基于变分模态分解的电压暂降源辨识方法及辨识装置与流程

本发明电网电能质量检测分辩领域，具体涉及基于变分模态分解的电压暂降源辨识方法。

背景技术：

电压暂降(voltagesag)是指工频条件下电压有效值降低到0.1～0.9p.u之间、持续时间为0.5周波至1分钟的短时电压变动现象。电压暂降是系统正常运行过程中不可避免的短时扰动现象，上级输电网、远方配网和本地配网的故障、变压器激磁、大型电机的起动以及负荷的投切等是导致电压暂降的主要原因，同时系统阻抗、故障阻抗、变压器参数、保护和继电保护的安装和参数设置等，对电压暂降也有重要影响。

但是，随着计算机技术、自动化技术、电力电子技术和微电子技术等在各行业的广泛应用，大量基于高新技术的工业过程和设备在各行业中得到推广并接入电力系统，这些工业过程和设备对电能质量扰动，尤其是电压暂降短时扰动非常敏感。当工业过程(或设备)因电压暂降而中断(或失效)时，会给工业用户和社会造成的损失非常巨大。据统计，欧洲每年发生电压暂降的次数大概为数十次到一千次，欧盟25国每年因电能质量问题承受的经济损失达1500亿欧元，受损严重的多为工业和服务业。而美国每年因电压暂降扰动造成的直接经济损失高达120-260亿美元。使得电压暂降成为了当前电力用户、社会和学术界最关心和关注的电能质量问题。

从目前采用的电压暂降治理措施来看，主要从干扰源消除、电压暂降传播途径的抑制以及提高设备的抗扰动能力三方面进行综合考虑。

但是治理电压暂降，从源头上抑制和消除暂降源是治理和改善电压暂降问题的关键，而这需要以如何准确地对电压暂降源进行辨识为前提。因此，需要找寻一种可靠的辨识准确的方法来对电压暂降的类型作出准确识别，才能合理的从源头控制和改善电压暂降问题。

技术实现要素：

本发明的目的在于提供基于变分模态分解的电压暂降源辨识方法，该方法能对短路故障、变压器投切、电机启动等引起的电压暂降进行准确地辨识。该方法简单、计算速度快、具有良好的抗噪性能。

本发明的具体技术方案为：

基于变分模态分解的电压暂降源辨识方法，包括以下步骤：

从电能质量监测录波装置中获取原始电压暂降信号；

对原始电压暂降信号进行归一化处理获得一个原始的时域信号；

对原始的时域信号进行变分模态分解，获得k个模态分量；

从k个模态分量中筛选出能同时代表不同暂降源的模态分量imfn；

根据各类暂降源独有的模态分量在模态分量imfn的暂降起始时刻t之后的波形对应各类暂降源独有的模态分量的特征进行辨识的具体过程为：

对原始的时域信号进行变分模态分解，获得k个模态分量的具体过程为：分解构造出k个中心频率为ωk的模态函数uk、并对k个中心频率为ωk的模态函数uk进行解算处理得到k个模态分量，其中k为预先设置的分解尺度，也称分解模态数。

采用变分模态分解法得到k个模态分量的具体过程为：包括构造变分问题和解算变分问题

构造变分问题包括：

先对原始的时域信号分解构造出k个相同中心频率为ωk的模态函数uk；

再将各个模态函数uk通过hilbert变换得到其解析信号；

再将解析信号与预估中心频率ωk进行混合，在各模态函数uk之和等于原始的时域信号f(t)的约束条件下，获得约束性变分问题方程；

解算变分问题包括：

针对约束性变分问题方程，使用拉格朗日乘法算子λ(t)和二次惩罚因子α，将约束性变分问题方程转化为无约束性变分问题方程；

利用交替方向橙子算法求取无约束性变分问题方程的鞍点，其中，当模态分量满足迭代停止条件时，停止更新，输出分解后的模态分量。

原始的时域信号为：y＝f(t)；

模态函数uk定义为一个调幅-调频信号，模态函数uk为：

uk(t)＝ak(t)cosφk(t)；(1)

