基于小波变换的电气化铁路运行工况识别方法技术

本发明专利技术提供了一种基于小波变换的电气化铁路运行工况分类方法，包括如下步骤：(1)获取电气化铁路牵引网的录波数据，预处理后生成波形训练样本库；(2)生成电气化铁路运行中电流测试波形；(3)利用小波变换对训练样本进行5层分解重构，获取各层次各频段的能量特征值；(4)对训练样本用遗传算法进行学习，计算各层分解对于分类贡献的权重；(5)将电流测试波形利用小波变换进行5层分解，获取各层次各频段的能量特征值；(6)利用最终分类模型对测试波形与训练样本进行所属度比较计算，完成对测试波形的分类。该识别方法通过寻优计算识别电气化铁路实际运行工况，使得用户实时了解供电区段内电气化铁路运行情况。

【技术实现步骤摘要】
基于小波变换的电气化铁路运行工况识别方法
本专利技术涉及电气化铁路领域，具体地说，涉及基于小波变换的电气化铁路运行工况波形识别方法。
技术介绍
电气化铁路(电铁)在运输效率、节能环保等方面具有显著优势，已成为现阶段铁路建设发展的主要方向。电铁牵引负荷具有非线性、单相冲击特性，其冲击电流的负序分量能达到稳态时的几倍，在电力机车的运行过程中对电网将产生较大的影响。近年来分布式电源的爆发式增长，大量电力电子设备接入电力系统，在风电集中接入地区，铁路牵引负荷产生的负序冲击电流可能超过风机耐受能力造成风机连锁反应，其结果会使功率振荡逐渐加大导致风机大面积脱网。另一方面，随着高新技术产业的发展和电力改革的推进，电力用户对电能质量的要求逐步提高。因此研究电气化铁路的特征波形的辨识技术，为后续提出治理措施及分布式能源并网规划等问题的研究具有重要意义。一种基于小波变换的电气化铁路运行工况波形识别方法，包括下述步骤：获取电气化铁路牵引站的录波数据，预处理后生成波形训练样本库；生成电气化铁路运行中电流测试波形；利用小波变换对训练样本进行5层分解重构，获取各层次各频段的能量特征值；对训练样本用遗传算法进行学习，计算各层分解对于分类贡献的权重；将电流测试波形利用小波变换进行5层分解，获取各层次各频段的能量特征值；利用最终分类模型对测试波形与训练样本进行所属度比较计算，完成对测试波形的分类。现有技术方案专利：一种基于支持向量机的高铁电能质量数据的分类方法(申请号：CN201310601083.5)，将高铁电能质量监测数据进行预处理后作为训练和测试样本集，进行支持向量机训练，基于支持向量机的回归特征消去法进行高铁负荷电能质量的特征选择，综合分类正确率和特征子集的个数对特征子集进行优劣评估，确定最优的特征子集，利用最优特征子集训练支持向量机，利用最终的支持向量机模型对高铁电能质量的样本数据进行识别，获得高铁电能质量数据的分类。该方法选取高铁牵引供电站电能质量监测数据中68种特征指标，计算量庞大，降维过程中将68个特征值降低到13个，降低了电能质量数据分类的正确率，切该方法只能反映出高铁运行速度的快慢、牵引、制动情况，不能判断车型及其他运行状态。一种基于高铁运行特征工况波形库的波形识别方法(申请号：CN201210001045.1),该方法在波形截取过程中需要确定的周期起始点进行波形截取，主要作用在于对异常数据波段的提取和模式匹配。一种基于K均值的高铁电能质量监测数据分类方法(申请号：CN201310676852.8),该方法主要目的在于提取高铁运行过程中单辆机车运行的电能质量数据，并将不同车型的电力机车运行的电能质量数据进行分类，并不能完成对电力机车运行工况的识别。
技术实现思路
