[发明专利]适用于多场景的基于磁场信号的电流计算方法

说明书

本发明提供了适用于多场景的基于磁场信号的电流计算方法，应用于由巨磁阻传感器组成的圆形磁场传感器阵列测量系统中，包括如下步骤：对长直导线周围产生的磁场矢量进行定量计算，建立电流导线垂直于传感器阵列平面的第一通电长直导线磁场模型，以及不垂直于的第二通电长直导线磁场模型；基于第一通电长直导线磁场模型得到训练集；基于第二通电长直导线磁场模型得到测试集；向MLP神经网络模型导入训练集进行训练并导入测试集测试MLP神经网络模型的误差；利用训练后的MLP神经网络模型进行电流计算。本发明的计算方法在多场景的条件下，具有非常高的计算精度，且通过机器学习大大减少了单次测量时的计算量，能够保证测量结果的实时性。

技术领域

本发明涉及电网故障测量技术领域，具体而言，涉及适用于多场景的基于磁场信号的电流计算方法。

背景技术

近年来，随着新的测量技术不断涌现，传感器技术快速发展，智能电网的建设得到了空前的发展。智能电网的发展目标是使得互联网络能够覆盖电力系统的每一个环节，包括了发输配送等。为了使得智能电网能够稳定运行，网络中每一个节点均需要提供相应的数据支撑。这就对各个环节的信息采集精度和实时性提出了更高的要求。而为了实现以“互联网+能源网”为特征的能源互联网，要求电网中的信息测量更加全面、实时，以保证信息网络的准确与通畅。在这样的应用背景下，电网中各环节的电流测量技术成为智能电网的关键，传感器作为电流测量的主要设备，是目前智能电网电流测量研究的重要课题。

基于巨磁阻效应的电流传感器是目前电流测量领域的一大热点，其基本原理是通过磁场传感器测量磁场，进而由磁场数据反演计算电流大小，本质上是一个反演问题。

基于磁场数据的电流大小反演计算，目前常用优化算法进行求解。传统的优化算法全局搜索能力不稳定，其结果强烈依赖于初始值；启发式优化算法虽然全局搜索能力较强，但计算量较大，精度不稳定。可见使用优化算法求解该问题往往难以兼具效率与精度问题。与传统的优化算法相比，机器学习算法的优势在于一旦通过足够的数据样本训练得到机器学习模型，每次测量计算时均可使用该模型进行直接计算，因而大大减少了每次测量时的计算量，能够保证测量结果的实时性。

考虑到目前广泛使用的优化算法的局限性、机器学习方法的优点以及实际使用时，由于安装偏差、导线位置移动等多种因素的干扰存在，传感器阵列平面完全垂直于电流导线的理想条件是难以实现的；因此，本申请提出了适用于多场景的基于磁场信号的电流计算方法。

发明内容

本发明的目的在于从目前使用的优化算法的弊端以及机器学习方法的优势出发，提出了一种考虑到导线的方向对电流计算误差的影响，具有高计算精度的电流计算方法。

本发明的实施例通过以下技术方案实现：适用于多场景的基于磁场信号的电流计算方法，应用于由巨磁阻传感器组成的圆形磁场传感器阵列测量系统中，包括如下步骤：

步骤一、通过对长直导线周围产生的磁场矢量进行定量计算，建立通电长直导线磁场模型，具体包括：在电流导线垂直于传感器阵列所在平面情况下的第一通电长直导线磁场模型，以及在电流导线不垂直于传感器阵列所在平面情况下的第二通电长直导线磁场模型；

步骤二、采集第一通电长直导线磁场模型数据样本并对采集到的数据样本进行预处理，得到训练集；采集第二通电长直导线磁场模型数据样本并对采集到的数据样本进行预处理，得到测试集；

步骤三、向MLP神经网络模型导入所述训练集进行训练并导入测试集测试MLP神经网络模型的误差，得到训练后的MLP神经网络模型；

步骤四、利用训练后的MLP神经网络模型进行电流计算。

根据一种优选实施方式，所述步骤一中采用如下方式建立第一通电长直导线磁场模型和第二通电长直导线磁场模型：

计算测量点到导线电流之间的垂直距离r；