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: 2025111018172
申请人: 安徽大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
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:

1.一种超高压高次谐波频率测量方法,其特征在于,包括:

根据电力系统的时变频率信号特性,利用基于强化学习的自适应窗信息设计算法动态选择针对当前电力系统运行状态最优的窗函数类型、窗口长度和滑动步长;

基于所选的窗函数类型、窗口长度和滑动步长,对时变频率信号执行短时傅里叶变换,在短时傅里叶变换过程中识别变换结果中的正频率成分和负频率成分,保留正频率成分并删除负频率成分,从而将时变频率信号从时域表示转换为时频域表示的二维时频矩阵;

基于二维时频矩阵确定谱线位置,基于主谱线位置、针对时变频率信号的采样率以及所选的窗口长度,确定电力系统的超高压高次谐波频率。

2.根据权利要求1所述的超高压高次谐波频率测量方法,其特征在于,根据电力系统的时变频率信号特性,利用基于强化学习的自适应窗信息设计算法动态选择针对当前电力系统运行状态最优的窗函数类型、窗口长度和滑动步长,包括:根据电力系统的时变频率信号特性,设计并部署一个具备感知能力的智能体,并定义窗函数类型集合、窗口长度集合和滑动步长集合,其中,智能体能够实时地从运行环境中采集电力系统的频率信号;

构建策略梯度网络作为智能体的核心决策单元;

构建评估网络,其中,评估网络用于接收频谱信息作为输入,并对智能体执行动作后的结果进行评估,动作定义为选择不同的窗函数类型、窗口长度及滑动步长;

迭代执行以下窗信息选择过程:

将策略梯度网络作为智能体的核心决策单元,利用智能体将当前电力系统的高次谐波频率分布状态作为输入,基于该高次谐波频率分布状态,利用softmax函数进行采样,从多个可选动作中选择一个动作;

智能体根据选定的动作对电力系统的频率信号进行处理,选择相应的窗函数类型、窗口长度及滑动步长;

利用评估网络接收智能体执行动作后的结果进行评估,并生成奖励值反馈给智能体;

智能体根据当前的高次谐波频率分布状态、所选动作以及由此产生的奖励值,计算梯度并更新策略梯度网络;

在策略梯度网络达到收敛状态时,将当前所选动作对应的窗函数类型、窗口长度和滑动步长确定为针对当前电力系统运行状态最优的窗函数类型、窗口长度和滑动步长;

在策略梯度网络未达到收敛状态时,继续执行下一次窗信息选择过程。

3.根据权利要求2所述的超高压高次谐波频率测量方法,其特征在于,高次谐波频率分布状态包括当前信号的频率成分分布、幅值变化趋势以及相邻时刻之间的时频相关性信息。

4.根据权利要求1所述的超高压高次谐波频率测量方法,其特征在于,基于所选的窗函数类型、窗口长度和滑动步长,对时变频率信号执行短时傅里叶变换,在短时傅里叶变换过程中识别变换结果中的正频率成分和负频率成分,保留正频率成分并删除负频率成分,从而将时变频率信号从时域表示转换为时频域表示的二维时频矩阵,包括:采用基于所选窗函数类型和窗口长度的可平移有限长窗函数,对时变频率信号进行时域截断,并在每个窗口位置对加窗的时变频率信号进行傅里叶变换,以获取对应的局部频谱特征;

在短时傅里叶变换过程中识别变换结果中的正频率成分和负频率成分,保留正频率成分并删除负频率成分;

根据所选滑动步长依次移动窗函数,逐步遍历整个时变频率信号的时间轴,将各窗口位置下的局部频谱特征组合为频谱结果序列,构建二维时频矩阵,其中,二维时频矩阵的每一列代表在不同时间位置对信号加窗后所得分段的频谱结果序列。

5.根据权利要求4所述的超高压高次谐波频率测量方法,其特征在于,局部频谱特征通过以下公式获得:,

表示窗函数沿时间轴滑动的时间点,表示角频率,表示在时间点处、角频率下的局部频谱特征,表示时域变量,表示时变频率信号,表示中心位于时间点τ的窗函数,二维时频矩阵由所有的组合构成。

6.根据权利要求1所述的超高压高次谐波频率测量方法,其特征在于,基于二维时频矩阵确定谱线位置,基于主谱线位置、针对时变频率信号的采样率以及所选的窗口长度,确定电力系统的超高压高次谐波频率,包括:对二维时频矩阵的每一列执行峰值搜索操作,识别能量最大的谱线索引,作为主谱线位置的整数部分;

对二维时频矩阵中的元素进行平方处理以增强峰值对比度,并从中提取局部最大幅度的频谱分量、局部次大幅度的频谱分量和局部第三大幅度的频谱分量;

基于局部最大幅度的频谱分量、局部次大幅度的频谱分量和局部第三大幅度的频谱分量,结合所选窗函数对应的多项式拟合参数,计算主谱线位置的小数偏移量;

基于主谱线位置的整数部分和小数偏移量、针对时变频率信号的采样率以及所选的窗口长度,确定电力系统的超高压高次谐波频率。

7.根据权利要求6所述的超高压高次谐波频率测量方法,其特征在于,基于局部最大幅度的频谱分量、局部次大幅度的频谱分量和局部第三大幅度的频谱分量,结合所选窗函数对应的多项式拟合参数,计算主谱线位置的小数偏移量,包括:基于局部最大幅度的频谱分量、局部次大幅度的频谱分量和局部第三大幅度的频谱分量,通过以下公式计算插值系数:,其中,表示插值系数,表示局部最大幅度的频谱分量,表示局部次大幅度的频谱分量,表示局部第三大幅度的频谱分量;

基于插值系数和所选窗函数对应的多项式拟合参数,计算主谱线位置的小数偏移量。

8.根据权利要求6所述的超高压高次谐波频率测量方法,其特征在于,电力系统的超高压高次谐波频率通过以下公式计算得到:,其中,表示电力系统的超高压高次谐波频率,表示主谱线位置,表示主谱线位置的整数部分,表示主谱线位置的小数偏移量,表示针对时变频率信号的采样率,表示所选的窗口长度。

9.一种超高压高次谐波频率测量装置,其特征在于,包括:

接收信号处理模块,被配置为:在目标接收器的原始接收声波信号中提取包含目标带宽内有用成分的有效接收声波信号,目标带宽是目标声源所发射声波信号的频率范围;

窗信息选择模块,被配置为:根据电力系统的时变频率信号特性,利用基于强化学习的自适应窗信息设计算法动态选择针对当前电力系统运行状态最优的窗函数类型、窗口长度和滑动步长;

频率信号转换模块,被配置为:基于所选的窗函数类型、窗口长度和滑动步长,对时变频率信号执行短时傅里叶变换,在短时傅里叶变换过程中识别变换结果中的正频率成分和负频率成分,保留正频率成分并删除负频率成分,从而将时变频率信号从时域表示转换为时频域表示的二维时频矩阵;

谐波频率确定模块,被配置为:基于二维时频矩阵确定谱线位置,基于主谱线位置、针对时变频率信号的采样率以及所选的窗口长度,确定电力系统的超高压高次谐波频率。

10.一种电子设备,包括处理器和存储有程序指令的存储器,其特征在于,处理器被配置为在运行程序指令时,执行如权利要求1至8任一项所述的超高压高次谐波频率测量方法。