一种基于宽频带数据压缩处理的故障诊断方法及系统

技术领域

本发明属于信号分析与处理技术领域，尤其涉及一种基于宽频带状态数据压缩处理的故障诊断方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

随着分布式光伏、新能源汽车、节能变频负荷等新型能源消费环节的发展，在客户侧逐渐形成了分布式光伏-充电桩-变频负荷的用能新形态，但随之光伏直流电弧故障、电动汽车充电过程短路、变频负荷异常离网等事故频发，严重威胁客户侧系统运行安全和电能质量。

分布式光伏、充电桩和变频负荷通过电力电子设备高比例接入客户侧系统，电力电子设备的宽频带动态特性使得设备在故障时将向系统注入大量的低、中、高次谐波，使故障电气特性呈现宽频动态分布的特征，例如光伏的直流故障电弧谐波分量可达MHz级。

然而，面向分布式光伏-充电桩-变频负荷设备故障辨识的MHz级宽频带状态数据的压缩处理方法尚未完善，无法准确高效的提取故障特征频段的数据，这对客户侧系统的安全隐患辨识带来巨大挑战。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供一种基于宽频带数据压缩处理的故障诊断方法及系统，其针对客户侧分布式光伏-充电桩-变频负荷系统的MHz级宽频带电气状态数据，准确高效的提取数据的故障特征频段，进而为客户侧系统的安全隐患辨识和故障诊断提供有效的数据基础。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种基于宽频带数据压缩处理的故障诊断方法。

一种基于宽频带状态数据压缩处理的故障诊断方法，包括：

采集光-充-荷设备交流母线的故障电流信号；

采用小波包变换对故障电流信号进行分解，得到故障电流各频段的小波包系数；

根据故障电流信号在各个小波函数和分解层数组合时的小波包分解结果，计算相应的小波能量熵和小波能量分布方差，以这两个指标确定最优小波母函数和分解层数组合；

基于最优小波函数和分解层数组合分别对正常电流信号和故障电流信号进行小波包分解，重构故障前后各个频段的电流信号，计算故障前后各频段电流信号的Tsallis熵比值，以确定故障电流信号的特征频段。

进一步地，所述采用小波包变换对故障电流信号进行分解，得到故障电流各频段的小波包系数的具体过程包括：基于选定的小波函数，构建小波包基库；采用小波包基库对故障电流信号进行分解，得到故障电流各频段的小波包系数。

进一步地，所述小波能量熵和小波能量分布方差为：

其中，W

进一步地，所述计算相应的小波能量熵，以此确定最优小波母函数和分解层数组合的过程具体包括：小波能量熵越大，则包含能量的子频段数越多，此时各频段的能量分布越随机；小波能量熵越小，则包含能量的子频段数越少，各子频段的能量分布越规律，当小波能量熵最小时，对应的小波母函数和分解层数即为最优小波母函数和分解层数组合。

更进一步地，在两个小波能量熵之间的差值小于设定的阈值时，计算相应的小波能量分布方差，小波能量分布方差最小时，对应的小波母函数和分解层数即为最优小波母函数和分解层数组合。

进一步地，所述故障前后各子频段电流信号的Tsallis熵比值为：

其中，

进一步地，所述计算故障前后各频段电流信号的Tsallis熵比值，以确定故障电流信号的特征频段具体包括：选取Tsallis熵比值最大的频段为故障电流信号的特征频段。

本发明的第二个方面提供一种基于宽频带数据压缩处理的故障诊断系统。

一种基于宽频带数据压缩处理的故障诊断系统，包括：

数据获取模块，其被配置为：获取光-充-负荷系统的故障电流信号；

小波分解模块，其被配置为：采用小波包变换对故障电流信号进行分解，得到故障电流各频段的小波包系数；

最优组合确定模块，其被配置为：根据故障电流信号在各个小波函数和分解层数组合时的小波包分解结果，计算相应的小波能量熵和小波能量分布方差，以此确定最优小波函数和分解层数组合；

