[发明专利]一种开关柜负荷指数预测装置及方法有效
申请号: | 201310251743.1 | 申请日: | 2013-06-21 |
公开(公告)号: | CN103399218A | 公开(公告)日: | 2013-11-20 |
发明(设计)人: | 滕云;李勇;李岩;齐伟夫 | 申请(专利权)人: | 沈阳工业大学 |
主分类号: | G01R31/00 | 分类号: | G01R31/00 |
代理公司: | 沈阳东大专利代理有限公司 21109 | 代理人: | 崔兰莳 |
地址: | 110870 辽宁省沈*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 开关柜 负荷 指数 预测 装置 方法 | ||
1.一种开关柜负荷指数预测装置,其特征在于:包括电流传感器、电压传感器、功率测量仪、温度传感器、数据采集芯片、中央处理器、工控机和无线通讯模块,其中,电流传感器的输出端、电压传感器的输出端、功率测量仪的输出端和温度传感器的输出端依次连接数据采集芯片的四路输入端,数据采集芯片的输出端连接中央处理器的输入端,中央处理器的两路输出端分别连接工控机的输入端和无线通信模块的输入端。
2.采用权利要求1所述的开关柜负荷指数预测装置进行预测的方法,其特征在于:包括以下步骤:
步骤1、采集开关柜的温度、工作电压、开断电流、功率四个参数,并将上述四个参数发送至数据采集芯片中;
步骤2、数据采集芯片对所采集的四个参数进行模数转换,并将模数转换后的四个参数发送至数据处理器中;
步骤3、数据处理器根据所采集的四个参数对开关柜负荷指数进行预测;
步骤3-1、采用经验模式分解法对由开关柜的温度、工作电压、开断电流和功率四个参数所构成的时间序列进行分解处理;
步骤3-2、采用递归神经网络方法对分解后时间序列进行预测,并基于相空间重构理论,将分解后的时间序列嵌入到相空间中,采用互信息量法确定相空间中的延迟时间,采用嵌入维算法确定相空间的关联维数,进而获得多个不同的预测分量;
步骤3-3、设置动态递归神经网络结构,将步骤3-2获得的多个不同的预测分量输入动态递归神经网络进行训练,并采用线性组合的方法对训练后的所有不同分量进行线性组合,即获得开关柜负荷指数预测函数;
步骤4、数据处理器将预测的开关柜负荷指数发送至工控机中储存,并通过无线通讯模块发送至远方调度终端,以便维修人员及时进行检修。
3.根据权利要求2所述的采用开关柜负荷指数预测装置进行预测的方法,其特征在于:步骤3-1所述的采用经验模式分解法对由开关柜的温度、工作电压、开断电流和功率四个参数所构成的时间序列进行分解处理,具体步骤如下:
步骤3-1-1、确定时间序列信号所有的局部极值点,并采用三次样条插值曲线将所有的局部极大值点连接起来形成上包络线;
步骤3-1-2、采用三次样条插值曲线将所有的局部极小值点连接起来形成下包络线,根据上下包络线确定包络线包络的所有数据点;
步骤3-1-3、上下包络线的平均值记为m1,求出差值h1:
h1=z(t)-m1 (1)
其中,z(t)=[z1(t),z2(t),...,z4(t)];z1(t)表示t时刻采集的四个参数中第1个输入量的数据;z2(t)表示t时刻采集的四个参数中第2个输入量的数据;z4(t)表示t时刻采集的四个参数中第4个输入量的数据;
若h1的最大值hmax和最小值hmin之差小于一个预先设定的值ε,ε≤0.01
|hmax-hmin|≤ε (2)
则h1为z(t)的一个模式分量;否则,执行步骤3-1-4;
步骤3-1-4、将h1作为又一初始数据,重复步骤3-1-1到步骤3-1-3,重循环k次,直至hk=hk-1-mk中hk满足式(2)的条件,记c1=hk,则c1为信号z(t)的第一个模式分量;
步骤3-1-5、将c1从z(t)中分离出来,得到z(t)剩余部分r1:
r1=z(t)-c1 (3)
将r1作为又一初始数据重复步骤3-1-1到步骤3-1-4,重循环nt次,得到信号z(t)的nt个模式分量;
当z(t)的剩余部分为一个单调函数时,循环结束,把信号z(t)分解为nt个模式分量和一个残量之和,即:
其中,分量代表了原始信号z(t)中包含的不同时间的特征信号,设x(t),并且令x(t)表示了信号z(t)的中心趋势。
4.根据权利要求2所述的采用开关柜负荷指数预测装置进行预测的方法,其特征在于:步骤3-2所述的基于相空间重构理论,将分解后的时间序列嵌入到相空间中,即将分解后的时间序列x(t)嵌入到相空间X(t)={x(t),x(t-τ),...,x(t-(m-1)τ)}中,所述的相空间中行数为所采集的参数个数,列数为关联维数;
其中,X(t)表示t时刻系统的动力学状态,τ为延迟时间,τ=1,2,…,n1,n1为自然数;m是嵌入空间的维数;
所述的采用递归神经网络方法对分解后时间序列进行预测,确定出相空间中必然存在函数F(·)使得延时后的时间序列状态和当前状态X(t)之间满足:
并采用内插法对序列进行扩充,获得多个不同的预测分量:
其中,λ为内插倍数,t′为插值后的时刻,p为预测步数,x′(t′)为插值后的时间序列,x′(t′-τ)为插值后延迟τ时间的时间序列,x′(t′-(m-1)τ)为插值后延迟(m-1)τ时间的时间序列。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于沈阳工业大学,未经沈阳工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201310251743.1/1.html,转载请声明来源钻瓜专利网。