[发明专利]10kV线变关系在线监测识别系统

权利要求书

1.10kV线变关系在线监测识别系统，它包括在线监测识别系统平台，其特征在于：所述的在线监测识别系统平台包括主机、从机、掌机、CT二次侧和CT连接器，所述的从机包括架空从机和电缆从机，所述的CT连接器包括连接座、连接线和连接端子。

2.如权利要求1所述的10kV线变关系在线监测识别系统，其特征在于：所述的掌机通过LoRa通信方式与从机、主机进行通信连接，自动生成线变关系识别结果。

3.如权利要求1所述的10kV线变关系在线监测识别系统，其特征在于：所述的CT连接器通过连接座与CT二次侧连接、通过连接端子与电缆从机连接。

4.如权利要求1所述的10kV线变关系在线监测识别系统，其特征在于：所述的主机安装在变压器低压侧且通过自适应载波技术将特征信号耦合到低压配电线路中，其中自适应载波技术具体为：自适应滤波器的基本目标是以某种方式调整其参数θ_k，让滤波器的输出尽可能使包含参考信号的某个特定的目标函数最小化，通常而言，目标函数F是输入信号、参考信号和自适应滤波器输出信号的一个函数，即F＝F[x(k),d(k),y(k)]，目标函数的正确定义必须满足如下特性：非负性：对于任意x(k),d(k),y(k)，F＝F[x(k),d(k),y(k)]≥0；最优性：F＝F[x(k),d(k),y(k)]＝0，在自适应过程中，自适应算法试图使函数F最小化，从而使y(k)与d(k)近似相等，θ_k收敛到θ₀，其中θ₀为导致目标最小化的最优系数构成的集合，解释目标函数的另一只方式是将其视为某个普通误差信号e(k)的直接函数，而误差信号又是信号x(k),d(k),y(k)的某个函数，即F＝F[e(k)]＝F[e(x(k),d(k),y(k))]，利用这种结构，可认为一个自适应算法是由最小化算法的定义、目标函数形式的定义和误差信号的定义三个基本要素构成；最常用的自适应算法有迫零算法，最陡下降算法，LMS算法，RLS算法以及各种盲均算法，适应算法所采用的最优准则有最小均方误差(LMS)准则，最小二乘(LS)准则，最大信噪比准则和统计检测准则等，其中最小均方误差(LMS)准则和最小二乘(LS)准则是目前最为流行的自适应算法准则，由此可见LMS算法和RLS算法由于采用的最优准则不同，在性能，复杂度等方面有许多差别，(1)LMS算法是一种搜索算法，通过对目标函数进行适当的调整，简化了对梯度向量的计算，主要特征包括低计算复杂度、在平稳环境中的收敛性，利用线性组合器来实现自适应滤波器，并导出其参数的最优解，这对于多个输入信号的情形，该解导致在估计参考信号d(k)时的最小均方误差，最优解由下式给出：w₀＝R^-1P，其中R＝E[x(k)x^T(k)]，而且P＝E[d(x)x(k)]，假设d(k)和x(k)是联合广义平稳过程，如果可以得到矩阵R和向量P的较好估计，分别记为和则可以利用如下最陡下降算法搜索式的维纳解：其中k＝0,1,2,...