CN102016607A - 用于分析电力***的波形信号的方法和装置 - Google Patents

Abstract

用于分析电力***的波形信号的方法和装置。数字化、然后滤波从电力***获得的波形信号。在滤波的波形信号上标识一个或者多个分段，并且基于标识的分段的信息内容，将一个或者多个标识的分段中的各分段分类为对应于在电力***中出现的正常或者异常状况。

Description

用于分析电力***的波形信号的方法和装置

技术领域

本发明涉及一种用于分析电力***的波形信号的方法和装置。

背景技术

近年来，基于微处理器的设备和数字信号处理技术的发展与增加强调电力***可靠性和在线监测的重要性相结合已经造成记录和存储数字波形以及其它数据的各种类型的智能电子设备(IED)激增。记录的数据主要用于保护和控制应用，但是在很少常规利用的原始测量中却嵌入有充足信息。

例如由IED在故障或者事件之前、期间和之后捕获的电流波形包含用于监测、标识、故障定位和分类目的的独特信息。从这些测量中提取的信息可以提供对故障类型和程度的宝贵了解，这有助于更好地规划和预备维护工作组在现场的补救行动。这在传统上由受过训练的个人针对有限情况来进行。使用这一信息的净效果部分地包括操作和维护成本的直接和间接减少。

多数电力公用设施记录操作和非操作的现场数据，但是人工数据分析的缺乏人力资源这一不可回避的性质以及不可避免的不一致性有碍于向操作和维护工作组递送有意义的信息。因而，常常放弃并且从未利用这些有用测量中的大部分，主要是非操作测量。

在现有技术中已经提出对数字波形信号的一些自动化分析，从而具体应对在前台处理中涉及到的困难任务，即波形分段和将分段分类成预定类别。

在现有技术中的许多分段方法基于卡尔曼滤波器。运用滤波器对波形进行建模，并且将残差用于分段。与其它基于模型的方式相同，滤波器的响应受模型的准确性、它的参数和设置所影响。模型的检测能力也取决于变化的量值、谐波内容和在设计的滤波器中未建模的其它频率分量。虽然在一些基于模型的应用中，已经使用滤波方式，但是它对于在线和IED应用而言具有一些弊端。卡尔曼滤波器在计算成本上高昂，并且受它代表的模型的准确性所限制。另外，微调滤波器参数不方便，并且在许多实际情况下需要难以发现的在先信息。

出于建模和分析目的，也提出基于小波的多分辨率信号分解方法。在不同分辨率水平获得的信息和测量值用来分析信号分段。主要设计用于监测功率质量问题的基于小波的方式，部分上由于大量计算和存储要求而并不适合于嵌入式应用。

因此，将希望提供一种用于分析电力***中的波形信号的解决方案，其无需建模，并且可以在IED中实施和在计算机化应用中在线或者离线地执行。这一解决方案由本发明的方法和装置提供。

