[發(fā)明專利]基于核函數(shù)的PCA?KSICA儲(chǔ)能系統(tǒng)典型工況識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201611064284.6
• 申請(qǐng)日: 2016-11-28
• 公開（公告）號(hào): CN106778533A
• 公開（公告）日: 2017-05-31
• 發(fā)明（設(shè)計(jì)）人: 張宇;王育飛;劉舒;薛花;方陳;時(shí)珊珊;雷珽;萬(wàn)莎
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)上海市電力公司;上海電力學(xué)院;華東電力試驗(yàn)研究院有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00
• 代理公司: 上海科盛知識(shí)產(chǎn)權(quán)代理有限公司31225
• 代理人: 翁惠瑜

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其是涉及一種基于核函數(shù)的PCA-KSICA儲(chǔ)能系統(tǒng)典型工況識(shí)別方法。

背景技術(shù)

近年來(lái)，我國(guó)大力發(fā)展清潔可再生能源發(fā)電，綠色電力在電力系統(tǒng)的滲透率快速上升，但可再生能源電源輸出功率隨著天氣變化而具有隨機(jī)性和波動(dòng)性，大規(guī)模可再生能源電源并網(wǎng)成為影響電力系統(tǒng)穩(wěn)定性和可靠性不可忽略的因素之一。儲(chǔ)能系統(tǒng)因具有平抑可再生能源電源輸出功率波動(dòng)、減少可再生能源并網(wǎng)對(duì)電力系統(tǒng)沖擊的功能而應(yīng)用日趨廣泛，但儲(chǔ)能系統(tǒng)運(yùn)行機(jī)制復(fù)雜，動(dòng)態(tài)性能變化快速，其典型工況的在線監(jiān)控與識(shí)別成為保障系統(tǒng)穩(wěn)定運(yùn)行的重要判據(jù)。

常規(guī)動(dòng)態(tài)過(guò)程在線監(jiān)控的常規(guī)分析手段是獨(dú)立成分分析(Independent component analysis,ICA)方法，可有效利用高階統(tǒng)計(jì)信息，在統(tǒng)計(jì)獨(dú)立意義下對(duì)混合信號(hào)進(jìn)行分離，已在生物醫(yī)學(xué)信號(hào)處理、混合語(yǔ)音信號(hào)分離、盲源分離等方面得到較為廣泛的應(yīng)用。但I(xiàn)CA算法具有數(shù)據(jù)量大、迭代次數(shù)多、收斂速度慢的問(wèn)題，為此改進(jìn)的FastICA方法提高了計(jì)算效率，適用于大規(guī)模監(jiān)測(cè)數(shù)據(jù)的在線處理，但FastICA依然受到獨(dú)立成分必須具有非高斯分布假設(shè)的限制。為使信號(hào)分析不受源信號(hào)概率分布形式假設(shè)的影響，KSICA(Kurtosis maximization in the subband domain ICA)方法一旦尋找到最優(yōu)解，在迭代過(guò)程將始終保持在最優(yōu)解處，且在最優(yōu)解處始終為正值，保持穩(wěn)定性。但KSICA方法對(duì)監(jiān)測(cè)數(shù)據(jù)中的噪聲干擾敏感，如何能將KSICA方法應(yīng)用于含隨機(jī)干擾的儲(chǔ)能系統(tǒng)運(yùn)行工況在線分析，實(shí)現(xiàn)儲(chǔ)能系統(tǒng)運(yùn)行工況的快速準(zhǔn)確識(shí)別，成為推廣儲(chǔ)能系統(tǒng)應(yīng)用亟待解決的關(guān)鍵所在。

發(fā)明內(nèi)容

本發(fā)明的目的就是為了克服KSICA方法對(duì)監(jiān)測(cè)數(shù)據(jù)中的噪聲干擾敏感的不足，而提供一種有效消除噪聲、算法快速、準(zhǔn)確辨識(shí)的基于核函數(shù)的PCA-KSICA儲(chǔ)能系統(tǒng)典型工況識(shí)別方法。

本發(fā)明的目的可以通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)：

一種基于核函數(shù)的PCA-KSICA儲(chǔ)能系統(tǒng)典型工況識(shí)別方法，包括以下步驟：

1)獲取儲(chǔ)能系統(tǒng)正常工況下的測(cè)量數(shù)據(jù)；

2)采用PCA策略對(duì)所述測(cè)量數(shù)據(jù)進(jìn)行白化處理，獲得白化后信號(hào)Z_n；

3)建立核函數(shù)，將所述白化后信號(hào)映射至高維空間進(jìn)行獨(dú)立成分分析，獲得解混矩陣；

4)根據(jù)所述解混矩陣獲得正常工況下的獨(dú)立分量趨勢(shì)矩陣；

5)根據(jù)待監(jiān)測(cè)信號(hào)與正常工況下的獨(dú)立分量趨勢(shì)矩陣的關(guān)系識(shí)別待監(jiān)測(cè)信號(hào)所處工況。

所述步驟2)中，獲得的白化后信號(hào)表示為：

Z_n＝Λ^-1/2E^TX_u

式中，X_u為測(cè)量數(shù)據(jù)均值化信號(hào)，Λ為X_u的協(xié)方差矩陣特征值組成的對(duì)角陣，E為對(duì)應(yīng)的特征向量組成的正交矩陣。

所述步驟3)中，核函數(shù)表達(dá)式為：

k(z_i,z_j)＝(a·z_i·z_j+b)^d

式中，a、b、d為常數(shù)，a>0，b≥0，d為正整數(shù)，z_i,z_j∈Z_n且z_i,z_j∈R^m，m為采樣點(diǎn)數(shù)。

所述步驟3)中，解混矩陣通過(guò)迭代方式獲得，具體為：

301)初始化迭代次數(shù)i＝1，初始化加權(quán)向量W_i-1；

302)計(jì)算優(yōu)先輸出信號(hào)向量

303)計(jì)算臨時(shí)濾波加權(quán)向量W⁺：

式中，和為中間變量，通過(guò)以下公式計(jì)算：

其中，diag{}為對(duì)角矩陣，H表示共軛，T表示轉(zhuǎn)置；

304)更新標(biāo)準(zhǔn)化后的濾波加權(quán)向量：

305)當(dāng)滿足迭代停止要求或到達(dá)迭代最大步數(shù)時(shí)，使得W_opt＝W_i并且停止迭代，W_opt為最終的最優(yōu)解混矩陣，否則i＝i+1，返回步驟302)。

所述步驟5)中，待監(jiān)測(cè)信號(hào)為采用PCA策略對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行白化處理后獲得的。

所述步驟5)具體為：