一种识别直流牵引网故障电流的方法和系统与流程

本发明涉及电网领域，特别是涉及一种识别直流牵引网故障电流的方法和系统。

背景技术：

城市轨道交通采用电力作为牵引动力，其所需的电能直接取自直流牵引网。工程经验表明，直流牵引网的故障率偏高且故障威胁性大，因此，可靠的直流牵引网馈线保护对保障城市轨道交通安全运营至关重要。

目前，直流牵引网馈线主保护采用di/dt-δi(电流变化率-电流增量)保护，其能有效区分车辆启动电流和牵引网短路电流。然而，由于城市轨道交通运载能力提升、行车密度增加及多车启动等原因，致使直流牵引网出现振荡电流，其增量和上升率特征均接近于牵引网短路电流，容易造成馈线保护误动作。并且，在直流牵引网故障录波中发现了很多振荡电流波形，经现场排查可知该时段直流牵引网并未发生短路故障，这说明振荡电流已造成馈线保护频繁误动作，并影响到城市轨道交通的正常运营。

技术实现要素：

基于此，为了能准确识别直流牵引网短路故障电流，保证直流牵引供电系统的安全稳定运行，提供一种识别直流牵引网故障电流的方法和系统。

一种识别直流牵引网故障电流的方法，包括：将采集到的电流信号进行局部均值分解(ldm)得到多个乘积函数分量；将所有所述乘积函数分量的瞬时幅值和瞬时频率组合，得到所述电流信号的时频分布；根据所述时频分布计算所述电流信号的时频熵；将所述时频熵与短路故障电流信号的特征量进行比较，识别所述电流信号是否为直流牵引网短路故障电流。

在其中一个实施例，将采集到的电流信号进行局部均值分解得到多个乘积函数分量的步骤包括：将所述采集到的电流信号进行分解得到第一乘积函数分量；将所述采集到的电流信号减去第一乘积函数分量得到第一剩余信号；将所述第一剩余信号作为k信号；将所述k信号进行分解得到第二乘积函数分量；将所述k信号减去第二乘积函数分量得到第二剩余信号；检测所述第二剩余信号是否为单调函数；若否，用所述第二剩余信号更新k信号；循环执行上一步骤，直至得到的第二剩余信号为一个单调函数为止。

在其中一个实施例，将所述所有乘积函数分量的瞬时幅值和瞬时频率组合，得到所述电流信号的时频分布的步骤包括：

式中，l表示所述电流信号的时频分布，n为pf分量的个数，f表示所述乘积函数分量的瞬时频率，t表示时间，ai(t)表示第i个乘积函数分量的瞬时幅值，fi(t)表示第i个乘积函数分量的瞬时频率。

在其中一个实施例，根据所述时频分布计算所述电流信号的时频熵的步骤包括：将所述时频分布分为n(n＝2、3、4…)个面积相等的时频块，每块时频块的能量为wi(i＝1,…,n)，对wi进行归一化得其中整个时频分布的能量为w，其中得到所述采集到的电流信号的时频熵为：

