技术新讯 > 计算推算,计数设备的制造及其应用技术 > 一种导线信号处理方法、电子设备及存储介质与流程  >  正文

一种导线信号处理方法、电子设备及存储介质与流程

  • 国知局
  • 2024-07-31 23:21:31

本发明涉及电力,具体而言,涉及一种导线信号处理方法、电子设备及存储介质。

背景技术:

1、随着我国特高压工程的推广,如何提高运行维护效率,降低电能损耗,保证导线安全运行变得十分重要。在高电压大电网建设过程中,环境对导线的影响是不容忽视的问题。首先,极端气候条件下,如近年来频频出现的冻雨、台风、雷暴、沙尘暴等天气,极有可能引起导线故障;其次,常规气候条件下,风振也会引起导线故障;再者,某些地区的特殊环境也会威胁导线的正常运行,如重工业区的金属颗粒、酸性气体、碱性粉尘等,这些问题都可能引起导线断线故障,影响电力系统的稳定运行。因此,排查导线异常状态便成为了运行维护导线系统的重中之重,对导线状态的判断也成为了运行维护导线系统的重要步骤之一。

2、目前,导线的状态判断仍处于人为观测的状态,对导线的状态判断效率较低,以至于导线的运维效率较低,从而导致电力系统的稳定性较差。

3、针对上述的问题,目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种导线信号处理方法、电子设备及存储介质,以至少解决由于导线状态判断效率低造成的电力系统稳定性较差的技术问题。

2、根据本发明实施例的一个方面,提供了一种导线信号处理方法,包括:获得导线的振动信号;基于自适应线性调频模式对振动信号进行分解,获取振动信号的多阶次模态分量;基于连续小波变换方法对多阶次模态分量进行分析,提取振动信号的时变特征;基于时变特征对导线进行状态识别,得到导线的状态信息,其中,状态信息用于表征导线是否存在结构损伤。

3、进一步地,基于自适应线性调频模式对振动信号进行分解,获取振动信号的多阶次模态分量,包括:基于自适应线性调频模式对振动信号进行分解获得初始多阶次模态分量;对初始多阶次模态分量进行滤波降噪处理,获得多阶次模态分量。

4、进一步地,对初始多阶次模态分量进行滤波降噪处理,获得多阶次模态分量,包括:基于广义解调变换方法对初始多阶次模态分量进行解调变换,获得解调变换后的初始多阶次模态分量;基于重置因子对解调变换后的初始多阶次模态分量进行重构,确定多阶次模态分量。

5、进一步地,基于广义解调变换方法对初始多阶次模态分量进行解调变换,获得解调变换后的初始多阶次模态分量,包括:基于傅里叶变换、相位函数将初始多阶次模态分量转换为解调变换后的初始多阶次模态分量。

6、进一步地,基于自适应线性调频模式对振动信号进行分解获得初始多阶次模态分量,包括:基于最小化解调信号带宽与约束公式确定解调信号;基于解调算子、瞬时幅值、初始相位与解调信号对振动信号进行分解,获取初始多阶次模态分量。

7、进一步地,基于连续小波变换方法对多阶次模态分量进行分析,提取振动信号的时变特征,包括:基于窗口函数对每个阶次模态分量进行连续小波变换,获得每个阶次模态分量的时频谱图;在时频谱图中进行峰值搜寻,提取振动信号的时变特征。

8、进一步地,基于时变特征,对导线进行状态识别,得到导线的状态信息,其中,状态信息用于表征导线是否存在结构损伤,包括:通过预先建立的时域二维变异模型的识别网络,对时变特征进行处理,以获得导线状态信息。

9、进一步地,时域二维变异模型的识别网络包括快速傅里叶变换模块、卷积模块、融合模块和概率判断模块,通过预先建立的时域二维变异模型的识别网络,对时变特征进行处理,以获得导线状态信息,包括:通过快速傅里叶变换模块对时变特征进行处理,获得时变特征的多个二维信号;通过卷积模块对多个二维信号进行特征提取,得到多个二维信号对应的一维特征;通过融合模块对多个二维信号对应的一维特征进行融合,获得融合信号;通过概率判断模块对融合信号进行特征提取获得融合特征;通过融合特征确定导线的状态信息。

10、进一步地,通过快速傅里叶变换模块对时变特征进行处理,获得时变特征的多个二维信号,包括:通过快速傅里叶变换模块对时变特征进行快速傅里叶变换,确定多个振幅值以及多个一维频率;基于二维信号的行数与列数将多个一维频率的时间序列信号重塑为多个二维信号。

11、进一步地,通过卷积模块对多个二维信号进行特征提取,得到多个一维特征,包括:通过卷积模块基于残差方式组建时域处理单元并对多个二维信号进行特征提取,得到多个二维的特征;将多个二维的特征转化为多个一维特征。

