本發(fā)明涉及電力系統(tǒng)監(jiān)測與控制，具體為一種基于智能傳感器的電網(wǎng)振蕩監(jiān)測系統(tǒng)及方法。

背景技術(shù)：

1、電網(wǎng)振蕩是常見且復(fù)雜的電力系統(tǒng)動態(tài)現(xiàn)象，因故障、控制失穩(wěn)以及新能源接入引發(fā)，特征表現(xiàn)為電壓、電流、頻率的快速變化，振蕩若無法及時發(fā)現(xiàn)和有效控制，導(dǎo)致設(shè)備損壞、電能質(zhì)量降低，甚至引發(fā)電網(wǎng)崩潰。

2、傳統(tǒng)電網(wǎng)監(jiān)測設(shè)備通常采用固定采樣方式，對信號的快速變化捕捉能力有限，若電網(wǎng)振蕩出現(xiàn)頻率快速變化以及幅值顯著波動時，固定采樣會導(dǎo)致采集數(shù)據(jù)的時效性減低以及信息丟失，同時，傳統(tǒng)設(shè)備缺乏多模態(tài)采集能力，無法獲取多維度數(shù)據(jù)，限制對振蕩特性全面分析的能力；

3、目前的振蕩模式識別技術(shù)主要依賴于淺層機(jī)器學(xué)習(xí)算法和基于規(guī)則的方法，在單源振蕩和簡單電網(wǎng)拓?fù)湎卤憩F(xiàn)較好，但在面對復(fù)雜電網(wǎng)結(jié)構(gòu)、跨區(qū)域傳播的多源振蕩時，識別精度和溯源能力明顯降低；

4、現(xiàn)有振蕩監(jiān)測系統(tǒng)多為被動響應(yīng)模式，在振蕩發(fā)生后進(jìn)行檢測和報警，無法及時提供對未來振蕩趨勢的預(yù)測，導(dǎo)致電網(wǎng)運(yùn)行者處于被動狀態(tài)，無法針對潛在風(fēng)險提前采取措施；

5、現(xiàn)有系統(tǒng)多為獨(dú)立部署，信號采集、分析和控制各環(huán)節(jié)分散且缺乏聯(lián)動性，導(dǎo)致振蕩控制響應(yīng)滯后，此外，傳統(tǒng)系統(tǒng)無法將監(jiān)測結(jié)果直接轉(zhuǎn)化為可執(zhí)行的控制信號，與電網(wǎng)保護(hù)系統(tǒng)的集成度較低，限制振蕩控制的快速響應(yīng)能力。

6、因此，本領(lǐng)域技術(shù)人員提供一種基于智能傳感器的電網(wǎng)振蕩監(jiān)測系統(tǒng)及方法，以解決上述提出的問題。

技術(shù)實(shí)現(xiàn)思路

1、針對現(xiàn)有技術(shù)的不足，本發(fā)明提供一種基于智能傳感器的電網(wǎng)振蕩監(jiān)測系統(tǒng)及方法，以解決上述背景技術(shù)中提出的問題。

2、為實(shí)現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實(shí)現(xiàn)：一種基于智能傳感器的電網(wǎng)振蕩監(jiān)測系統(tǒng)，包括：

3、智能傳感器模塊，用于采集電網(wǎng)運(yùn)行的信號數(shù)據(jù)，且內(nèi)置自適應(yīng)采樣機(jī)制，動態(tài)調(diào)整采樣頻率實(shí)現(xiàn)信號變化捕捉，同時，對采集的信號數(shù)據(jù)進(jìn)行預(yù)處理，將預(yù)處理后的信號數(shù)據(jù)傳輸至邊緣計算模塊，為振蕩信號特征提取提供高質(zhì)量的輸入；

4、邊緣計算模塊，接收來自智能傳感器模塊的預(yù)處理信號數(shù)據(jù)，利用信號分析算法提取振蕩信號的特征信息，同時，通過閾值動態(tài)調(diào)整方法對振蕩狀態(tài)進(jìn)行判定，以對振蕩類型進(jìn)行初步分類，在此基礎(chǔ)上，支持多節(jié)點(diǎn)間的協(xié)同分析，將特征提取與振蕩分類的結(jié)果傳輸至數(shù)據(jù)融合模塊，且同步傳遞至云端平臺模塊；

