本發(fā)明涉及關(guān)口計(jì)量設(shè)備狀態(tài)評(píng)估
技術(shù)領(lǐng)域：
，尤其是一種用于電能誤差分解的時(shí)頻分析方法。
背景技術(shù)：
：隨著電力行業(yè)市場(chǎng)化改革的深入進(jìn)行，發(fā)電上網(wǎng)、跨區(qū)輸電、跨省輸電及省級(jí)供電等關(guān)口電量交換日益增加，電力企業(yè)開(kāi)始更加關(guān)注自身經(jīng)濟(jì)利益的維護(hù)。如何確保電能計(jì)量裝置的準(zhǔn)確性，維持電力市場(chǎng)公平有序的運(yùn)轉(zhuǎn)是電力市場(chǎng)當(dāng)前研究的一個(gè)重要課題。關(guān)口電能計(jì)量裝置運(yùn)行管理主要包括現(xiàn)場(chǎng)檢驗(yàn)及周期輪換，DL/T448-2000《電能計(jì)量裝置技術(shù)管理規(guī)程》規(guī)定I類、II類和III類電能表的現(xiàn)場(chǎng)檢驗(yàn)周期分別為至少3個(gè)月、6個(gè)月和1年。目前，這種現(xiàn)場(chǎng)檢驗(yàn)方式已難以適應(yīng)電能計(jì)量技術(shù)和電力公司精細(xì)化管理的要求，主要表現(xiàn)為：1)電網(wǎng)規(guī)模正在不斷擴(kuò)大，交易電量和電能計(jì)量裝置也越來(lái)越多，在有限的人力條件下實(shí)現(xiàn)規(guī)范化的技術(shù)管理非常困難；2)傳統(tǒng)人工現(xiàn)場(chǎng)檢驗(yàn)的工作效率低，不能對(duì)裝置進(jìn)行實(shí)時(shí)監(jiān)測(cè)和故障預(yù)警，尤其難以及時(shí)發(fā)現(xiàn)兩次現(xiàn)場(chǎng)檢驗(yàn)之間出現(xiàn)的計(jì)量問(wèn)題，對(duì)電量追補(bǔ)工作帶來(lái)了很大的困難。因此，須亟需在線監(jiān)測(cè)電能計(jì)量裝置的運(yùn)行狀態(tài)，對(duì)其誤差水平進(jìn)行實(shí)時(shí)測(cè)量和趨勢(shì)預(yù)測(cè)，從而克服計(jì)量裝置現(xiàn)場(chǎng)檢驗(yàn)?zāi)Ｊ降谋锥?，提高其運(yùn)行管理水平。特別是電能計(jì)量裝置誤差的變化趨勢(shì)預(yù)測(cè)是其運(yùn)行狀態(tài)評(píng)估的重要環(huán)節(jié)，對(duì)于實(shí)現(xiàn)電能計(jì)量裝置超差預(yù)警及優(yōu)化檢驗(yàn)周期具有重要的實(shí)用價(jià)值。電能計(jì)量裝置的誤差水平由電能表、電壓和電流互感器、二次回路4個(gè)部分的誤差綜合而成，由于各部分誤差來(lái)源的因素多樣性和內(nèi)在關(guān)聯(lián)性，使得電能計(jì)量誤差時(shí)間序列呈現(xiàn)顯著的非平穩(wěn)變化特征?，F(xiàn)有研究?jī)H對(duì)計(jì)量裝置的誤差進(jìn)行在線監(jiān)測(cè)，未給出計(jì)量誤差趨勢(shì)預(yù)測(cè)的具體方法。計(jì)量誤差預(yù)測(cè)是其運(yùn)行狀態(tài)預(yù)報(bào)和故障預(yù)警的基礎(chǔ)，考慮計(jì)量誤差時(shí)間序列的隨機(jī)性和不確定性，可采用目前普遍用于新能源發(fā)電預(yù)測(cè)的持續(xù)時(shí)間法、自回歸滑動(dòng)平均(AutoRegressiveMovingAverage，ARMA)法、卡爾曼濾波法及其他人工智能方法進(jìn)行預(yù)測(cè)，也有研究提出將部分模型組合的預(yù)測(cè)方法，但是前述方法對(duì)于計(jì)量誤差預(yù)測(cè)的適應(yīng)性還需進(jìn)一步研究。電能計(jì)量誤差包含多種時(shí)間和頻率尺度的分量，直接對(duì)該誤差進(jìn)行預(yù)測(cè)難以準(zhǔn)確獲得未來(lái)誤差趨勢(shì)的估計(jì)值。