[發明專利]基于互聯網直流側電壓自適應調節APF電流預測控制方法

在審

• 申請號: 201710534307.3
• 申請日: 2017-07-03
• 公開（公告）號: CN107134778A
• 公開（公告）日: 2017-09-05
• 發明（設計）人: 王煒;曾紅兵;陳剛
• 申請（專利權）人: 湖南工業大學
• 主分類號: H02J3/01
• 分類號: H02J3/01;H02J3/18
• 代理公司: 北京國坤專利代理事務所(普通合伙)11491
• 代理人: 黃耀鈞

1.一種基于互聯網直流側電壓自適應調節APF電流預測控制方法，其特征在于，所述基于互聯網直流側電壓自適應調節APF電流預測控制方法包括以下步驟：

步驟一，設APF三相橋臂的開關狀態函數分別為Sa、Sb、Sc，三相橋臂的上橋臂開關器件開通以1表示，下橋臂開關器件開通以0表示，兩電平APF共可產生8種開關狀態，對開關狀態進行αβ變換表示為矢量形式Sn，n＝0～7，由8種開關狀態得到APF可輸出的8個電壓矢量vn，n＝0～7；

步驟二，由三相待補償電流iha、ihb、ihc得待補償電流矢量ih，由三相電網電壓ea、eb、ec得電網電壓矢量e，由APF輸出的三相補償電流ica、icb、icc得補償電流矢量ic；

步驟三，根據電網電壓矢量e以及待補償電流矢量ih，計算每個采樣周期內APF需要的直流側電壓并提取在一個工頻周期內的幅值，得到直流側電壓參考值然后將直流側電壓實際值Vdc與直流側電壓參考值之間的誤差經比例放大后乘以電網電壓矢量e，再與待補償電流矢量ih疊加，作為補償電流參考值i*；

步驟四，根據電網電壓矢量e、補償電流矢量ic以及直流側電壓實際值Vdc，計算8個開關狀態Sn分別作用下APF可輸出的補償電流預測值；

步驟五，根據價值函數，在8個開關狀態Sn中，選擇使補償電流預測值與補償電流參考值i*最接近的開關狀態，控制APF向電網注入補償電流，使電源只輸出基波電流或基波有功電流，實現動態補償；

步驟六，動態補償的電流信號通過信號線連接服務器，服務器通過互聯網將信號傳送至電網監控終端，實現實時監控；

所述服務器對接收到的時頻重疊MPSK信號能量算子取絕對值并作FFT得到能量算子譜的實施按以下進行：

時頻重疊MPSK的信號模型表示為：

x(t)=Σi=1Nsi(t)+n(t)si(t)=Aiexp[j(wcit+φi(t))]φi(t)=def2πM[Σnanpi(t-nTbi)];]]>

其中，N為時頻重疊信號的信號分量個數，n(t)是加性高斯白噪聲，s_i(t)為時頻重疊信號的信號分量，式中A_i表示信號分量的幅度，a_n表示信號分量的第n個符號，p(t)表示成型濾波函數，T_bi表示信號分量的碼元周期，w_ci表示信號分量的載波頻率；

對時頻重疊MPSK信號的能量算子取絕對值：

z(n)＝|x(n)²-x(n-1)x(n+1)|；

其中，x(n)表示接收到的時頻重疊MPSK信號的第n個取樣點；

對z(n)做FFT，得到時頻重疊信號的能量算子譜S(f)：

S(f)＝FFT(z(n))；

所述電網監控終端對根據電流軌跡空間密度將電流軌跡劃分成若干電流軌跡段；通過計算各電流軌跡段在空間、時間、速度和方向上的距離來判斷電流軌跡段間的相似度；將第一次聚類結果中的非顯著簇有條件地并入鄰近的顯著簇，以體現出具備全局重要性的路徑分布形態；

具體步驟為：

步驟一，概念和定義

電流軌跡：電流軌跡TR_i定義：TR_i＝{p₁,p₂,…,p_k}，其中p_k＝{x_k,y_k,t_k}，分別代表該點的二維空間坐標和采用時間；

電流軌跡段：為電流軌跡TR_i內連續的部分三維點集，如：SubTrajectory_s＝{p₁,…,p_k}(1≤s≤k)，k為該電流軌跡段所屬電流軌跡的采樣點總數；

計算最長公共子序列并轉化為LCSS距離可以衡量電流軌跡間的相似程度，LCSS的計算一般通過遞歸方式：

LCSS(R,S)=0,if m=n=0LCSS(Rest(R),Rest(S))+1,if|r1,x-s1,x|≤δ|r1,y-s1,y|≤ψmax{LCSS(Rest(R),S),LCSS(R,Rest(S))},otherwise]]>