在其中一个实施例，将所述采集到的电流信号进行分解得到第一乘积函数分量的步骤包括：

步骤1：确定所述采集到的电流信号的所有局部极值点；

步骤2：计算相邻两个极值点的平均值作为对应的局部均值，计算相邻两个极值点之差的绝对值除以2作为对应的包络估计值；

步骤3：将所有相邻的局部均值直线连接平滑处理得到局部均值函数；将所有相邻的包络估计值点直线连接平滑处理得到包络估计函数；

或者，将所有相邻的局部均值折线连接平滑处理得到局部均值函数；将所有相邻的包络估计值点折线连接平滑处理得到包络估计函数；

步骤4：将所述采集到的电流信号减去所述局部均值函数得到中间函数；将所述中间函数除以所述包络估计函数得到调频信号；

步骤5：将调频信号所述作为新的电流信号，确定新的电流信号的所有局部极值点，重复步骤2-4，得到新的包络估计函数和新的调频信号；

步骤6：根据新的包络估计函数判断所述新的电流信号是否为纯调频信号；若否，重复步骤5；若是，执行步骤7；

步骤7：将迭代过程中产生的所有包络估计函数相乘得到包络信号；

步骤8：将所述包络信号和所述纯调频信号相乘得到第一乘积函数分量。

在其中一个实施例，将所述所有乘积函数分量的瞬时幅值和瞬时频率组合，得到所述电流信号的时频分布的步骤之前还包括：

计算乘积函数分量的瞬时频率为：

其中，f1(t)表示第一个乘积函数分量的瞬时频率，s1n(t)纯调频信号。

在其中一个实施例，根据新的包络估计函数判断所述新的电流信号是否为纯调频信号包括：设置一个迭代误差δe，若所述新的包络估计函数与1的差值在(-δe，+δe)内，则判断所述新的电流信号是纯调频信号。

本发明还提供一种识别直流牵引网故障电流的系统，包括：局部均值分解模块、乘积函数分量组合模块、时频熵计算模块、时频熵和特征量比较模块；所述局部均值分解模块将采集到的电流信号分解得到多个乘积函数分量；所述乘积函数分量组合模块将所述所有乘积函数分量的瞬时幅值和瞬时频率组合，得到所述电流信号的时频分布；所述时频熵计算模块根据所述时频分布计算所述电流信号的时频熵；所述时频熵和特征量比较模块将所述时频熵和短路故障电流信号的特征量进行比较，识别所述电流信号是否为直流牵引网的短路故障电流。

在其中一个实施例，所述乘积函数分量组合模块将所述所有乘积函数分量的瞬时幅值和瞬时频率组合，得到所述电流信号的时频分布包括：

式中，l表示所述电流信号的时频分布，n为乘积函数分量的个数，f表示所述乘积函数分量的瞬时频率，t表示时间，ai(t)表示第i个乘积函数分量的瞬时幅值，fi(t)表示第i个乘积函数分量的瞬时频率。

在其中一个实施例，所述时频熵计算模块根据所述时频分布计算所述电流信号的时频熵包括：所述时频熵计算模块将所述时频分布分为n(n＝2、3、4…)个面积相等的时频块，每块时频块的能量为wi(i＝1,…,n)，对wi进行归一化得其中w为整个时频分布的能量，得到所述采集到的电流信号的时频熵为：

其中，s(q)表示所述采集到的电流信号时频熵。

本方案的有益效果：基于局部均值分解得到采集的电流信号的时频熵，将所述采集的电流信号的时频熵和短路故障电流信号的特征量进行比较，可准确识别所述电流信号是否为直流牵引网的短路故障电流，保证直流牵引供电系统的安全稳定运行。

附图说明

图1为一实施例的识别直流牵引网故障电流的方法的示意性流程图；

图2为另一实施例的识别直流牵引网故障电流的方法的示意性流程图；

图3为另一实施例的识别直流牵引网故障电流的方法的示意性流程图；

图4为一实施例的识别直流牵引网故障电流的系统的示意性结构图；

图5为一实施例的短路故障电流波形图；

图6为一实施例的lmd时频分布图；

图7为一实施例的振荡电流波形图；

图8为另一实施例的lmd时频分布图。

具体实施方式

为了更进一步阐述本发明所采取的技术手段及取得的效果，下面结合附图及较佳实施例，对本发明的技术方案，进行清楚和完整的描述。

图1为一实施例的识别直流牵引网故障电流的方法的示意性流程图。

如图1所示，一种识别直流牵引网故障电流的方法，包括：

s101，将采集到的电流信号x(t)进行局部均值分解(lmd)，得到多个乘积函数分量pfi(t)。

s102，将所有乘积函数分量pfi(t)的瞬时幅值a1(t)和瞬时频率f1(t)组合，得到所述电流信号x(t)的时频分布l(f,t)；

在本实施例中，所述电流信号x(t)的时频分布l(f,t)的定义为：

式中，n为pf分量的个数，f表示所述乘积函数分量的瞬时频率。

s103，根据所述时频分布l(f,t)计算所述电流信号的时频熵s(q)；

在本实施例中，将所述时频分布等分为n(n＝2、3、4…)个面积相等的时频块，每块时频块的能量为wi(i＝1,…,n)，整个时频分布的能量为w，对wi进行归一化得其中得到所述采集到的电流信号的时频熵为：

