欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202311586339X
申请人: 南昌航空大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于改进小波变换算法的配电网故障辨识方法,其特征在于,包括:获取输入的零序电压信号 ;

根据预设的信号小波分解规则对零序电压信号 进行 次分解,得到一目标近似分量和 个细节分量,其中,在对零序电压信号 进行分解过程中,每次分解后均生成一近似分量和一细节分量,所述根据预设的信号小波分解规则对零序电压信号 进行 次分解,得到一目标近似分量和 个细节分量包括:依据动态采样频率与所需频率段之间的关系给出限制分解区间;

依据限制分解区间各近似分量的信息熵排序并求相邻两层之间的比值,直至比值不小于目标阈值,得到最终分解层数,其中,计算最终分解层数的表达式为:,

式中, 为最终分解层数, 为采样频率, 为限制频率, 为对采样频率与限制频率的比值取对数;

对零序电压信号 进行一次分解,得到第一近似分量和第一细节分量,并对第一近似分量进行二次分解,得到第二近似分量和第二细节分量,直至分解达到最终分解层数,得到一目标近似分量和 个细节分量;

将一目标近似分量和 个细节分量相加得到第一重构信号,并计算第一重构信号的第一样本熵;

判断第一重构信号的第一样本熵与零序电压信号 的目标样本熵的比值是否小于预设阈值;

若第一重构信号的第一样本熵与零序电压信号 的第二样本熵的比值小于预设阈值,则对一目标近似分量和 个细节分量进行降采样,并将降采样后的一目标近似分量和个细节分量相加得到第二重构信号,直至第二重构信号的第二样本熵与零序电压信号的目标样本熵的比值不小于预设阈值;

将第二重构信号中一目标近似分量的样本熵和 个细节分量的样本熵组合成故障特征向量 ,并将故障特征向量输入至预设的故障分类模型中,最终输出故障类型的分布概率,其中, 为第k个目标近似分量的样本熵, 为第k个细节分量的样本熵, 为第k‑1个细节分量的样本熵, 为第1个细节分量的样本熵。

2.根据权利要求1所述的一种基于改进小波变换算法的配电网故障辨识方法,其特征在于,其中,对零序电压信号 进行 次分解的表达式为:,

式中,为待处理的数据, 为不同尺度和位置的小波基函数, 为零序电压信号。

3.根据权利要求1所述的一种基于改进小波变换算法的配电网故障辨识方法,其特征在于,所述计算第一重构信号的第一样本熵包括:给定窗口长度m,构造出一组m维矢量: ,其中, 为第i点开始的若干个长度为m的向量的集合, 为第i点开始的长度为m的向量, 为第i+1点开始的长度为m的向量, 为第i+m‑1点开始的长度为m的向量,, 为总维数;

遍历所有的 和 的距离 ,其中

,式中a表示 和 中第a个位置元

素, 为 和 相同位置元素的最大差值,且 ,得到种组合;

将 小于 的数量与 为任意值时的总数量的比值记为 ,并根据 小于 的数量与 为任意值时的总数量的 计算 ,计算的表达式为:

,

式中, 为两个序列在相似容限阈值 下匹配m个点的概率, 为 总的矢量个数,为相似容限阈值;

将维数加1,变为m+1维矢量,并根据更新后的 小于 的数量与 为任意值时的总数量的比值计算 ;

根据 和 计算第一重构信号的样本熵,其中,计算第一重构信号的样本熵的表达式为:,

式中, 为长度为m,相似容限阈值为 时的样本熵。

4.根据权利要求1所述的一种基于改进小波变换算法的配电网故障辨识方法,其特征在于,在判断第一重构信号的第一样本熵与零序电压信号 的目标样本熵的比值是否小于预设阈值之后,所述方法还包括:若第一重构信号的第一样本熵与零序电压信号 的目标样本熵的比值不小于预设阈值,则确定分解层数,并将第一重构信号中一目标近似分量的样本熵和 个细节分量的样本熵组合成故障特征向量 。

5.根据权利要求1所述的一种基于改进小波变换算法的配电网故障辨识方法,其特征在于,在将第二重构信号中一目标近似分量的样本熵和 个细节分量的样本熵组合成故障特征向量 之后,所述方法还包括:对所有接地特征向量的维度取最大值,当故障特征向量的维度小于最大特征向量维度时,在故障特征向量中进行补0,直到等于最大特征向量维度。

6.根据权利要求1所述的一种基于改进小波变换算法的配电网故障辨识方法,其特征在于,所述故障分类模型包括卷积层、池化层和全连接层;

所述将故障特征向量 输入至预设的故障分类模

型包括:

将故障特征向量 输入卷积神经网络,经过卷积层和池化层处理后,输入全连接层进行分类,最终输出故障类型的分布概率。

7.一种基于改进小波变换算法的配电网故障辨识系统,其特征在于,包括:获取模块,配置为获取输入的零序电压信号 ;

分解模块,配置为根据预设的信号小波分解规则对零序电压信号 进行 次分解,得到一目标近似分量和 个细节分量,其中,在对零序电压信号 进行分解过程中,每次分解后均生成一近似分量和一细节分量,所述根据预设的信号小波分解规则对零序电压信号进行 次分解,得到一目标近似分量和 个细节分量包括:依据动态采样频率与所需频率段之间的关系给出限制分解区间;

依据限制分解区间各近似分量的信息熵排序并求相邻两层之间的比值,直至比值不小于目标阈值,得到最终分解层数,其中,计算最终分解层数的表达式为:,

式中, 为最终分解层数, 为采样频率, 为限制频率, 为对采样频率与限制频率的比值取对数;

对零序电压信号 进行一次分解,得到第一近似分量和第一细节分量,并对第一近似分量进行二次分解,得到第二近似分量和第二细节分量,直至分解达到最终分解层数,得到一目标近似分量和 个细节分量;

计算模块,配置为将一目标近似分量和 个细节分量相加得到第一重构信号,并计算第一重构信号的第一样本熵;

判断模块,配置为判断第一重构信号的第一样本熵与零序电压信号 的目标样本熵的比值是否小于预设阈值;

降采样模块,配置为若第一重构信号的第一样本熵与零序电压信号 的第二样本熵的比值小于预设阈值,则对一目标近似分量和 个细节分量进行降采样,并将降采样后的一目标近似分量和 个细节分量相加得到第二重构信号,直至第二重构信号的第二样本熵与零序电压信号 的目标样本熵的比值不小于预设阈值;

输出模块,配置为将第二重构信号中一目标近似分量的样本熵和 个细节分量的样本熵组合成故障特征向量 ,并将故障特征向量输入至预设的故障分类模型中,最终输出故障类型的分布概率,其中, 为第k个目标近似分量的样本熵, 为第k个细节分量的样本熵, 为第k‑1个细节分量的样本熵, 为第1个细节分量的样本熵。

8.一种电子设备,其特征在于,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至6任一项所述的方法。

9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至6任一项所述的方法。