[发明专利]基于果蝇算法与随机共振的行波信号处理方法

说明书

本发明公开了基于果蝇算法与随机共振的行波信号处理方法，包括发生线路故障后，系统主站实时采集行波信号；基于果蝇算法的自适应随机共振模型对行波信号进行处理，得到高信噪比的行波信号；利用行波提取方法对高信噪比的行波信号进行故障特征信息提取。本发明有效提高了强噪声干扰下的行波信号的信噪比,便于准确检测行波信号包含的故障特征信息。

技术领域

本发明涉及基于果蝇算法与随机共振的行波信号处理方法，属于信号处理技术领域。

背景技术

随着经济的发展，电力系统规模逐渐增大，网络结构逐渐复杂，用户对供电稳定的要求也越来越高。精确故障定位成为快速排除故障、提高系统暂态稳定性的重要保证。行波定位方法在配电网故障定位中有着广泛应用。而行波信号的检测准确度直接影响故障行波定位的准确性和行波保护的可靠性，行波信号的精确检测技术成为行波定位与保护技术发展的关键。

配电网电压等级低，容性设备等效电容的差异等使得配电网行波的幅值远小于输电网。当故障接地电阻高或故障初相角较小时，所产生的故障行波信号微弱，存在行波信号被噪声淹没的情况，这无疑增加了精确测量行波信号的难度。目前，有较多学者提出利用小波变换、希尔伯特-黄变化和变分模态分解等方法进行行波信号的提取，但在强噪声干扰下具有一定的局限性。而随机共振可在噪声和特征信号间产生协同效应，降低噪声，增加故障特征信号能量，便于进行行波信号检测。行波信号是一种瞬时突变信号，在随机共振系统中无法形成稳定跃迁，仅有一个稳态点，为典型的单稳态随机共振系统。上述的“单稳态随机共振系统”是一种特殊的双稳态随机共振模型，仍具有阱内共振的特点。然而传统随机共振检测系统中，系统参数大多是人为设置的，具有一定的偶然性，不能获得系统的最优参数值。

发明内容

本发明所要解决的技术问题是克服现有技术的缺陷，提供基于果蝇算法与随机共振的行波信号处理方法，采用果蝇算法对随机共振参数进行寻优，然后采用寻优后的随机共振模型对行波信号进行处理以得到较大信噪比的行波信号，便于行波信号故障特征信息的准确检测。为达到上述目的，本发明提供基于果蝇算法与随机共振的行波信号处理方法，包括：

发生线路故障后，系统主站实时采集行波信号；

基于果蝇算法的自适应随机共振模型对行波信号进行处理，得到高信噪比的行波信号；

利用行波提取方法对高信噪比的行波信号进行故障特征信息提取。

优先地，构建基于果蝇算法的自适应随机共振模型，包括：

构建单稳态随机共振模型，公式为：

式中：y(t)为给定的输入信号；δ(t)为噪声信号；u(t)为不含噪声的行波信号；a和b为设定的模型参数；x为单稳态随机共振模型输出信号，为单稳态随机共振模型输出信号对时间 t的导数；

在已知道y(t)、a、b和采样频率步长h的前提下，利用四阶龙格库塔法对x进行求解。

优先地，构建基于果蝇算法的自适应随机共振模型，包括：

对单稳态随机共振模型进行归一化尺度变换，使之满足随机共振条件，变化后单稳态随机共振模型为：

式中，z为归一化尺度变换后单稳态随机共振模型的输出信号；

对于给定的输入信号y(t)，不同的模型参数a和b产生不同随机共振效应，为使得随机共振效应最优，基于果蝇算法自适应调整参数a和b。

优先地，基于果蝇算法自适应调整参数a和b，包括：

基于果蝇算法自适应调整参数a和b，包括：