一种磁阀式电流互感器误差状态在线定量评估方法、装置、设备及介质与流程

本发明涉及磁阀式电流互感器误差状态评估，具体为一种磁阀式电流互感器误差状态在线定量评估方法、装置、设备及介质。

背景技术：

1、在电力系统中，电流互感器是关键的测量设备，其准确性直接影响到电力系统的稳定运行和电能计量的精确性。然而，电流互感器在实际运行中常常受到多种因素的影响，如环境温度、湿度变化以及内部噪声等，这些因素会导致测量误差的产生，进而影响电力系统的性能。传统的误差评估方法通常依赖于离线校准和定期维护，无法实时反映电流互感器的误差状态，且难以区分不同因素对误差的具体影响。因此，开发一种能够在线定量评估电流互感器误差状态的方法，对于提高电力系统的运行效率和可靠性具有重要意义。

2、在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本发明的目的在于提供一种磁阀式电流互感器误差状态在线定量评估方法、装置、设备及介质，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、一种磁阀式电流互感器误差状态在线定量评估方法，具体步骤包括：

4、s1：采集电流互感器的历史数据，再构建用于噪声分析的噪声预测模型和用于环境分析的多元线性回归模型，利用历史数据分别对噪声预测模型和多元线性回归模型进行优化；

5、s2：将预设的标准数据作为输入，利用深度自编码器对其进行特征提取，得到对应的特征向量并计算其重构误差，通过最小化重构误差的方式来对深度自编码器的模型参数进行优化；

6、s3：采集电流互感器的实时数据，依次通过噪声预测模型和多元线性回归模型进行数据处理后，再利用深度自编码器提取特征，同时判断电流互感器的工作状态和误差类型。

7、优选的，所述历史数据包括历史二次输出数据和历史环境数据，历史二次输出数据包括实际条件下的历史带噪数据和用于参考的历史无噪数据，将历史二次输出数据和历史环境数据作为输入数据进行标准化处理，并将标准化处理后的历史二次输出数据和历史环境数据作划分为第一训练集和第一验证集，利用第一训练集和第一验证集来对噪声预测模型进行训练。

8、优选的，根据历史无噪数据和预设的标准数据计算对应的环境误差，将历史无噪数据和历史环境数据划分为自变量集，并将自变量集划分为第二训练集和第二验证集，利用第二训练集和第二验证集来对多元线性回归模型进行优化。

9、优选的，所述实时数据包括实时二次输出数据和实时环境数据，将实时二次输出数据和实时环境数据作为输入数据标准化处理，再代入噪声预测模型计算并剔除其噪声信号，以得到实时无噪数据，接着将实时无噪数据和实时环境数据代入多元线性回归模型，生成环境误差并进行剔除以得到理论数据，最后利用深度自编码器对理论数据进行特征提取，得到对应的特征向量进行后续信号分析。

10、优选的，将历史带噪数据标定为，，历史无噪数据标定为，，实际的噪声信号标定为，三者关系表示为：

11、；

12、；

13、式中、、分别表示对应的数据集合中的元素，下标表示数据编号，表示数据集合中元素的数量；

14、再将实时二次输出数据标定为，，实时无噪数据标定为，，二者关系表示为：

15、；

16、；

17、式中表示噪声预测模型预测的噪声信号，。

18、优选的，标准化处理的逻辑为：

19、计算输入数据的均值和标准差，计算方式为：

20、；

21、；

22、再对输入数据进行标准化处理，计算方式为：

23、；

24、式中表示输入数据，表示输入数据的均值，表示输入数据的标准差，表示经过标准化处理后的输出数据。

25、优选的，对噪声预测模型进行优化的逻辑为：

26、基于构建深度卷积神经网络构建噪声预测模型，使用随机值作为最初的模型参数；

27、将第一训练集中的历史带噪数据作为输入数据进行标准化处理，生成对应的输出数据并输入到噪声预测模型中，计算对应的噪声信号；

28、构建损失函数，用来衡量噪声预测模型所输出的噪声信号与实际的噪声信号之间的差异，计算方法为：

29、；

30、再根据损失函数计算梯度，并使用反向传播算法更新噪声预测模型的模型参数，计算方法为：

31、；

32、式中表示噪声预测模型的模型参数，表示噪声预测模型的学习率；

33、使用第一训练集对噪声预测模型的模型参数进行多次迭代，当损失函数小于等于预设的函数阈值时停止，认为噪声预测模型优化完成。

34、优选的，所述历史环境数据包括历史温度数据和历史湿度数据，关于环境误差的多元线性回归模型表示为：

35、；

36、式中、、分别表示多元线性回归模型的第一方程系数、第二方程系数、第三方程系数，表示调整常数，表示环境误差；

37、其中环境误差由历史无噪数据与预设的标准数据相比较得到，计算方法为：

38、；

39、式中表示预设的标准数据，所有标准数据共同构成集合，；

40、再将第二训练集代入多元线性回归模型，使用非线性最小二乘法求解多元线性回归模型的第一方程系数、第二方程系数、第三方程系数，调整常数，以使得多元线性回归模型的累积误差最小，累积误差计算方式为：