式中：相位φ′k(t)≥0是一个非递减函数，即φ′k(t)≥0；ak(t)≥0为包络线函数；在变化速度上ak(t)和瞬时频率ωk(t)＝φ′k(t)比φk(t)慢；

约束性变分问题方程为：

其中：为对t求偏导；δ(t)为冲击函数；为中心频率指数；

无约束性变分问题方程为：

其中：α为二次惩罚因子；λ(t)为拉格朗日乘法算子。

利用交替方向橙子算法求取无约束性变分问题方程的鞍点的具体实现步骤为：

a、初始化

b、执行循环n＝n+1；

c、对一切ω＞0时，更新即：

d、更新ωk；即：

e、更新λ；即：

f、重复b～e，直到满足式(7)停止运行，就得到k个模态分量，其中ε为给定判别精度；

其中对于变分模态分解过程中的参数设置为：采样频率为48000，采样点数为1800，α＝2000，噪声容限位0.3，分解模态数k＝6，无直流部分，选择均匀初始化。

从k个模态分量中筛选出能同时代表不同暂降源的模态分量的具体方法为：

从k个模态分量中筛选出1个暂降起始时刻t界限明显的模态分量imfn，暂降起始时刻界限明显的模态分量imfn是指对于所有类的电压暂降源而言其都能识别出明显的起始时刻t。

根据各类暂降源独有的模态分量在模态分量imfn的暂降起始时刻t之后的波形对应各类暂降源独有的模态分量的特征进行辨识的具体过程为：

若各类暂降源独有的模态分量在暂降起始时刻t之后的波形都会明显的突变，在暂降持续的过程中，波形无变化，且与时间轴重合，则视电压暂降源为短路类故障；

若各类暂降源独有的模态分量在暂降起始时刻t之后的波形从暂降起始时刻开始都会发生明显的无规律变化，且其中一个模态分量波形毛刺明显，则视电压暂降源为变压器投切；

若各类暂降源独有的模态分量在暂降起始时刻t之后的波形在暂降开始后是与时间轴相重合的直线、无变化，且其中一个模态分量有轻微的变化，但总体而言趋于平稳，则视电压暂降源为电机启动。

本发明的总体设计思路是：先对原始电压暂降信号进行相应的预处理，然后对其进行变分模态分解处理，得到k个模态分量，在k个模态分量中找寻一个特殊的模态分量，且该特殊的模态分量是指暂降起始时刻t界限明显的模态分量imfn，且该模态分量imfn是相对于对于所有类型的电压暂降信号而言，其都能找到一个暂降起始时刻t界限明显的模态分量imfn，然后判断其他模态分量在该特殊的模态分量中的暂降起始时刻t之后波形的特殊识别特征，因此可以从k个模态分量中得到各类暂降源独有的模态分量，最后识别各类暂降源独有的模态分量在暂降起始时刻t之后波形对应不同的暂降源类型下，波形特殊识别特征的匹配关系来确定原始电压暂降源信号的类型。

例如，在设置k为6时，在知晓原始电压暂降信号分别为短路类故障、变压器投切、电机启动类型的情况下，我们通过上述变分模态分解处理分别得到了短路类故障对应下的6个模态分量(参考图2)、变压器投切对应下的6个模态分量(参考图3)、电机启动对应下的6个模态分量(参考图4)，观测图2、图3、图4中的模态分量我们可以发现，其中图2、图3、图4中第imf6号模态分量均有一个明显暂降起始时刻t，因此上述特殊的模态分量就是指第imf6号模态分量。

