[发明专利]一种电容式电压互感器误差预测方法及装置

权利要求书

1.一种电容式电压互感器误差预测方法，其特征在于，包括：

将当前时刻之前的电容式电压互感器误差数据和当前时刻电容式电压互感器环境参量数据输入到预先训练的预测模型得到当前时刻电容式电压互感器误差；其中，预测模型是通过将电容式电压互感器误差历史数据和电容式电压互感器环境参量数据输入到RBF神经网络训练得到的。

2.根据权利要求1所述的一种电容式电压互感器误差预测方法，其特征在于，所述预测模型的构建方法包括：

根据电容式电压互感器环境参量中不同参量对电容式电压互感器误差的影响确定电容式电压互感器误差模型的影响参数，所述影响参数为：电容式电压互感器相间泄露电流和电流互感器的二次负荷；

根据电容式电压互感器相间泄露电流和电流互感器的二次负荷构建电容式电压互感器误差模型；

基于电容式电压互感器误差模型构建自回归的RBF神经网络，通过蚁群算法对RBF网络进行聚类优化，确定RBF网络的基函数中心和半径，通过粒子群算法得到电容式电压互感器相间泄露电流和电流互感器的二次负荷在RBF神经网络的权重；

将电容式电压互感器误差历史数据和电容式电压互感器环境参量数据输入到RBF神经网络，得到训练好的预测模型。

3.根据权利要求2所述的一种电容式电压互感器误差预测方法，其特征在于，所述电容式电压互感器误差模型，具体为：

式中，δ为比差，Υ为角差；x₁为CVT相间电场导致的泄漏电流，x₂为CVT的二次负荷。

4.根据权利要求2所述的一种电容式电压互感器误差预测方法，其特征在于，所述自回归的RBF神经网络包括输入层、隐含层和输出层；

所述输入层的输入数据为：x＝[x₁、x₂、Y(k-1)]；其中，x₁为CVT相间电场导致的泄漏电流，x₂为CVT的二次负荷，Y(k－1)为过去时刻输出的误差；

所述隐含层的输出表示为：

其中，H为隐含层输出，X为输入向量(x₁，x₂，Y(k-1))，b为高斯基函数的宽度，b＞0；C_j为隐函数神经元中心向量；

所述输出层的输出表示为：

Y(k)＝ω₁₁+ω₂₂+ω₃₃；

其中：ω为输出层的权值，Y(k)是自回归RBF神经网络的预测输出。

5.根据权利要求1所述的一种电容式电压互感器误差预测方法，其特征在于，对输入到RBF神经网络中电容式电压互感器误差历史数据进行预处理后再输入到RBF神经网络；

对电容式电压互感器误差历史数据预处理得到第二电容式电压互感器误差历史数据，其中，第二电容式电压互感器误差历史数据中电容式电压互感器正常样本和电容式电压互感器故障样本的比例为第一比例。

6.根据权利要求5所述的一种电容式电压互感器误差预测方法，其特征在于，所述对电容式电压互感器误差历史数据预处理得到第二电容式电压互感器误差历史数据，具体为：

通过重采样法对电容式电压互感器误差历史数据进行重构使电容式电压互感器故障样本的比例增加；

对重构后的电容式电压互感器误差历史数据进行数据加强得到第二电容式电压互感器误差历史数据。