本发明属于低压配电技术领域，具体地涉及一种短路电流峰值的变维递进灰色预测方法。
背景技术：
低压配电系统短路故障电流峰值与低压配电系统参数、短路发生的位置以及故障初相角等因素有关，采用常规预测方法需要的样本数据量大、难收敛。而低压配电系统的短路电流预测在判断出短路故障后，能用于预测的原始数据极其有限。
而且，灰色预测模型虽然是小样本、少信息的建模，在预测点之后较短范围内数据的预测精度较高，但越往后预测精度越无法保证。
虽然有适用于低压配电系统短路故障电流数据变化趋势的灰色verhulst模型，但其等维新息结构的模型，每次预测的步长是有限，无法实现中长期预测。
技术实现要素：
本发明的目的在于针对现有技术的缺陷或问题，提供一种短路电流峰值的变维递进灰色预测方法。
本发明的技术方案如下：一种短路电流峰值的变维递进灰色预测方法包括如下步骤：1、将预测开始时间之前采集到的m0个电流数据构成原始数据初始序列，m0为正整数；2、在灰色幂模型的基础上构建变维新息模型，并对所述原始数据初始序列进行预测，得到第一电流预测数据，其中，所述变维新息模型的维数为n，且n＝m0，n为正整数；3、判断所述变维新息模型预测出来的m0个电流数据之后的第一电流预测数据是否属于正常的工作电流，如果否，则结束预测流程；如果是，则构建等维新息模型，并返回步骤2，其中，所述等维新息模型的维数为m0。
优选地，在步骤2具体包括如下步骤：2.1、在灰色幂模型的基础上构建变维新息模型；2.2、所述变维新息模型根据待预测的数据序列进行预测计算得到第一预测数据序列；2.3、在待预测的数据序列中去掉一个旧的原数据，并增加一个本次预测得到的新的预测数据，获得下一次待预测的数据序列；2.4、调整变维新息模型维数k，使得变维新息模型增加一个维数，得到调整后的模型维数k+1，其中，k为正整数；2.5、判断调整后的所述模型维数是否小于等于m0，如果是，则返回步骤2.2，并通过所述变维新息模型对所述下一次待预测的数据序列进行预测计算；如果否，则执行步骤3。
优选地，在步骤3的构建等维新息模型中具体包括如下步骤：实时采集原始数据；在所述原始数据初始序列中去掉一个旧的原始数据，增加一个新采集的原始数据，得到递进后的原始数据初始序列；在灰色幂模型的基础上构建等维新息模型，并对递进后的原始数据初始序列进行数据预测得到第二电流预测数据后，返回步骤2，且将所述第二电流预测数据作为待预测的数据序列。
本发明提供的技术方案具有如下有益效果：
所述短路电流峰值的变维递进灰色预测方法提出低压配电系统短路电流峰值的变维递进灰色verhulst预测模型，在灰色幂模型的基础上，构造变维新息模型和等维新息模型的嵌套结构，在保证预测精度的同时增加每次循环预测的步长；
此外，所述短路电流峰值的变维递进灰色预测方法在数据采样过程不断推进，使预测值实时跟随实际的原始值调整，形成对系统行为不断适应的变参数变结构的自适应预测系统。
附图说明
图1为本发明实施例提供的短路电流峰值的变维递进灰色预测方法的流程示意图；
图2为变维新息模型的示意图；
图3为等维新息模型的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
除非上下文另有特定清楚的描述，本发明中的元件和组件，数量既可以单个的形式存在，也可以多个的形式存在，本发明并不对此进行限定。本发明中的步骤虽然用标号进行了排列，但并不用于限定步骤的先后次序，除非明确说明了步骤的次序或者某步骤的执行需要其他步骤作为基础，否则步骤的相对次序是可以调整的。可以理解，本文中所使用的术语“和/或”涉及且涵盖相关联的所列项目中的一者或一者以上的任何和所有可能的组合。
如图1所示，一种短路电流峰值的变维递进灰色预测方法，包括如下步骤：
1、将预测开始时间t之前采集到的m0个电流数据构成原始数据初始序列，m0为正整数；
2、在灰色幂模型的基础上构建变维新息模型，并对所述原始数据初始序列进行预测，得到第一电流预测数据，其中，所述变维新息模型的维数为n，且n＝m0，n为正整数；
3、判断所述变维新息模型预测出来的m0个电流数据之后的第一电流预测数据是否属于正常的工作电流，如果否，则结束预测流程；如果是，则构建等维新息模型，并返回步骤2，其中，所述等维新息模型的维数为m0。
