CN118349791B - 基于电参数分析的电源运行状态稳定性监测方法 - Google Patents

Abstract

本申请涉及电源运行状态监测技术领域，具体涉及基于电参数分析的电源运行状态稳定性监测方法，该方法包括：基于电源的电流和电压信号的频域信号分布差异，确定瞬态产生窗口；基于电流和电压信号对应瞬态产生窗口的波动性特征，以及能量谱、时频图之间的差异，确定电磁瞬态影响特征；基于电流和电压信号在所有对应瞬态产生窗口的电磁瞬态影响特征，改进卡尔曼滤波算法的增益系数，得到去噪后的电流和电压信号，并对电源运行状态进行实时异常监测。本申请旨在消除电源稳定性监测时的电磁干扰的影响，提高电源运行状态稳定性监测的准确性。

Description

基于电参数分析的电源运行状态稳定性监测方法

技术领域

本申请涉及电源运行状态监测技术领域，具体涉及基于电参数分析的电源运行状态稳定性监测方法。

背景技术

电源运行状态稳定性监测对于确保电力系统的安全、可靠和高效运行至关重要。随着技术的发展，监测技术已经从传统的人工检测转变为利用传感器、通信技术和信息处理技术的自动化监测。不仅提高了监测的效率和响应速度，而且通过实时采集电力系统运行状态、设备工况、负荷情况等关键参数，可以及时发现和处理潜在的安全隐患，电源运行状态稳定性监测是电力系统安全运行的基石，通过监测和测试，可以及时发现并解决电源系统中的问题，提高电源产品的质量和性能，同时也为电力系统的优化设计和运行维护提供了重要的数据支持。

然而，由于电流的快速变化和电路中电感、电容元件的作用，可能会产生电磁干扰（EMI），这些干扰可以以电磁波的形式传播，影响其他电子设备的正常工作。在电源运行时，电源系统中的电磁干扰可能会与电源本身产生的电流和电压信号混合在一起，导致监测信号中包含噪声成分，且电源系统在运行中可能会遇到瞬态事件，如负载的快速切换或电源的瞬时中断，电磁干扰可能会掩盖这些瞬态事件的特征，使得监测系统难以准确识别和响应这些事件，在现有技术中无法对于电磁干扰对电源电流电压信号产生的影响做出准确的去噪，导致电流和电压信号失真，使得实际的系统稳定状态监测的准确性下降。

发明内容

为了解决上述技术问题，本申请提供基于电参数分析的电源运行状态稳定性监测方法，以解决现有的问题。

本申请的基于电参数分析的电源运行状态稳定性监测方法采用如下技术方案：

本申请一个实施例提供了基于电参数分析的电源运行状态稳定性监测方法，该方法包括以下步骤：

获取电源的电流信号和电压信号；

基于电流和电压信号在频域信号分布下相邻时间窗口之间的能量谱密度差异，确定电流和电压信号的瞬态产生窗口；

基于电流和电压信号对应瞬态产生窗口的能量谱之间的相关关系，并结合电流和电压信号对应瞬态产生窗口的时频图之间的交叉谱密度差异性以及能量谱密度差异，确定电流和电压信号对应瞬态产生窗口的瞬态事件产生的概率权重；

基于电流和电压信号所有对应瞬态产生窗口中的波动性、电流或电压信号相邻时间窗口之间的差分特征，以及瞬态产生窗口的概率权重，确定电流和电压信号对应瞬态产生窗口的电磁瞬态影响特征；

基于电流和电压信号在所有对应瞬态产生窗口的电磁瞬态影响特征，结合原始卡尔曼滤波算法的增益系数，获取卡尔曼滤波算法改进后的增益系数，采用卡尔曼滤波算法得到去噪后的电流和电压信号，并对电源运行状态进行实时异常监测；

所述去噪后的电流和电压信号的获得方法包括：

计算电流和电压信号在所有对应瞬态产生窗口的电磁瞬态影响特征的均值的归一化值，将所述归一化值与原始卡尔曼滤波算法的增益系数相结合，作为改进后的卡尔曼增益系数；所述相结合得到的改进后的卡尔曼增益系数，与所述归一化值、原始卡尔曼滤波算法的增益系数均呈正相关关系；