发明内容

根据本发明，提供一种用于分析电力***的波形信号的方法，该方法包括：

a)数字化从所述电力***获得的波形信号；

b)对数字化的波形信号进行滤波；

c)标识所述滤波的波形信号上的一个或者多个分段；以及

d)基于各所述一个或者多个标识的分段的信息内容，将各所述一个或者多个标识的分段分类为对应于在电力***中出现的正常或者异常状况。

根据本发明，也提供一种适合于连接到三相电力线的智能电子设备，所述智能电子设备包括计算机设备，该计算机设备中具有配置成进行以下操作的代码：

a)数字化从所述电力***获得的波形信号；

b)对数字化的波形信号进行滤波；

c)标识所述滤波的波形信号上的一个或者多个分段；以及

d)基于各所述一个或者多个标识的分段的信息内容，将各所述一个或者多个标识的分段分类为对应于在电力***中出现的正常或者异常状况。

本发明也提供一种用于分析电力***的波形信号的计算机可读介质，所述计算机可读介质具有存储于其上的计算机可读指令，用于由微处理器执行以进行包括以下步骤的方法：

a)数字化从所述电力***获得的波形信号；

b)对数字化的波形信号进行滤波；

c)标识所述滤波的波形信号上的一个或者多个分段；以及

d)基于各所述一个或者多个标识的分段的信息内容，将各所述一个或者多个标识的分段分类为对应于在电力***中出现的正常或者异常状况。

附图说明

参照下文描述、所附权利要求书和以下附图，将更好地理解本发明的特征、方面和优点，在附图中：

图1是图示了根据本发明的用于分析电力***的波形信号的方法的流程图；

图2示出了从电力***采集的输入信号及其在16个样本的半周期窗口内计算的对应均方根(RMS)信号的示例绘图；

图3示出了在图2的RMS信号上标识的检测索引的示例绘图；

图4是示出了根据本发明的方法和装置的在图3中标识并且被分组到具有有关边界的两个群集中的检测索引的示例绘图；

图5是根据本发明的方法和装置的图2的输入信号以及为了微调而选择信号索引的示例绘图；

图6示出了根据本发明的方法和装置来分段的图2的输入信号；

图7示出了根据本发明的方法和装置的在进行群集验证时使用相同图案的两个不同群集划分结果；

图8是示出了根据本发明的方法和装置的用于通过使用对波形信号执行的分析来检测电力***上的电势再触发(restrike)的基于规则的方式的流程图。

具体实施方式

应当注意，在下文具体描述中，相同或者功能等效部件无论是否在本发明的不同实施例中示出它们均都具有相同编号。也应当注意，为了清楚和简洁地公开本发明，附图可能未必按比例绘制，并且可能用有些示意性的形式示出本发明的某些特征。

如图1中所示，在根据本发明的方法中，从电力***获得表示为输入信号的波形信号。优选地，输入信号100是常见传感器或者类似设备可以从电力***的任何部件(比如电设备或者电力线)获得的电流或者电压信号。在步骤100数字化所得信号。

在步骤101，对数字化波形信号进行滤波而无需对在滤波下的信号的任何预先建模。特别地，在滤波步骤101，首先预处理输入信号。这一预处理数字化输入信号的步骤(101a)例如包括再采样，即对输入信号进行上采样或者下采样以便实现恰当采样频率。此外，也进行DC和噪声去除，以便消除可能的测量DC偏移和噪声分量。

然后，将预先处理的信号滤波成用于后续处理(特别用于应用如下文将描述的变化检测算法)的恰当统计量。优选地，在这一步骤(101b)，滤波器输出产生在固定尺寸的重叠移动窗口上计算的均方根(RMS)信号。在实践中，选择某一数目的样本(例如三十二个样本)的窗口，并且针对这一窗口计算RMS值。然后，选择前移一些样本并且与先前窗口部分地重叠的新窗口，并且也针对这一窗口计算RMS值。可以优选地在时域中进行这些计算；也可以使用频域，其中输入信号为基频分量(例如60Hz)。

取而代之，在步骤101b，滤波级可以在进行对预先处理的信号或者简单地对其平方值的DFT(傅里叶变换)分析之后，产生基频分量。

图3示出了输入信号及其在16个样本的半周期窗口内计算的对应RMS信号的示例绘图。除了对于变化检测算法而言恰当之外，RMS信号还减轻数据中的噪声尖峰和界外值(outlier)的影响。

在步骤102，在变化检测算法中随后使用RMS信号以发现近似分段间隔。具体而言，将滤波信号视为来自如下随机过程的连串观测值或者实现值，该随机过程经历均值的附加变化。目的在于监测观测值，并且检测由判决函数指示的所有变化时间或者变化点。

