[发明专利]一种基于显著分量和LSTM的联络线异常功率在线监测方法

权利要求书

1.一种基于显著分量和LSTM的联络线异常功率在线监测方法，其特征在于：所述方法包括以下步骤：

步骤S1：获取并分割量测；

步骤S2：计算联络线功率显著性分量S；

步骤S3：对联络线功率显著性分量S滤波；

步骤S4：构建人工数据集；

步骤S5：训练神经网络；

步骤S6：在线决策。

2.根据权利要求1所述的一种基于显著分量和LSTM的联络线异常功率在线监测方法，其特征在于：所述步骤S1还包括以下子步骤：

步骤S11：设置滑动窗口W，窗长为w；

步骤S12：获取联络线首末端有功量测，并拼接成{P₀(n)}_{n＝1,2,…,N}，其中N为采样总点数；

步骤S13：用滑动窗口W对{P₀(n)}_{n＝1,2,…,N}进行滑动分割，对滑动的第m步(m≤N-w)，得到如下序列：

P(m)＝{P₀(m+w)}_{step＝1,2,…,w}

这里P(m)是第m步滑动窗口的联络线有功序列；

步骤S14：将所有的滑动窗口的序列拼接在一起，记为P_w＝{P(m)}_{m＝1,2,…,N-w}，这表示P_w(m)＝P(m)，P_w(m)的物理意义第m步滑动窗口的联络线有功序列。

3.根据权利要求1所述的一种基于显著分量和LSTM的联络线异常功率在线监测方法，其特征在于：所述步骤S2包括以下子步骤：

步骤S21：初始化m＝1；

步骤S22：对第m步滑动窗口的联络线有功序列P_w(m)进行快速傅里叶变换：

这里FFT(P_w(m))表示对P_w(m)进行快速傅里叶变换(FFT)，表示FFT变换结果(复数)；

步骤S23：对第m步滑动窗口数据，计算的幅值A_w(m)：

步骤S24：对第m步滑动窗口数据，计算的相位θ_w(m)：

这里是计算相位的函数；

步骤S25：对第m步滑动窗口数据，计算功率的对数谱L_w(m)：

L_w(m)＝log(A_w(m))

步骤S26：对第m步滑动窗口数据，对L_w(m)进行平滑处理，得到平滑分量

其中h(m)＝[1,1,1,…,1]，其维数为w；

步骤S27：对第m步滑动窗口数据，计算剩余分量R_w(m)：

步骤S28：对第m步滑动窗口数据，计算显著分量S_w(m)：

其中是表示傅里叶反变换；

步骤S29：m＝m+1，返回步骤S22继续直至m＝N-w；

步骤S210：合并S_w(m)得到S＝{S_w(m),m＝1,2,…N-w}。