因此，須采用適當(dāng)?shù)臅r(shí)頻分析法將電能誤差分解成局部時(shí)間和頻率尺度的序列分量，進(jìn)而對(duì)各分量分別進(jìn)行預(yù)測(cè)，以提高電能計(jì)量誤差水平預(yù)測(cè)的準(zhǔn)確性。目前主要采用小波變換、經(jīng)驗(yàn)?zāi)Ｊ椒纸?EmpiricalModeDecomposition，EMD)和局部均值分解，其中小波變換利用固定的基函數(shù)分解時(shí)間序列，對(duì)其局部特征的表征能力有限，也無(wú)法進(jìn)行自適應(yīng)分解；而經(jīng)驗(yàn)?zāi)Ｊ椒纸夥▌t能把非平穩(wěn)時(shí)間序列自適應(yīng)地分解為多個(gè)本征模式分量，但該方法仍存在端點(diǎn)效應(yīng)、模式混疊、過(guò)/欠包絡(luò)等不足；為了解決過(guò)/欠包絡(luò)問(wèn)題和減緩端點(diǎn)效應(yīng)，局部均值分解法將復(fù)雜時(shí)間序列分解成多個(gè)由調(diào)幅和調(diào)頻信號(hào)相乘的乘積函數(shù)，但該方法的最優(yōu)平滑步長(zhǎng)選擇困難，且計(jì)算量大無(wú)法用于在線分析。技術(shù)實(shí)現(xiàn)要素：本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種能夠提高在線分解效率且能夠減小計(jì)算耗時(shí)，同時(shí)也能夠很好地保留原始信號(hào)的在時(shí)間尺度上的信息的用于電能誤差分解的時(shí)頻分析方法。本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案為：該用于電能誤差分解的時(shí)頻分析方法，包括以下步驟：a、獲取從0至t時(shí)刻的計(jì)量裝置誤差時(shí)間序列x(t)，設(shè)時(shí)間序列x(t)包含M個(gè)極值點(diǎn)Xi，對(duì)應(yīng)的出現(xiàn)時(shí)刻為T(mén)i(i＝1,2,…,M)，通過(guò)如下公式提取Ti至Ti+1時(shí)間段內(nèi)基線信號(hào)L(t)，L(t)=Li+(Li+1-LiXi+1-Xi)[x(t)-Xi],t∈[Ti,Ti+1],Li+1=α[Xi+(Ti+1-TiTi+2-Ti)(Xi+2-Xi)]+(1-α)Xi+1,]]>式中：Li+1為T(mén)i至Ti+1時(shí)間段內(nèi)的基線提取算子，α∈[0,1]為常系數(shù)，若基線信號(hào)提取的極值點(diǎn)出現(xiàn)時(shí)刻T0＝0且僅提取至Ti-2至Ti-1時(shí)間段；b、計(jì)算Ti至Ti+1時(shí)間段內(nèi)旋轉(zhuǎn)分量提取算子Hi+1，Hi+1＝(1-Li+1)；c、利用Ti至Ti+1時(shí)間段內(nèi)基線提取算子Li+1和旋轉(zhuǎn)分量提取算子Hi+1將Ti至Ti+1時(shí)間段內(nèi)時(shí)間序列x(t)依次分解為：x(t)=Li+1x(t)+Hi+1x(t)=Li+1(Li+1+Hi+1)x(t)+Hi+1x(t)=[Hi+1(1+Li+1)+Li+12]x(t)=[Hi+1(1+Li+1+Li+12)+Li+13]x(t)=(Hi+1Σj=0n-1Li+1j+Li+1n)x(t)]]>Ti至Ti+1時(shí)間段內(nèi)時(shí)間序列x(t)被分解為n個(gè)旋轉(zhuǎn)分量和1個(gè)趨勢(shì)分量即為：xRn(t)＝Hi+1Li+1n-1x(t),xT(t)＝Li+1nx(t)當(dāng)趨勢(shì)分量xT(t)為單調(diào)或者常函數(shù)時(shí)，則停止分解輸出Ti至Ti+1時(shí)間段內(nèi)時(shí)間序列x(t)的各個(gè)分量。d、重復(fù)步驟A、B、C逐步分解出x(t)的旋轉(zhuǎn)分量xRn(t)和趨勢(shì)分量xT(t)。