【技术实现步骤摘要】
本专利技术涉及电压互感器检测，具体是一种群体相关性的cvt误差状态判别方法。
技术介绍
1、电压互感器(vt)在电力网络中发挥着关键作用，其主要任务是将输电线路中的高电压降至可供标准仪器与保护装置使用的较低电压水平。这一转换过程对于维护电力系统的安全性与可靠性至关重要。为了保证系统的持续稳定运行，必须定期对电压互感器的工作状况进行监测和检查，以便及时发现并解决可能导致系统不稳定的潜在问题或故障。传统上，电压互感器的状态评估通常采用基于固定阈值的技术或者单一算法的机器学习模型。尽管这些方法易于实施，但存在着一些缺点。比如，阈值技术可能忽略数据中的微小波动，而单独的机器学习模型则可能在面对复杂且非线性的数据模式时显得力不从心，进而影响检测的精确度。为了改善这些问题，近年来研究人员开发了多种更为先进的技术手段，旨在提升电压互感器状态检测的精度。
2、现有技术中，赵鹏等按照时间序列理论，将一次电压波动分为由确定因素引起的非平稳波动与随机因素引起的微小缓慢平稳波动，同时提出了基于差分间距自适应的平稳化方法与基于同相测量一致性的差异性评价指标，分别削弱一次电压波动中的非平稳波动与微小缓慢平稳波动对状态评估的影响。但是，该方法在有电压互感器出现异常误差时，差异性指标能够有效识别，但尚未考虑多台电压互感器同时出现异常的情况，因此，电压互感器状态检测的准确度不高。
技术实现思路
1、有鉴于此，本专利技术针对现有技术的不足，提供的一种群体相关性的cvt误差状态判别方法。
2、为
3、s1、采集在同相母线上的多台电压互感器的二次回路电压信号，并对信号进行处理；
4、s2、利用处理后的各电压互感器二次回路电压信号构建特征识别矩阵，计算特征识别矩阵的量值t，根据量值t的大小分析群体电压互感器中是否存在误差状态异常的电压互感器，并确定出现误差状态异常的电压互器；
5、s3、对特征识别矩阵的量值t进行量纲消除处理，并将处理后的量值t作为识别特征输入到状态评估模型中进行训练，识别异常t值，并定位误差状态异常的电压互感器；
6、s4、基于训练好的状态评估模型，对电压互感器误差状态进行评估。
7、进一步地，s1中，对电压互感器二次回路电压信号处理，包括：
8、s11、对信号的异常值和缺失值进行处理
9、根据3sigma原则将信号进行处理，公式如下：
10、
11、式中，表示第m台互感器的第i时刻信号经过处理后的幅值，表示第m台互感器的第i时刻信号幅值，表示采集的一段时间内的信号均值；
12、s12、将步骤s11处理后的信号进行去趋势处理
13、
14、式中，是经过去趋势后的信号，表示的导数。
15、进一步地，s2中，构建的特征识别矩阵为：
16、
17、式中，km表示第m台电压互感器的变比，表示第m台电压互感器二次侧输出信号值；
18、将特征识别矩阵的每行元素绝对值求和，得到量值t，表示为：
19、
20、若每行t值均极小，表示所有电压互感器误差状态正常；
21、若每行t值均显著增大，表示存在误差状态异常的电压互感器，此时，比较各行t值大小，若某行t值最大，表示该行特征电压互感器即为误差状态异常的电压互感器。
22、进一步地，s3中，对特征识别矩阵的量值t进行量纲消除处理：
23、s31、模拟多种误差情况，对每种误差情况下特征识别矩阵的各行t值进行计算，并计算每种误差情况下各行t值的均值
24、s32、寻找每种误差情况下误差状态正常对应的t值的平均值即步骤s31中均值的最小值：
25、
26、s33、将每行t值分别除以得到标准化处理后的ti'，公式为：
27、
28、式中，ti为第i行的t值，t′i为第i行处理后的t值。
29、进一步地，状态评估模型为svm、dbscan和神经网络中任一种。
30、与现有技术相比，本专利技术的有益效果如下：
31、本专利技术群体相关性的cvt误差状态判别方法，首先采集同一母线上的多台电压互感器的输出信号，构建识别矩阵，计算识别矩阵的量值大小判断群体互感器中是否存在误差异常状态的互感器并定位，然后对矩阵的量值进行构造，通过创建新的特征提高特征之间的区分度，再进行状态评估模型训练，利用训练好的状态评估模型，实现对电压互感器误差状态准确评估。
32、本专利技术对特征矩阵中的每行元素的绝对值之和的t值，能够表征不同电压互感器误差状态，方便、快捷地识别误差状态异常的电压互感器，算法简单，而且准确度高。
33、本专利技术设计了一种独特去除不同误差状态下t值量纲方法，可以保留不同状态下t值的分布情况，且去除量纲对数据规律的影响，使状态评估模型能够准确学习到异常误差时的t值变化规律，从而提高评估准确性。
本文档来自技高网...【技术保护点】
1.一种群体相关性的CVT误差状态判别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述群体相关性的CVT误差状态判别方法，其特征在于，S1中，对电压互感器二次回路电压信号处理，包括：
3.根据权利要求1所述群体相关性的CVT误差状态判别方法，其特征在于，S2中，构建的特征识别矩阵为：
4.根据权利要求1所述群体相关性的CVT误差状态判别方法，其特征在于，S3中，对特征识别矩阵的量值T进行量纲消除处理：
5.根据权利要求1所述群体相关性的CVT误差状态判别方法，其特征在于，状态评估模型为SVM、DBSCAN和神经网络中任一种。
【技术特征摘要】
1.一种群体相关性的cvt误差状态判别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述群体相关性的cvt误差状态判别方法，其特征在于，s1中，对电压互感器二次回路电压信号处理，包括：
3.根据权利要求1所述群体相关性的cvt误差状态判别方法，其特征在于，s2中，...
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。