本专利技术提供了一种基于小波变换的电气化铁路运行工况波形识别方法，使得铁路运行监管人员实时了解供电区段内电气化铁路运行情况。本专利技术提供了一种基于小波变换的电气化铁路运行工况波形识别方法，，包括下述步骤：(1)获取电气化铁路牵引站的录波数据，预处理后生成波形训练样本库；(2)生成电气化铁路运行中电流测试波形；(3)利用小波变换对训练样本进行5层分解重构，获取各层次各频段的能量特征值；(4)对训练样本用遗传算法进行学习，计算各层分解对于分类贡献的权重；(5)将电流测试波形利用小波变换进行5层分解，获取各层次各频段的能量特征值；(6)利用最终分类模型对测试波形与训练样本进行所属度比较计算，完成对测试波形的分类。优选地，所述步骤(1)获取牵引网录波数据包括牵引网电压、电流、谐波含量、总谐波畸变率、有功功率、无功功率、电压波动与闪变。优选地，所述步骤(1)预处理后生成波形训练样本库按以下步骤获得：①获取的24小时牵引站录波数据后，对有车(牵引取流，不包括辅助供电)时段每3秒采样，无车时段随机采样20个；②利用小波包软阀值去噪法对电流波形进行降噪处理；③对去噪处理后的采样数据，每10个进行平均处理，转化为每30秒1个样本数据；④结合车辆运行图，对样本数据进行运行归类，归类依据“车型-工况”两个参数进行，特征工况类别包括起动、加速、减速、制动、惰行、上坡、空窗期；⑤分类后的波形生成具有L类波形训练样本库U。优选地，所述步骤(2)生成电气化铁路运行中电流测试波形要求对获取的测试波形电流数据进行初步处理，利用小波包软阀值去噪法对电流波形进行降噪，得到去噪后的测试信号V。优选地，所述步骤(3)利用小波变换对训练样本进行5层分解，获取各层次、各频段的能量特征值包含以下步骤：①利用小波变换对训练样本库U所有样本中的进行5层分解，获取各层各频段的能量特征值；②将训练样本每频段的特征值进行归一化处理，假设类别L1中第i个样本第5层分解的波形样本表达式为x'5,i,j＝(x'5,i,1,x'5,i,2,…,x'5,i,32)，j为小波分解的第5层32个特征值中的第j个特征值；归一化表达式如下：公式<1>中，n代表类别L1中共有n个训练样本数据x'5max和x'5min分别为第5层第j个特征的数据向量的最大值和最小值；x5,i,j为归一化后的值；则归一化后的第5层第i个数据样本为x5,i,j＝(x5,i,1,x5,i,2,…,x5,i,32)。优选地，所述步骤(4)对训练样本进行遗传算法进行学习，计算各层分解对于分类贡献的权重包含以下步骤：①设训练样本库U和测试信号V的笛卡尔乘积空间U×V中的一个模糊子集R，记为模糊关系；②设样本库U中一个样本波形为x，测试信号V中一个波形为y，两个波形的隶属度记为μR(x,y)，用如下方法确定；③以样本波形x和测试信号y第5层分解为例，设第5层第j个特征值对应隶属度记为μj，则有公式<2>中δ1为待定参数；两信号对应频段特征值相似关系记为μ1,μ2,…μ32，则得到向量μ＝(μ1,μ2,…μ32)，则有最相似的情况为μ＝(1,1,…,1)；④由公式〈2>定义极限情况μ0＝(0,0,…,0)，两条曲线完全不相似，则μ与μ0的欧式距离为：由公式<3>可知欧式距离越小，则μR(x,y)越大，以样本波形x和测试信号y相似程度就越好，因此定义公式<4>中δ2为待定参数，这样就得到了波形对(x,y)的模糊关系R的隶属度μR(x,y)，当μR(x,y)＝1时，x≡y；⑤根据小波分解后1-4层分解的特征值，按照上述情况计算隶属度；⑥引入每一层次的权重向量E＝(e1,e2,…e5)，作模糊推理D＝E°R，若果D＝1，两波形完全相似；D＝0，两波形完全不相似；⑦从样本库U中形成p组波形学习样本对(xm,ym)(m＝1,2,…,p)进行遗传算法学习，通过式(2)和式(4)确定参数值以及权重向量E，D'表示实际输出结果，D表示期望输出结果，则OPT＝min|D-D'|<5>即为目标评价函数；⑧将学习后所得参数存盘完成对未知参数和权重的调试计算。优选地，所述步骤(5)将电流测试波形利用小波变换进行5层分解，获取各层次各频段的能量特征值包含以下步骤；①利用小波变换对测试波形进行5层分解，获取各层各频段的能量特征值；②将训练样本本文档来自技高网...