，表示目标函数相对于滤波器系数的梯度向量估计值，一种可能的解是通过利用R和P的瞬时估计值来估计梯度向量，即得到的梯度估计值为注意，如果目标函数用瞬时平方误差e²(x)，则上面的梯度估计值代表了真实梯度向量，因为由于得到的梯度算法使平方误差的均置最小化，因此被称为LMS算法，其更新方程为：w(k+1)＝w(k)+2μe(k)x(k)，其中收敛因子μ应该在一个范围取值，以保证收敛性；(2)自适应载波同步：2-1平方差分环路方法：跟踪相位的问题就是来决定收信号载波的相位的任何变化，最然假设载波频率f₀已知，但是最终也是要被评估测出来的，接受信号通过预处理来创造一个不包含数据的信号，事实上是在载波的两倍相位和两倍频率处构造了一个正弦信号，理想方程为r_p(t)＝cos(4πf₀t+2φ)，不依赖BPF(带能滤波器)的相位偏移量，r_p(t)的形式意味着本质上存在这相位模糊，因为对任意整数n,和φ+nπ对于上式来说其值是不变的，所以要用自适应模块来解决这个问题；2-1-1代价函数：考虑此处的目的是最小化r_p(t)和正弦信号的平方差均值，首先估测相位，即是选取θ使下式最小化，其中r_p(t)＝cos(4πf₀t+2φ)，式中r_p(kT_s)是r_p(t)在KT_s时刻的采样值，下标SD代表平方差，并且能用来区别于其它代价函数，如果θ能被找到，即θ＝nπ+φ，则代价函数的值就为0，当θ＝nπ+φ的时候，r_p(kT_s)≠cos(4πf₀kT_s+2θ)，e(θ,k)≠0，那么J_SD(θ)＞0，因此，当θ准确定位偏移量时，代价函数得到最小值；2-1-2代价函数的导数：通过上式所给出的近似，能够得出推导结果和平均变换，因此得出下式2-1-3迭代公式：同时还有很多方法来最小化，通过沿着自适应模块性能函数的梯度下降，形成了下列算法：将推导结果和平均变换代入上式，并θ＝θ[k]，得到下式θ(k+1)＝θ(k)-μavg{(r_p(kT_s)-cos(4πf₀kT_s+2θ(k)))sin(4πf₀kT_s+2θ(k))}；2-2锁相环路方法：最好的相位跟踪方法是锁相环(PLL)，而PLL可由自适应模块得来，自适应模块沿着一个简单的代价函数的梯度下降，具体想法是利用已知频率2f₀、相位的余弦信号经过预处理了的接收信号r_p(t)调制成直流信号；2-2-1代价函数：将调制来的直流信号通过滤波将高频分量滤除之后，直流部分的幅度能够通过改变相位来调整，使直流部分最大化的θ值与r_p(t)中的φ一样，具体地，令其中r_p(t)＝cos(4πf₀t+2θ)；2-2-2代价函数的导数：假设低通滤波器的截止频率低于4f₀，也就是说当J_SD(θ)需要被最小化来得出结果的时候，J_PLL(θ)应该最大化，SD和PLL代价函数的差别在于算法中需要的信号是经过提取的，假设一个小的步长，代价函数对参数θ的微分在时间k能够近似地表示为：，其中r_p(t)＝cos(4πf₀t+2θ)；2-2-3迭代公式：相应的自适应模块算法为下式：