故障频段确定模块，其被配置为：基于最优小波母函数和分解层数组合分别对正常电流信号和故障电流信号进行小波包分解，重构故障前后各个频段的电流信号，计算故障前后各频段电流信号的Tsallis熵比值，以确定故障电流信号的特征频段。

本发明的第三个方面提供一种计算机可读存储介质。

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一个方面所述的基于宽频带数据压缩处理的故障诊断方法中的步骤。

本发明的第四个方面提供一种计算机设备。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一个方面所述的基于宽频带数据压缩处理的故障诊断方法中的步骤。

与现有技术相比，本发明的有益效果是：

本发明根据故障电流信号在各个小波母函数和分解层数组合时的小波包分解结果计算相应的小波能量熵和小波能量分布方差并以此为依据确定最优的小波母函数和分解层数组合；基于小波母函数和分解层数的最优组合对正常和故障电流信号进行小波包分解，重构各个子频段的电流信号并归一化处理，计算故障前后各子频段电流的Tsallis熵比值，确定故障电流信号的特征频段；本发明针对客户侧分布式光伏-充电桩-变频负荷系统的MHz级宽频带电气状态数据，可以准确高效的提取数据的故障特征频段，进而为客户侧系统的安全隐患辨识和故障诊断提供有效的数据基础。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1是本发明基于宽频带数据压缩处理的故障诊断方法的流程图。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

需要注意的是，附图中的流程图和框图示出了根据本公开的各种实施例的方法和系统的可能实现的体系架构、功能和操作。应当注意，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分可以包括一个或多个用于实现各个实施例中所规定的逻辑功能的可执行指令。也应当注意，在有些作为备选的实现中，方框中所标注的功能也可以按照不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，或者它们有时也可以按照相反的顺序执行，这取决于所涉及的功能。同样应当注意的是，流程图和/或框图中的每个方框、以及流程图和/或框图中的方框的组合，可以使用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以使用专用硬件与计算机指令的组合来实现。

实施例一

如图1所示，本实施例提供了一种基于宽频带数据压缩处理的故障诊断方法，本实施例以该方法应用于服务器进行举例说明，可以理解的是，该方法也可以应用于终端，还可以应用于包括终端和服务器和系统，并通过终端和服务器的交互实现。服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务器、云通信、中间件服务、域名服务、安全服务CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。本实施例中，该方法包括以下步骤：

获取光-桩-负荷系统的故障电流信号；

采用小波包变换对故障电流信号进行分解，得到故障电流各频段的小波包系数；

根据故障电流信号在各个小波函数和分解层数组合时的小波包分解结果，计算相应的小波能量熵和小波能量分布方差，以此确定最优小波母函数和分解层数组合；

基于最优小波母函数和分解层数组合分别对正常电流信号和故障电流信号进行小波包分解，重构故障前后各个频段的电流信号，计算故障前后各频段电流信号的Tsallis熵比值，以确定故障电流信号的特征频段。

本实施例的具体方案可采用以下内容实现：

对故障电流信号进行小波包分解得到各频段的小波包系数，计算各频段相应的归一化子能量，进而计算相应的小波能量熵和小波能量分布方差并以此为依据确定最优的小波母函数和分解层数组合。

对正常和故障电流信号进行小波包分解得到各频段的小波包系数，计算各频段的归一化电流，进而计算故障前后各子频段电流的Tsallis熵比值并以此为依据确定故障特征频段。

进一步的，所述对故障电流信号进行小波包分解得到各频段的小波包系数，计算各频段相应的归一化子能量，进而计算相应的小波能量熵和小波能量分布方差并以此为依据确定最优的小波母函数和分解层数组合，包括：