進(jìn)一步的是，在步驟b中，所述α取值為0.5。本發(fā)明的有益效果：該用于電能誤差分解的時(shí)頻分析方法采用相鄰極值點(diǎn)間分段線性化的方式有效提高了在線分解效率，計(jì)算耗時(shí)明顯減少，同時(shí)也很好地保留了原始信號(hào)的在時(shí)間尺度上的信息。附圖說(shuō)明圖1表示采用本發(fā)明所述ITD以及與現(xiàn)有的EMD和LMD三種方法分解時(shí)前3個(gè)(高頻)分量與原始時(shí)間序列的相關(guān)系數(shù)和計(jì)算耗時(shí)(分解10次的平均耗時(shí))。具體實(shí)施方式本發(fā)明所述的用于電能誤差分解的時(shí)頻分析方法，包括以下步驟：a、獲取從0至t時(shí)刻的計(jì)量裝置誤差時(shí)間序列x(t)，設(shè)時(shí)間序列x(t)包含M個(gè)極值點(diǎn)Xi，對(duì)應(yīng)的出現(xiàn)時(shí)刻為T(mén)i(i＝1,2,…,M)，通過(guò)如下公式提取Ti至Ti+1時(shí)間段內(nèi)基線信號(hào)L(t)，L(t)=Li+(Li+1-LiXi+1-Xi)[x(t)-Xi],t∈[Ti,Ti+1],Li+1=α[Xi+(Ti+1-TiTi+2-Ti)(Xi+2-Xi)]+(1-α)Xi+1,]]>式中：Li+1為T(mén)i至Ti+1時(shí)間段內(nèi)的基線提取算子，α∈[0,1]為常系數(shù)，若基線信號(hào)提取的極值點(diǎn)出現(xiàn)時(shí)刻T0＝0且僅提取至Ti-2至Ti-1時(shí)間段；b、計(jì)算Ti至Ti+1時(shí)間段內(nèi)旋轉(zhuǎn)分量提取算子Hi+1，Hi+1＝(1-Li+1)；c、利用Ti至Ti+1時(shí)間段內(nèi)基線提取算子Li+1和旋轉(zhuǎn)分量提取算子Hi+1將Ti至Ti+1時(shí)間段內(nèi)時(shí)間序列x(t)依次分解為：x(t)=Li+1x(t)+Hi+1x(t)=Li+1(Li+1+Hi+1)x(t)+Hi+1x(t)=[Hi+1(1+Li+1)+Li+12]x(t)=[Hi+1(1+Li+1+Li+12)+Li+13]x(t)=(Hi+1Σj=0n-1Li+1j+Li+1n)x(t)]]>Ti至Ti+1時(shí)間段內(nèi)時(shí)間序列x(t)被分解為n個(gè)旋轉(zhuǎn)分量和1個(gè)趨勢(shì)分量即為：xRn(t)＝Hi+1Li+1n-1x(t),xT(t)＝Li+1nx(t)當(dāng)趨勢(shì)分量xT(t)為單調(diào)或者常函數(shù)時(shí)，則停止分解輸出Ti至Ti+1時(shí)間段內(nèi)時(shí)間序列x(t)的各個(gè)分量。d、重復(fù)步驟A、B、C逐步分解出x(t)的旋轉(zhuǎn)分量xRn(t)和趨勢(shì)分量xT(t)。該分解方法采用相鄰極值點(diǎn)間分段線性化的方式有效提高了在線分解效率，計(jì)算耗時(shí)明顯減少，同時(shí)也很好地保留了原始信號(hào)的在時(shí)間尺度上的信息。進(jìn)一步的是，在步驟b中，所述α取值優(yōu)選為0.5。圖1表示采用本發(fā)明所述ITD以及與現(xiàn)有的EMD和LMD三種方法分解時(shí)前3個(gè)(高頻)分量與原始時(shí)間序列的相關(guān)系數(shù)和計(jì)算耗時(shí)(分解10次的平均耗時(shí))，其中第1至第3個(gè)分量相關(guān)系數(shù)依次減小，前兩個(gè)分量與原始信號(hào)的相關(guān)性較強(qiáng)，采用本發(fā)明所述ITD得到的第1個(gè)相關(guān)系數(shù)和其余兩種方法基本一致，但其第2個(gè)相關(guān)系數(shù)高于EMD和LMD法。此外，ITD法的計(jì)算耗時(shí)明顯低于其他方法，可見(jiàn)ITD在保留原始時(shí)間序列信息和在線分解方面均具有一定優(yōu)勢(shì)。當(dāng)前第1頁(yè)1 2 3