【技术实现步骤摘要】
本专利技术涉及电力设备监测，具体为基于vmd降噪和概率密度优化的短路阻抗辨识方法及系统。
技术介绍
1、随着电力系统的快速发展和应用规模的扩大，电力设备的稳定性和可靠性成为了保障电力系统安全运行的关键因素。变压器、发电机等电力设备在长期运行过程中会受到外界因素的影响，如机械应力、电磁环境、热效应等，导致设备内部的绕组结构发生变形或老化，从而影响其电气性能。短路阻抗作为电力设备的重要参数之一，能够有效反映设备绕组的物理状态和健康状况，是评估设备潜在故障和寿命预测的重要依据。
2、在传统的短路阻抗测量方法中，测量数据易受到外界电磁干扰和信号噪声的影响，特别是在现场环境中，复杂的电磁环境可能导致短路阻抗信号中产生大量随机噪声和高频干扰。这些噪声和干扰不仅影响了信号的稳定性，也大大降低了短路阻抗辨识的准确性。为了应对这些问题，现有技术中通常使用固定频率采样或简单的滤波方法来进行降噪处理。然而，这些方法在噪声较大或信号频率成分复杂的情况下，往往无法达到理想的效果。固定频率采样无法根据信号变化动态调整采样率，导致数据质量不高，而简单的滤波方法则无法有效去除高频随机噪声，从而影响短路阻抗的精确辨识。
技术实现思路
1、鉴于上述存在的问题，提出了本专利技术。
2、因此，本专利技术解决的技术问题是：现有的短路阻抗辨识方法存在稳定性和精度较差，容易受到外界干扰的影响。
3、为解决上述技术问题，本专利技术提供如下技术方案：基于vmd降噪和概率密度优化的短路阻抗辨识方法
4、采集变压器在实际正常运行状态下的运行数据，根据变压器的实际结构和运行条件建立1:1的仿真模型，对绕组变形情况进行模拟，在仿真模型中模拟绕组变形工况，获取变形情况下的运行数据；
5、在数据采集后，进行信号预处理；
6、利用vmd技术对预处理后的电气信号进行分解，得到不同频率的模态分量；
7、将得到的基波模态分量，分成n个时间窗，利用最小二乘算法，计算每个时间窗内的短路阻抗；
8、对计算得出的短路阻抗，进行快速近邻搜索的核密度估计，在概率密度分布中找到最大密度值对应的短路阻抗值，作为短路阻抗的最优估计。
9、作为本专利技术所述的基于vmd降噪和概率密度优化的短路阻抗辨识方法的一种优选方案，其中：所述运行数据是代表变压器常规运行特征的数据，包括但不限于，电压和电流；
10、所述对绕组变形情况进行模拟包括，在有限元仿真分析中，对绕组几何模型进行压缩、扩张、伸长和缩短，四种变形模式的模拟；
11、通过对绕组几何模型的调整，将修改后的几何模型应用于电磁场仿真，模拟变压器在正常负荷条件下的电磁行为和运行特性。
12、作为本专利技术所述的基于vmd降噪和概率密度优化的短路阻抗辨识方法的一种优选方案，其中：所述预处理包括，使用移动平均滤波法通过滑动窗口对信号进行平滑处理，减少瞬态异常的影响；
13、设定滑动窗口大小n为5个采样点，采样频率2.5khz，对每一个滑动窗口内的数据计算均值，用窗口内的均值替换当前窗口中心的数据点；
14、，
15、其中，为窗口内数据点，为当前数据点均值，t表示当前时刻。
16、作为本专利技术所述的基于vmd降噪和概率密度优化的短路阻抗辨识方法的一种优选方案，其中：所述利用vmd技术对预处理后的电气信号进行分解包括，通过模态分解去除噪声和提取信号特征，将输入信号分解为k个模态，使每个模态的带宽集中在中心频率附近，从而实现最小化每个模态的带宽的目标；
17、对所述电气信号进行分解时，约束条件为：
18、，
19、引入拉格朗日乘子，来约束原始信号和模态分量的差异，使vmd能够在分解过程中确保原始信号等于模态分量的总和，同时最小化每个模态的带宽：
20、，
21、其中，k表示模态的索引；是第k个模态分量；是拉格朗日乘子，用于控制每个模态分量与原始信号之间的差异；是中心频率；是模态的带宽度量；
22、vmd通过交替迭代的方式更新模态分量 、拉格朗日乘子和中心频率 ，逐步逼近最优解，具体迭代步骤如下：
23、在每次迭代中，针对每个模态分量，通过最小化带宽和约束条件来更新模态分量：
24、，
25、根据约束条件更新拉格朗日乘子：
26、，
27、其中，为是更新步长，用于控制拉格朗日乘子的调整速率；
28、每个模态的中心频率通过最小化模态的频谱差异来更新：
29、，
30、其中，是通过希尔伯特变换调制到中心频率的模态信号。
31、作为本专利技术所述的基于vmd降噪和概率密度优化的短路阻抗辨识方法的一种优选方案，其中：所述每个时间窗内的短路阻抗的计算包括：
32、，
33、其中，k为变压器变比，、分别为高、低压侧绕组电压；、分别为变压器高、低压侧漏电感；、分别为高、低压侧绕组电流；、分别为高、低压侧电阻。