12、进一步地,通过融合模块对多个一维特征进行融合,获得融合信号,包括:通过融合模块利用自适应聚合算法对多个一维特征进行融合,确定融合信号。

13、进一步地,通过概率判断模块对融合信号进行特征提取获得融合特征,并通过融合特征确定导线的状态信息,包括:基于融合特征确定导线处于不同状态的概率;确定最大概率对应的状态为导线的状态信息。

14、根据本发明实施例的另一方面,还提供了一种电子设备,包括:存储器,存储有可执行程序;处理器,用于运行程序,其中,程序运行时执行本发明各个实施例中的方法。

15、根据本发明实施例的另一方面,还提供了一种计算机可读存储介质,计算机可读存储介质包括存储的可执行程序,其中,在可执行程序运行时控制计算机可读存储介质所在设备执行本发明各个实施例中的方法。

16、根据本发明实施例的另一方面,还提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现本发明各个实施例中的方法。

17、在本发明实施例中,采用通过振动信号时变特征获取导线状态信息的方式,通过自适应线性调频模式对振动信号进行分解,利用连续小波变换对信号进行分析,再通过预先建立的时域二维变异模型的识别网络进行导线状态判断,实现了提高导线运维效率的技术效果,进而解决了由于导线状态判断效率低造成的电力系统稳定性较差的技术问题。

技术特征:

1.一种导线信号处理方法,其特征在于,包括:

2.根据权利要求1所述的导线信号处理方法,其特征在于,所述基于自适应线性调频模式对所述振动信号进行分解,获取所述振动信号的多阶次模态分量,包括:

3.根据权利要求2所述的导线信号处理方法,其特征在于,所述对所述初始多阶次模态分量进行滤波降噪处理,获得所述多阶次模态分量,包括:

4.根据权利要求3所述的导线信号处理方法,其特征在于,所述基于广义解调变换方法对所述初始多阶次模态分量进行解调变换,获得解调变换后的初始多阶次模态分量,包括:

5.根据权利要求2所述的导线信号处理方法,其特征在于,所述基于自适应线性调频模式对所述振动信号进行分解获得初始多阶次模态分量,包括:

6.根据权利要求1所述的导线信号处理方法,其特征在于,所述基于连续小波变换方法对所述多阶次模态分量进行分析,提取所述振动信号的时变特征,包括:

7.根据权利要求1所述的导线信号处理方法,其特征在于,所述基于所述时变特征,对所述导线进行状态识别,得到所述导线的状态信息,其中,所述状态信息用于表征所述导线是否存在结构损伤,包括:

8.根据权利要求7所述的导线信号处理方法,其特征在于,所述时域二维变异模型的识别网络包括快速傅里叶变换模块、卷积模块、融合模块和概率判断模块,所述通过预先建立的时域二维变异模型的识别网络,对所述时变特征进行处理,以获得所述导线状态信息,包括:

9.根据权利要求8所述的导线信号处理方法,其特征在于,所述通过所述快速傅里叶变换模块对所述时变特征进行处理,获得所述时变特征的多个二维信号,包括:

10.根据权利要求8所述的导线信号处理方法,其特征在于,所述通过所述卷积模块对所述多个二维信号进行特征提取,得到多个一维特征,包括:

11.根据权利要求8所述的导线信号处理方法,其特征在于,所述通过所述融合模块对所述多个一维特征进行融合,获得融合信号,包括:

12.根据权利要求8所述的导线信号处理方法,其特征在于,所述通过所述概率判断模块对所述融合信号进行特征提取获得融合特征,并通过融合特征确定所述导线的状态信息,包括:

13.一种电子设备,其特征在于,包括:

14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的可执行程序,其中,在所述可执行程序运行时控制所述存储介质所在设备执行权利要求1至12中任意一项所述的方法。

15.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至12中任意一项所述的方法。

技术总结本发明公开了一种导线信号处理方法、电子设备及存储介质。其中,该方法包括:获得导线的振动信号;基于自适应线性调频模式对振动信号进行分解,获取振动信号的多阶次模态分量;基于连续小波变换方法对多阶次模态分量进行分析,提取振动信号的时变特征;基于时变特征对导线进行状态识别,得到导线的状态信息。本发明采用通过振动信号时变特征获取导线状态信息的方式,通过预先建立的时域二维变异模型的识别网络,达到了判断导线状态的目的,从而实现了提高导线运维效率的技术效果,解决了由于导线状态判断效率低造成的电力系统稳定性较差的技术问题。技术研发人员:吴毅江,熊振东,董志聪,李垂有,蔡春元,董芝春,李红发,王金城,薛旭明,曾宏毅,聂文翔,黄建明,陈岸,林洪栋,王俊翔,郭栩文受保护的技术使用者:广东电网有限责任公司技术研发日:技术公布日:2024/7/29

本文地址:https://www.jishuxx.com/zhuanli/20240730/197186.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。