典型环境一二次融合传感器性能评价方法及装置与流程

1.本发明涉及一种传感器评价技术领域，是一种典型环境一二次融合传感器性能评价方法及装置。


背景技术：

2.配网一二次融合将二次设备的部分功能深度整合到一次设备，可以提高设备智能化、标准化水平，实现总体设备标准化、功能模块独立化、设备互换灵活化，减少一二次设备采购、组装、联调压力，提升配电设备运行和维护的质量和效率，有效提高配网供电可靠性，促进配电网智能化和安全经济运行水平。
3.目前，智能配电网一二次融合传感器的系统化、标准化、集成化的研制尚处于起步阶段，对配电一二次融合传感器带来的难点、问题缺乏系统研究。且随着电力系统输电容量的不断扩大、电网分布区域的不断拓宽，一二次融合传感器的数量不断增加，设置环境也不断复杂化，同时需要所设置的一二次融合传感器稳定运行，因此需要评估典型环境对一二次融合传感器的影响，得到典型环境下对一二次融合传感器误差具有影响的环境变量及其影响关系，为配电网的稳定运行提供帮助，而现有技术中并没有针对在典型环境下对一二次融合传感器进行评估的方法。


技术实现要素：

4.本发明提供了一种典型环境一二次融合传感器性能评价方法及装置，克服了上述现有技术之不足，其能有效解决现有配电网评估方法不能在典型环境下对一二次融合传感器进行评估的问题。
5.本发明的技术方案之一是通过以下措施来实现的：一种典型环境一二次融合传感器性能评价方法，包括：
6.获得环境变量数据和被测一二次融合传感器的误差特征，其中被测一二次融合传感器的误差特征包括高采样率下标准一二次融合传感器被采数据与测试一二次融合传感器被采数据之间的比差和角差；
7.将各环境变量与误差特征进行相关性分析，获得对应的相关性系数，对相关性系数进行显著性检验，筛选通过显著性检验的相关性系数所对应的环境变量数据；
8.将误差特征与筛选得到的环境变量数据输入回归模型，得到各环境变量数据与误差特征的回归模型系数，并统计各环境变量数据所占权重；
9.将环境变量数据对应的原始数据散点图与回归模型结果联合分析，确定环境变量与被测一二次融合传感器误差之间的关系。
10.下面是对上述发明技术方案的进一步优化或/和改进：
11.上述获得被测一二次融合传感器的误差特征，包括：
12.在高采样率下，对标准一二次融合传感器与测试一二次融合传感器分别进行数据采集，得到对应的序列其中{i＝1,2,3,
…
,n}，n为数据点数；
13.获取两组数据的有效值rms
ref
和rms
test
，并利用效值获得对应的比差r；
[0014][0015][0016][0017]
其中，coief为变比系数；
[0018]
将两组数据进行快速傅里叶变换，得到对应的相位序列并利用相位序列获得对应的角差；
[0019][0020]
其中，df为频谱分辨率。
[0021]
上述在获得角差时，其两组数据进行快速傅里叶变换的数据长度大于1s，且数据采样频率大于2560，且与50成整倍数关系t为数据时间长度。
[0022]
上述根据各环境变量与误差特征的回归模型系数，统计各环境变量数据所占权重，包括：
[0023]
获得各环境变量数据与误差特征的回归模型系数，其中回归模型系数包括各环境变量数据与误差特征的权重系数α及偏置量β；
[0024]
将权重系数α通过下式得到对应环境变量数据所占权重ω；
[0025][0026]
其中，l为与传感器比差、角差具有相关性的环境变量个数。
[0027]
上述环境变量包括温度、磁场、湿度、光照、气压、pm2.5；或/和，回归模型为最小均方多元回归模型
[0028]
本发明的技术方案之二是通过以下措施来实现的：一种典型环境一二次融合传感器性能评价装置，包括：
[0029]
第一处理单元，获得环境变量数据和被测一二次融合传感器的误差特征，其中被测一二次融合传感器的误差特征包括高采样率下标准一二次融合传感器被采数据与测试一二次融合传感器被采数据之间的比差和角差；
[0030]
第二处理单元，将各环境变量与误差特征进行相关性分析，获得对应的相关性系数，对相关性系数进行显著性检验，筛选通过显著性检验的相关性系数所对应的环境变量数据；
[0031]
第一评估单元，将误差特征与筛选得到的环境变量数据输入回归模型，得到各环境变量数据与误差特征的回归模型系数，并统计各环境变量数据所占权重；
[0032]
第二评估单元，将环境变量数据对应的原始数据散点图与回归模型结果联合分析，确定环境变量与被测一二次融合传感器误差特征之间的关系。
[0033]
本发明的技术方案之三是通过以下措施来实现的：一种存储介质，所述存储介质上存储有能被计算机读取的计算机程序，所述计算机程序被设置为运行时执行典型环境一二次融合传感器性能评价方法中步骤的指令。