34、作为本专利技术所述的基于vmd降噪和概率密度优化的短路阻抗辨识方法的一种优选方案，其中：所述核密度估计包括，将信号参量通过vmd分解后得到多个关于时间序列的信号参量；
35、计算所得到的短路阻抗同样为与时间序列相同维度的序列值；
36、使用核密度方法计算短路阻抗概率密度分布，为序列上的每个数据点分配一个高斯核函数：
37、，
38、计算每个点在核函数上的贡献，将所有点的核函数相加得到整体的密度估计：
39、，
40、其中，是在x处的概率密度估计，n是数据的总数量，h是核函数的带宽，k是高斯核函数。
41、作为本专利技术所述的基于vmd降噪和概率密度优化的短路阻抗辨识方法的一种优选方案，其中：所述快速近邻搜索包括，利用球树结构来执行快速近邻搜索，仅对目标点x的近数据点计算核函数值，忽略远离x的点；
42、根据核密度估计的带宽h，设定一个搜索半径r = 2h；
43、利用球树结构在半径r内的近邻数据点集合neighbors(x)；
44、。
45、一种采用如本专利技术所述方法的基于vmd降噪和概率密度优化的短路阻抗辨识系统，其特征在于：
46、仿真单元，采集变压器在实际正常运行状态下的运行数据，根据变压器的实际结构和运行条件建立1:1的仿真模型，对绕组变形情况进行模拟，在仿真模型中模拟绕组变形工况，获取变形情况下的运行数据；
47、处理单元，在数据采集后，进行信号预处理；
48、分解单元，利用vmd技术对预处理后的电气信号进行分解，得到不同频率的模态分量；
49、计算单元，将得到的基波模态分量，分成n个时间窗，利用最小二乘算法，计算每个时间窗内的短路阻抗；
50、分析单元对计算得出的短路阻抗，进行快速近邻搜索的核本文档来自技高网...
【技术保护点】
1.基于VMD降噪和概率密度优化的短路阻抗辨识方法，其特征在于，包括：
2.如权利要求1所述的基于VMD降噪和概率密度优化的短路阻抗辨识方法，其特征在于：所述预处理包括，使用移动平均滤波法通过滑动窗口对信号进行平滑处理，减少瞬态异常的影响；
3.如权利要求2所述的基于VMD降噪和概率密度优化的短路阻抗辨识方法，其特征在于：所述利用VMD技术对预处理后的电气信号进行分解包括，通过模态分解去除噪声和提取信号特征，将输入信号分解为K个模态，使每个模态的带宽集中在中心频率附近，从而实现最小化每个模态的带宽的目标；
4.如权利要求3所述的基于VMD降噪和概率密度优化的短路阻抗辨识方法，其特征在于：所述每个时间窗内的短路阻抗的计算包括：
5.如权利要求4所述的基于VMD降噪和概率密度优化的短路阻抗辨识方法，其特征在于：所述核密度估计包括，将信号参量通过VMD分解后得到多个关于时间序列的信号参量；
6.如权利要求5所述的基于VMD降噪和概率密度优化的短路阻抗辨识方法，其特征在于：所述快速近邻搜索包括，利用球树结构来执行快速近邻搜索，仅
7.一种采用如权利要求1-6任一所述方法的基于VMD降噪和概率密度优化的短路阻抗辨识系统，其特征在于：
8.一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如权利要求1-6任一所述方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-6任一所述方法的步骤。
...【技术特征摘要】
1.基于vmd降噪和概率密度优化的短路阻抗辨识方法，其特征在于，包括：
2.如权利要求1所述的基于vmd降噪和概率密度优化的短路阻抗辨识方法，其特征在于：所述预处理包括，使用移动平均滤波法通过滑动窗口对信号进行平滑处理，减少瞬态异常的影响；
3.如权利要求2所述的基于vmd降噪和概率密度优化的短路阻抗辨识方法，其特征在于：所述利用vmd技术对预处理后的电气信号进行分解包括，通过模态分解去除噪声和提取信号特征，将输入信号分解为k个模态，使每个模态的带宽集中在中心频率附近，从而实现最小化每个模态的带宽的目标；
4.如权利要求3所述的基于vmd降噪和概率密度优化的短路阻抗辨识方法，其特征在于：所述每个时间窗内的短路阻抗的计算包括：
5.如权利要求4所述的基于vmd降噪和概率密度优化的短...
【专利技术属性】
技术研发人员：张辉，苏剑锋，刘斌，张朝学，吴恩恩，王帅，张力心，包敏，邓昭辉，杨航康，牟景艳，吴维，付冰洋，甘伟涵，李晓林，李飞，李华，杨阳，范茂金，谢珂，邵春，李杰，李静，文琴琴，司胜文，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：
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。