通過(guò)分散系數(shù)值的變化來(lái)表征，即：若分散系數(shù)值變化不大，保持 在某一穩(wěn)定水平，則雷擊未造成故障;若分散系數(shù)值變化大，則雷擊造成故障。當(dāng)然，在無(wú)干 擾情況下，該特征參數(shù)與故障程度也是緊密相關(guān)的。
[0012] 峭度是描述波形尖峰量的量綱，是一種經(jīng)典的表征脈沖特性的指標(biāo)參數(shù)。其性能 同特征指數(shù)類(lèi)似，峭度值變大時(shí)，則行波信號(hào)的脈沖性越強(qiáng)；反之，則行波信號(hào)的脈沖性 越弱。但與特征指數(shù)相比，峭度對(duì)信號(hào)脈沖的變化非常敏感，任意單個(gè)脈沖的出現(xiàn)都會(huì)使峭 度有一個(gè)大幅度的增加。在故障信號(hào)微弱（如輕微故障）時(shí)，這一特征參數(shù)也能較好地捕捉 到信號(hào)的突變點(diǎn)，即辨識(shí)出行波波頭。因此，該特征量能準(zhǔn)確反映輕微故障的發(fā)生。
[0013] 與現(xiàn)有技術(shù)相比，本發(fā)明所具有的有益效果為:本發(fā)明依據(jù)行波信號(hào)的統(tǒng)計(jì)特性， 從時(shí)域的角度，利用統(tǒng)計(jì)信號(hào)處理方法和人工智能技術(shù)對(duì)行波信號(hào)進(jìn)行分析和建模，從時(shí) 域和時(shí)頻域提取暫態(tài)行波信號(hào)的參數(shù)特征量和瞬時(shí)頻率特征量，而不僅僅憑借單一故障行 波時(shí)域或時(shí)頻域特征來(lái)辨識(shí)行波信號(hào)。本發(fā)明方法是一種典型的參數(shù)化時(shí)頻分析方法，綜 合了時(shí)域、時(shí)頻域以及參數(shù)化分析方法的優(yōu)點(diǎn)：豐富的參數(shù)信息和較高的時(shí)頻分辨率。本發(fā) 明方法能在保留原始信號(hào)特征的同時(shí)，有效濾掉混雜在行波信號(hào)中的各種噪聲;通過(guò)綜合 分析時(shí)域和時(shí)頻域的多種關(guān)聯(lián)特征量組，實(shí)現(xiàn)行波信號(hào)的準(zhǔn)確辨識(shí)。本發(fā)明方法的提出，能 有效提高行波故障定位的準(zhǔn)確性和可靠性，提高行波保護(hù)的實(shí)用化，為構(gòu)建新型故障行波 保護(hù)與定位原理提供參數(shù)支持。
[0014] 下面結(jié)合附圖對(duì)本發(fā)明做出進(jìn)一步的說(shuō)明。
【附圖說(shuō)明】
[0015] 圖1為本發(fā)明行波信號(hào)識(shí)別的流程圖。
【具體實(shí)施方式】
[0016] 圖1為本發(fā)明行波信號(hào)識(shí)別的流程圖，搭建電網(wǎng)EMTP仿真分析模型，設(shè)置不同故障 點(diǎn)、故障類(lèi)型以及故障程度，全面總結(jié)不同故障情況下行波信號(hào)的傳輸特性;在學(xué)校高壓實(shí) 驗(yàn)室搭建典型模擬實(shí)驗(yàn)系統(tǒng)，模擬測(cè)試?yán)讚?、開(kāi)關(guān)操作及污閃產(chǎn)生的干擾暫態(tài)行波信號(hào)的 波形特征，通過(guò)統(tǒng)計(jì)特性分析，比對(duì)不同故障情況下行波信號(hào)與干擾暫態(tài)行波信號(hào)的波形 特征差異，提出辨識(shí)故障行波信號(hào)的判據(jù);選擇株洲liokv線路，采用高速存儲(chǔ)示波器和申 請(qǐng)者所在課題組最新研制的10MHZ暫態(tài)記錄分析儀測(cè)試線路弧光故障、高阻故障和金屬接 地故障時(shí)，不同故障點(diǎn)位置產(chǎn)生的原始行波波形，與線路干擾暫態(tài)行波信號(hào)進(jìn)行波形相似 度比對(duì)，尋找波形差異規(guī)律，進(jìn)一步改進(jìn)與完善理論研究結(jié)果，為行波信號(hào)的有效辨識(shí)提供 完備的理論依據(jù)。