之后，我们再依据找到的第imf6号模态分量的暂降起始时刻t，来观测第imf3号模态分量、第imf4号模态分量在暂降起始时刻t之后的波形；

我们发现：

对于短路类故障(图2)而言，在暂降起始时刻t之后的波形，imf3和imf4都会明显的突变，在暂降持续的过程中，波形无变化，且与时间轴重合；

对于变压器投切(图3)而言，在暂降起始时刻t之后的波形，imf3和imf4从暂降起始时刻开始都会发生明显的无规律变化，imf4分量的波形毛刺明显；

对于电机启动(图4)而言，在暂降起始时刻t之后的波形，imf3在暂降开始后是与时间轴相重合的直线，无变化，imf4有轻微的变化，但总体而言趋于平稳。

通过上述规律，我们可以发现对于上述3种类型的电压暂降而言，其imf3和imf4在暂降起始时刻t之后的波形都会有上述各自的特定特征，即imf3和imf4代表各类暂降源独有的模态分量，因此我们可以预设上述特征后，然后通过对暂降起始时刻t之后的波形分析去匹配上述预定特征，然后反向得出未知暂降信号的暂降源类型。

虽然本发明仅提供了在k为6时，上述技术方案能实现，但可以通过上述方法来寻找更多类型情况下、k值更多的情况下来实现，因此本发明提供上述k＝6的一个验证性说明，并不代表仅在k＝6时能实现，凡是基于上述发明构思所完成的辨识方法，以及依据该方法所获得的装置，都应纳入本发明保护范围。

基于上述原理，本发明先提出一种电压暂降源辨识装置，该电压暂降源辨识装置内部直接封装好变分模态分解模型，以及设置好k＝6，当然，基于本发明的发明构思，将k设置成另外的值，也应视为等同。

基于变分模态分解的电压暂降源辨识装置，

包括：

获取原始电压暂降信号的输入装置；

构建变分模态分解模型的构建装置，其构建变分模态分解模型时，其预先设置的分解尺度k值封装为6；

通过变分模态分解处理获得的6个模态分量的处理输出装置；

获得6个模态分量中第imf6号模态分量和第imf3号模态分量、第imf4号模态分量的获取装置；

提取能同时代表不同暂降源的第imf6号模态分量中的暂降起始时刻t的提取装置；

分析第imf3号模态分量、第imf4号模态分量在暂降起始时刻t之后波形的状态而输出故障类型的装置。

输出暂降源类型的装置包括：

提取第imf3号模态分量、第imf4号模态分量中暂降起始时刻t之后波形的提取装置；

若第imf3号模态分量、第imf4号模态分量在暂降起始时刻t之后的波形都明显突变时、标记输出为短路类故障引起的暂降的输出装置；

若第imf3号模态分量、第imf4号模态分量在暂降起始时刻t之后的波形都发生明显无规律变化、但第imf4号模态分量在暂降起始时刻t之后的波形出现毛刺明显时，则标记输出为变压器投切引起的暂降的输出装置；

若第imf3号模态分量在暂降起始时刻t在暂降起始时刻t之后的波形是与时间轴相重合的直线、且第imf4号模态分量在暂降起始时刻t在暂降起始时刻t之后的波形有轻微的变化时，则标记输出为电机启动引起的暂降的输出装置。

本发明与现有技术相比，具有如下的优点和有益效果：

1、实现了电压暂降源的准确辨识

在电网结构固定的情况下，对于暂降源辨识困难的问题，该方法可直接对原始的电压暂降信号进行变分模态分解处理，再通过imf分量(模态分量)的差异性，准确地辨识出是否是短路、变压器投或者电机启动引起的电压暂降；并且算法简单，结果直观可靠。

2、为从源头上抑制和消除暂降源，以达到有效治理和改善电压暂降问题奠定了基础：

对于电压暂降的治理和改善问题，最有效的方式就是从源头上治理或者抑制电压暂降的发生，而这取决于对电压暂降源的准确辨识。例如：若系统中短路类故障引起暂降的次数较多，那么可以改善电网结构和优化继电保护等。

3、为用户选择敏感设备、电力供应部门和用户之间的协调纠纷提供了依据：

电压暂降问题主要是使系统和用户中的敏感设备失效，从而影响系统和工业生产过程的正常运行，而不同暂降源对敏感设备的影响程度不同。例如通常电机的启动或变压器的投切引起的是三相电压暂降，且持续时间相对更长，有可能造成三相敏感设备失效，因此可以选择暂降免疫力更好的设备。

