【技术实现步骤摘要】
本申请涉及电力系统暂态信号故障识别与检测，具体涉及一种基于mp-convformer并行网络的电力系统暂态信号故障诊断方法和系统。
技术介绍
1、电能质量扰动信号的分析已经成为电力系统状态监测和维护的重要工作，由于大规模光伏发电、水利发电等分布式发电系统以及新能源汽车充电桩、工业驱动器等各种非线性负载的广泛使用，使得电网信号越来越复杂。这些分布式发电系统以及非线性负载并入电网都会向电网输入扰动信号，从而导致电网电压、电流出现波形畸变等电能质量劣化，这将对电力系统安全稳定运行以及周边的电气环境造成严重威胁。因此，对电力系统暂态扰动信号进行识别与分类具有重要意义。
2、现如今电网的暂态信号扰动并非都是单一基本扰动，大多数是由多种不同扰动类型、不同扰动强度、不同起止时刻的基本扰动混合而成的复合电能质量扰动。这些复合电能质量扰动特征量之间可能存在时频域特征相互重叠、复杂交叉等情况，这也是当前电能质量扰动识别所面临的困难。
3、此外，暂态信号具有持续时间短并随着时间的推移逐渐衰减、变化速度快、周期性不明显等特点，导致暂态信号在传输过程中会受到线路和设备的衰减和失真影响，使信号的波形和幅值发生改变。衰减和失真导致信号的特征信息丢失，增加了信号的识别和检测难度。
4、随着计算机仿真技术的发展，出现了许多基于物理特征的电能质量扰动信号特征提取方法，如快速傅里叶变换（fft）、小波变换（wt）和希尔伯特-黄变换（hht）。但是，这些传统方法都存在某些难以克服的缺点。例如，fft仅适用于平稳信号，并且信号采集必须
5、针对电力系统暂态信号变化速度快、噪声干扰强、不同暂态信号特征之间存在耦合等问题，单靠提取暂态信号单尺度特征和局部特征信息难以获取暂态信号的全局上下文信息，从而导致难以及时检测故障发生且难以准确识别故障类型。由于暂态信号扰动类型与扰动特征量类型复杂，故针对电力系统复合扰动此类传统的信号处理方法难以应对。
技术实现思路
1、本申请提供一种基于mp-convformer并行网络的电力系统暂态信号故障诊断方法和系统，以解决现有信号处理方法难以处理复合扰动信息的技术问题。
2、本申请提供一种基于mp-convformer并行网络的电力系统暂态信号故障诊断方法，其包括：
3、采集异常情况下的暂态信号的数据；
4、利用小波降噪对暂态信号进行预处理，并获取预处理信号；
5、利用倒残差模块中的卷积操作对预处理信号进行上采样并提取局部特征信息；
6、利用倒残差模块中嵌入的通道注意力机制整合不同通道的特征信息；
7、利用convformer模块提取不同路径下不同尺度上的全局特征信息；
8、基于特征融合模块对局部特征信息以及全局特征信息进行融合；
9、基于softmax函数的分类器对电力系统暂态信号的故障进行分类。
10、可选的，所述利用小波降噪对暂态信号进行预处理，并获取预处理信号的步骤，包括以下步骤：
11、基于正交小波分解将含噪声的暂态信号在时域和频域进行局部分解，其中正交小波分解后幅值比较大的小波系数为去噪信号，而幅值较小的系数为噪声信号；
12、判断小波系数是否大于预设阈值，若是，保留该小波系数，若否，将该小波系数替换为预测的变量阈值，其中利用软阈值函数对小波系数进行处理的公式为：
13、<mstyle displaystyle="true" mathcolor="#000000"><msubsup><mi>σ</mi><mi>λ</mi><mi>s</mi></msubsup><mrow><mo>(</mo><mi>d</mi><mo>)</mo></mrow><mi>=</mi><mrow><mo>{</mo><mtable><mtr><mtd><mrow><mo>[</mo><mrow><mi>sgn</mi><mrow><mo>(</mo><mi>d</mi><mo>)</mo></mrow><mrow><mo>(</mo><mrow><mrow><mo>|</mo><mi>d</mi><mo>|</mo></mrow><mi>−</mi><mi>λ</mi></mrow><mo>)</mo></mrow></mrow><mo>]</mo></mrow><mi>,</mi><mrow><mo>|</mo><mi>d</mi><mo>|</mo></mrow><mi>></mi><mi>λ</mi></mtd></mtr><mtr><mtd><mn>0</mn><mi>,</mi><mrow><mo>|</mo><mi>d</mi><mo>|</mo></mrow><mi>≤</mi><mi>λ</mi></mtd></mtr></mtable><mo>}</mo></mrow></mstyle>，
14、和分别代表经过去噪处理前后小波变换系数，为符号函数，λ为预设阈值，s代表小波分解层数；
15、利用小波逆变换对处理后的小波系数进行还原。
16、可选的，在所述判断小波系数是否大于预设阈值的步骤中，预测的变量阈值按照以下公式计算：
17、，
【技术保护点】
1.基于MP-Convformer并行网络的电力系统故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的基于MP-Convformer并行网络的电力系统故障诊断方法，其特征在于，所述利用小波降噪对暂态信号进行预处理，并获取预处理信号的步骤，包括以下步骤：
3.根据权利要求2所述的基于MP-Convformer并行网络的电力系统故障诊断方法，其特征在于，在所述判断小波系数是否大于预设阈值的步骤中，预测的变量阈值按照以下公式计算：
4.根据权利要求2所述的基于MP-Convformer并行网络的电力系统故障诊断方法，其特征在于，在所述利用小波逆变换对处理后的小波系数进行还原的步骤中，利用小波重构减少噪声干扰，小波重构公式为：
5.根据权利要求1所述的基于MP-Convformer并行网络的电力系统故障诊断方法，其特征在于，
6.根据权利要求5所述的基于MP-Convformer并行网络的电力系统故障诊断方法，其特征在于，
7.根据权利要求1所述的基于MP-Convformer并行网络的电力系统故障诊断方法，
8.根据权利要求7所述的基于MP-Convformer并行网络的电力系统故障诊断方法，其特征在于，所述多头注意力卷积模块执行以下步骤：
9.根据权利要求1所述的基于MP-Convformer并行网络的电力系统故障诊断方法，其特征在于，
10.基于MP-Convformer并行网络的电力系统故障诊断系统，其特征在于，包括：
...【技术特征摘要】
1.基于mp-convformer并行网络的电力系统故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的基于mp-convformer并行网络的电力系统故障诊断方法，其特征在于，所述利用小波降噪对暂态信号进行预处理，并获取预处理信号的步骤，包括以下步骤：
3.根据权利要求2所述的基于mp-convformer并行网络的电力系统故障诊断方法，其特征在于，在所述判断小波系数是否大于预设阈值的步骤中，预测的变量阈值按照以下公式计算：
4.根据权利要求2所述的基于mp-convformer并行网络的电力系统故障诊断方法，其特征在于，在所述利用小波逆变换对处理后的小波系数进行还原的步骤中，利用小波重构减少噪声干扰，小波重构公式为：
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。