电气设备负荷特征智能识别方法与流程

1.本发明涉及电气领域，尤其涉及一种电气设备负荷特征智能识别方法。


背景技术：

2.现代社会中，无论是企业还是家庭中都具有越来越多的且不同的电气设备，这些电气设备在工作中都会对配网造成影响，因此，如何对这些电气设备的负荷特性进行识别成为了一个难题，电气设备随着服役时间的变化，其负荷(包括工作电压和工作电流)特性也会发生相应的变化，即其工作电压以及工作电流均会产生变化，如何准确识别目前还没有一种有效的解决手段，虽然，现有技术中具有一些监测设备，比如电压传感器、电流传感器对其工作电压和电流进行监测，但是，这些仅仅能够进行粗略分析，对于配网状态的影响、设备异常的精确分析并不能提供准确的数据支持。
3.因此，为了解决上述技术问题，亟需提出一种新的技术手段。


技术实现要素：

4.有鉴于此，本发明的目的是提供一种电气设备负荷特征智能识别方法，能够对配网中的各个电气设备的负荷特性进行准确识别，为配网的电力供应提供准确的数据支持，而且能够为判断电气设备异常、电气火灾的预警分析提供准确的数据支持。
5.本发明提供的一种电气设备负荷特征智能识别方法，包括以下步骤：
6.s1.采集电气设备工作时的负荷信号，包括电压和电流信号，并记录采集电气设备工作时的负荷信号的采集周期；
7.s2.采用傅里叶级数对负荷信号进行处理变换，得到负荷信号的直流分量值、基波幅值、谐波幅值以及相位；
8.s3.基于负荷信号的直流分量值、基波幅值、谐波幅值以及相位构建特征矩阵。
9.进一步，步骤s2具体包括：
10.s21.将负荷信号采用以下公式表示：
11.其中，a表示负荷信号，n表示第n次谐波，an表示第n次谐波的幅值，nω表示第n次谐波的角频率，表示第n次谐波的相位；
12.s22.将公式(1)进行分解得到公式(2)：
13.其中，a0表示负荷信号的直流分量值；a(t)表示t时刻的负荷信号；
14.s23.将公式(2)采用傅里叶变换得到通过傅里叶变换后的t时刻的负荷信号a(t)'：
[0015][0016]
其中，a0表示负荷信号的直流分量值，a1、b1为负荷的基波幅值，an、bn表示第n次谐波幅值。
[0017]
进一步，通过如下方法确定直流分量幅值a0：
[0018]
其中其中，fs表示对负荷信号的采集频率，f表示工频，t0表示初始采集时刻，ts表示负荷信号的采集周期。
[0019]
进一步，：通过如下方法确定第n次谐波的基波幅值an：
[0020]
其中，其中，fs表示对负荷信号的采集频率，f表示工频，t0表示初始采集时刻，ts表示负荷信号的采集周期。
[0021]
进一步，通过如下方法确定第n此谐波的谐波幅值bn：
[0022]
其中，其中，fs表示对负荷信号的采集频率，f表示工频，t0表示初始采集时刻，ts表示负荷信号的采集周期。
[0023]
进一步，通过如下方法确定第n此谐波的相位：
[0024][0025]
本发明的有益效果：通过本发明，能够对配网中的各个电气设备的负荷特性进行准确识别，为配网的电力供应提供准确的数据支持，而且能够为判断电气设备异常、电气火灾的预警分析提供准确的数据支持。
附图说明
[0026]
下面结合附图和实施例对本发明作进一步描述：
[0027]
图1为本发明的流程图。
具体实施方式
[0028]
以下进一步对本发明做出详细说明：
[0029]
本发明提供的一种电气设备负荷特征智能识别方法，包括以下步骤：
[0030]
s1.采集电气设备工作时的负荷信号，包括电压和电流信号，并记录采集电气设备工作时的负荷信号的采集周期，采集周期根据实际工况进行设定；对于负荷信号的采集，采用现有的电压传感器、电流传感器实现，然后通过相应的物联网节点进行信号传输，然后输入至处理器中进行处理，这个过程属于现有技术。