5.如权利要求1所述的10kV线变关系在线监测识别系统，其特征在于：所述的从机中的架空从机和电缆从机分别安装在10kV架空线路和10kV电缆线路环网柜二次侧DTU的CT出线上且均通过高精度的软件同步采样算法实现载波特征信号的提取，采集载波特征信号，其中高精度的软件同步采样算法具体为：假设信号周期为T₀，一个周期内的样点数为N_s，根据同步采样原理技术出采样间隔T_s＝T₀/N_s，无论信号周期是否变化，都按照固定的T_s进行采样，根据采样得到的序列计算被测信号当前时刻的周期T和一个周期内的采样点数N，编写程序，根据T和N对采样间隔进行调整，并对每一个采样值进行修正，就能达到很高的测量精度，包括以下步骤：(1)采样间隔设定；(2)信号周期计算：正弦信号的自相关函数仍为同周期的正弦函数，计算周期信号x(n)的周期，可以通过计算其自相关函数的周期得到，对正弦信号而言，取信号的过零点为周期的起点，当信号第一个过零点确定后，找出下一个具有同样信号过零点特征的过零点，由于信号的采样周期是已知的，故可计算出上述两个信号过零点的时间间隔，即首先寻找满足x(k₁)≤0及x(k₁+1)≥0条件的k₁点，接着根据信号周期的变化范围，继续搜索第二个具有同样过零特性x(k₂)≤0及x(k₂+1)≥0条件的k₂点，这样就可计算出信号自相关函数的周期t₀＝(k₂-k₁)·T_s或一个周期内的采样点数n₀＝(k₂-k₁)，过零检测法测量信号周期采样初始时刻一般是随机的，一个周期内的N个样点不一定包含真正的过零点，为了提高周期计算精度，除了计算整数样点外，还要计算非整数样点，非整数样点可由k₁、k₁+1、k₂、k₂+1这四个信号的首尾取样点，或更多的取样点的取样值，并假设通过不同形式的插值函数，对这些信号过零点附近的取样点间的函数值进行不同程度的逼近，然后通过求解不同的方程来获得，最简单的方法是采用线性插值函数，信号周期始端部分用k₁、k₁+1两点的取样值即可得到：信号周期始端部分的小数样点数为：信号周期尾端部分用k₂、k₂+1两点取样值来计算，得到：信号周期尾端部分的小数样点数为：通过首尾取样点及取样值和取样周期的简单运算，可计算出非同步取样时信号自相关函数即信号本身的周期T及一个周期内的采样点数N：(3)软件采样检测调整：采样间隔稳定不变，当信号周期变化时，预设的同步采样T_s＝T₀/N_s就变成了非同步采样，因此必须利用软件对采样间隔进行修正，当信号周期从T₀改为T时，同步采样检测T_s′＝T/N_s，每一个采样点之间的采样间隔误差为设非同步采样序列第n次采样时刻为t_n′，有如下关系：t₁′＝t₁,t₂′＝t₂-ΔT_s,t_n′＝t_n-(n-1)·ΔT_s，可见，随着n增大，采样点偏离同步采样点的程度不断加剧，采样值修正时的计算误差也就越来越大，要减小计算误差，必须消除采样间隔偏差的累积效应，在确定第n次采样时刻时，引入了一个偏差变量bias对偏差进行累积，对于第一次采样，bias初值为0，第n次采样，偏差bias＝(n-1)×ΔT_s，在每次计算采样时刻前，考察bias值，若|bias|＜T_s，第i次采样时刻t_i′＝t_i+bias；若|bias|≥T_s，当T＜T₀时令bias＝bias-T_s，否则令bias＝bias+T_s，第i次采样时刻t_i′＝t_i-1+bias，继续上述过程，直至确定一个周期内的N_s个采样时刻；(4)采样值修正：通过第(2)、(3)步计算，已知当前周期内N个采样间隔为T_s的非同步采样值及N_s个同步采样时刻，这一步要把N个采样间隔为T_s的非同步采样值校正为N_s个采样间隔为T_s′的同步采样值，设当前周期从第一个过零点开始采样，则非同步采样值用x(n)，n＝k₁,k₁+1,k₁+2,...,k₁+n,...，表示，对非同步采样值进行修正，修正量用u(i)，i＝1,2,3,...,N_s表示，令序列y(i)＝x(k₁-1+i),i＝1,2,3,...,N_s表示，则修正后一个周期内同步采样值可表示为y(i)+u(i),i＝1,2,3,...,N_s，设u(1)＝0来计算第i个修正值u(i)，若|bias|＜T_s，则若|bias|≥T_s，则根据实际情况对偏差进行修正，因此引入两个变量，修正步长deep和累积修正步长sum，在程序开始的时候，令sum＝0，当实际信号周期T＜T₀时，修正步长deep＝1，当实际信号周期T＞T₀时，修正步长deep＝·1，每当|bias|≥T_s时，令sum＝sum+deep,bias＝bias-sum×T_s，u(i)按下式计算：如果同步误差为0(即信号周期无变化)，可以不尽兴修正。