一种城轨列车电能质量在线监测方法及系统技术方案

本发明专利技术公开了一种城轨列车电能质量在线监测方法及系统，该系统直接在列车伺服系统上安装检测模块检测列车供电信号的电流、电压等参数，并通过相应的神经网络模型对采集的电信号进行深度学习，输出时频特性分析和特征值，并通过阈值判断可实时对列车牵引供电系统电信号中存在的问题进行快速判断，能有效满足现有列车电能质量在线检测的需求。该城轨列车电能质量在线监测方法及系统具有高稳定性和易操作性等特点，做到了高采样率和高同步性，确保采样的准确性和实效性，可以适应任何车型的城轨列车，持续长距离跟踪电能质量的变化，排除潜在故障，并对电能质量变化进行趋势预测，为城轨列车安全运行提供保障。为城轨列车安全运行提供保障。为城轨列车安全运行提供保障。

【技术实现步骤摘要】
一种城轨列车电能质量在线监测方法及系统
[0001]

[0002]本专利技术涉及列车安全监测
，特别涉及一种对城规列车电能质量进行在线检测的方法及系统。

技术介绍

[0003]近年来，随着我国轨道交通的快速发展，电气化铁路已成为我国主要的交通方式之一，电气化铁路具有速度快、运输能力强、供电距离长、节约能源与造价、牵引性能好 等优点，因而具有广阔的发展前景，是世界以及我国铁路发展的方向。尤其是近些年，国家对高速电气化铁路的大力支持，高铁的建设规模及覆盖范围正不断扩大，高铁负荷的比例 也逐年增加。
[0004]随着电力机车行业的高速发展，铁路建设最重要的是运行的安全和可靠，而其中最为关键的就是牵引供电系统，牵引供电系统的电能质量与列车安全高速运行是密不可分的。城轨列车电能质量的变化不仅会影响供电系统的正常安全供电，同时也会给用电系统带来各种各样的危害，直接影响着行车安全和经济效率，因此电能质量问题有着较严重的后果，具体表现在电压的波动和闪变、电压的短时中断、谐波的危害、无功功率、三相不平衡等等，这些都会对列车的安全运行造成不利影响。而现有的城轨列车通常都不能在线对供电系统的电能质量进行在线检测，而随着我国铁路网线的不断增加，目前对列车的负荷、车辆密度和安全性有了更高的要求，现有的电能质量检测方法已经不能满足使用需要，因此需要对城轨列车的电能质量实时在线监测势在必行。