41、；

42、式中表示多元线性回归模型的累积误差，表示多元线性回归模型预测的环境误差。

43、优选的，重构误差的计算方法为：

44、；

45、式中表示重构误差，表示深度自编码器的模型参数，表示利用深度自编码器对进行特征提取。

46、优选的，对电流互感器的实时二次输出数据和实时环境数据进行数据处理时，根据对应的噪声信号和预测的环境误差计算总误差率和噪声占比，计算方法分别为：

47、；

48、；

49、以时间作为间隔进行判定，计算时间内的平均总误差率和平均噪声占比，计算方法为：

50、；

51、；

52、式中表示时间内的采样次数；

53、若在时间内，平均总误差率，则认为该电流互感器误差较小，工作状态正常；

54、若在时间内，平均总误差率，且平均噪声占比，则认为该电流互感器误差较大，主要受到环境影响，工作状态异常；

55、若在时间内，平均总误差率，且平均噪声占比，则认为该电流互感器误差较大，主要受到噪声影响，工作状态异常；

56、式中表示预设的总误差阈值，表示预设的噪声占比阈值。

57、一种磁阀式电流互感器误差状态在线定量评估装置，所述评估装置采用上述的评估方法，包括：

58、数据采集模块，所述数据采集模块为一个逻辑电路，与数据分析模块电性连接，用于采集电流互感器所测量的历史二次输出数据和实时二次输出数据并发送到数据分析模块；

59、传感模块，所述传感模块与数据分析模块电性连接，包括温度传感器和湿度传感器，用于采集电流互感器所在环境的历史环境数据和实时环境数据并发送到数据分析模块；

60、数据分析模块，所述数据分析模块与特征提取模块、误差分析模块、数据存储模块电性连接，用于根据历史二次输出数据、历史环境数据分别构建噪声预测模型和多元线性回归模型，并将实时二次输出数据和实时环境数据代入噪声预测模型和多元线性回归模型内生成理论数据，再将计算出来的噪声信号、环境误差发送到误差分析模块，同时还将历史二次输出数据、历史环境数据、实时二次输出数据、实时环境数据发送到数据存储模块进行保存；

61、误差分析模块，所述误差分析模块用于根据噪声信号、环境误差判断电流互感器的工作状态和误差种类；

62、特征提取模块，所述特征提取模块与信号发送模块电性连接，用于根据预设的标准数据来优化深度自编码器的模型参数，利用优化后的深度自编码器对理论数据进行特征提取并发送到信号发送模块；

63、信号发送模块，所述信号发送模块用于将对理论数据提取出来的特征数据发送到后续的端口进行信号分析。

64、一种磁阀式电流互感器误差状态在线定量评估设备，所述评估设备包括：

65、存储介质，用于保存计算机程序；

66、处理器，用于执行所述计算机程序以实现上述的评估方法。

67、一种磁阀式电流互感器误差状态在线定量评估介质，所述介质用于保存计算机程序，所述计算机程序被处理器执行时实现上述的评估方法。

68、与现有技术相比，本发明的有益效果是：

69、本发明通过结合深度学习和传统统计分析技术，能够实时采集电流互感器的二次输出数据和环境数据，利用深度卷积神经网络预测噪声，通过多元线性回归模型分析环境误差，并使用深度自编码器提取特征方便后续进行信号分析，从而实现对电流互感器的误差状态进行准确评估。这种方法不仅能够实时监控电流互感器的性能，还能够区分噪声和环境因素对误差的具体影响，为电力系统的维护和调整提供了科学依据。不仅能够提高电流互感器的测量准确性，还能减少因误差导致的电力系统故障，提升电力系统的运行效率和可靠性。