式中：LCSS(R,S)表示時空電流軌跡R與S間的LCSS長度，δ和ψ分別表示x軸和y軸上的相似閾值；

電流軌跡段速度：電流軌跡段的速度通過該電流軌跡段所有采用點中的最小速度、最大速度和平均速度來衡量：

V‾SubTrajectory=(1-wm-wa)vmin+wmvmax+wavi+vi+1+...+vjj-i+1]]>

其中，ω_m+ω_a≤1，v_min為電流軌跡段中速度最低值，v_max為電流軌跡段中速度最高值，i和j分別為該電流軌跡段采樣點的下標，對于一條電流軌跡段多個采樣點，速度都是不相同的，將具有相似速度結構的電流軌跡段聚集在一塊；

電流軌跡段方向：為電流軌跡段始末采樣點之間形成的角度，也稱運動方向角：

q=arctan[(ye-ys)(xe-xs)]]]>

其中，(x_s,y_s)電流軌跡段起點，(x_e,y_e)為電流軌跡段終點；

ξ鄰域N_x(L_i)：對于電流軌跡段L_i，給定鄰近閾值ξ，如果存在電流軌跡段L_j，滿足N_x(L_i)＝{L_i危D|d(L_i,L_j)l,ij}，其中，D為所有電流軌跡段數據集合，d(L_i,L_j)為兩電流軌跡段的距離，電流軌跡段領域用以在DBSCAN電流軌跡密度聚類中，判斷每個電流軌跡段的當前空間密度，進而將空間密度較大的電流軌跡段聚為同一組；

斷點：假設存在一電流軌跡段，位于該電流軌跡段上的任何兩點之間的距離不超過閾值ε，并且這段子電流軌跡的采樣點數s大于閾值Ε，則將這段子電流軌跡中的第1和最后1個采樣點設置為斷點，同時將位于該段子電流軌跡上其余的點刪除，這實際上表示如果某電流軌跡段在空間上的密度和采用點數量達到一定程度，即可認為該電流軌跡段包含了斷點，顯然，如果一條電流軌跡上有2×t個斷點，則該電流軌跡被分割為t+1個電流軌跡段；當橫坐標差小于δ且縱坐標差小于ψ時，認為記錄點相似，LCSS值加1，當電流軌跡記錄點數都為0時，LCSS(R,S)為0；若記錄點個數不為0，則用遞歸的方式判斷共有子序列長度的最大值，用LCSS計算電流軌跡段的空間和時間相似性；

步驟二，電流軌跡時空聚類：電流軌跡段之間的相似性計算包括4方面：空間相似性spatialSIM、時間相似性tempoSIM、方向相似性OrientSIM和速度相似性velocitySIM，結合得到一個統一的表達電流軌跡段相似性公式：

subSIM＝sigmod(w_s創spatialSIM+w_t tempoSIM+w_o創OrientSIM+w_v velocitySIM)，

且w_s+w_t+w_o+w_v＝1

其中，sigmoid()函數為歸一化公式；spatialSIM與tempoSIM基于LCSS計算獲取，OrientSIM和velocitySIM直接采用兩條電流軌跡該屬性的差值絕對值表示即可；

步驟三，利用電流軌跡段相似性公式，設聚類簇C中包含的電流軌跡數目為簇基數n_cb，簇基數n_b與該聚類中電流軌跡段數目n_c之比為簇顯著度n_cs，給定閾值τ和γ，進行如下定義：

顯著簇：C_pro＝{C|C吻O n_cb>t n_cs g}，其中，O為第一次聚類的結果集，即簇基數n_b高于τ且簇顯著度n_s高于γ聚類稱為顯著簇；

非顯著簇：C_unpro＝{C|C吻O C O_pro}，其中，O_pro為顯著簇集合，即顯著簇之外的聚類都為非顯著簇；非顯著簇的處理過程如下：

對DBSCAN聚類結果O進行判斷，獲取顯著簇集合O_pro與非顯著簇集合O_unpro；從O_unpro依次取出聚類簇C_unpro，如果C_unpro距離最近的顯著簇C_pro的閾值小于μ，則將C_unpro歸并到C_pro，否則，刪除O_unpro；