5、數(shù)據(jù)融合模塊，用于接收來自智能傳感器模塊的信號數(shù)據(jù)及邊緣計算模塊的特征提取與振蕩分類結(jié)果，通過數(shù)據(jù)整合算法對信號數(shù)據(jù)進(jìn)行統(tǒng)一處理，整合后的數(shù)據(jù)具備時間對齊特性，為云端平臺模塊提供一致性輸入；

6、云端平臺模塊，接收來自數(shù)據(jù)融合模塊的整合信號數(shù)據(jù)及邊緣計算模塊的振蕩分類結(jié)果，進(jìn)一步識別復(fù)雜振蕩模式，基于深度學(xué)習(xí)算法建立電網(wǎng)拓?fù)淠Ｐ停ㄎ徽袷幵矗瑫r，結(jié)合歷史數(shù)據(jù)對振蕩模式進(jìn)行深度挖掘，生成振蕩傳播路徑，將分析結(jié)果傳遞至趨勢分析模；

7、趨勢分析模塊，基于來自云端平臺模塊的振蕩模式、振蕩源位置及傳播路徑的分析結(jié)果，結(jié)合歷史數(shù)據(jù)預(yù)測電網(wǎng)振蕩的未來發(fā)展趨勢，生成短期和中長期的振蕩趨勢數(shù)據(jù)，預(yù)測結(jié)果將進(jìn)一步傳輸至通信與控制模塊以支持控制決策；

8、通信與控制模塊，實(shí)現(xiàn)智能傳感器模塊、邊緣計算模塊、數(shù)據(jù)融合模塊和云端平臺模塊間的數(shù)據(jù)傳輸，提供系統(tǒng)內(nèi)模塊的時間同步功能，同時，接收來自云端平臺模塊和趨勢分析模塊的振蕩分析結(jié)果，將其轉(zhuǎn)化為可執(zhí)行的保護(hù)指令，并向電網(wǎng)控制中心下達(dá)相應(yīng)的控制信號，以實(shí)現(xiàn)對電網(wǎng)的有效振蕩控制。

9、優(yōu)選的，所述智能傳感器模塊的自適應(yīng)采樣機(jī)制基于信號波動特性動態(tài)調(diào)整采樣頻率，其采樣頻率滿足以下關(guān)系：

10、，

11、其中，為實(shí)時采樣頻率，為基礎(chǔ)采樣頻率，為調(diào)整因子，為信號幅值的標(biāo)準(zhǔn)差，為信號波動的預(yù)設(shè)閾值。

12、優(yōu)選的，所述智能傳感器模塊包含信號濾波單元，利用卡爾曼濾波對信號進(jìn)行去噪，濾波過程包括以下步驟：

13、狀態(tài)預(yù)測：，

14、其中，為預(yù)測狀態(tài)，為上一時刻對狀態(tài)的后驗估計，為上一時刻的控制輸入，為控制矩陣，為狀態(tài)轉(zhuǎn)移矩陣；

15、誤差協(xié)方差預(yù)測：，

16、其中，為預(yù)測誤差協(xié)方差矩陣，為上一時刻的后驗誤差協(xié)方差矩陣，為狀態(tài)轉(zhuǎn)移矩陣的轉(zhuǎn)置，為狀態(tài)轉(zhuǎn)移矩陣，為過程噪聲協(xié)方差；

17、狀態(tài)更新：，

18、其中，為更新后的狀態(tài)估計，為預(yù)測狀態(tài)，為卡爾曼增益，為傳感器的實(shí)際觀測信號，為觀測矩陣；

19、卡爾曼增益計算：，

20、其中，為卡爾曼增益，為觀測噪聲協(xié)方差，為觀測矩陣，為觀測矩陣的轉(zhuǎn)置，為預(yù)測誤差協(xié)方差矩陣。

21、優(yōu)選的，所述邊緣計算模塊對傳輸信號進(jìn)行特征提取，特征提取過程基于快速傅里葉變換，將時域信號x(t)轉(zhuǎn)換至頻域，滿足以下關(guān)系：

