[发明专利]一种非平稳输出的电流互感器误差评估方法

说明书

本发明涉及一种非平稳输出的电流互感器误差评估方法，包括：获取离线检测过程中的各工况参量、电磁参量和环境参量的数据构建离线数据集；基于离线数据集训练ANN(Artificial Neural Network，人工神经网络)模型得到预训练模型；获取在线检测过程的数据构建在线检测数据集，并由数据预处理得到多个稳定分段数据集；将各稳定分段数据集分别输入各实时误差预测ANN模型进行训练；各实时误差预测ANN模型的初始化模型为训练完成的预训练模型；将待测电流互感器的在线监测数据输入其电流值所在分段对应的实时误差预测ANN模型，实时误差预测ANN模型输出待测电流互感器的误差；对待测电流互感器进行在线预测，实时反馈CT的误差状态，进而保证电网运行的稳定性和安全性能。

技术领域

本发明涉及电力计量在线监测技术领域，尤其涉及一种非平稳输出的电流互感器误差评估方法。

背景技术

当前常用的CT误差检测方法主要为离线检验和在线检验。离线检验的流程需要被检互感器及周边设备长时间停电，对电网正常运行会造成较大影响，且离线检定时工况与在线运营时的工况存在差异，无法反映被检互感器运行误差的动态变化。而在线检测流程中，虽然满足运行时的相关工况条件的一致性，能够较为准确的计算待测CT的误差，但是需要在电流状态下接入标准互感器，容易存在安全隐患因而不宜长时间的进行检测。

发明内容

本发明针对现有技术中存在的技术问题，提供一种非平稳输出的电流互感器误差评估方法，对待测电流互感器进行在线预测，实时反馈CT的误差状态，进而保证电网运行的稳定性和安全性能。

根据本发明的第一方面，提供了一种非平稳输出的电流互感器误差评估方法，包括：

步骤1，获取离线检测过程中的各个工况参量、电磁参量和环境参量的数据构建离线数据集；基于所述离线数据集训练ANN模型得到预训练模型；

步骤2，获取在线检测过程中的各个参量，通过数据预处理，构造多个稳定分段数据集；

步骤3，将各个分段数据集分别输入各个实时误差预测ANN模型进行训练；

步骤4，将待测电流互感器的在线监测数据输入其电流值所在分段对应的实时误差预测ANN模型，所述实时误差预测ANN模型输出所述待测电流互感器的误差。

在上述技术方案的基础上，本发明还可以作出如下改进。

可选的，所述步骤1中所述工况参量包括：三相电流、三相不平衡和额定变比；所述电磁参量包括：磁感应强度；所述环境参量包括：温度和湿度。

可选的，所述三相不平衡参数的计算公式为：

；

其中，、和分别为A、B和C相的电流。

可选的，所述步骤1包括：

选用与待测电流互感器同型号的电流互感器构建离线试验平台，调整各个参量的数值得到对应条件下的同型号的电流互感器的对应误差数据，将获取的试验数据构造离线检测数据集，将离线检测数据集作为所述预训练模型的输入，将对应的误差数据作为所述预训练模型的输出对所述预训练模型进行训练。

可选的，所述步骤2包括：

获取待测电流互感器在线检测中的各个工况参量、电磁参量和环境参量的数据，构造在线检测数据集，根据电流值大小进行分段，将在线检测数据集拆分为多个分段数据集，对所述多个分段数据集的数据进行筛选得到多个稳定的分段数据集。

可选的，所述根据电流值大小进行分段的过程包括：根据额定电流的不同百分比划分各个分段范围。

可选的，所述根据电流值大小进行分段的过程包括：