具体在步骤102a，通过变化检测问题来确定候选变化点。通过累计求和(CUSUM)算法的在线递归版本来解决变化检测问题。原CUSUM算法传统地应用在质量控制应用中。在经典质量控制中，变化检测通常涉及到对参数(μ)的假设测试，其中取得固定尺寸的样本(X_i)并且进行判决以选择关于参数的两个假设之一。如下式(1)中表达的那样，零(null)假设H₀在参数的初始值(μ0)中没有变换时成立，而在参数变化时以备选假设H₁有效。只要进行支持H₀的判决，该过程就称为在控(in control)。一旦判决规则表明H₁成立，就停止监测并且检测到变化点。通过使用报警值(h)来获得最优判决规则。

H₀：μ＝μ₀

H₁：μ＝μ₁                                 (1)

累计求和算法检测所关心的参数何时经历从一级到另一级的单次跳跃。对应判决函数(g_k)——在下式(2)中给出——是对数似然比的累计求和(S_k)的当前值与其当前最小值(m_k)之差。累计求和函数通常示出在变化之前的递减趋势和在变化之后的递增趋势。

g_k＝S_k-m_k                                   (2)

其中：

$m_k=\underset{1\≤j\≤k}{\min }{S}_j,$

$S_k=\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{s}_i,$ 并且

$s_i=\ln \frac{p_{{\mathrm{\μ}}_1}\left(X_i\right)}{p_{{\mathrm{\μ}}_0}\left(X_i\right)}$

当判决函数(g_k)超过报警值(h)或者等效地累计求和穿过自适应阈值m_k+h时，达到在等式(3)中给出的停止时间(t_a)。

t_a＝min{k：S_k≥m_k+h}≡min{k：g_k≥h}        (3)

如与原CUSUM监测相对，在根据本发明的方法中，变化检测涉及到其中变化参数无目标值的监测过程。优选地，在本发明中，参考变化参数是被假定为随机过程的均值的RMS信号的变化。

如提到的那样，将RMS信号视为连串观测值，并且继续监测直至检测到所有变化时间。根据下式通过CUSUM的在线递归版本来求解变化检测问题：

W_n＝Max(0，W_n-1+X_n-T)，n＝1，2，...，N        (4)

其中W_n是在样本n计算的CUSUM响应，X_n是第n个观测值，而T是用户限定的参考值或者阈值。

当针对所选代表参数而计算的累计值W_n达到报警值(h)时，声明变化点。对T的恰当选择依赖于数据；例如对于继电器应用，可以将阈值选择为用于过电流保护元件的拾取值。一般而言，增加或者减少阈值的值对变化的意义具有直接影响。报警值(h)限定在检测中引入的人为延迟(intentional delay)。人为延迟是为了减轻噪声和界外值分量的影响。当报警值为零时，只要CUSUM输出穿过阈值(T)就声明检测到，即使其是由于噪声样本而发生一次。对于实际应用，在可以声明变化点之前，将需要维持阈值穿越一段时间。报警值(h)控制CUSUM的这一行为。h的值越高，检测延迟就越大。

如前文所示，无论何时W_n≥h都检测到变化点，并且将对应信号索引表示为检测索引。对于初始条件，W₀＝0并且X_n是滤波信号(RMS)的第n个瞬时值。在图4中给出从变化检测算法的应用中获得的检测索引的示例绘图。这些检测索引是从CUSUM算法获得的变化点索引CPI。在所示例子中，算法使用阈值300和报警值10。在数值上，第一组索引在图4中从50至108并且从138至206。

在标识所有变化点之后，在步骤102a，将所得CPI分组成群集以获得分段或者群集边界，这些边界指示滤波波形信号的近似分段。在实践中，在这一步骤中获得的边界接近实际变化点，但是未准确地匹配真实变化点。

一种快速群集划分方式使用差值函数和截止值。只要相继索引之差在截止值以下就不形成新群集。每当相继标识变化点之差在预定义截止值以上时，都形成新群集。用于60/50Hz信号的典型截止值为四分之一周期。对于按照每周期32个样本来采样的60Hz信号，典型截止值因此为8。

