[发明专利]基于小波神经网络的变电站电子式互感器状态评估方法

权利要求书

1.基于小波神经网络的变电站电子式互感器状态评估方法，其特征在于，主要包括以下步骤：

S1、按照电子式互感器工况监测指标体系，按设定的时间频率评估进行采集系统需要的主要量、辅助量和通信量的原始数据信号；

S2、采用信号相关性算法，在原始数据信号中选择信号对，并比较同一时间点的不同信号之间的关联性及其变化趋势，得到二者的关联情况；

S3、分析关联情况的变化，来评估电子互感器的运行状态，当相关性算法得到的相关性发生较大变化时，参数序列对所属器件有大概率发生故障，以此分析出明显故障；

S4、将步骤S3中的明显故障的参数序列对从基本信号剔除，将相关性不明显的参数归类，采用小波神经网络法进行分析偏差故障。

2.根据权利要求1所述的基于小波神经网络的变电站电子式互感器状态评估方法，其特征在于，所述信号相关性算法步骤如下：

A1、以时间为轴，在第1个时刻到第t个时刻的时间段内各单个基本元件采集回的信号用下式表示：

S_n(t)＝[f_n(1),f_n(2),…f_n(t)]；

A2、采集得到的各个参量数据在一定时间内形成多个信号序列；将不同参量在t时刻形成的序列信号定义为{xi}和{yi}，按照时间排序整理为一组序列对{x1，x2，x3……}和{y1，y2，y3……}；定义相关程度为相关系数ρ_xy，其定义为

A3、定义ρ_xy的取值范围来判断两组信号之间的关系：

A4、得到的相关程度为强相关性值以及正相关性值，说明相关程度发生较大变化，说明参数序列对所属器件有大概率发生故障，以此检测出故障器件。

3.根据权利要求1所述的基于小波神经网络的变电站电子式互感器状态评估方法，其特征在于，所述小波神经网络法步骤如下：

B1、对原始信号进行多尺度小波分解，得到各层小波分解系数

X_j＝W(S),j＝1,2...8；

B2、对得到的小波系数进行处理，取小波系数的绝对值并对每一层的小波系数求和

B3、构造特征向量并归一化处理

T＝[E₁,E₂,E₃,E₄,E₅,E₆,E₇,E₈]，

T'＝[E₁/E,E₂/E,E₃/E,E₄/E,E₅/E,E₆/E,E₇/E,E₈/E]，

神经网络参数选择包括传输函数、输入输出层数及隐含层节点数，由于在小波分解过程中取前8个分量，因此输入层定为8；神经元的传输函数采用非对称sigmoid函数

输入层和隐含层之间的传递函数为tansig，隐含层和输出层之间的传递函数为logsig，其他参数需要根据测量得到的数据来决定，其中，隐含层节点数需满足

其中，N1为输入层节点数，N2为隐含层节点数；N3为输出层节点数；α为1～10之间的常数。

4.根据权利要求1所述的基于小波神经网络的变电站电子式互感器状态评估方法，其特征在于，所述偏差故障包括漂移偏差故障、固定偏差故障和变比偏差故障。