换双稳态系统表达式中势函 数的参数b，将带有强噪声的暂态零序电流i zg(t)替换双稳态系统表达式中的s(t) + r (t)， 求解得到变尺度方式下的双稳态系统的输出信号广z(t)，获取i' 2(〇与1(〇之间的互 相关系数P z，判断P z是否大于设定阈值，设定阈值选取为0.9,表示强相关，若是，则 执行步骤S3,若否，则跳转步骤201，通过遗传算法再次解算。此步骤208是为了对得到的 最优化参数进行评价，评价标准为互相关系数的数值，若评价结果不能达到预定效果，则重 新解算。
[0096] 步骤S3 :在最优化参数条件下，利用变尺度方式下的双稳态系统对未知噪声背景 下的暂态零序电流进行特征提取，得到变尺度方式下的双稳态系统的输出信号L(t)，L(t) 即为微弱暂态零序电流故障特征提取的特征电流。
[0097] 为了验证本发明方法可以获得更好的特征提取，分别对采用无优化的方法和本发 明优化的方法进行暂态零序电流检测的试验：
[0098] 1)无优化的暂态零序电流检测
[0099] 定义理想暂态零序电流iz(t)为：
[0100] )
[0101] CN 105160405 A 说明书 8/9 页
[0102]
[0103]
[0104]
[0105] 式中=X1 (t)为幅值较小的工频信号；x2(t)为幅值较大的5次谐波；x3(t)为幅值 较大的非整次谐波；x 4(t)为衰减直流分量；Γ (t)为噪声。值得指出的是，该暂态零序电流 理想信号是按照小电流接地系统单相接地故障时的特点定义的。可见，信号iz(t)由5个 信号叠加而成的，具有多频率和衰减特性，是一种非周期信号，如图6所示。在i z(t)中加 入强噪声，得到带有强噪声的暂态零序电流izg(t)，如图7所示，将i zg(t)输入到式⑵中， 其对应的参数分别为a = b = 1，D = 200db，采样频率fs= 100000Hz，选择压缩频率C 2000并进行数值仿真，如图8所示。
[0106] 计算初始电流is(t)与无噪声背景下的暂态零序电流iz(t)之间的互相关系数，得 互相关系数为0.7416。从图8可知，i s(t)还是带有一定的噪声，且幅值相对于原来信号来 说降幅较大。
[0107] 2)经遗传算法优化的暂态零序电流检测
[0108] 采用本发明所述的基于遗传算法优化的微弱暂态零序电流故障特征提取方法，暂 态零序电流为式（11)所示，暂态零序电流的噪声强度为200,设置压缩频率C rS 2000,优 化对象a的搜索范围为[-10, 10]，优化对象b的搜索范围为[0, 10]，种群规模N为50,交 叉概率匕为0. 4,变异概率P 8为0. 2,最大进化次数G _为100,经程序运行，可得图9。由 图9可知，经过58次迭代，互相关系数已经达到最大，也即算法收敛，此时的参数最优值为a =-5. 9976，b = 0. 0013,这也表明最大进化次数设置为100能够满足强噪声背景下的微弱 暂态零序电流的提取。将最优化的参数代入变尺度下双稳态系统方程，进行四阶龙格-库 塔方程求解，得出结果如图10所示。计算最优化参数下，变尺度下双稳态系统处理所得的 特征电流与原始无噪声下的暂态零序电流之间的互相关系数，得互相关系数为〇. 9601。
[0109] 对比图10与图8,从波形方面来分析，图10的波形比图8的波形更加清晰，也即 图10波形所含的噪声比图8少；从幅值方面来分析，图10波形的幅值要远远大于图8 ;从 互相关系数方面分析，在最优化参数条件下，互相关系数值为〇. 9601，在经验参数条件下， 互相关系数值为〇. 7416,可见，经遗传算法优化后，互相关系数有了很大程度的提高，也即， 在最优化参数条件下，变尺度下双稳态系统提取强噪声背景下弱暂态零序电流特征的能力 增强。
[0110] 分别设置噪声强度为50db、IOOdb、200db、300db，对经验参数条件下和本发明所述 特征提取方法进行对比分析，分别计算不同参数条件下的特征电流与无噪声条件下的暂态 零序电流之间的互相关系数，见表1。
[0111] 表1不同参数条件下的互相关系数
[0112]
[0113] 从表1可知，随着噪声强度的增加，各条件下的互相关系数均有所下降；最优化参 数条件下的互相关系数都维持在〇. 94以上，均属于强相关，互相关系数远远大于经验参数 条件下的互相关系数，因此，经遗传算法优化后，变尺度下双稳态系统提取弱暂态零序电流 故障特征的能力增强，因此，选取合理的势函数参数是非常有必要的。
[0114] 综上所述，以上仅为本发明的较佳实施例而已，并非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，所作的任何修改、等同替换、改进等，均应包含在本发明的 保护范围之内。