[0017] 采樣的行波信號(hào)是被白噪聲干擾、具有脈沖特性的非平穩(wěn)時(shí)間序列，它可被描述 為： 式中，(泥為采樣長(zhǎng)度)是被白噪聲干擾的行波序列，^^是純凈的 行波序列，為觀測(cè)白噪聲。
[0018] 根據(jù)行波信號(hào)的非平穩(wěn)性和突變性，去噪后純凈的行波序列4可通過(guò)?穩(wěn)定分 布-TVAR模型所描述 式中，氣是時(shí)變的自回歸系數(shù)』代表模型的階次，辦，爲(wèi)#是服 從《穩(wěn)定分布的隨機(jī)噪聲。H#、蘆分別指特征指數(shù)、分散系數(shù)、對(duì)稱(chēng)參數(shù)、位置參數(shù)，它 們的取值能完全控制穩(wěn)定分布特性。
[0019] 為了估計(jì)出模型中的參數(shù)，需建立如下的狀態(tài)空間模型：
其中，，且:筆為系統(tǒng)真實(shí)的狀態(tài)變量， 見(jiàn)為系統(tǒng)擴(kuò)展的狀態(tài)變量，以及觀測(cè)變量心，系統(tǒng) 矩陣
，觀測(cè)矩陣葬V叫，瑪氣乂)'是參數(shù)擾動(dòng)量 即人工噪聲，：4~網(wǎng)<1^:)是觀測(cè)高斯白噪聲。
[0020] 基于上述狀態(tài)空間模型，利用兩類(lèi)以參數(shù)噪聲統(tǒng)計(jì)特性估計(jì)為核心、帶時(shí)變遺忘 因子的自適應(yīng)粒子濾波算法，估計(jì)出行波信號(hào)模型中的參數(shù)。根據(jù)估計(jì)出的模型參數(shù)，提取 以TVAR模型的自回歸系數(shù)、〃穩(wěn)定分布中的分布參數(shù)a、:：f和峭度所組成的時(shí)域特征量組， 以及由瞬時(shí)頻率所表示的時(shí)頻特征量。綜合分析上述關(guān)聯(lián)特征量組，對(duì)比不同影響因素和 故障情況下特征量的差異，準(zhǔn)確提取能夠全面反映行波故障信息的特征量，實(shí)現(xiàn)行波信號(hào) 的準(zhǔn)確識(shí)別。如，線路故障嚴(yán)重時(shí)，則特征指數(shù)?值較小，否則，線路未故障或輕微故障時(shí)， 則特征指數(shù)《值較大；當(dāng)線路雷擊未造成故障時(shí)，雷擊前后電流整體幅值變化不大，則分散 系數(shù):r值變化不大，保持在某一穩(wěn)定水平，否則，當(dāng)線路雷擊造成故障時(shí)，雷擊前后電流整 體幅值變化大，則分散系數(shù)f值變化大;在故障信號(hào)微弱如輕微故障時(shí)，則可通過(guò)峭度值的 變化來(lái)進(jìn)行判斷。
【主權(quán)項(xiàng)】
1. 一種行波信號(hào)的參數(shù)化識(shí)別方法，包括如下步驟： 1) 根據(jù)行波信號(hào)的脈沖特性和非平穩(wěn)特性，構(gòu)建由《穩(wěn)定分布驅(qū)動(dòng)的時(shí)變自回歸模 型(〃穩(wěn)定分布-TVAR模型）； 2) 針對(duì)模型的非高斯性以及時(shí)變參數(shù)突變的延遲性，提出以參數(shù)噪聲統(tǒng)計(jì)特性估計(jì) 為核心、帶時(shí)變遺忘因子的自適應(yīng)粒子濾波算法，用于行波信號(hào)建模的參數(shù)估計(jì)中； 3) 根據(jù)估計(jì)出的模型系數(shù)計(jì)算分?jǐn)?shù)低階時(shí)變功率譜，提取以參數(shù)幅值特征的時(shí)域特 征量和以分?jǐn)?shù)低階時(shí)變功率譜表征的時(shí)頻域特征量； 4) 根據(jù)估計(jì)出的α穩(wěn)定分布參數(shù)值提取行波信號(hào)的時(shí)域特征量； 5) 根據(jù)時(shí)域和時(shí)頻域的多種關(guān)聯(lián)特征量組，準(zhǔn)確提取能夠全面反映行波故障信號(hào)的 特征量，實(shí)現(xiàn)復(fù)雜行波信號(hào)和微弱行波信號(hào)的可靠準(zhǔn)確辨識(shí)。2. 