将改进后的卡尔曼滤波算法对电流和电压信号进行去噪，得到去噪后的电流和电压信号。

优选的，所述瞬态产生窗口的确定方法包括：

将电流和电压信号进行频域转换，得到每个时间窗口的时频图；

对于电流和电压信号中对应的任一时间窗口的时频图，计算对应的任一时间窗口的时频图的能量谱密度均值，记为任一时间窗口的能量谱密度均值；

将所有时间窗口的能量谱密度均值的预设倍数的标准差记为瞬态阈值；

计算任意相邻两个时间窗口的能量谱密度均值之间的差值绝对值记为任意相邻两个时间窗口的第一差异；

当所述第一差异大于瞬态阈值时，且与其相邻两侧的两个第一差异中有一侧大于瞬态阈值时，将所述任意相邻两个时间窗口均判定为瞬态产生窗口。

优选的，所述瞬态事件产生的概率权重的确定方法包括：

基于电流和电压信号对应瞬态产生窗口的能量谱之间的相关关系，确定电流和电压信号对应瞬态产生窗口的显著性权重；

基于电流和电压信号对应瞬态产生窗口的时频图之间的差异性，确定电流和电压信号对应瞬态产生窗口的事件发生特征值；

基于所述显著性权重以及所述事件发生特征值确定电流和电压信号对应瞬态产生窗口的瞬态事件产生的概率权重；其中，所述显著性权重和所述事件发生特征值均与所述瞬态事件产生的概率权重呈正相关关系。

优选的，所述显著性权重的确定方法包括：

所述相关关系与所述显著性权重呈正相关关系；其中，所述相关关系的确定方法具体为：

计算电流和电压信号对应的瞬态产生窗口的能量谱之间的互相关函数；计算互相关函数在不同时间偏移下的最大值、最小值和平均值；计算最大值与最小值之间的差值；

基于所述差值和所述平均值确定所述相关关系；其中，所述相关关系与所述差值呈负相关关系，与所述平均值呈正相关关系。

优选的，所述事件发生特征值的确定方法包括：

计算电流和电压在对应瞬态产生窗口的时频图之间的交叉谱密度；

计算电流和电压信号相邻对应瞬态产生窗口之间的第一差异；

根据所述相邻对应瞬态产生窗口之间的第一差异与所述交叉谱密度确定所述事件发生特征值；其中，所述事件发生特征值与所述相邻对应瞬态产生窗口之间的第一差异，以及所述交叉谱密度均呈正比例关系。

优选的，所述电磁瞬态影响特征的确定方法包括：

基于电流和电压信号所有对应瞬态产生窗口中的波动性、电流或电压信号相邻时间窗口之间的差分特征，确定电流或电压信号在每个瞬态产生窗口的电磁影响权重；

计算电流和电压信号在对应瞬态产生窗口的电磁影响权重的均值，记为电磁影响均值；

所述电磁影响均值、所述瞬态事件产生的概率权重均与电流和电压信号在对应瞬态产生窗口的电磁瞬态影响特征呈正比关系。

优选的，所述电磁影响权重的确定方法包括：

将电流和电压信号中所有对应瞬态产生窗口中的熵值的比值的累加和，作为电流和电压信号的熵值差异；

基于电流或电压信号在每个瞬态产生窗口与其相邻时间窗口之间的差分信号，确定电流或电压信号在每个瞬态产生窗口的差分信号特征；

计算电流或电压信号在每个瞬态产生窗口的差分信号特征与所述熵值差异的乘积，记为电流或电压信号在每个瞬态产生窗口的影响特征值；

基于所述影响特征值确定所述电磁影响权重；其中，所述影响特征值与所述电磁影响权重呈正比关系。

优选的，所述差分信号特征的确定方法包括：计算电流或电压信号在每个瞬态产生窗口与其相邻时间窗口之间的差分信号；将所述差分信号中的最大值，作为所述差分信号特征。

优选的，所述对电源运行状态进行实时异常监测的具体过程包括：

将去噪后的电流和电压信号为输入，使用异常检测算法得到每个数据点的异常得分；

当异常得分大于预设异常阈值时，则判定存在异常值，电源的运行状态出现问题；反之，电源的运行状态稳定。

在上述方案中，本申请提出一种基于电参数分析的电源运行状态稳定性监测方法，针对电源系统中电磁干扰产生的概率问题，使用短时傅里叶变换算法和能量谱以及交叉谱密度的计算方法，确定瞬态事件产生的概率权重，以反映电源系统中瞬态事件的特征，实现对电磁干扰影响的准确识别和量化；针对电磁干扰对电源信号稳定性影响的问题，使用熵值计算和差分信号特征分析的方法，确定电磁瞬态影响特征，以反映电磁干扰对电源信号频谱分布和信号波动性的影响，实现对电磁干扰影响程度的量化评估；最后针对不同电磁干扰水平下信号去噪的问题，改进卡尔曼滤波算法，通过实时计算电磁干扰的特征值并调整卡尔曼增益，以反映不同干扰条件下信号的特性，实现在去噪和细节保留之间的动态平衡，提高滤波效果，消除了在进行电源稳定性监测时的电磁干扰的影响，提高电源运行状态稳定性监测的准确性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本申请一个实施例提供的基于电参数分析的电源运行状态稳定性监测方法的流程图；