对于工业用户而言，通常工厂内的大电机启动会引起电压暂降，有可能造成厂内其他敏感设备或者临近工厂的敏感设备失效，从而给用户造成经济损失。造成用户和电力供应商就会因经济损失的负责问题而产生纠纷。因此对暂降源的准确辨识可以对协调纠纷和解决该问题提供依据。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为本发明处理流程图。

图2为短路类故障信号条件下分解得到的6个模态分量。

图3为变压器投切信号条件下分解得到的6个模态分量。

图4为电机启动信号条件下分解得到的6个模态分量。

图5搭建了三种暂降源模型的电路结构和参数设置。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例一

首先，本发明所要解决的技术问题为对电压暂降源进行识别，在理解本发明技术逻辑前，需要对现有本领域解决电压暂降源识别的技术进行一定了解。

现有对电压暂降源进行辨识主要采用信号处理、深度学习及其两者相结合的方法。

(1)信号处理的方法：

对电压暂降信号采用s变换得到模时频矩阵并进行尺度变换得到全局模板，从该全局模板中选取其最能反映该类暂降源的特定部分作为唯一的标准模板，最终通过求解未知暂降源信号局部模板与标准模板的相似程度来达到辨识暂降源类型的目的。

对电压暂降信号采用希尔伯特黄变换(hilbert-huangtransform，hht)和小波能量谱相结合的方法对暂降源进行识别，即首先对暂降信号进行经验模态分解为多个固有模态函数(intrinsicmodefunction，imf),然后各imf进多层小波包分解并计算器能量谱，进而得到hilbert-huang谱图，通过比较不同暂降源的hilbert-huang谱图中的所包含的特征量的不同对暂降源进行辨识。

(2)深度学习的方法

采用卷积神经网络(convolutionalneuralnetworks,cnn)提取电压暂降信号的时序特征和空间特征，并将其用于提纯高维特征和起分类作用的全连接层用深度置信网络(deepbeliefnetwork)替换的深度学习模型融合进行单一和复合暂降源的分类识别。

(3)信号处理和深度学习相结合的方法

对电压暂降信号采用小波变换(wavelettransform，wt)，即db6小波暂降信号进行5尺度分解后，提取其小波系数熵和能谱熵共6个特征组成输入向量，并将其输入到概率神经网络(probabilisticneuralnetwork，pnn)中进行进行训练，将训练好的模型用于暂降源识别。

现有技术缺点：

(1)采用s变换方法因其时间窗固定，计算量大，难以在实际中应用；采用hht和小波包能量谱相结合的方法，会遇到hht存在模态混叠，小波的分解层数等问题；(2)采用cnn于dbn相融合的方法存在数学模型的相关参数、网络结构的层数设置困难，并用于实际电网时需要大量已知暂降源类型的实测信号波形进行训练等问题；(3)采用wt与pnn相结合的方法对于小波基的选择和分解层数的确定具有一定的依赖性，pnn的结构和参数的确定对暂降源的识别准确率具有较大的影响，以及需要大量的已知样本数据对模型进行训练。

在实际的应用中，由于电压暂降发生的频次通常不会很高，并且实际电网中的电能质量监测设备大多安装在35kv及以上电压等级的电网中，很难监测到诸如大电机启动引起的电压暂降。因此，无法获得大量的已知暂降类型的实测数据来对采用深度学习方法的模型进行模型的训练。

要想在实际的电力系统中得到应用，就需要所用方法抗噪声能力强，适应于复杂的网络结构、计算速度快、所需已知样本少、无需进行大量的训练和模型参数的设置、辨识准确率高。因此，寻找一种优良的信号处理方法对暂降源进行准确地辨识是本专利的核心内容和关键技术。

为了理解本发明的发明构思，我们先从正向角度去分析本发明的设计，本发明的设计基础是在已知三种暂降源类型的情况下，然后对其变分模态分解处理，得到k(k预设＝6)个模态分量。