步骤1，比较常见小波母函数的性质，初步选择合适的小波母函数；

如表1所示，Haar和meyr小波的消失矩较小，biorN

表1常见小波母函数及其性质

步骤2，利用初选的小波母函数构成相应的小波包基库，对故障电流i

取正交尺度函数为φ(x)，小波函数为

其中，n，l∈Z

小波包μ

步骤3，利用各子频段的小波包系数计算相应的子频段子能量E

故障电流信号i

其中，M为第n个子频段包含小波包系数的个数。可得j层小波包分解得到的2

在进行小波包分解时，如果小波母函数和故障电流i

步骤4，利用归一化的子能量E

利用小波母函数

根据步骤3中的结果计算得到此时的小波能量熵W

实际故障信号的特征频率往往集中在某一频段，即故障特征频段，所以其能量分布具有一定规律性。因此，小波能量熵越小，则在整个频段内小波母函数和故障电流信号i

此外，小波能量分布方差越小，则能量越集中，即能量分布越规律。因此，小波能量分布方差可以作为小波母函数及分解层数选择的另外一个依据。

步骤5，确定小波母函数和分解层数的最优组合；

比较采用各个小波母函数和分解层数组合时得到的小波能量熵，选取小波能量熵最小的组合为最优的小波母函数

相较于其他小波母函数和分解层数最优组合的确定方法，该方法同时考虑能量和信息熵对信号有序性的贡献，从而推导出小波能量熵和小波能量分布方差两个判据以确定最优组合并且小波能量熵具有较好的收敛特性，优化了传统方法。

进一步的，对正常和故障电流信号进行小波包分解得到各频段的小波包系数，计算各频段的归一化电流，进而计算故障前后各子频段电流的Tsallis熵比值并以此为依据确定故障特征频段，包括：

根据最优的小波母函数

利用各个子频段的小波包系数

小波包重构公式如式(5)所示：

各子频段电流信号重构公式如式(6)所示：

/>

根据式(6)重构得到的各子频段的正常电流信号

根据正常和故障时各个频段的归一化电流，计算故障前后电流的Tsallis熵比值。

利用小波母函数

其中，q为广延参数，在这里取q＝1.2。

根据式(7)与负熵理论可知：故障前后某一频段重构电流信号的Tsallis熵增量越大，则此频段包含的故障信息量越大而对应于故障特征频段。因此，Tsallis熵增量可作为确定故障特征频段的依据。

合理的选取Tsallis熵的广延参数q可以更好地反映电流信号谐波的复杂度，进而更好地反映相应的故障特征。此外，Tsallis熵能够应对小波包变换过程中的频谱混叠和能量泄露，使得特征频段的提取更加准确。因此，该方法相比于传统的特征频段提取方法具有更高的准确性。

步骤6，确定故障电流信号特征频段

对比故障前后各个子频段的重构电流信号Tsallis熵的比值，选取Tsallis熵比值最大的子频段为特征频段。

本实施例针对客户侧分布式光伏-充电桩-变频负荷系统含MHz级宽频带故障电气特性量的分析需求，研究光充荷设备状态数据相关的压缩处理技术以准确高效的提取设备正常和故障运行时的特征频段的电气特征，有利于明晰客户侧系统在正常运行和多类型故障运行时的各自宽频带动态特性和构建的典型故障宽频带特征库，进而助力客户侧系统高速高精的进行安全隐患辨识和故障诊断，为安全隐患辨识与风险评价奠定模型基础。

实施例二

本实施例提供了一种基于宽频带数据压缩处理的故障诊断系统。

一种基于宽频带数据压缩处理的故障诊断系统，包括：

数据获取模块，其被配置为：获取光-充-负荷系统的故障电流信号；

小波分解模块，其被配置为：采用小波包变换对故障电流信号进行分解，得到故障电流各频段的小波包系数；

最优组合确定模块，其被配置为：根据故障电流信号在各个小波函数和分解层数组合时的小波包分解结果，计算相应的小波能量熵和小波能量分布方差，以此确定最优小波母函数和分解层数组合；

故障频段确定模块，其被配置为：基于最优小波函数和分解层数组合分别对正常电流信号和故障电流信号进行小波包分解，重构故障前后各个频段的电流信号，计算故障前后各频段电流信号的Tsallis熵比值，以确定故障电流信号的特征频段。

此处需要说明的是，上述数据获取模块、小波包分解模块、最优组合确定模块和故障频段确定模块与实施例一中的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。

实施例三

本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例一所述的基于宽频带数据压缩处理的故障诊断方法中的步骤。

实施例四

本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例一所述的基于宽频带数据压缩处理的故障诊断方法中的步骤。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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。