[发明专利]电气设备负荷特征智能识别方法

说明书

本发明提供的一种电气设备负荷特征智能识别方法，包括以下步骤：S1.采集电气设备工作时的负荷信号，包括电压和电流信号，并记录采集电气设备工作时的负荷信号的采集周期；S2.采用傅里叶级数对负荷信号进行处理变换，得到负荷信号的直流分量值、基波幅值、谐波幅值以及相位；S3.基于负荷信号的直流分量值、基波幅值、谐波幅值以及相位构建特征矩阵。通过上述方法，能够对配网中的各个电气设备的负荷特性进行准确识别，为配网的电力供应提供准确的数据支持，而且能够为判断电气设备异常、电气火灾的预警分析提供准确的数据支持。

技术领域

本发明涉及电气领域，尤其涉及一种电气设备负荷特征智能识别方法。

背景技术

现代社会中，无论是企业还是家庭中都具有越来越多的且不同的电气设备，这些电气设备在工作中都会对配网造成影响，因此，如何对这些电气设备的负荷特性进行识别成为了一个难题，电气设备随着服役时间的变化，其负荷(包括工作电压和工作电流)特性也会发生相应的变化，即其工作电压以及工作电流均会产生变化，如何准确识别目前还没有一种有效的解决手段，虽然，现有技术中具有一些监测设备，比如电压传感器、电流传感器对其工作电压和电流进行监测，但是，这些仅仅能够进行粗略分析，对于配网状态的影响、设备异常的精确分析并不能提供准确的数据支持。

因此，为了解决上述技术问题，亟需提出一种新的技术手段。

发明内容

有鉴于此，本发明的目的是提供一种电气设备负荷特征智能识别方法，能够对配网中的各个电气设备的负荷特性进行准确识别，为配网的电力供应提供准确的数据支持，而且能够为判断电气设备异常、电气火灾的预警分析提供准确的数据支持。

本发明提供的一种电气设备负荷特征智能识别方法，包括以下步骤：

S1.采集电气设备工作时的负荷信号，包括电压和电流信号，并记录采集电气设备工作时的负荷信号的采集周期；

S2.采用傅里叶级数对负荷信号进行处理变换，得到负荷信号的直流分量值、基波幅值、谐波幅值以及相位；

S3.基于负荷信号的直流分量值、基波幅值、谐波幅值以及相位构建特征矩阵。

进一步，步骤S2具体包括：

S21.将负荷信号采用以下公式表示：

其中，A表示负荷信号，n表示第n次谐波，A_n表示第n次谐波的幅值，nω表示第n次谐波的角频率，表示第n次谐波的相位；

S22.将公式(1)进行分解得到公式(2)：

其中，A₀表示负荷信号的直流分量值；A(t)表示t时刻的负荷信号；

S23.将公式(2)采用傅里叶变换得到通过傅里叶变换后的t时刻的负荷信号A(t)'：

其中，a₀表示负荷信号的直流分量值，a₁、b₁为负荷的基波幅值，a_n、b_n表示第n次谐波幅值。

进一步，通过如下方法确定直流分量幅值a₀：

其中其中，f_s表示对负荷信号的采集频率，f表示工频，t₀表示初始采集时刻，T_s表示负荷信号的采集周期。

进一步，：通过如下方法确定第n次谐波的基波幅值a_n：

其中，其中，f_s表示对负荷信号的采集频率，f表示工频，t₀表示初始采集时刻，T_s表示负荷信号的采集周期。