[0034]
本发明的技术方案之四是通过以下措施来实现的：一种电子设备，包括处理器和存储器，在所述存储器中存储有一个或多个程序，并且被配置由所述处理器执行，所述程序包括用于执行典型环境一二次融合传感器性能评价方法中步骤的指令。
[0035]
本发明处理过程简单、复杂度低，将环境变量数据和被测一二次融合传感器的误差特征，通过相关性分析筛选有相关性且通过显著性检验的环境变量数据，并利用回归模型获得环境变量数据的所占权重，适应性的利用环境变量数据对应的原始数据散点图与回归模型结果折线图联合分析环境变量与被测一二次融合传感器误差特征之间的关系。由此建立环境变量与被测一二次融合传感器误差之间的关系，得到典型环境下对传感器误差具有影响的环境变量及其影响关系，为配电网稳定运行提供数据支持，同时本发明能灵活的适用于离线分析或实时线上分析，扩大了本发明的使用范围。
附图说明
[0036]
附图1为本发明的方法流程示意图。
[0037]
附图2为本发明中获得误差特征的方法流程示意图。
[0038]
附图3为本发明的装置结构示意图。
具体实施方式
[0039]
本发明不受下述实施例的限制，可根据本发明的技术方案与实际情况来确定具体的实施方式。
[0040]
下面结合实施例及附图对本发明作进一步描述：
[0041]
实施例1：如附图1所示，本发明实施例公开了一种典型环境一二次融合传感器性能评价方法，包括：
[0042]
步骤s101，获得环境变量数据和被测一二次融合传感器的误差特征，其中被测一二次融合传感器的误差特征包括高采样率下标准一二次融合传感器被采数据与测试一二次融合传感器被采数据之间的比差和角差；
[0043]
步骤s102，将各环境变量与误差特征进行相关性分析，获得对应的相关性系数，对相关性系数进行显著性检验，筛选通过显著性检验的相关性系数所对应的环境变量数据；
[0044]
步骤s103，将误差特征与筛选得到的环境变量数据输入回归模型，得到各环境变量数据与误差特征的回归模型系数，并统计各环境变量数据所占权重；
[0045]
步骤s104，将环境变量数据对应的原始数据散点图与回归模型结果联合分析，确定环境变量与被测一二次融合传感器误差之间的关系。
[0046]
本发明公开了一种典型环境一二次融合传感器性能评价方法，处理过程简单、复杂度低，将环境变量数据和被测一二次融合传感器的误差特征，通过相关性分析筛选有相关性且通过显著性检验的环境变量数据，并利用回归模型获得环境变量数据的所占权重，适应性的利用环境变量数据对应的原始数据散点图与回归模型结果折线图联合分析环境变量与被测一二次融合传感器误差特征之间的关系。由此建立环境变量与被测一二次融合
传感器误差之间的关系，得到典型环境下对传感器误差具有影响的环境变量及其影响关系，为配电网稳定运行提供数据支持，同时本发明能灵活的适用于离线分析或实时线上分析，扩大了本发明的使用范围。
[0047]
实施例2：如附图1、2所示，本发明实施例公开了一种典型环境一二次融合传感器性能评价方法，包括：
[0048]
步骤s201，获得环境变量数据和被测一二次融合传感器的误差特征，其中被测一二次融合传感器的误差特征包括高采样率下标准一二次融合传感器被采数据与测试一二次融合传感器被采数据之间的比差和角差，如附图2所示，具体包括：
[0049]
步骤s2011，获得环境变量数据；这里环境变量数据可通过各类环境传感器获得，环境变量包括温度、磁场、湿度、光照、气压、pm2.5；若数据样本数应达到500以上，且应涵盖传感器测试区域的监测环境变量的变化范围。
[0050]
步骤s2012，在高采样率下，对标准一二次融合传感器与测试一二次融合传感器分别进行数据采集，得到对应的序列其中{i＝1,2,3,
…
,n}，n为数据点数。这里为了保证误差特征的获取，其数据采样频率可设定为大于2560。
[0051]
步骤s2013，获取两组数据的有效值rms
ref
和rms
test
，并利用效值获得对应的比差r；
[0052][0053][0054][0055]
其中，coief为变比系数；
[0056]
步骤s2014，将两组数据进行快速傅里叶变换，得到对应的相位序列并利用相位序列获得对应的角差；
[0057][0058]
其中，df为频谱分辨率。
[0059]
这里两组数据进行快速傅里叶变换的数据长度大于1s，且数据采样频率大于2560，且与50成整倍数关系t为数据时间长度。
[0060]
步骤s202，将各环境变量与误差特征进行相关性分析，获得对应的相关性系数，对相关性系数进行显著性检验，筛选通过显著性检验的相关性系数所对应的环境变量数据；