所述電網監控終端依據評分矩陣R_m×n，用fcos,fcor,fadj分別計算電網用戶三種不同的相似度矩陣FCOS,FCOR,FADJ，從相似度矩陣中知道任意兩個電網用戶之間的相似度；f cos：模糊加權余弦相似性；fcor：模糊加權相關相似性；fadj：模糊加權修正余弦相似性；

fcos,fcor,fadj通過引入模糊權重w_c，模糊加權余弦相似性、模糊加權相關相似性和模糊加權修正余弦相似性的定義如下：

f cos(Ui,Uj)=Σc∈Iijwcri,crj,cΣc∈Iijri,c2Σc∈Iijrj,c2]]>

fcor(Ui,Uj)=Σc∈Iijwc(ri,c-ri‾)(rj,c-rj‾)Σc∈Iij(ri,c-ri‾)2Σc∈Iij(rj,c-rj‾)2]]>

fadj(Ui,Uj)=Σc∈Iijwc(ri,c-ri‾)(rj,c-rj‾)Σc∈Ij(ri,c-ri‾)2Σc∈Ii(rj,c-rj‾)2;]]>

r_i,c表示電網用戶U_i對項目I_c的評分，和分別表示電網用戶U_i和電網用戶U_j的平均評分；

fcos中w_c求得的方法：

模糊向量中的元素個數是由模糊集的個數決定，評分的隸屬函數為：

μbad(r)=r-141≤r≤5μgood(r)=5-r41≤r≤5]]>

r＝4時，相應的二元隸屬向量為任取電網用戶U_i和電網用戶U_j共同評價過的推薦項目I_c∈I_ij，向量和關于推薦項目I_c∈I_ij的模糊權重w_c為：

wc=2-dis(r→ic-r→jc)]]>

dis(r→ic-r→jc)=Σk=1l(rick-rjck)2]]>

其中表示向量和之間的歐式距離，l為向量的維數，為向量中的第k個元素；在w_c中，用減去其它值是因為為的最大值(對于向量的dis(·))；

fcor和fadj中w_c的求得方法：

電網用戶U_i和電網用戶U_j對共同評分過的推薦項目I_c∈I_ij的評分與各自評分均值的偏差為dev_ic和dev_jc；分別用very bad(vb)、bad(b)、fair(f)、good(g)、very good(vg)表示5個模糊集，由5個模糊集組成評分偏差的隸屬函數為：

dev_ic＝2.7，根據隸屬函數的定義，隸屬向量為：對于向量和關于推薦項目c∈I_ij的模糊權重w_c為：

其中表示向量和之間的歐式距離,l為向量的維數，為向量的第k個元素；在w_c中，用減去其它值是因為為的最大值(對于的dis(·))。

2.如權利要求1所述的基于互聯網直流側電壓自適應調節APF電流預測控制方法，其特征在于，所述電網監控終端的滲透測試的具體實現方法為：

信息搜集測試，滲透測試工程師詢問管理員總線結構、協議類型、資產重要等級信息，利用專用協議尋址軟件進行網絡掃描，了解工控網絡內的存活終端和終端地址，進行信息搜集測試；

搜集系統漏洞，滲透測試工程師在www.us-cert.gov/control_systems/ics-cert/美國工業控制系統信息安全應急響應小組網站、www.scadahacker.com工控安全相關的專業論壇查找最新的漏洞信息、專用編程系統漏洞；

漏洞掃描，滲透測試工程師通過使用如NESSUS的SCADA插件對下位機設備進行漏洞掃描，發現已知漏洞及漏洞嚴重程度；

搜集固件漏洞，滲透測試工程師通過下位機設備生產廠商的安全公告里查詢其設備的漏洞信息及最新固件版本，通過對比下位機設備是否已經及時升級更新到最新的固件版本來確定漏洞的存在；

漏洞利用測試，滲透測試工程師使用METASPOLOIT等工具編寫下位機漏洞利用程序、或者在工控安全相關的專業論壇收集漏洞利用程序，對漏洞的嚴重性進行測試與驗證；

下載代碼測試，滲透測試工程師通過專用編程軟件或者命令調試軟件了解終端設備的設置情況，如是否允許源代碼下載、是否允許編譯代碼下載、是否對代碼進行加密、是否能夠遠程讀取等信息；

上傳代碼測試，滲透測試工程師使用偽造的工程師站，利用編程系統軟件或者命令調試軟件對終端進行固件升級或者代碼更新，測試是否能夠成功執行新的代碼；

下位機指令測試，滲透測試工程使用SNIFFER等數據包嗅探軟件捕獲數據鏈路層、網絡層、傳輸層、應用層網獲取終端傳輸數據，利用專用協議分析器查看數據包內容和發送地址與目的地址，修改其數據，重新發送，查看子站是否接受并執行；

上位機指令測試，滲透測試工程使用SNIFFER等數據包嗅探軟件捕獲數據鏈路層、網絡層、傳輸層、應用層網獲取上位機傳輸數據，利用專用協議分析器查看指令內容和發送地址與原地址，修改其主站指令，偽造上位機對下位機的指令，查看子站是否接受并執行；

拒絕服務測試，滲透測試工程師通過發送大量的廣播報文，填充被控站的數據緩沖區，使被控站無法正常接收主站發送的數據。