技术实现思路

[0005]为克服上述现有技术中的不足，本专利技术的目的在于设计一种能够对列车牵引供电系统的电能质量进行在线检测的方法和系统。
[0006]一种城轨列车电能质量在线监测方法，其包括如下步骤：1)采集列车牵引供电系统的电能质量信号，包括电信号的电压、电流、相位、频率参数，并将其存储至原始信号集f(t)；2)对原始信号集f(t)中存储的参数进行小波分解、去噪及重构，形成去噪信号集f1(t)；3)建立神经网络模型，先通过准备好的训练样本对神经网络模型进行训练，在通过测试样本对神经网络模型进行测试；4)将去噪信号集f1(t)参数输入到训练好的神经网络模型中进行深度学习，通过神经网络模型分析去噪信号集f1(t)参数的时频特性和计算特征值；5)根据神经网络模型输出时频特性分析和特征值计算结果进行阈值判断，识别列车牵引供电系统电信号中存在的问题。
[0007]优选的，步骤2）中小波分解模块使用DWT函数将f(t)分解为低频分量和高频分量；其次，阈值处理模块使用wthresh函数按顺序将小波分解出来的各层高频噪声、低频噪声一一去除；在处理第五层时，同时对高、低频系数进行阈值处理；最后，小波重构模块使用wrcoef函数按最后一层至第一层的顺序进行小波逆变换重构，进而输出去噪后的信号f1(t)。
[0008]优选的，步骤1）中原始信号集f(t)存储在一FIFO数据存储模块中，在步骤2）中进行小波分解、去噪及重构时，原始信号集f(t)从FIFO数据存储模块依次输出。
[0009]本专利还公开了一种城轨列车电能质量在线监测系统，其包括：信号采集模块，所述信号采集模块设置在列车伺服系统上用于采集电信号的电压、电流、相位、频率参数；数据存储模块，所述数据存储模块用于存储由信号采集模块采集的电压、电流、相位、频率参数形成的原始信号集f(t)；信号处理模块，所述信号处理模块用于对原始信号集f(t)进行小波分解、去噪及重构，形成去噪信号集f1(t)；神经网络模块，所述神经网络模块用于对去噪信号集f1(t) 进行深度学习，通过神经网络模型分析去噪信号集f1(t)参数的时频特性和计算特征值；故障判断模块，所述故障判断模块用于根据神经网络模型输出时频特性分析和特征值计算结果进行阈值判断，识别列车牵引供电系统电信号中存在的问题。
[0010]优选的，所述数据存储模块为FIFO型数据存储模块。
[0011]上述技术方案具有如下有益效果：该城轨列车电能质量在线监测方法及系统，直接在列车伺服系统上安装检测模块检测列车供电信号的电流、电压等参数，并通过相应的神经网络模型对采集的电信号进行深度学习，输出时频特性分析和特征值，并通过阈值判断可实时对列车牵引供电系统电信号中存在的问题进行快速判断，能有效满足现有列车电能质量在线检测的需求。该城轨列车电能质量在线监测方法及系统具有高稳定性和易操作性等特点，做到了高采样率和高同步性，确保采样的准确性和实效性，可以适应任何车型的城轨列车，持续长距离跟踪电能质量的变化，排除潜在故障，并对电能质量变化进行趋势预测，为城轨列车安全运行提供保障。
附图说明
[0012]图1为本专利技术实施例的系统结构框图。
[0013]图2为本专利技术实施例的监测方法的流程图。
具体实施方式
[0014]以下由特定的具体实施例说明本专利技术的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本专利技术的其他优点及功效。
[0015]现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本专利技术将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结
构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本专利技术的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本专利技术的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本专利技术的各方面变得模糊。
[0016]如图1所示，本城轨列车电能质量在线监测系统主要包括其包括：信号采集模块1、数据存储模块2、信号处理模块3、神经网络模块4及故障判断模块5几部分。信号采集模块1设置在列车列车伺服系统上，信号采集模块1用于采集牵引供电系统的电信号，包括电压、电流、相位、频率等参数，每采集一组参照形成一原始信号集f(t)。数据存储模块2用于存储上述原始信号集f(t)，作为一种优选实施方式，数据存储模块2可采用FIFO型数据存储模块。
[0017]信号处理模块3与数据存储模块2连接，数据存储模块2中的原始信号集f(t)中的数据依次发送给信号处理模块3，信号处理模块3用于对原始信号集f(t)进行小波分解、去噪及重构，形成去噪信号集f1(t)，采用这种方式可有效提高检测精度，排除外界噪音干扰，减少误差。神经网络模块4与信号处理模块3连接，神经网络模块4用于对去噪信号集f1(t) 进行深度学习，通过神经网络模型分析去噪信号集f1(t)参数的时频特性和计算特征值。故障判断模块5与神经网络模块4连接，故障判断模块用于根据神经网络模型输出时频特性分析和特征值计算结果进行阈值判断，识别列车牵引供电系统电信号中存在的问题。
[0018]如图2所示，上述城轨列车电能质量在线监测系统在使用时，首先通过信号采集模块1采集列车牵引供电系统的电能质量信号，包括电信号的电压、电流、相位、频率参数，并将其存储至原始信号本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种城轨列车电能质量在线监测方法，其特征在于，其包括如下步骤：采集列车牵引供电系统的电能质量信号，包括电信号的电压、电流、相位、频率参数，并将其存储至原始信号集f(t)；对原始信号集f（t）中存储的参数进行小波分解、去噪及重构，形成去噪信号集f1(t)；建立神经网络模型，先通过准备好的训练样本对神经网络模型进行训练，在通过测试样本对神经网络模型进行测试；将去噪信号集f1(t)参数输入到训练好的神经网络模型中进行深度学习，通过神经网络模型分析去噪信号集f1(t)参数的时频特性和计算特征值；根据神经网络模型输出时频特性分析和特征值计算结果进行阈值判断，识别列车牵引供电系统电信号中存在的问题。2.根据权利要求1所述的城轨列车电能质量在线监测方法，其特征在于：步骤2）中小波分解模块使用DWT函数将f(t)分解为低频分量和高频分量；其次，阈值处理模块使用wthresh函数按顺序将小波分解出来的各层高频噪声、低频噪声一一去除；在处理第五层时，同时对高、低频系数进行阈值处理；最后，小波重构模块使用wrcoef函数按最后一层至第一层的顺序进行小波逆变换重构，进而输出去噪后的信号f1(...

【专利技术属性】
技术研发人员：吴杰，杜凯峰，陆伟，
申请(专利权)人：科瑞工业自动化系统苏州有限公司，
类型：发明
国别省市：