22、，

23、其中，為信號的頻域表示，x(t)為輸入信號，為頻率變量，為時間變量，信號的角頻率分量，表示頻率為的基波的復(fù)指數(shù)形式。

24、優(yōu)選的，所述邊緣計算模塊通過動態(tài)閾值算法檢測振蕩狀態(tài)，其動態(tài)閾值滿足以下關(guān)系：，

25、其中，動態(tài)閾值，為信號特征值的均值，信號特征值的標(biāo)準(zhǔn)差，為閾值調(diào)整因子。

26、優(yōu)選的，所述數(shù)據(jù)融合模塊對來自智能傳感器的信號數(shù)據(jù)進(jìn)行加權(quán)融合，融合后的信號數(shù)據(jù)通過以下公式計算：

27、，

28、其中，為融合后的信號數(shù)據(jù)，為來自第i個傳感器的原始信號數(shù)據(jù)，為第i個傳感器的權(quán)重，n為信號的總數(shù)，為時間變量；

29、與傳感器測量噪聲的倒數(shù)成正比，滿足以下關(guān)系：

30、，

31、其中，為第i個傳感器測量信號噪聲的標(biāo)準(zhǔn)差，n信號的總數(shù)。

32、優(yōu)選的，所述云端平臺模塊通過卷積神經(jīng)網(wǎng)絡(luò)對信號數(shù)據(jù)的時頻特征進(jìn)行提取，卷積運(yùn)算滿足以下關(guān)系：

33、，

34、其中，為卷積輸出的特征矩陣中位置的值；

35、為輸入信號特征矩陣中位置的值；

36、為卷積核矩陣中位置的權(quán)重；

37、為偏置值，為激活函數(shù)，和卷積核的行列大小。

38、優(yōu)選的，所述云端平臺模塊通過圖神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)振蕩源定位，節(jié)點(diǎn)特征的更新滿足以下關(guān)系：

39、，

40、其中，為節(jié)點(diǎn)v在第層的特征向量，為節(jié)點(diǎn)u在第k層的特征向量，為第k層的權(quán)重矩陣，為節(jié)點(diǎn)v的鄰居集合，、為節(jié)點(diǎn)v和u的度，為第k層的偏置向量，為激活函數(shù)。

41、優(yōu)選的，所述趨勢分析模塊基于長短期記憶網(wǎng)絡(luò)對振蕩信號的時間序列特性進(jìn)行預(yù)測，長短期記憶網(wǎng)絡(luò)單元的狀態(tài)更新滿足以下關(guān)系：

42、輸入門：

43、遺忘門：

44、輸出門：

45、單元狀態(tài)更新：

46、隱藏狀態(tài)更新：

47、其中，、、為輸入門、遺忘門、輸出門的激活值，、、、為權(quán)重矩陣，、、、為偏置值，為單元狀態(tài)，為隱藏狀態(tài)，為當(dāng)前時刻的輸入信號，為激活函數(shù)，為雙曲正切函數(shù)。

48、一種基于智能傳感器的電網(wǎng)振蕩監(jiān)測方法，包括：

49、步驟1、通過智能傳感器模塊采集電網(wǎng)運(yùn)行中的信號數(shù)據(jù)，智能傳感器模塊內(nèi)置自適應(yīng)采樣機(jī)制，根據(jù)信號變化動態(tài)調(diào)整采樣頻率，同時，對采集到的信號數(shù)據(jù)進(jìn)行預(yù)處理，將預(yù)處理后的高質(zhì)量信號數(shù)據(jù)傳輸至步驟2；

50、步驟2、接收來自智能傳感器模塊的預(yù)處理信號數(shù)據(jù)，利用信號分析算法對信號數(shù)據(jù)進(jìn)行處理，提取振蕩信號的特征信息，根據(jù)提取的特征信息，采用閾值動態(tài)調(diào)整方法判定振蕩狀態(tài)，對振蕩類型進(jìn)行初步分類，同時，支持多節(jié)點(diǎn)間的協(xié)同分析，將振蕩特征提取和初步分類的結(jié)果傳輸至步驟3，并同步傳遞至步驟4；