[0031]
s2.采用傅里叶级数对负荷信号进行处理变换，得到负荷信号的直流分量值、基波幅值、谐波幅值以及相位；
[0032]
s3.基于负荷信号的直流分量值、基波幅值、谐波幅值以及相位构建特征矩阵。其中，特征矩阵采用以下方式构成：假设目标区域内有m个电气设备，电即：
[0033]
{load1 load2 load3
ꢀ…ꢀ
loadm}；那么以第一个电气设备为例，其负荷特征矩阵为：
[0034]
其中，load1表示电气设备1，i表示电流信号，u表示电压信号，下标为0时表示直流分量值，下标为1表示基波，下标为2表示谐波；
[0035]
通过上述方法，能够对配网中的各个电气设备的负荷特性进行准确识别，为配网的电力供应提供准确的数据支持，而且能够为判断电气设备异常、电气火灾的预警分析提供准确的数据支持。
[0036]
本实例中，步骤s2具体包括：由于负荷信号包括电压信号和电流信号，均为正弦信号，因此，其可以采用公式(1)的表达方式进行表达：
[0037]
s21.将负荷信号采用以下公式表示：
[0038]
其中，a表示负荷信号，n表示第n次谐波，an表示第n次谐波的幅值，nω表示第n次谐波的角频率，表示第n次谐波的相位；
[0039]
s22.将公式(1)进行分解得到公式(2)：
[0040]
其中，a0表示负荷信号的直流分量值；a(t)表示t时刻的负荷信号；
[0041]
s23.将公式(2)采用傅里叶变换得到通过傅里叶变换后的t时刻的负荷信号a(t)'：
[0042][0043]
其中，a0表示负荷信号的直流分量值，a1、b1为负荷的基波幅值，an、bn表示第n次谐波幅值。
[0044]
具体地，通过如下方法确定直流分量幅值a0：
[0045]
其中其中，fs表示对负荷信号的采集频率，f表示工频，t0表示初始采集时刻，ts表示负荷信号的采集周期。
[0046]
通过如下方法确定第n次谐波的基波幅值an：
[0047]
其中，其中，fs表示对负荷信号的采集频率，f表示工频，t0表示初始采集时刻，ts表示负荷信号的采集周期。
[0048]
通过如下方法确定第n此谐波的谐波幅值bn：
[0049]
其中，其中，fs表示对负荷信号的采集频率，f表示工频，t0表示初始采集时刻，ts表示负荷信号的采集周期。
[0050]
通过如下方法确定第n此谐波的相位：
[0051]
由于在四个象限都可能分布，因此分为(-π,0)和(0，π)两部分计算，从而以上述两个公式分别计算传统技术中，仅仅通过电压传感器和电流传感器对电气设备的电压和电流信号进行监测，从而判定这些电气设备的工作特性以及对于配网的影响，以及电气设备的状态，但是，每个电器设备均由电阻(线性元件)、电容及电抗(非线性元件)元件构成，这些电阻、电容及电抗元件形成了每个电器设备独有的特征，而且环境的不同，通电瞬间以及工作状态均会产生独有的直流分量、基波和多次谐波，而这些直流分量值、基波和多次谐波的幅值和初始相位都这电器设备独有的特征，因此，仅仅采用传统方式并不能获取这些特征信息，而本技术中的上述方法，将这些特征均进行获取，从而为后续判断提供准确的数据支持；而在上述计算中，无论是傅里叶变换前后，符合信号的的实时幅值都是能够通过电压传感器和电流传感器采集到的，但是，如果按照常规的负荷信号的表达形式，则不能确定出相应的谐波以及基波的幅值特征，因此，通过上述方法，则能够准确进行确定。
[0052]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。