如图5所示，在pscad/emtdc环境中分别搭建了三种暂降源模型，包括短路故障(a)、变压器投切(b)和感应电动机起动(c)，将该模型用于本发明专利的技术方案的验证。其电路结构和参数设置如图5所示。

在上述参数和变分模态分解的基础上，得到了短路类故障对应下的6个模态分量(参考图2)、变压器投切对应下的6个模态分量(参考图3)、电机启动对应下的6个模态分量(参考图4)。在得到上述数据之后，我们观测图2、图3、图4中的模态分量我们可以发现：其中图2、图3、图4中仅第imf6号模态分量在不同暂降源类型情况下均有一个明显暂降起始时刻t，因此第imf6号模态分量就是一个特殊的模态分量。

然后在此基础下，判断其他模态分量在该特殊的模态分量中的暂降起始时刻t之后波形的特殊识别特征，我们发现，其呈现了以下现象：

对于短路类故障(图2)而言，在暂降起始时刻t之后的波形，imf3和imf4都会明显的突变，在暂降持续的过程中，波形无变化，且与时间轴重合；

对于变压器投切(图3)而言，在暂降起始时刻t之后的波形，imf3和imf4从暂降起始时刻开始都会发生明显的无规律变化，imf4分量的波形毛刺明显；

对于电机启动(图4)而言，在暂降起始时刻t之后的波形，imf3在暂降开始后是与时间轴相重合的直线，无变化，imf4有轻微的变化，但总体而言趋于平稳。

因此，我们可以得出，其在得到暂降起始时刻后，可以结合imf3和imf4在起始时刻之后波形变化的明显差异进行暂降源的辨识。总结来说，其可以在找到一个暂降起始时刻t界限明显的模态分量imfn后，然后判断其他模态分量在该特殊的模态分量中的暂降起始时刻t之后波形的特殊识别特征，从而通过不同暂降源类型对应不同的波形特殊识别特征的匹配关系来确定原始电压暂降信号的类型。

因此，通过该实验，我们可以得到采用变分模态分解的方法来对电压暂降源的类型进识别是科学可行的。因此可以得到以下方法：

基于变分模态分解的电压暂降源辨识方法，包括以下步骤：

从电能质量监测录波装置中获取原始电压暂降信号；

对原始电压暂降信号进行归一化处理获得一个原始的时域信号；

对原始的时域信号进行变分模态分解，获得k个模态分量；

从k个模态分量中筛选出能同时代表不同暂降源的模态分量imfn；

根据各类暂降源独有的模态分量在模态分量imfn的暂降起始时刻t之后的波形对应各类暂降源独有的模态分量的特征进行辨识。

对原始的时域信号进行变分模态分解，获得k个模态分量的具体过程为：分解构造出k个中心频率为ωk的模态函数uk、并对k个中心频率为ωk的模态函数uk进行解算处理得到k个模态分量，其中k为预先设置的分解尺度，也称分解模态数。

采用变分模态分解法得到k个模态分量的具体过程为：包括构造变分问题和解算变分问题

构造变分问题包括：

先对原始的时域信号分解构造出k个相同中心频率为ωk的模态函数uk；

再将各个模态函数uk通过hilbert变换得到其解析信号；

再将解析信号与预估中心频率ωk进行混合，在各模态函数uk之和等于原始的时域信号f(t)的约束条件下，获得约束性变分问题方程；

解算变分问题包括：

针对约束性变分问题方程，使用拉格朗日乘法算子λ(t)和二次惩罚因子α，将约束性变分问题方程转化为无约束性变分问题方程；

利用交替方向橙子算法求取无约束性变分问题方程的鞍点，其中，

当模态分量满足迭代停止条件时，停止更新，输出分解后的模态分量。

原始的时域信号为：y＝f(t)；

模态函数uk定义为一个调幅-调频信号，模态函数uk为：

uk(t)＝ak(t)cosφk(t)；(1)