[0061]
这里相关性分析用来观测两个变量之间的关联程度，即获取两个变量之间的相关性系数，通过相关性系数说明两个变量之间是否存在相关关系，以及相关关系的紧密程度，对相关性系数进行显著性检验，进一步说明两个变量之间是否有关系。因此本发明筛选通过显著性检验的相关性系数所对应的环境变量数据，即筛选出确定与一二次融合传感器误
差有关系的环境变量数据，这里还可以给出相关性的区间，进一步根据相关性的区间在通过显著性检验的环境变量数据再次筛选出相关关系紧密的环境变量数据。
[0062]
如下以温度与比差关系为例，对相关性系数的获取过程进行说明：
[0063]
温度与比差之间的相关性系数通过下式获得：
[0064][0065]
其中，m为不同时间段的样本数，分别为温度及比差数据的均值。
[0066]
步骤s203，将误差特征与筛选得到的环境变量数据输入回归模型，得到各环境变量数据与误差特征的回归模型系数，并统计各环境变量数据所占权重；
[0067]
上述回归模型可为最小均方多元回归模型。
[0068]
上述根据各环境变量与误差特征的回归模型系数，统计各环境变量数据所占权重，包括：
[0069]
(1)获得各环境变量数据与误差特征的回归模型系数，其中回归模型系数包括各环境变量数据与误差特征的权重系数α及偏置量β；
[0070]
(2)将权重系数α通过下式得到对应环境变量数据所占权重ω；
[0071][0072]
其中，l为与传感器比差、角差具有相关性的环境变量个数。
[0073]
步骤s204，将环境变量数据对应的原始数据散点图与回归模型结果联合分析，确定环境变量与被测一二次融合传感器误差之间的关系。
[0074]
这里可以将回归模型结果制成回归模型结果折线图，由此将环境变量数据对应的原始数据散点图与回归模型结果折线图对比分析，找出环境变量与被测一二次融合传感器误差之间的关系。
[0075]
实施例3：如附图3所示，本发明实施例公开了一种典型环境一二次融合传感器性能评价装置，包括：
[0076]
第一处理单元，获得环境变量数据和被测一二次融合传感器的误差特征，其中被测一二次融合传感器的误差特征包括高采样率下标准一二次融合传感器被采数据与测试一二次融合传感器被采数据之间的比差和角差；
[0077]
第二处理单元，将各环境变量与误差特征进行相关性分析，获得对应的相关性系数，对相关性系数进行显著性检验，筛选通过显著性检验的相关性系数所对应的环境变量数据；
[0078]
第一评估单元，将误差特征与筛选得到的环境变量数据输入回归模型，得到各环境变量数据与误差特征的回归模型系数，并统计各环境变量数据所占权重；
[0079]
第二评估单元，将环境变量数据对应的原始数据散点图与回归模型结果联合分析，确定环境变量与被测一二次融合传感器误差特征之间的关系。
[0080]
实施例4：本发明实施例公开了一种存储介质，所述存储介质上存储有能被计算机读取的计算机程序，所述计算机程序被设置为运行时执行基于极端冰灾的电网薄弱环节识别方法。
[0081]
上述存储介质可以包括但不限于：u盘、只读存储器、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
[0082]
实施例5：本发明实施例公开了一种电子设备，包括处理器和存储器，在所述存储器中存储有一个或多个程序，并且被配置由所述处理器执行，所述程序包括用于执行典型环境一二次融合传感器性能评价方法中步骤的指令。
[0083]
上述电子设备还包括传输设备、输入输出设备，其中，传输设备和输入输出设备均与处理器连接。
[0084]
上述处理器可以是中央处理器cpu，通用处理器，数字信号处理器dsp，asic，fpga或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本技术公开内容所描述的各种示例性的逻辑方框，模块和电路。也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，dsp和微处理器的组合等等。
[0085]
上述存储器可以是存储器，可以包括但不限于：u盘、只读存储器、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
[0086]
本技术实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括电子设备。
[0087]
以上技术特征构成了本发明的最佳实施例，其具有较强的适应性和最佳实施效果，可根据实际需要增减非必要的技术特征，来满足不同情况的需求。