需要说明的是，由于短路故障电流的原始数据分段呈现近似s型，所以选用灰色预测verhulst模型作为低压配电系统短路电流峰值预测模型的基本结构。
设x(1)为分段的短路电流原始数据序列，x(0)为x(1)的一阶累减(1-iago)序列，z(1)为x(1)的紧邻均值生成序列，则灰色幂模型的白化方程式为：
灰色预测verhulst模型为：
x(0)(k)+az(1)(k)＝b(z(1)(k))2(2)
其中：a和b为待定系数，利用最小二乘法可以求解。
如图2所示，在步骤2中，为了增加预测步长同时又要保证一定的预测精度，构造变维新息模型。具体地，在步骤2具体包括如下步骤：
2.1、在灰色幂模型的基础上构建变维新息模型；
2.2、所述变维新息模型根据待预测的数据序列进行预测计算得到第一预测数据序列；
2.3、在待预测的数据序列中去掉一个旧的原数据，并增加一个本次预测得到的新的预测数据，获得下一次待预测的数据序列；
2.4、调整变维新息模型维数k，使得变维新息模型增加一个维数，得到调整后的模型维数k+1，其中，k为正整数；
2.5、判断调整后的所述模型维数是否小于等于m0，如果是，则返回步骤2.2，并通过所述变维新息模型对所述下一次待预测的数据序列进行预测计算；如果否，则执行步骤3。
需要说明的是，所述变维新息模型而言，每次循环，在补充t个新数据的同时，根据新陈代谢原理去掉一个时间最老的原始数据，得到维数为m的变维新息的模型，既保证数据的新鲜性又保留一定程度的原始信息，其中，t≥1，且t、m均为正数。
如图3所示，在步骤3中，对预测出来的m0点之后的多个预测数据进行分析，如果m0之后的多个电流预测值属于正常工作电流，则继续构造等维新息模型。具体地，在步骤3的构建等维新息模型中具体包括如下步骤：
实时采集原始数据；
在所述原始数据初始序列中去掉一个旧的原始数据，增加一个新采集的原始数据，得到递进后的原始数据初始序列；
在灰色幂模型的基础上构建等维新息模型，并对递进后的原始数据初始序列进行数据预测得到第二电流预测数据后，返回步骤2，且将所述第二电流预测数据作为待预测的数据序列。
需要说明的是，所述等维新息模型使预测模型参数能够跟随系统状态的变化而不断调整。在m0次循环结束后，采样一个新的原始数据，去掉一个最旧的原始数据，生成第二轮变维新息的初始数据序列。
此外，基于最小二乘估算，根据原始序列与预测序列的差值平方和最小的原则，采用对模型的时间响应函数进行优化的方法，在上述改进型算法的基础上，进一步提高模型应用的精度。
灰色verhulst模型的白化方程式(1)的通解为：
其中：c为待定系数。
则，优化后模型的时间响应式为：
设：
由最小二乘估算法可得：
c＝(ftf)-1fte(5)
接下来以具体的实例对上述方案作进一步的描述。
例如，实验平台的核心采用主频为150m的tms320f28335dsp芯片，经过形态滤波等处理后得到不同故障初相角的单相短路电流信号为实验数据样本，选用故障角60°时的数据。取5个点作为初始数据序列，分别采用灰色verhulst模型、等维新息灰色verhulst模型和变维递进灰色verhulst模型进行预测比较。
预测初始点数m0、预测步长t和预测总步长d分别取[52020]、[515]和[5420]。三种模型在m0点之后的预测值和各自的相对残差δ(k)见表1。相对残差δ(k)：
表1.不同模型的预测结果
从上表可以看出，三种模型的预测精度p分别是98.9075％、99.9688％和99.2073％。
基于上述描述，所述短路电流峰值的变维递进灰色预测方法具有如下优势：
实现电流信号的实时在线预测，增加预测数据点数和平滑度，并有效地提高预测精确度，所需数据量少，操作方便；
用有限的低压配电系统短路电流故障数据，获得高精度的预测结果；
变维递进灰色verhulst预测模型能够在保证预测精度的前提下增加预测步长，兼顾了预测步长和预测精度；
为短路电流早期检测和故障快速排除提供可能性。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。