[發(fā)明專利]基于果蠅算法與隨機共振的行波信號處理方法

在審

• 申請?zhí)枺?/td>: 202110705564.5
• 申請日: 2021-06-24
• 公開（公告）號: CN113625101A
• 公開（公告）日: 2021-11-09
• 發(fā)明（設(shè)計）人: 劉雨;陳文君;馬麗山;李春龍;張啟珍;祁明錄;白曉東;李鑫善;魏浩;陶富有;張利春;董順虎;丁元杰;汪海慧;鄭利民;趙亦菲;蘇盛
• 申請（專利權(quán)）人: 國網(wǎng)青海省電力公司果洛供電公司;國家電網(wǎng)有限公司;國網(wǎng)青海省電力公司;北京京投天信電力電子有限公司
• 主分類號: G01R31/08
• 分類號: G01R31/08;G06N3/00
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 韓紅莉

1.基于果蠅算法與隨機共振的行波信號處理方法，其特征在于，包括：

發(fā)生線路故障后，系統(tǒng)主站實時采集行波信號；

基于果蠅算法的自適應(yīng)隨機共振模型對行波信號進(jìn)行處理，得到高信噪比的行波信號；

利用行波提取方法對高信噪比的行波信號進(jìn)行故障特征信息提取。

2.根據(jù)權(quán)利要求1所述的基于果蠅算法與隨機共振的行波信號處理方法，其特征在于，

構(gòu)建基于果蠅算法的自適應(yīng)隨機共振模型，包括：

構(gòu)建單穩(wěn)態(tài)隨機共振模型，公式為：

式中：y(t)為給定的輸入信號；δ(t)為噪聲信號；u(t)為不含噪聲的行波信號；a和b為設(shè)定的模型參數(shù)；x為單穩(wěn)態(tài)隨機共振模型輸出信號，為單穩(wěn)態(tài)隨機共振模型輸出信號對時間t的導(dǎo)數(shù)；

在已知道y(t)、a、b和采樣頻率步長h的前提下，利用四階龍格庫塔法對x進(jìn)行求解。

3.根據(jù)權(quán)利要求2所述的基于果蠅算法與隨機共振的行波信號處理方法，其特征在于，

構(gòu)建基于果蠅算法的自適應(yīng)隨機共振模型，包括：

對單穩(wěn)態(tài)隨機共振模型進(jìn)行歸一化尺度變換，使之滿足隨機共振條件，變化后單穩(wěn)態(tài)隨機共振模型為：

式中，z為歸一化尺度變換后單穩(wěn)態(tài)隨機共振模型的輸出信號；

對于給定的輸入信號y(t)，不同的模型參數(shù)a和b產(chǎn)生不同隨機共振效應(yīng)，為使得隨機共振效應(yīng)最優(yōu)，基于果蠅算法自適應(yīng)調(diào)整參數(shù)a和b。

4.根據(jù)權(quán)利要求3所述的基于果蠅算法與隨機共振的行波信號處理方法，其特征在于，

基于果蠅算法自適應(yīng)調(diào)整參數(shù)a和b，包括：

1)設(shè)定a₀和b₀初始值均為采樣頻率，賦值步長L的初始值L₀、j＝1，正整數(shù)F，i為1和常數(shù)C；

2)設(shè)定果蠅個體利用嗅覺搜尋食物的方向為隨機、果蠅的數(shù)量n和果蠅個體利用嗅覺搜尋食物的可活動半徑，建立更新公式：

其中，i＝1,2,…,n；j＝1,2,…,m，m為設(shè)定的迭代次數(shù)；a_ji為第j次迭代尋優(yōu)后第i個果蠅對應(yīng)的參數(shù)a的值；b_ji為第j次迭代尋優(yōu)后第i個果蠅對應(yīng)的參數(shù)b的值；Rand(n,1)表示隨機產(chǎn)生一個n×1維矩陣；

3)依次將i＝1,2,…,n代入公式(3)中，基于公式(3)獲得共計n個(a_jn,b_jn)；

將共計n個(a_jn,b_jn)依次輸入公式(2)中，基于四階龍格庫塔法求解公式(2)依次得到n個輸出信號z，將第i個輸出信號z的信噪比和第i個輸入信號y的信噪比輸入公式(4)，基于公式(4)計算得到n個對應(yīng)的隨機共振信噪比增益SNRI：

式中，SNR_out為輸出信號z的信噪比，SNR_in為輸入信號y的信噪比；

4)記錄n個隨機共振信噪比增益中的最大值SNRI_L,max，及該最大值對應(yīng)的模型參數(shù)a和b；

5)L值增加C，重復(fù)步驟1)到4)直到L達(dá)到設(shè)定的最大值L_max，L_max＝L₀+F×C，得到共計F個SNRI_L,max；

記F個隨機共振信噪比增益中的最大值SNRI_L,max，及該最大值對應(yīng)的模型參數(shù)a和b；

6)將公式(3)中的a₀更新為該最大值對應(yīng)的模型參數(shù)a，將公式(3)中的b₀更新為該最大值對應(yīng)的模型參數(shù)b；

7)j的值加1，判斷j是否大于m，如果j小于等于m，則重復(fù)步驟2)-6)，否則進(jìn)入步驟8)；

8)基于步驟7)獲得總計m個SNRI_L,max及該SNRI_L,max對應(yīng)的模型參數(shù)a和b，基于公式(5)獲得m個SNRI_L,max中最大的SNRI_L,max：

max(SNRI_L0,max，SNRI_L0+C,max，…，SNRI_Lmax,max) (5)，

更新公式(2)中的a為該最大的SNRI_L,max對應(yīng)的模型參數(shù)a，更新公式(2)中的b為該最大的SNRI_L,max對應(yīng)的模型參數(shù)b。