基于优化算法的电力系统故障信号检测与波形识别方法
【专利摘要】本发明公开了一种基于优化算法的电力系统故障信号检测与波形识别方法，其方法如下：首先利用电流互感器采集电力系统信号数据，通过互感器与数据采集卡连接，由数据采集卡转换为数字信号发给上位机；然后在上位机采用优化算法估计电力系统信号的基波分量（包括振幅、频率、相位）、谐波分量（包括各谐波的振幅、频率、相位）、指数衰减的直流偏移（包括幅值、时间常数）及故障起始点，最后根据这些估计参数重构电力系统信号，优化目标为重构信号与实测信号之间的最小二乘方差误差最小。本发明能够准确估计在无故障及有故障情况下的信号参数；故障起始点的检测与故障信号波形的识别同时进行，优化算法能够在半周期长的采样窗口内完成上述两项任务。
【专利说明】基于优化算法的电力系统故障信号检测与波形识别方法
【技术领域】
[0001]本发明涉及电力系统保护的【技术领域】，尤其是指一种基于优化算法的电力系统故障信号检测与波形识别方法。
【背景技术】
[0002]继电保护是指在电力系统发生故障后，通过将故障部分隔离出电力系统来保护整个系统的正常运行，要求继电保护系统在故障发生的时刻就迅速做出正确的反应，确保由故障引起的损失降至最小。电力系统故障信号表现为信号幅值突然增加，且含有谐波分量。电力系统继电保护的基本原理沿用了半个多世纪一直未有改变，几乎全部算法都基于积分变换，如傅里叶变换和小波变换。积分变换的一个主要不足在于它仅能提供信号的平均特性，它需要在一个采样窗口内进行复杂的积分计算，以得到与信号特征相关的参数，再通过一定的算法给出这些特征与系统故障之间的关系。由于积分计算相对复杂，涉及到的采样点较多，这类保护算法需要较长的计算时间，在用于实时保护或在需要处理快速瞬变和高次谐波时，需要配套具有高速计算能力的设备。另外，由于对暂态信号做了周期性假设，积分变换导致细节特征提取的准确度大大降低。对于存在时间短且微弱的瞬时信号，由于采样窗口长、幅值变形、相位偏移、积分计算等不利因素，传统的基于傅里叶变换的继电保护算法无法做到精确定位和提取。可以看出，传统继电保护算法存在不准确、反应时间长、易被噪声干扰、可靠性差等缺点，因此需要研发一种新的算法代替传统算法。
[0003]另外，故障信号通常含有指数衰减的直流分量，该分量的存在严重影响了傅里叶变换的准确度。解决这一问题的传统方法有两类，一是首先去除直流分量，再应用福利叶变换；二是识别直流分量的参数。第一类方法对滤波器的要求较高，所需计算量较大。第二类方法采用泰勒展开的前两项代替指数分量，再采用最小均方误差曲线拟合技术估计故障信号的谐波分量，其缺点在于二阶泰勒展开将引入较大误差，且曲线拟合的计算效率较低。
【发明内容】
[0004]本发明的目的在于克服现有技术的不足，提供一种可以在线检测与识别，且准确率高、计算效率高的基于优化算法的电力系统故障信号检测与波形识别方法。
[0005]为实现上述目的，本发明所提供的技术方案为:基于优化算法的电力系统故障信号检测与波形识别方法，包括以下步骤:
[0006]I)利用电流互感器采集现场电力系统信号数据，通过电流互感器与数据采集卡连接，并由数据采集卡转换为数字信号发送至上位机；
[0007]2)在上位机中，分别建立电力系统正常信号及故障信号模型,随机选取模型参数，并假设故障起始点，在故障起始点之前使用正常信号模型，在故障起始点之后使用故障信号模型，执行下面步骤3);
[0008]3)步骤2)中建立的电力系统信号称为重构信号，该信号与实测信号具有较大误差，即随机选取的模型参数无法表达实测信号，采用优化算法对模型参数进行优化，优化目标为重构信号与实测信号之间的误差达到最小，使得优化后的模型参数能够精确表达实测信号。
[0009]在步骤3)中，所述优化算法仅需半周期长的采样窗口，在该半周期长的采样窗口内建立故障信号的综合模型，初始模型参数随机选取；窗口移动步长最大可为四分之一周期，最小可为一个采样点；在识别采样窗口内数据的参数时，优化算法本身所需时间小于四分之一周期。
[0010]所述步骤2)包括如下步骤:
[0011]2.1)电力系统正常信号为正弦波，建立电力系统正常信号模型如下:
[0012]
【权利要求】
1.基于优化算法的电力系统故障信号检测与波形识别方法，其特征在于，包括以下步骤: 1)利用电流互感器采集现场电力系统信号数据，通过电流互感器与数据采集卡连接，并由数据采集卡转换为数字信号发送至上位机； 2)在上位机中，分别建立电力系统正常信号及故障信号模型，随机选取模型参数，并假设故障起始点，在故障起始点之前使用正常信号模型，在故障起始点之后使用故障信号模型，执行下面步骤3); 3)步骤2)中建立的电力系统信号称为重构信号，该信号与实测信号具有较大误差，即随机选取的模型参数无法表达实测信号，采用优化算法对模型参数进行优化，优化目标为重构信号与实测信号之间的误差达到最小，使得优化后的模型参数能够精确表达实测信号。
2.根据权利要求1所述的基于优化算法的电力系统故障信号检测与波形识别方法，其特征在于:在步骤3)中，所述优化算法仅需半周期长的采样窗口，在该半周期长的采样窗口内建立故障信号的综合模型，初始模型参数随机选取；窗口移动步长最大可为四分之一周期，最小可为一个采样点；在识别采样窗口内数据的参数时，优化算法本身所需时间小于四分之一周期。
3.根据权利要求1所述的基于优化算法的电力系统故障信号检测与波形识别方法，其特征在于: 所述步骤2)包括如下步骤: `2.1)电力系统正常信号为正弦波，建立电力系统正常信号模型如下:
4.根据权利要求1或2所述的基于优化算法的电力系统故障信号检测与波形识别方法，其特征在于:所述优化算法为双细菌优化算法，包括以下步骤: ①在第k次迭代过程中，主细菌位置为识”，其中η为搜索空间维数，其初始位置随机选取；②在第k次迭代过程中，伴随细菌位置为文\Xk =Xk+SDk，其中，OD1 = !(V.., 0,4,0,…,O!.表示伴随细菌与主细菌位置仅第I维不同，I = 1，2，…，η随机选取；< =V1(Utjz),其中，ri e [-1, I]为服从均匀分布的随机数，BupJP Bltjl分别为第I维的边界，系数C1有两个可能取值，分别为0.05和I ;当(^ = 0.05时，伴随细菌位于主细菌附近，当C1 = I时，伴随细菌位于解空间内的一个随机位置；③由于伴随细菌与主细菌位置仅第I维不同，故仅针对第I维计算二者间伪梯度，公式为:
5.根据权利要求4所述的基于优化算法的电力系统故障信号检测与波形识别方法，其特征在于:采用双细菌优化算法识别模型参数的计算时间小于5毫秒。
6.根据权利要求1所述的基于优化算法的电力系统故障信号检测与波形识别方法，其特征在于:所述上位机为工控机或PC机。
【文档编号】G01R31/00GK103675544SQ201310661238
【公开日】2014年3月26日 申请日期:2013年12月9日 优先权日:2013年12月9日
【发明者】吴青华, 李梦诗, 季天瑶 申请人:华南理工大学