51、步驟3、接收智能傳感器模塊的信號數(shù)據(jù)和邊緣計算模塊的振蕩特征與分類結(jié)果，通過數(shù)據(jù)整合算法對信號數(shù)據(jù)進(jìn)行處理，整合后的數(shù)據(jù)被傳輸至步驟4，作為進(jìn)一步分析的輸入；

52、步驟4、接收來自步驟3的整合信號數(shù)據(jù)及步驟2的振蕩分類結(jié)果，利用深度學(xué)習(xí)算法對信號進(jìn)行分析，識別復(fù)雜的振蕩模式，建立電網(wǎng)拓?fù)淠Ｐ停彝ㄟ^計算定位振蕩源，同時，結(jié)合歷史數(shù)據(jù)對振蕩模式進(jìn)行進(jìn)一步挖掘，生成振蕩的傳播路徑，將結(jié)果傳遞至步驟5；

53、步驟5、接收步驟4提供的振蕩模式、振蕩源位置和傳播路徑的分析結(jié)果，結(jié)合歷史數(shù)據(jù)，預(yù)測電網(wǎng)振蕩的短期及中長期發(fā)展趨勢，生成振蕩趨勢數(shù)據(jù)，預(yù)測結(jié)果被傳輸至步驟6；

54、步驟6、在接收步驟4和步驟5提供的振蕩分析結(jié)果后，進(jìn)行統(tǒng)一處理，生成保護(hù)控制指令，保護(hù)指令被轉(zhuǎn)化為具體的電網(wǎng)控制信號，下達(dá)至電網(wǎng)控制中心，用于實(shí)施對電網(wǎng)的振蕩控制，同時，提供系統(tǒng)內(nèi)部數(shù)據(jù)傳輸和時間同步功能。

55、本發(fā)明提供一種基于智能傳感器的電網(wǎng)振蕩監(jiān)測系統(tǒng)及方法。具備以下有益效果：

56、1、本發(fā)明通過智能傳感器模塊，將自適應(yīng)采樣機(jī)制與多模態(tài)信號采集結(jié)合，動態(tài)調(diào)整采樣頻率捕捉信號的快速變化特性，確保對振蕩信號的精準(zhǔn)捕獲，能在保證精度時降低系統(tǒng)的冗余計算負(fù)擔(dān)和能耗，為電網(wǎng)復(fù)雜振蕩場景的實(shí)時監(jiān)測提供技術(shù)創(chuàng)新。

57、2、本發(fā)明通過深度學(xué)習(xí)算法對復(fù)雜振蕩模式進(jìn)行識別，結(jié)合電網(wǎng)拓?fù)浣Y(jié)構(gòu)，實(shí)現(xiàn)振蕩傳播路徑的精準(zhǔn)建模和多源振蕩溯源，在多源、多路徑振蕩的場景下提升分析的準(zhǔn)確性和實(shí)用性，為電網(wǎng)運(yùn)行風(fēng)險的精準(zhǔn)預(yù)判和控制奠定基礎(chǔ)。

58、3、本發(fā)明通過引入長短期記憶網(wǎng)絡(luò)，實(shí)現(xiàn)對振蕩信號的短期和中長期趨勢預(yù)測，為電網(wǎng)的實(shí)時控制和運(yùn)行規(guī)劃提供強(qiáng)有力的支持，利用深度學(xué)習(xí)挖掘振蕩信號的時序特性，能提前捕捉振蕩的潛在變化趨勢，有效避免電網(wǎng)運(yùn)行中突發(fā)性振蕩風(fēng)險。

59、4、本發(fā)明提出信號采集、特征提取、模式分析、趨勢預(yù)測到聯(lián)動控制的完整監(jiān)測流程，實(shí)現(xiàn)各功能單元的協(xié)同工作，尤其是通信與控制模塊能將分析結(jié)果轉(zhuǎn)化為具體的保護(hù)指令，與電網(wǎng)控制系統(tǒng)實(shí)現(xiàn)無縫銜接，支持發(fā)電機(jī)勵磁調(diào)整和負(fù)荷切除的控制操作，解決傳統(tǒng)系統(tǒng)中數(shù)據(jù)孤島和響應(yīng)延遲的問題。