一种互感器计量误差在线检测方法及系统与流程

技术特征：

1.一种互感器计量误差在线检测方法，所述方法包括：

在互感器的二次侧回路注入异频测试信号；所述异频测试信号的频率远高于工频；

采集二次侧异频电压以及异频电流，根据所述二次侧异频电压以及异频电流，计算获得互感器等效电阻；

将所述互感器等效电阻输入至预先训练的BP神经网络模型，获得互感器误差；所述BP神经网络模型根据互感器等效电阻历史数据和对应的互感器误差历史数据预先训练获得。

2.根据权利要求1所述的方法，其特征在于：当所述互感器为电流互感器时，电流互感器等效电阻ZI为：

所述电流互感器误差εI表示为：

其中，US、IS分别为二次侧异频电压以及二次侧异频电流；Z2为二次绕组阻抗，Zm′为励磁阻抗折算到二次侧的值，ZL为负载阻抗。

3.根据权利要求1所述的方法，其特征在于：当所述互感器为电压互感器时，所述电压互感器等效电阻ZU为：

所述互感器误差εU表示为：

其中，US、IS分别为二次侧异频电压以及二次侧异频电流；Z1′为一次绕组阻抗折算到二次侧的值，Z2为二次绕组阻抗，Zm′为励磁阻抗折算到二次侧的值，ZL为负载阻抗。

4.根据权利要求1所述的方法，其特征在于：

建立包含输入层、隐含层以及输出层的BP神经网络拓扑结构；所述输入层为M个节点、隐含层为N个节点、输出层为P个节点；

设置所述输入层为互感器等效电阻以及二次侧异频电压以及异频电流，设置所述输出层为互感器计量误差；

设置所述输入层到隐含层的权重和偏置、设置所述隐含层到输出层的权重以及偏置，设置激励函数以及学习速率；

将所述BP神经网络模型根据互感器等效电阻历史数据以及对应的二次侧异频电压以及异频电流的历史数据输入至输入层，经BP神经网络模型计算获得互感器模拟误差，将计算获得的互感器模拟误差与实际的互感器误差进行比较，根据比较结果调整权重以及偏置，进行进一步迭代；

当所述互感器模拟误差与实际的互感器误差的差值小于预设阈值时，获得训练完成的BP神经网络模型。

5.根据权利要求4所述的方法，其特征在于：

所述激励函数g(x)取Sigmoid函数为：

所述隐含层的输出为：

所示输出层的输出为：

所述互感器模拟误差与实际的互感器误差的差值为：

其中Yk为期望输出。记Yk-Ok＝ek，则E可表示为：

当所述差值大于等于预设阈值时，对于每个ω选取对应的Δω，获得新的权值ω+Δω。所述权重的迭代采用梯度下降法；

所述权重的计算公式为：

ωjk＝ωjk+ηHjek

所述偏置的计算公式为：

bk＝bk+ηek

直至所述互感器模拟误差与实际的互感器误差的差值小于预设阈值时，结束迭代，获得训练完成的BP神经网络模型。

6.一种互感器计量误差在线检测系统，所述系统包括：

异频信号注入单元，所述异频信号注入单元用于在互感器的二次侧回路注入异频测试信号；所述异频测试信号的频率远高于工频；

参数获取单元，所述参数获取单元用于采集二次侧异频电压以及异频电流，根据所述二次侧异频电压以及异频电流，计算获得互感器等效电阻；

BP神经网络模型计算单元，所述BP神经网络模型计算单元用于将所述互感器等效电阻输入至预先训练的BP神经网络模型，获得互感器误差；所述BP神经网络模型根据互感器等效电阻历史数据和对应的互感器误差历史数据预先训练获得。

7.根据权利要求6所述的系统，其特征在于：

当所述互感器为电流互感器时，所述参数获取单元计算电流互感器等效电阻ZI的公式为：

所述电流互感器误差εI的计算公式为：

其中，US、IS分别为二次侧异频电压以及二次侧异频电流；Z2为二次绕组阻抗，Zm′为励磁阻抗折算到二次侧的值，ZL为负载阻抗。

8.根据权利要求6所述的系统，其特征在于：

当所述互感器为电压互感器时，所述所述参数获取单元计算电压互感器等效电阻ZU的公式为：

所述互感器误差εU计算公式为：

其中，US、IS分别为二次侧异频电压以及二次侧异频电流；Z1′为一次绕组阻抗折算到二次侧的值，Z2为二次绕组阻抗，Zm′为励磁阻抗折算到二次侧的值，ZL为负载阻抗。

9.根据权利要求6所述的系统，其特征在于：所述系统包括BP神经网络模型建立单元；

所述BP神经网络模型建立单元用于建立包含输入层、隐含层以及输出层的BP神经网络拓扑结构；所述输入层为M个节点、隐含层为N个节点、输出层为P个节点；

所述BP神经网络模型建立单元用于设置所述输入层为互感器等效电阻以及二次侧异频电压以及异频电流，设置所述输出层为互感器计量误差；

所述BP神经网络模型建立单元用于设置所述输入层到隐含层的权重和偏置、设置所述隐含层到输出层的权重以及偏置，设置激励函数以及学习速率；

所述BP神经网络模型建立单元用于将所述BP神经网络模型根据互感器等效电阻历史数据以及对应的二次侧异频电压以及异频电流的历史数据输入至输入层，经BP神经网络模型计算获得互感器模拟误差，将计算获得的互感器模拟误差与实际的互感器误差进行比较，根据比较结果调整权重以及偏置，进行进一步迭代；

当所述互感器模拟误差与实际的互感器误差的差值小于预设阈值时，获得训练完成的BP神经网络模型。

10.根据权利要求9所述的系统，其特征在于：

所述激励函数g(x)取Sigmoid函数为：

所述隐含层的输出为：

所示输出层的输出为：

所述互感器模拟误差与实际的互感器误差的差值为：

其中Yk为期望输出。记Yk-Ok＝ek，则E可表示为：

当所述差值大于等于预设阈值时，对于每个ω选取对应的Δω，获得新的权值ω+Δω。所述权重的迭代采用梯度下降法；

所述权重的计算公式为：

ωjk＝ωjk+ηHjek

所述偏置的计算公式为：

bk＝bk+ηek

直至所述互感器模拟误差与实际的互感器误差的差值小于预设阈值时，结束迭代，获得训练完成的BP神经网络模型。