在标识两个群集的图5中，给出向图4的检测索引应用的群集划分结果。群集边界索引指定用相干检测延迟(即在实际变化时间与检测到的变化时间之间的时间差)指定各分段中的近似变化时间。图5中的星形点对应于信号样本50、108、138和206。

在步骤102c，相对于所选阈值、报警值和截止值，检查所得群集的有效性，并且——如果必要——调节所用阈值、报警值和截止值。该验证涉及到相对于产生相异群集划分结果的不同参数对群集划分良好度的测量。

群集有效性测量用来标识从主观或者客观的观点来看的最适合参数值。客观测量评估群集划分结果的结构性质。例如在图7的例子中与原点的邻近度可以是评估图案结构性质的客观测量。如果这些性质形成良好，则群集是可接受的。例如，Davies-Bouldin有效性索引是最常用来指导群集数目的客观测量例子。这一索引是群集内的分散度之和与群集之间的间隔(使用群集及其样本均值)之比的函数。对于数目为C的群集，可以如在下式(5)中那样在数学上表达DB索引：

$\mathrm{DB}=\frac{1}{c}\underset{i=1}{\overset{c}{\mathrm{\Σ}}}{R}_i---\left(5\right)$

其中

并且

其中S_i是群集内的分散度而d_ij是群集到群集的距离测量。在群集C_i的质心C_i给定时，这些测量通常由下式限定：

$S_i=\frac{1}{\left|C_i\right|}\underset{x\∈C_i}{\mathrm{\Σ}}\left|\right|x-c_i\left|\right|---\left(6\right)$

d_ij＝‖c_i-c_j‖                               (7)

目的在于最大化群集之间的距离而最小化群集内的分散度。因此使DB最小化的群集数目取作最优群集数目。优选地，可以通过结合主观和客观测量两者来实现最优群集数目。在这一例子中，群集数目从主观观点来看受处理的信号长度和事件能够多快地接连出现所限制。例如，如果向来自断路器操作的记录应用群集划分，则可设想各群集应当包含比50/60Hz的几个周期更多的样本，因为电路断路器脱扣或者重新闭合操作不会比几个周期更快。因此，在样本的子周期或者周期内形成的群集作为结果无效。

一旦调节近似群集边界(如果有)，在分段阶段(步骤102)中的最终步骤(102d)涉及到微调。在可以视为群集边界的客观收紧的这一步骤102d中，通过应用无监督分类技术(即无需训练数据的技术)来最小化或者消除检测延迟。也将注意，在根据本发明的方法中，该分类使用输入信号而非滤波信号样本。因此，向驻留于群集边界索引的左邻域中的输入信号值(例如八个值)回溯性地应用该分类技术。然后该方法继续无监督分类。在分类中使用的固有性质为可以将在实际变化时间之前和之后的输入图案分类成两个单独类。输入图案是输入信号在计算RMS值之前的图案；当向信号值分配标记时，输入信号样本变为输入图案。

因而，对于各近似变化点，限定如下分类问题，在该问题中目的在于将输入图案分类成两类，并且发现从一类到另一类的类转变时间。类转变时间表示实际变化时间和分段上/下界。

为了进行分类，通过如在下式中表达的那样取输入信号(Y_i)在各索引以左的M+1个值，来形成与各边界索引(m)对应的数据邻域(DN)：

DN_m＝{Y_i|CPI_m-M≤i≤CPI_m}                   (8)

其中M表示应当指定的邻域窗口尺寸。如果延迟时间的估计值可用，则可以相应地设置窗口尺寸。否则可以使用在滤波步骤101中使用的相同窗口尺寸。

图6示出了为了微调而选择的信号索引的示例绘图。作为例子，第一数据邻域包含第43与50个索引之间的8个样本。在数值上，分段索引在微调之后为1、48、95、137、193和256。