根據(jù)權(quán)利要求1所述行波信號(hào)的參數(shù)化識(shí)別方法，其特征在于:所述步驟1)中，行波 信號(hào)的α穩(wěn)定分布-TVARM刑先.其中，是時(shí)變的自回歸系數(shù)，Jr代表模型的階是服 從《穩(wěn)定分布的隨機(jī)噪聲，且〃、::Γ、及、私分別指特征指數(shù)、分散系數(shù)、對(duì)稱(chēng)參數(shù)、位置參數(shù)， 它們的取值能完全控制&穩(wěn)定分布特性； TVAR模型自回歸系數(shù)吒》的動(dòng)態(tài)變化情況能很好地反映信號(hào)的動(dòng)態(tài)特性，即自回歸系數(shù) 的突變或緩慢變化分別對(duì)應(yīng)行波信號(hào)的突變(如雷擊沖擊或故障沖擊)或緩慢變化，由 此可提取以模型自回歸系數(shù)奇異值表示的時(shí)域特征量;而且，根據(jù)時(shí)變自回歸系數(shù)％▲的值 可以計(jì)算出信號(hào)的瞬時(shí)頻率，由此可提取由瞬時(shí)頻率所組成的時(shí)頻特征量； 在α穩(wěn)定分布中，與行波信號(hào)特征相關(guān)的兩參數(shù)《和Γ分別表征信號(hào)的脈沖水平和故 障程度;g卩，《值越小，信號(hào)的整體脈沖特性越強(qiáng)；7越大，信號(hào)的整體幅值變化越大； 這兩個(gè)參數(shù)都與故障程度和故障信息密切相關(guān)，因此，可以將它們作為衡量信號(hào)脈沖 特性和故障程度的參數(shù)特征量。3. 根據(jù)權(quán)利要求1所述行波信號(hào)的參數(shù)化識(shí)別方法，其特征在于:所述步驟2)中，模型 參數(shù)估計(jì)方法如下：- I分布-TVAR模型所有待估計(jì)的參數(shù)；為了準(zhǔn)確估i+m樽型中白冋咁系教以及純凈桿被信號(hào)，詵取狀杰奪投If， 且 ? 擴(kuò) 其中，系統(tǒng)矩 是參數(shù)擾動(dòng)量即y基于上述狀態(tài)空間模型，利用自適應(yīng)濾波算法即可估計(jì)出模型狀態(tài)和參數(shù)。4. 根據(jù)權(quán)利要求1所述行波信號(hào)的參數(shù)化識(shí)別方法，其特征在于:所述步驟3)中提取以 模型自回歸系數(shù)％*奇異值表示的時(shí)域特征量，即：自回歸系數(shù)的奇異值點(diǎn)對(duì)應(yīng)行波信號(hào)的 突變，如雷擊沖擊或故障沖擊。5. 根據(jù)權(quán)利要求1所述行波信號(hào)的參數(shù)化識(shí)別方法，其特征在于:所述步驟3)中信號(hào)的 α譜密度函數(shù)的估計(jì)如下：由上式瞬時(shí)頻率所組成的時(shí)頻圖中，行波波頭會(huì)在該時(shí)頻圖中表現(xiàn)為高頻突變，由此 可以通過(guò)頻率突變點(diǎn)的時(shí)間位置確定行波到達(dá)時(shí)間，實(shí)現(xiàn)對(duì)行波波頭的準(zhǔn)確檢測(cè)。6. 根據(jù)權(quán)利要求1所述行波信號(hào)的參數(shù)化識(shí)別方法，其特征在于:所述步驟4)中根據(jù)估 計(jì)估計(jì)的特征指數(shù)?來(lái)判斷線路故障程度，即其值越小，說(shuō)明行波信號(hào)的脈沖性越強(qiáng)，在無(wú) 噪聲或弱噪聲情況下，線路故障越嚴(yán)重，反之亦然。7. 根據(jù)權(quán)利要求1所述行波信號(hào)的參數(shù)化識(shí)別方法，其特征在于:所述步驟4)中根據(jù)估 計(jì)的分散系數(shù)/來(lái)區(qū)分雷擊干擾和雷擊故障，即：若其值變化不大，保持在某一穩(wěn)定水平， 則雷擊未造成故障;若其值變化大，則雷擊造成故障。
【文檔編號(hào)】G06K9/00GK105893976SQ201610246191
【公開(kāi)日】2016年8月24日
【申請(qǐng)日】2016年4月20日
【發(fā)明人】席燕輝, 李澤文, 趙廷, 郭田田
【申請(qǐng)人】長(zhǎng)沙理工大學(xué)