式中：相位φ′k(t)≥0是一个非递减函数，即φ′k(t)≥0；ak(t)≥0为包络线函数；在变化速度上ak(t)和瞬时频率ωk(t)＝φ′k(t)比φk(t)慢；

约束性变分问题方程为：

其中：为对t求偏导；δ(t)为冲击函数；为中心频率指数。

无约束性变分问题方程为：

其中：α为二次惩罚因子；λ(t)为拉格朗日乘法算子。

利用交替方向橙子算法求取无约束性变分问题方程的鞍点的具体实现步骤为：

a、初始化

b、执行循环n＝n+1；

c、对一切ω＞0时，更新即：

d、更新ωk；即：

e、更新λ；即：

f、重复b～e，直到满足式(7)停止运行，就得到k个模态分量，其中ε为给定判别精度；

其中对于变分模态分解过程中的参数设置为：采样频率为48000，采样点数为1800，α＝2000，噪声容限位0.3，分解模态数k＝6，无直流部分，选择均匀初始化。

从k个模态分量中筛选出能同时代表不同暂降源的模态分量的具体方法为：

从k个模态分量中筛选出1个暂降起始时刻t界限明显的模态分量imfn，暂降起始时刻界限明显的模态分量imfn是指对于所有类型的电压暂降源而言其都能识别出明显的起始时刻t。

根据各类暂降源独有的模态分量在模态分量imfn的暂降起始时刻t之后的波形对应各类暂降源独有的模态分量的特征进行辨识的具体过程为：

若各类暂降源独有的模态分量在暂降起始时刻t之后的波形都会明显的突变，在暂降持续的过程中，波形无变化，且与时间轴重合，则视电压暂降源为短路类故障；

若各类暂降源独有的模态分量在暂降起始时刻t之后的波形从暂降起始时刻开始都会发生明显的无规律变化，且其中一个模态分量波形毛刺明显，则视电压暂降源为变压器投切；

若各类暂降源独有的模态分量在暂降起始时刻t之后的波形在暂降开始后是与时间轴相重合的直线、无变化，且其中一个模态分量有轻微的变化，但总体而言趋于平稳，则视电压暂降源为电机启动。

实施例2

由于本发明已经在实施例1中总结得出了一种辨识方法，因此可以直接先行依据上述参数进行封装，从而直接得出一种适配与上述方法的识别装置。

基于变分模态分解的电压暂降源辨识装置，

包括：

获取原始电压暂降信号的输入装置；

构建变分模态分解模型的构建装置，其构建变分模态分解模型时，其预先设置的分解尺度k值封装为6；

通过变分模态分解处理获得的6个模态分量的处理输出装置；

获得6个模态分量中第imf6号模态分量和第imf3号模态分量、第imf4号模态分量的获取装置；

提取能同时代表不同暂降源的第imf6号模态分量中的暂降起始时刻t的提取装置；

分析第imf3号模态分量、第imf4号模态分量在暂降起始时刻t之后波形的状态而输出暂降源类型的装置。

输出暂降源类型的装置包括：

提取第imf3号模态分量、第imf4号模态分量中暂降起始时刻t之后波形的提取装置；

若第imf3号模态分量、第imf4号模态分量在暂降起始时刻t之后的波形都明显突变时、标记输出短路类故障的输出装置；

若第imf3号模态分量、第imf4号模态分量在暂降起始时刻t之后的波形都发生明显无规律变化、但第imf4号模态分量在暂降起始时刻t之后的波形出现毛刺明显时、则标记输出变压器投切的输出装置；

若第imf3号模态分量在暂降起始时刻t在暂降起始时刻t之后的波形是与时间轴相重合的直线、且第imf4号模态分量在暂降起始时刻t在暂降起始时刻t之后的波形有轻微的变化时，则标记输出电机启动的输出装置。

需要说明的是：由于本发明的采用的变分模态分解基本依据现有设计进行，本发明的创造性在于将变分模态分解算法应用到电压暂降源类型识别，且找到了一种可行性的识别判定过程，因此若本发明所提到的变分模态分解的具有原理和详细内容，不在赘述。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。