技术特征：

1.一种磁阀式电流互感器误差状态在线定量评估方法，其特征在于，具体步骤包括：

2.根据权利要求1所述的一种磁阀式电流互感器误差状态在线定量评估方法，其特征在于：所述历史数据包括历史二次输出数据和历史环境数据，历史二次输出数据包括实际条件下的历史带噪数据和用于参考的历史无噪数据，将历史二次输出数据和历史环境数据作为输入数据进行标准化处理，并将标准化处理后的历史二次输出数据和历史环境数据划分为第一训练集和第一验证集，利用第一训练集和第一验证集来对噪声预测模型进行训练。

3.根据权利要求2所述的一种磁阀式电流互感器误差状态在线定量评估方法，其特征在于：根据历史无噪数据和预设的标准数据计算对应的环境误差，将历史无噪数据和历史环境数据划分为自变量集，并将自变量集划分为第二训练集和第二验证集，利用第二训练集和第二验证集来对多元线性回归模型进行优化。

4.根据权利要求3所述的一种磁阀式电流互感器误差状态在线定量评估方法，其特征在于：所述实时数据包括实时二次输出数据和实时环境数据，将实时二次输出数据和实时环境数据作为输入数据标准化处理，再代入噪声预测模型计算并剔除其噪声信号，以得到实时无噪数据，接着将实时无噪数据和实时环境数据代入多元线性回归模型，生成环境误差并进行剔除以得到理论数据，最后利用深度自编码器对理论数据进行特征提取，得到对应的特征向量进行后续信号分析。

5.根据权利要求4所述的一种磁阀式电流互感器误差状态在线定量评估方法，其特征在于：将时间内的所有历史带噪数据标定为，，历史无噪数据标定为，，实际的噪声信号标定为，三者关系表示为：

6.根据权利要求5所述的一种磁阀式电流互感器误差状态在线定量评估方法，其特征在于：标准化处理的逻辑为：

7.根据权利要求6所述的一种磁阀式电流互感器误差状态在线定量评估方法，其特征在于：对噪声预测模型进行优化的逻辑为：

8.根据权利要求7所述的一种磁阀式电流互感器误差状态在线定量评估方法，其特征在于：所述历史环境数据包括历史温度数据和历史湿度数据，关于环境误差的多元线性回归模型表示为：

9.根据权利要求8所述的一种磁阀式电流互感器误差状态在线定量评估方法，其特征在于：对多元线性回归模型进行优化时，将第二训练集代入多元线性回归模型，使用非线性最小二乘法求解多元线性回归模型的第一方程系数、第二方程系数、第三方程系数，调整常数，以使得多元线性回归模型的累积误差最小，累积误差计算方式为：

10.根据权利要求1所述的一种磁阀式电流互感器误差状态在线定量评估方法，其特征在于：重构误差的计算方法为：

11.根据权利要求9所述的一种磁阀式电流互感器误差状态在线定量评估方法，其特征在于：对电流互感器的实时二次输出数据和实时环境数据进行数据处理时，根据对应的噪声信号和预测的环境误差计算总误差率和噪声占比，计算方法分别为：

12.根据权利要求11所述的一种磁阀式电流互感器误差状态在线定量评估方法，其特征在于：根据平均总误差率、平均噪声占比判断电流互感器的误差状态的逻辑为：

13.一种磁阀式电流互感器误差状态在线定量评估装置，其特征在于：所述评估装置采用权利要求1-12任一项所述的评估方法，包括：

14.一种磁阀式电流互感器误差状态在线定量评估设备，其特征在于：所述评估设备包括：

15.一种磁阀式电流互感器误差状态在线定量评估介质，其特征在于：所述介质用于保存计算机程序，所述计算机程序被处理器执行时实现如权利要求1-12任一项所述的评估方法。

技术总结
本发明提供一种磁阀式电流互感器误差状态在线定量评估方法、装置、设备及介质，涉及磁阀式电流互感器误差状态评估技术领域，本发明通过结合深度学习和传统统计分析技术，能够实时采集电流互感器的二次输出数据和环境数据，利用深度卷积神经网络预测噪声，通过多元线性回归模型分析环境误差，并使用深度自编码器提取特征方便后续进行信号分析，从而实现对电流互感器的误差状态进行准确评估。这种方法不仅能够实时监控电流互感器的性能，还能够区分噪声和环境因素对误差的具体影响，为电力系统的维护和调整提供了科学依据。不仅能够提高电流互感器的测量准确性，还能减少因误差导致的电力系统故障，提升电力系统的运行效率和可靠性。

技术研发人员：刘召杰,许唐云,赵莹莹,陈柏超,田翠华,张哲璇,陈耀军,周璐瑶
受保护的技术使用者：国网上海市电力公司
技术研发日：
技术公布日：2024/9/23