在本示例分类中使用的具体特征向量包括两个特征，在各邻域中的时间有序索引(n)和输入信号的对应相继变化率(r_n)，即fv＝[n，r_n]，其中r_n＝Y_n-Y_n-1。本领域技术人员已知，根据应用的类型和信号变化的复杂度，可以添加其它特征，以成功地区分在变化之前和之后的数据图案。

利用特征矢量作为向分类器的输入。有利地，以无监督方式完成分类，并且这样无需类标记和训练。在一个优选实施例中，使用k均值分类器，其中将数据图案划分到k个互斥群集中，使得在各群集中的观测值尽可能相互接近，而尽可能远离其它群集中的观测值。k表示必须指定的群集数目。通常，需要预先知识和群集验证以确定群集数目。然而在本例中，已知k＝2，因为在各变化时间有从一个分段到另一分段的一维变化，因此有在各变化点中涉及到的两个分段和两个群集。

k均值算法继续如下：

-限定群集数目；

-任意地初始化群集；

-计算各群集的样本均值；

-向最近群集重新分配各观测值；

-如果任何观测值的群集划分已经改变，则进行步骤三，否则停止。

完成群集划分。

图6示出了分段结果的示例绘图，其中将图2中呈现的输入信号分割成各自与时域中的具体事件对应的5个分节。注意，根据应用，可以关注于放大各分段以发现初始分段内的分段。在该情况下可设想，应当使用各分段中的信号样本作为输入信号，利用新阈值重复该分段方式。

最终在步骤103，在最广泛的意义上，基于各分段本身的信息内容，将各标识分段分类为对应于在电力***中出现的正常或者异常状况，即无故障或者故障状况。在图6的例子中，分段1和3对应于正常状况，而分段2、4和5对应于异常状况，分段2和4表明故障。

可以针对继电器和断路器应用来标识与故障/无故障时段对应的分段。故障/故障后分段和对应变化时间有助于检测再触发并且确定电弧时间和总清除时间。准确的信号分段和分类对于令人满意的性能而言是关键的。图8示出了一种用于使用分段结构来检测电势再触发的基于规则的简单方式。

根据本发明的方法适合于若干电力***(特别是变电站和馈线自动化应用)中的记录事件和扰动的在线和离线分段和分类，可以应用于电压、电流和其它数字测量。

如本领域普通技术人员将认识的那样，本发明可以实施为或者采用如前文描述的方法的形式，或者嵌入于用于在线或者离线处理数字波形的包括计算机设备的智能电子设备(IED)中，该计算机设备中具有配置成进行如前文描述和在对应所附权利要求书中限定的步骤的代码。另外，它也可以采用计算机可读介质的形式，该介质具有存储于其上的计算机可读指令，这些指令在由微处理器执行时进行如前文描述和在对应所附权利要求书中限定的本发明的操作。计算机可读介质可以是任何如下介质，该介质可以包含、存储、传达、传播或者传送用于由指令执行***、装置或者设备使用或者与其结合使用的用户接口程序指令，并且可以例如是但不限于电子、磁性、光学、电磁、红外线或者半导体***、装置、设备或者传播介质或者程序印刷于其上的其它适当介质。计算机可读介质的更多具体例子(非穷举性的列举)将包括：便携计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或者闪存)、光纤、便携光盘只读存储器(CD-ROM)、光学存储设备、传输介质(比如支持因特网或者内部网的传输介质)或者磁存储设备。可以用任何适当编程语言编写用于进行本发明的操作的计算机程序代码或者指令，只要它允许获得前文描述的技术结果。

将理解前述一个或者多个示例实施例的描述将仅为举例说明而不是穷举本发明。本领域普通技术人员将能够对公开的主题内容的一个或者多个实施例进行某些添加、删除和/或修改，而不脱离如所附权利要求书限定的本发明的精神实质或者其范围。

Claims (20)