其中，s(q)表示所述采集到的电流信号时频熵。

s104，将所述时频熵s(q)和直流牵引网的短路故障电流信号的特征量进行比较，识别所述电流信号是否为直流牵引网短路故障电流。

在本实施例中，将所述时频熵和短路故障电流信号的特征量进行比较，识别所述电流信号是否为直流牵引网的短路故障电流，避免馈线保护频繁误动作，保证直流牵引供电系统的安全稳定运行。比如，采集如图5所示的保护启动前200ms的短路故障电流信号，对其进行lmd分解得到如图6所述的时频分布，计算如图6所述的时频分布得到时频熵值为2.78。表1中列出了其它5例短路故障电流信号的特征量，通过比较采集的电流信号的时频熵值和特征值，可以判断采集的电流信号是短路故障电流信号。采集如图7所示的保护启动前200ms的振荡电流信号，对其进行lmd分解得到如图8所述的时频分布，计算如图8所述的时频分布得到时频熵值为0.96。将其与表1中列出的5例短路故障电流信号的特征量比较，可以判断采集的电流信号不是短路故障电流信号；表2中列出了其它5例振荡电流信号的特征量，通过比较采集的电流信号的时频熵值和特征值，可以判断采集的电流信号是振荡电流信号。

表1短路故障电流的特征量

表2振荡电流的特征量

本实施例的有益效果包括：基于lmd得到采集的电流信号的时频熵，将所述采集的电流信号的时频熵和短路故障电流信号的特征量进行比较，可准确识别所述电流信号是否为直流牵引网的短路故障电流，保证直流牵引供电系统的安全稳定运行。

图2为另一实施例的识别直流牵引网故障电流的方法的示意性流程图。

如图2所示，将采集到的电流信号x(t)进行局部均值分解得到多个乘积函数分量的步骤包括：

s201，将所述采集到的电流信号x(t)进行分解得到第一乘积函数分量pf1(t)；

s202，将所述采集到的电流信号x(t)减去第一乘积函数分量pf1得到第一剩余信号u1(t)；将所述第一剩余信号作为k信号；

s203，将所述k信号进行分解得到第二乘积函数分量；

s204，将所述k信号减去第二乘积函数分量得到第二剩余信号；

s205，检测所述第二剩余信号是否为单调函数；

s206，若所述第二剩余信号不是一个单调函数，用所述第二剩余信号更新k信号；重复s203、s204、s205，直至第二剩余信号为一个单调函数为止；

s207，采集的电流信号x(t)分解完毕，得到所述电流信号的所有乘积函数分量。

在本实施例中，第一乘积函数分量pf1(t)包含所述采集到的电流信号x(t)的最高的频率成分，是一个单分量的调幅-调频信号；将所述采集到的电流信号x(t)减去第一乘积函数分量pf1(t)得到第一剩余信号u1(t)，一般情况下，第一剩余信号u1(t)中仍含有比较多的有用频率成分，所以，将第一剩余信号u1(t)作为新的信号进行分解。直至剩余信号uk(t)是一个单调递增函数或单调递减函数为止。此时，所述采集到的电流信号x(t)被分解成多个乘积函数分量pfi(t)，所述采集到的电流信号x(t)能够被分解得到的所有乘积函数分量和剩余信号uk(t)重构，即

其中，pfi(t)是第i个乘积函数分量，k是乘积函数分量的个数，uk(t)是单调递增或单调递减的剩余信号。

本实施例的有益效果包括：将复杂的非线性、非平稳电流信号x(t)分解成有限个瞬时频率具有物理意义的pf分量，通过将所有pf分量的瞬时幅值和瞬时频率组合，得到所述电流信号的时频分布，根据时频分布可以计算出所述电流信号的时频熵。

