[发明专利]一种基于s变换的CVT计量误差预测方法、装置及存储介质

说明书

本发明公开了一种基于s变换的CVT计量误差预测方法、装置及存储介质。该方法包括步骤：实时采集待测互感器的一次电压频率数据、环境温度数据、泄漏电流数据和二次负载数据；将所述一次电压频率数据、环境温度数据、泄漏电流数据和二次负载数据分别进行S变换处理到第一时频图谱、第二时频图谱、第三时频图谱和第四时频图谱；从所述第一时频图谱、第二时频图谱、第三时频图谱和第四时频图谱中分别提取第一特征数据，得到第一特征数据集；将所述第一特征数据集进行PCA降维处理得到第二特征数据集；将所述第二特征数据集输入至基于DFF神经网络的CVT计量误差预测模型，输出CVT计量误差预测结果。本发明提高了CVT计量误差预测的效率。

技术领域

本发明涉及CVT计量误差预测技术领域，尤其涉及一种基于s变换的CVT计量误差预测方法、装置及存储介质。

背景技术

现有技术中采用了深度学习中RBF神经网络模型实现了互感器误差状态的预测，但其输入数据即CVT所传感的各项物理信号是一种非平稳的随机信号，单纯的时序数据解析的方法，无法在规定计量准确度的要求下，将CVT渐变性的计量误差与其传感信号的自身波动相区分，导致准确度下降。

目前技术人员停电检定互感器误差状态时，存在耗费人力物力大和效率低的缺点。同时，如果互感器超差不及时发现会导致损害电力结算公平甚至电网安全。

发明内容

本发明提供一种基于s变换的CVT计量误差预测方法、装置及存储介质，提高了CVT计量误差预测的效率。

本发明一实施例提供一种基于s变换的CVT计量误差预测方法，包括以下步骤：

实时采集待测互感器的一次电压频率数据、环境温度数据、泄漏电流数据和二次负载数据；

将所述一次电压频率数据、环境温度数据、泄漏电流数据和二次负载数据分别进行S变换处理到第一时频图谱、第二时频图谱、第三时频图谱和第四时频图谱；

从所述第一时频图谱、第二时频图谱、第三时频图谱和第四时频图谱中分别提取第一特征数据，得到第一特征数据集；

将所述第一特征数据集进行PCA降维处理得到第二特征数据集，将降为后的特征记为第二特征；

将所述第二特征数据集输入至基于DFF神经网络的CVT计量误差预测模型，输出CVT计量误差预测结果。

进一步的，所述一次电压频率数据、环境温度数据、泄漏电流数据和二次负载数据按时间序列进行表示。

进一步的，从所述第一时频图谱、第二时频图谱、第三时频图谱和第四时频图谱中分别提取第一特征数据，具体为：

从所述第一时频图谱、第二时频图谱、第三时频图谱和第四时频图谱中分别提取峰值指标数据、波形指标数据、峭度指标数据、Tamura纹理数据、一阶颜色矩数据、二阶颜色矩数据和三阶颜色矩数据。

进一步的，根据以下公式采集用于训练所述基于DFF神经网络的CVT计量误差预测模型的原始数据：

其中，N表示能够采集到的时间点的数量，n₁表示不超差的时间点的数量，n₂表示超差的时间点的数量。

进一步的，根据以下公式进行S变换处理：

其中，τ＝xT，f＝y/nT，τ为平移因子，用于控制高斯窗在时间轴t上的位置，f为信号特征频率，x为按一定时长间隔进行采样的时间采样点编号，y为按一定频率长间隔进行采样的频率采样点编号，T为采样周期，n为采样点数，sig表示待测信号。