1.一种用于分析电力***的波形信号的方法，包括：

a)数字化从所述电力***获得的波形信号；

b)对所述数字化的波形信号进行滤波；

c)标识所述滤波的波形信号上的一个或者多个分段；以及

d)基于各所述一个或者多个标识的分段的信息内容，将各所述一个或者多个标识的分段分类为对应于在所述电力***中出现的正常或者异常状况。

2.根据权利要求1所述的方法，其中所述步骤b)包括再采样所述数字化的波形信号。

3.根据权利要求1所述的方法，其中所述步骤b)包括从所述数字化的波形信号中去除DC分量和噪声。

4.根据权利要求1所述的方法，其中所述步骤b)包括在固定尺寸的移动窗口上针对所述数字化的波形信号计算均方根(RMS)信号。

5.根据权利要求1所述的方法，其中所述步骤c)包括确定所述滤波的波形信号上的变化点。

6.根据权利要求1所述的方法，其中相对于无目标值的变化参数确定所述变化点。

7.根据权利要求5所述的方法，其中当针对所述变化参数计算的值等于或者高于预定义报警值时，检测到变化点。

8.根据权利要求5所述的方法，其中所述步骤c)包括对所述确定的变化点进行分组从而形成群集，所述群集的相应边界界定所述滤波的波形信号的近似分段。

9.根据权利要求8所述的方法，其中每当相继标识的变化点之差在预定义截止值以上时，形成群集。

10.根据权利要求9所述的方法，其中它还包括通过将不同值用于所述截止值、报警值和阈值的值中的一个或者多个，来验证所述形成的群集。

11.根据权利要求9所述的方法，其中所述步骤c)包括通过向所述数字化的波形信号应用无监督分类技术，来微调所述形成的群集的边界。

12.根据权利要求11所述的方法，其中基于所述数字化的波形信号的图案来进行所述微调。

13.一种适合于连接到电力***的智能电子设备，所述智能电子设备包括计算机设备，所述计算机设备中具有配置成进行以下操作的代码：

a)数字化从所述电力***获得的波形信号；

b)对所述数字化的波形信号进行滤波；

c)标识所述滤波的波形信号上的一个或者多个分段；以及

d)基于各所述一个或者多个标识的分段的信息内容，将各所述一个或者多个标识的分段分类为对应于在所述电力***中出现的正常或者异常状况。

14.根据权利要求13所述的智能电子设备，其中所述计算机设备中具有配置成进行以下操作的代码：

再采样所述数字化的波形信号；

从所述数字化的波形信号中去除DC分量和噪声。

15.根据权利要求13所述的智能电子设备，其中所述计算机设备中具有配置成在固定尺寸的移动窗口上针对所述数字化的波形信号计算均方根(RMS)信号的代码。

16.根据权利要求13所述的智能电子设备，其中所述计算机设备中具有配置成确定所述滤波的波形信号上的变化点的代码，其中相对于无目标值的变化参数确定所述变化点，并且当针对所述变化参数计算的值等于或者高于预定义报警值时，检测到变化点。

17.根据权利要求16所述的智能电子设备，其中所述计算机设备中具有配置成对所述确定的变化点进行分组从而形成群集的代码，所述群集的相应边界界定所述滤波的波形信号的近似分段，每当相继标识的变化点之差在预定义截止值以上时，形成群集。

18.根据权利要求17所述的智能电子设备，其中所述计算机设备中具有配置成验证所述形成的群集的代码。

19.根据权利要求17所述的智能电子设备，其中所述计算机设备中具有配置成微调所述形成的群集的边界的代码，所述微调基于所述数字化的波形信号的图案来进行。

20.一种用于分析电力***的波形信号的计算机可读介质，所述计算机可读介质具有存储于其上的计算机可读指令，用于由微处理器执行以进行包括以下步骤的方法：

a)数字化从所述电力***获得的波形信号；

b)对所述数字化的波形信号进行滤波；

c)标识所述滤波的波形信号上的一个或者多个分段；以及

d)基于各所述一个或者多个标识的分段的信息内容，将各所述一个或者多个标识的分段分类为对应于在所述电力***中出现的正常或者异常状况。

Images