一种基于滑模控制算法的自适应电压采样方法

本发明涉及电压采样方法，尤其涉及一种基于滑模控制算法的自适应电压采样方法。

背景技术：

1、在电力系统中，准确的电压采样对于电网的监控、保护和控制至关重要。传统的电压采样系统往往采用固定频率的采样方法，这在电压信号波动较大时可能导致采样数据失真，无法准确反映电压的真实情况。因此，开发一种能够根据电压信号变化自适应调整采样率的系统变得尤为重要。

2、经检索，中国专利申请号为cn202110658361.5的专利，公开了一种基于bilstm的高压断路器操作电压采样方法。为了克服现有技术断路器操作电压采样频率过高，影响数据采集设备的运行速度，影响设备的使用寿命的问题；本发明包括以下步骤：s1：采集电网数据和断路器操作数据，结合历史数据训练bilstm模型；s2：将实时采集的电网数据输入到训练好的bilstm模型中，预测断路器操作电压状态；s3：断路器收到操作指令后，根据预测的断路器操作电压状态自适应调整操作电压采样频率，采集断路器操作电压。上述专利中的电压采样方法存在以下不足：虽能够满足一定的采样需求，但是动态响应能力不足，不能够很好的适应电压信号的实时变化，还有待改进。

技术实现思路

1、本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于滑模控制算法的自适应电压采样方法。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种基于滑模控制算法的自适应电压采样方法，通过自适应电压采样系统实现，该系统包括：

4、电压信号预处理模块：负责对输入的电压信号进行滤波和放大处理，以消除噪声并提升信号质量；

5、滑模控制器设计模块：根据电压信号的特性设计滑模控制律，确保采样系统能够快速响应电压信号的变化；滑模控制律可描述为：

6、

7、其中，x是系统状态变量，f(x,t)是非线性动态模型，g(x,t)是控制增益，u是控制输入；滑模面定义为s(x)＝0；通过设计合适的切换函数和控制律，保证系统状态在有限时间内到达并沿着滑模面运动；

8、自适应采样率调整模块：根据滑模控制器输出的信号动态调整采样率；采样率调整规则可以表示为：

9、

10、其中，ts(k)是当前采样周期，δts是采样周期调整步长，δs是滑模面的变化量，φ是边界层厚度，sat(·)是饱和函数；

11、数字信号处理器(dsp)模块：负责执行自适应采样算法，并处理采样得到的离散电压数据；

12、后处理与输出模块：对采样数据进行进一步的数字信号处理，并将处理后的电压数据输出至监控系统或控制系统。

13、优选的：所述电压信号预处理模块，包括：

14、噪声过滤单元：采用高通、低通和带通滤波器去除信号中的高频噪声和无关低频成分；

15、信号放大单元：对滤波后的信号进行必要的放大处理，确保信号幅值适合后续处理；

16、信号平滑单元：通过软件算法如移动平均或中值滤波进一步平滑处理信号，减少野值影响；

17、所述滑模控制器设计模块，包括：

18、动态建模单元：建立电压信号的非线性动态模型，为滑模控制提供基础；

19、控制律设计单元：设计滑模控制律，确定切换函数和控制增益，以保障系统状态能快速达到滑模面；

20、滑模面优化单元：根据实际信号特性，动态调整滑模面参数，优化系统性能；

21、所述自适应采样率调整模块，包括：

22、采样周期计算单元：根据当前信号特性和滑模控制器输出，计算下一时刻的采样周期；

23、时间同步单元：确保采样时刻的准确性，与系统时钟同步，避免时间误差累积；

24、采样性能评估单元：实时评估采样数据的质量，反馈至控制律设计单元进行参数调整。

25、优选的：所述数字信号处理器模块，包括：

26、算法执行单元：执行自适应采样算法，管理整个采样过程；

27、数据处理单元：对采样得到的离散电压数据进行初步处理；

28、资源管理单元：优化处理器资源使用，确保高效和稳定的数据处理能力；

29、所述数字信号处理器模块的算法执行单元使用离散时间滑模控制算法，表示为：

30、u(k)＝u(k-1)+δu(k)

