[發明專利]一種基于小波分析的錄波數據奇異熵特征提取方法

在審

• 申請號: 202011386191.1
• 申請日: 2020-12-01
• 公開（公告）號: CN112630560A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 周少雄;沈國安;汪大明
• 申請（專利權）人: 清科優能（深圳）技術有限公司
• 主分類號: G01R31/00
• 分類號: G01R31/00;G06F17/16
• 代理公司: 深圳市溫斯頓專利代理事務所(普通合伙) 44686
• 代理人: 徐員蘭

本發明涉及電力系統、大數據挖掘、人工智能技術領域，且公開了一種基于小波分析的錄波數據奇異熵特征提取方法，S1：對待處理的錄波數據進行無量綱化化處理；S2：利用Haar小波對S1中無量綱化后的數據進行m層小波包分解，保存小波分解系數；S3：將S2中各層小波分解表示成矩陣；S4：對S3中的矩陣進行奇異值分解(SVD)，得到奇異值矩陣(對角矩陣)；S5：找出前l個最大的奇異值，并單位化處理；S6：對S5中的單位化的奇異值，利用熵計算方法計算奇異熵；S7：通過軟件實現S2到S6的功能，得到特征；將熵方法引入故障錄波數據特征提取過程，與小波系數奇異值相結合，提取的特征具有時域與頻率特性，熵方法的引入將各層小波系數進行融合。

技術領域

本發明涉及電力系統、大數據挖掘、人工智能技術領域，具體為一種基于小波分析的錄波數據奇異熵特征提取方法。

背景技術

電力系統的安全經濟運行是社會發展，人們工作生活的前提，社會的高速發展對電力需求不斷增加，其中2018年全社會用電量同比增長8.7％，創近七年來新高，對電力系統的穩定性、安全性提出更高要求；錄波設備是當前電氣量數據采集裝置的主要裝置，數據采集穩定性強、采集頻率高等優點，由于電力系統數據的不穩定性，當前錄波裝置也存在諸多缺點，對故障的識別率還遠不能滿足智能電網的要求。

故障的識別的準確性很大程度上取決于特征選擇，傳統的錄波數據特征提取通常采用短時傅里葉變換(STFFT)、專家系統(ES)等方法，都具有一定的局限性，STFFT雖具有時域和頻域信息，其窗口的大小和形狀是固定的，即窗口沒有自適應性，隨著智能電網的普及，該方法不能滿足電力智能化的需求。

發明內容

(一)解決的技術問題

針對現有技術的不足，本發明提供了一種基于小波分析的錄波數據奇異熵特征提取方法，具備魯棒性、適應性強的優點，解決了窗口沒有自適應性的問題。

(二)技術方案

為實現上述目的，本發明提供如下技術方案：一種基于小波分析的錄波數據奇異熵特征提取方法，包括以下步驟：

S1：對待處理的錄波數據進行無量綱化化處理；

S2：利用Haar小波對S1中無量綱化后的數據進行m層小波包分解，保存小波分解系數；

S3：將S2中各層小波分解表示成矩陣；

S4：對S3中的矩陣進行奇異值分解(SVD)，得到奇異值矩陣(對角矩陣)；

S5：找出前l個最大的奇異值，并單位化處理；

S6：對S5中的單位化的奇異值，利用熵計算方法計算奇異熵；

S7：通過軟件實現S2到S6的功能，得到特征。

優選的，S1中錄波數據進行無量綱化處理方法如下：

S11、錄波數據無量綱化方法采用但不限于Max-Min方法。

優選的，S2中小波包分解過程如下：

S21、小波變換采用但不限于Haar小波，變換層數為m；

S22、小波變換具體過程具體采用Mallat算法，并對變換后的小波系數依尺度進行存儲。

優選的，S4中奇異值分解方法如下：

S41、以時間與變換尺度為行列變化指標，各尺度小波變換下的小波系數為元素，存儲小波系數矩陣，記為f_m；

S42、對S41中的小波矩陣f_m利用矩陣分析進行奇異值分解f_m＝UDV^T，U，V為正交矩陣，D為對角矩陣；