图3为另一实施例的识别直流牵引网故障电流的方法的示意性流程图。

如图3所示，本实施例中将所述采集到的电流信号进行分解得到第一乘积函数分量的步骤包括：

s301：确定所述采集到的电流信号x(t)的所有局部极值点nⁱ。

s302：计算相邻两个极值点的平均值作为对应的局部均值mi，计算相邻两个极值点之差的绝对值除以2作为对应的包络估计值ai，即：

其中，ni、ni+1是两相邻的两个极值点，mi是局部均值，ai是包络估计值。

s303：将所有相邻的局部均值直线连接平滑处理得到局部均值函数m11(t)；将所有相邻的包络估计值点直线连接平滑处理得到包络估计函数a11(t)；

或者，将所有相邻的局部均值折线连接平滑处理得到局部均值函数m11(t)；将所有相邻的包络估计值点折线连接平滑处理得到包络估计函数a11(t)；

s304：将所述采集到的电流信号x(t)减去所述局部均值函数m11(t)得到中间函数h11(t)，即：

h11(t)＝x(t)-m11(t)；

然后，将所述中间函数h11(t)除以所述包络估计函数a11(t)得到调频信号s11(t)，即：

s305：将调频信号s11(t)所述作为新的电流信号，确定新的电流信号的所有局部极值点，重复步骤s302-s304，得到新的包络估计函数和新的调频信号。

s306：根据新的包络估计函数判断新的电流信号是否为纯调频信号s1n(t)；若否，重复s305；若是，执行s307。

优选的，设置一个迭代误差δe，若所述新的包络估计函数与1的差值在(-δe，+δe)内，则判断为新的电流信号是否为纯调频信号s1n(t)。

在本实施例中，计算乘积函数分量的瞬时频率为：

s307：将迭代过程中产生的所有包络估计函数相乘得到包络信号a1(t)，即：

其中，a11(t)、a12(t)、a1n(t)是迭代过程中产生的包络估计函数。

s308：将所述包络信号a1(t)和纯调频信号s1n(t)相乘得到第一乘积函数分量pf1，即：

pf1(t)＝a1(t)s1n(t)。

本实施例的有益效果：利用了局部均值分解方法能够将一个复杂的非线性、非平稳电流信号自适应地分解成有限个瞬时频率具有物理意义的pf分量,与经验模态分解方法相比，局部均值分解方法的端点效应得到了一定抑制。

基于与上述实施例中的识别直流牵引网故障电流的方法相同的思想，本发明还提供识别直流牵引网故障电流的系统，该系统可用于执行上述识别直流牵引网故障电流的方法。为了便于说明，识别直流牵引网故障电流系统实施例的结构示意图中，仅仅示出了与本发明实施例相关的部分，本领域技术人员可以理解，图示结构并不构成对系统的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

图4为一实施例的识别直流牵引网故障电流的系统的示意性结构图。

如图4所示，一种识别直流牵引网故障电流的系统，包括：局部均值分解模块101、乘积函数分量组合模块102、时频熵计算模块103、时频熵和特征量比较模块104；

局部均值分解模块101，用于将采集到的电流信号分解得到多个乘积函数分量；

乘积函数分量组合模块102，用于将所述所有乘积函数分量的瞬时幅值和瞬时频率组合，得到所述电流信号的时频分布；

时频熵计算模块103，用于所述时频熵计算模块根据所述时频分布计算所述电流信号的时频熵；

时频熵和特征量比较模块104，所述时频熵和特征量比较模块将所述时频熵和短路故障电流信号的特征量进行比较，识别所述电流信号是否为直流牵引网的短路故障电流。

在本实施例中，所述乘积函数分量组合模块102将所述所有乘积函数分量的瞬时幅值和瞬时频率组合，得到所述电流信号的时频分布包括：

式中，l表示所述电流信号的时频分布，n为乘积函数分量的个数，f表示所述乘积函数分量的瞬时频率，t表示时间，ai(t)表示第i个乘积函数分量的瞬时幅值，fi(t)表示第i个乘积函数分量的瞬时频率。

在本实施例中，所述时频熵计算模块根据所述时频分布计算所述电流信号的时频熵包括：所述时频熵计算模块将所述时频分布分为n(n＝2、3、4…)个面积相等的时频块，每块时频块的能量为wi(i＝1,…,n)，对wi进行归一化得其中w为整个时频分布的能量，得到所述采集到的电流信号的时频熵为：

其中，s(q)表示所述采集到的电流信号时频熵。

本实施例的有益效果：基于局部均值分解模块得到采集的电流信号的时频熵，通过时频熵和特征量比较模块将所述采集的电流信号的时频熵和短路故障电流信号的特征量进行比较，识别所述电流信号是直流牵引网的短路故障电流，保证直流牵引供电系统的安全稳定运行。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。