【主权项】
1. 一种基于遗传算法优化的微弱暂态零序电流故障特征提取方法，其特征在于，包 括： 步骤Sl :设定双稳态系统中的势函数参数a、b为优化对象，其中，双稳态系统X的表达 式为： X = dx/dt = -dV(x)/dx+s (t) + T (t) 式中也/(11:为双稳态系统的输出信号，'\^)为势函数，'\^)=-312/2+匕1 4/4;3和13为 势函数参数；s (t)代表无噪声的暂态零序电流，r (t)代表噪声信号，t为时间，x为布朗粒 子运动的速度； 步骤S2 :采用遗传算法对双稳态系统X的表达式中势函数参数a、b进行优化，输出最 优化参数Bp bI; 步骤S3 :在最优化参数条件下，利用变尺度方式下的双稳态系统对噪声背景下的暂态 零序电流进行特征提取，得到变尺度方式下的双稳态系统的输出信号Ut)，ijt)即为微 弱暂态零序电流故障特征提取的特征电流。2. 根据权利要求1所述的一种基于遗传算法优化的微弱暂态零序电流故障特征提取 方法，其特征在于，所述步骤S2包括以下步骤： 201 :设定遗传算法的参数，所述遗传算法的参数包括种群规模N、交叉概率Pp变异概 率匕、优化对象a的搜索范围、优化对象b的搜索范围和最大进化次数G niax，同时设定理想暂 态零序电流iz(t)，iz(t)中加入强噪声得到带有强噪声的暂态零序电流i zg(t); 202 :初始化种群，随机产生N个个体，其中，每个个体j对应一组势函数参数[aj, b』， 每组势函数参数对应一个双稳态系统Xj; 203 :将izg(t)替换每个双稳态系统Xj的表达式中的s(t) + r (t)，按个体编号顺序， 依次对所有的X,进行四阶龙格-库塔算法求解，求解得到每个双稳态系统X ,的输出信号 is.j (t)，is.j⑴作为初始电流； 204 :获取isj(t)与iz(t)之间的互相关系数P sj，并将P sj的值作为个体适应度； 205 :根据个体适应度、交叉概率&和变异概率P B依次对N个个体进行选择操作、交叉 操作和变异操作，完成一次的进化； 206 :判断进化次数是否达到设定的最大进化次数，若是，则进化停止，执行步骤207， 若否，则返回步骤205 ; 207 :将P s]数值最大的个体作为最优化个体J，J所对应的双稳态系统为最优化双稳 态系统Xp提取X j的势函数参数a p bj，a』、bj即为最优化参数。3. 根据权利要求2所述的一种基于遗传算法优化的微弱暂态零序电流故障特征提取 方法，其特征在于，所述步骤S2还包括步骤207之后执行的步骤208,所述步骤208为：根 据4、比，利用变尺度方式下的双稳态系统对izg(t)进行特征提取，得到变尺度方式下的双 稳态系统的输出信号i' z(t)，获取i' 之间的互相关系数Pz, z，判断Pz, z 是否大于设定阈值，若是，则执行步骤S3,若否，则跳转步骤201。4. 根据权利要求3所述的一种基于遗传算法优化的微弱暂态零序电流故障特征提取 方法，其特征在于，所述设定阈值为0. 9。5. 根据权利要求2述的一种基于遗传算法优化的微弱暂态零序电流故障特征提取方 法，其特征在于，所述优化对象a的搜索范围为[-10, 10]，所述优化对象b的搜索范围为 [0, 10]〇6. 根据权利要求2述的一种基于遗传算法优化的微弱暂态零序电流故障特征提取方 法，其特征在于，所述最大进化次数Gniax的取值范围为90~110次。7. 根据权利要求2所述的一种基于遗传算法优化的微弱暂态零序电流故障特征提取 方法，其特征在于，所述步骤201中的强噪声的噪声强度取值为30db~500db。
【专利摘要】本发明涉及一种基于遗传算法优化的微弱暂态零序电流故障特征提取方法，包括：步骤S1：设定双稳态系统中的势函数参数a、b为优化对象；步骤S2：采用遗传算法对双稳态系统表达式中势函数参数a、b进行优化，输出最优化参数aJ、bJ；步骤S3：在最优化参数条件下，利用变尺度方式下的双稳态系统对噪声背景下的暂态零序电流进行特征提取，得到变尺度方式下的双稳态系统的输出信号ic(t)，ic(t)即为微弱暂态零序电流故障特征提取的特征电流。与现有技术相比，本发明利用遗传算法的全局最优搜索性能以及参数优化的思想，在最优化参数条件下的双稳态系统中提取强噪声背景下微弱暂态零序电流的故障特征，精度更高，有利于提高配电网故障选线的准确度。
【IPC分类】G06N3/12, G06K9/00
【公开号】CN105160405
【申请号】CN201510616192
【发明人】程启明, 张宇, 谭冯忍, 余德清, 张海清
【申请人】上海电力学院
【公开日】2015年12月16日
【申请日】2015年9月24日