【技术保护点】
一种基于小波变换的电气化铁路运行工况波形识别方法，其特征在于：该识别方法包括下述步骤：(1)获取电气化铁路牵引网的录波数据，预处理后生成波形训练样本库；(2)生成电气化铁路运行中电流测试波形；(3)利用小波变换对训练样本进行5层分解重构，获取各层次各频段的能量特征值；(4)对训练样本用遗传算法进行学习，计算各层分解对于分类贡献的权重；(5)将电流测试波形利用小波变换进行5层分解，获取各层次各频段的能量特征值；(6)利用最终分类模型对测试波形与训练样本进行所属度比较计算，完成对测试波形的分类。

【技术特征摘要】
1.一种基于小波变换的电气化铁路运行工况波形识别方法，其特征在于：该识别方法包括下述步骤：(1)获取电气化铁路牵引网的录波数据，预处理后生成波形训练样本库；(2)生成电气化铁路运行中电流测试波形；(3)利用小波变换对训练样本进行5层分解重构，获取各层次各频段的能量特征值；(4)对训练样本用遗传算法进行学习，计算各层分解对于分类贡献的权重；(5)将电流测试波形利用小波变换进行5层分解，获取各层次各频段的能量特征值；(6)利用最终分类模型对测试波形与训练样本进行所属度比较计算，完成对测试波形的分类。2.如权利要求1所述的电气化铁路运行工况波形识别方法，其特征在于：所述步骤(1)获取牵引网录波数据包括牵引网电压、电流、谐波含量、总谐波畸变率、有功功率、无功功率、电压波动与闪变。3.如权利要求1所述的电气化铁路运行工况波形识别方法，其特征在于：所述步骤(1)预处理后生成波形训练样本库按以下步骤获得：①获取的24小时牵引站录波数据后，对有车时段每3秒采样，无车时段随机采样20个；②利用小波包软阀值去噪法对电流波形进行降噪处理；③对去噪处理后的采样数据，每10个进行平均处理，转化为每30秒1个样本数据；④结合车辆运行图，对样本数据进行运行归类，归类依据“车型-工况”两个参数进行，特征工况类别包括起动、加速、减速、制动、惰行、上坡、空窗期；⑤分类后的波形生成具有L类波形训练样本库U。4.如权利要求1所述的电气化铁路运行工况波形识别方法，其特征在于：所述步骤(2)生成电气化铁路运行中电流测试波形要求对获取的测试波形电流数据进行初步处理，利用小波包软阀值去噪法对电流波形进行降噪，得到去噪后的测试信号V。5.如权利要求1所述的电气化铁路运行工况波形识别方法，其特征在于：所述步骤(3)利用小波变换对训练样本进行5层分解，获取各层次、各频段的能量特征值包含以下步骤：①利用小波变换对训练样本库U所有样本中的进行5层分解，获取各层各频段的能量特征值；②将训练样本每频段的特征值进行归一化处理，假设类别L1中第i个样本第5层分解的波形样本表达式为x'5,i,j＝(x'5,i,1,x'5,i,2,…,x'5,i,32)，j为小波分解的第5层32个特征值中的第j个特征值；归一化表达式如下：公式〈1〉中，n代表类别L1中共有n个训练样本数据x'5max和x'5min分别为第5层第j个特征的数据向量的最大值和最小值；x5,i,j为归一化后的值；则归一化后的第5层第i个数据样本为x5,i,j＝(x5,i,1,x5,i,2,…,x5,i,32)。6.如权利要求1所述的电气化铁路运行工况波形识别方法，其特征在于：所述步骤(4)对训练样本进行遗传算法进行学习，计算各层分解对于分类贡献的权重包含以下步骤：①设训练样本库...

【专利技术属性】
技术研发人员：和敬涵，于冰，张大海，张天宇，刘辉，王皓靖，吴林林，李蕴红，崔正湃，谢旭，袁绍军，
申请(专利权)人：北京交通大学，国网冀北电力有限公司电力科学研究院，国网冀北电力有限公司张家口供电公司，国网冀北电力有限公司承德供电公司，国家电网公司，
类型：发明
国别省市：北京,11