31、其中，u(k)是在时刻k的控制输出，δu(k)是控制增量，由滑模控制律给出；

32、数据处理单元执行离散傅里叶变换进行频域分析，公式为：

33、

34、其中，x[n]是时域内的采样数据，x(ejw)是频域内的频率响应。

35、优选的：所述后处理与输出模块，包括：

36、数据校正单元：对采样数据进行校正，消除系统误差；

37、数据缓冲单元：临时存储处理后的数据，保证数据完整性和输出连续性；

38、输出接口单元：将处理后的电压数据通过标准接口输出至监控系统或控制系统。

39、优选的：所述自适应电压采样系统还包括：

40、滑模参数优化模块：通过实时监测电压信号的特性，使用支持向量机或深度学习方法来调整滑模控制的参数；

41、故障检测与隔离模块：利用滑模控制器的输出特性，设计故障检测算法来识别电压信号中的异常事件；一旦检测到故障，自动隔离故障部分，防止错误数据影响整个采样系统；

42、数据融合模块：将来自不同相位或不同传感器的电压数据进行融合处理，利用卡尔曼滤波或粒子滤波技术进行数据整合。

43、优选的：所述滑模参数优化模块，包括：

44、参数监测单元：实时监测电压信号的特性，收集用于参数调整的数据；

45、机器学习优化单元：应用机器学习算法，自动调整滑模控制参数；

46、性能反馈单元：评估优化效果，根据系统性能调整优化策略。

47、优选的：所述滑模参数优化模块采用支持向量机(svm)进行参数优化，其目标函数表示为：

48、

49、服从约束：

50、yi(wtφ(xi)+b)≥1-ξi,ξi≥0,i＝1,…,l

51、其中，w是超平面的法向量，b是偏置项，c>0是正则化参数，ξi是松弛变量，φ(xi)是将样本xi映射到高维空间的函数。

52、优选的：所述故障检测与隔离模块，包括：

53、故障识别单元：利用滑模控制器的输出特性，通过模式识别技术检测电压信号中的异常事件；

54、故障定位单元：确定故障发生的具体位置，为隔离操作提供依据；

55、故障隔离执行单元：自动隔离检测到的故障部分，防止错误数据影响系统工作；

56、所述数据融合模块，包括：

57、数据对准单元：对来自不同相位或传感器的数据进行时间对准和同步；

58、融合算法单元：应用卡尔曼滤波或粒子滤波技术，对多源数据进行有效融合；

59、结果优化单元：优化融合结果，确保数据的高准确性和鲁棒性。

60、优选的：所述滑模参数优化模块通过支持向量机动态调整滑模控制参数，通过深度学习方法构建神经网络来自适应学习滑模控制的参数，其中，支持向量机优化目标表示为：

61、

62、其中，w是超平面的法向量，b是偏置项，c是正则化参数，ξi是松弛变量；旨在最大化两类间的间隔同时最小化分类误差；

63、其中，网络的损失函数表示为：

64、

65、其中，θ是网络参数，p(yt|xt；θ)是在给定输入xt下预测的概率，λ‖θ‖2是正则化项。

66、优选的：包括如下步骤：

67、s1：首先对电压信号进行预处理，以消除噪声和不必要的高频成分；

68、s2：然后，根据预处理后的电压信号特性设计滑模控制律，并通过自适应采样率调整模块动态调整采样频率；

69、s3：数字信号处理器负责执行上述算法，并对采样数据进行处理；

70、s4：通过滑模参数优化模块和故障检测与隔离模块增强系统的智能化和可靠性；

71、s5：最后，通过后处理与输出模块将处理后的电压数据输出至所需的监控系统或控制系统。

72、本发明的有益效果为：

73、1.本发明能够根据电压信号的实际变化自适应调整采样率，提高采样数据的质量和准确性；采用滑模控制算法，增强了系统对不确定性和外部干扰的鲁棒性。

74、2.本发明引入滑模参数优化和故障检测与隔离模块，提升了系统的智能化水平和可靠性。

75、3.本发明通过设置数据融合模块，进一步增强了系统的数据处理能力和精确度。