图2为本申请一个实施例提供的改进卡尔曼滤波算法的增益系数的指标构建流程图。

具体实施方式

为了更进一步阐述本申请为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本申请提出的基于电参数分析的电源运行状态稳定性监测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本申请所提供的基于电参数分析的电源运行状态稳定性监测方法的具体方案。

本申请一个实施例提供的基于电参数分析的电源运行状态稳定性监测方法。

具体的，提供了如下的基于电参数分析的电源运行状态稳定性监测方法，请参阅图1，该方法包括以下步骤：

第一个步骤，获取电源的电流信号和电压信号。

在电源运行时，使用电流、电压传感器直接连接到电源输出端，获取电源运行时的电流和电压信号，所述电流电压信号的采集以t为时间间隔进行均匀采集，一共采集N次信号，t取值为0.5s，N取值为1000。

然后，使用归一化方法将所采集到的电流和电压信号进行归一化处理。

至此，可根据上述方法获取电源的电流信号和电压信号。

第二个步骤，基于电流和电压信号在频域信号分布下相邻时间窗口之间的能量谱密度差异，确定电流和电压信号的瞬态产生窗口。

为了准确分析电磁干扰对电源的电流电压信号产生的影响，本实施例利用汉宁窗函数对电压和电流序列进行处理，通过对信号进行加权来减少频谱泄漏，从而提高频谱分析的准确性。

本实施例设置汉宁窗的窗口长度为256个样本点，重合率为80%，将每个窗口分别记为时间窗口。对每个时间窗口内的信号进行快速傅里叶变换（FFT），通过STFT算法可以得到每个时间窗口内信号的时频图，其横纵坐标用时间-频率表示，即表示信号在不同时间点的频率成分。其中，快速傅里叶变换算法以及STFT算法均为公知技术不再赘述。

由于瞬态现象通常表现为信号的频率成分的突然变化，通过观察频域中的能量变化，可以更容易地识别这些瞬态事件。

对每个时间窗口的时谱图进行能量谱密度计算，由于电流电压序列的长度相同，使用短时傅里叶变换的参数相同，所以经过短时傅里叶变换后信号内对应的时间窗口的数量相同。

据此，根据电压和电流信号中对应时间窗口的时频图计算能量谱密度均值。

例如，计算电流频域信号中第n个时间窗口内的能量谱密度以及电压频域信号中第n个时间窗口内的能量谱密度，随后计算两者的均值记为每个时间窗口的能量谱密度均值。

以所有时间窗口的能量谱密度均值的三倍标准差为瞬态阈值。对于任意相邻两个时间窗口的能量谱密度均值之间的差值绝对值记为第一差异，若第一差异大于瞬态阈值，且所述任意相邻两个时间窗口两侧的两个第一差异中，有一侧的第一差异小于瞬态阈值时，则将电流和电压频域信号中所述任意相邻两个时间窗口均判定为瞬态产生窗口。

需要注意的是，若所述任意相邻两个时间窗口为最左侧或最右侧窗口时，且与其相邻的两个窗口之间的第一差异大于瞬态阈值时，则将所述任意相邻两个时间窗口均判定为瞬态产生窗口。

第三个步骤，基于电流和电压信号对应瞬态产生窗口的能量谱之间的相关关系，并结合电流和电压信号对应瞬态产生窗口的时频图之间的交叉谱密度差异性以及能量谱密度差异，确定电流和电压信号对应瞬态产生窗口的瞬态事件产生的概率权重。

对所有电流和电压信号中的瞬态产生窗口，计算电流和电压在对应的瞬态产生窗口的时频图之间的交叉谱密度，确定事件发生特征值；计算电流和电压对应的瞬态产生窗口的能量谱之间的互相关函数，确定显著性权重，由此确定瞬态事件产生的概率权重。

根据显著性权重、事件发生特征值确定瞬态事件产生的概率权重；其中，所述瞬态事件产生的概率权重均与显著性权重、事件发生特征值呈正相关关系。

可以理解的是，正相关关系表示因变量会随着自变量的增大而增大，因变量会随着自变量的减小而减小，具体关系可以为相乘关系、相加关系、指数函数的幂等，由实际应用进行确定，本申请不做特殊限制。

其中，基于电流和电压信号对应的瞬态产生窗口的能量谱之间的相关关系，确定电流和电压信号对应瞬态产生窗口的显著性权重。

优选的，所述相关关系可以通过电流和电压信号在对应的瞬态产生窗口能量谱之间的互相关函数在不同时间偏移下的最大值与最小值的差值进行负相关映射，同时与互相关函数在所有时间偏移下相关程度的平均值进行正相关映射。

应当理解的是，互相关函数在不同时间偏移下的最大值与最小值的差值反映了在所有可能的时间偏移下，电流和电压信号之间相似度的变化范围，其值越小，表明电流和电压信号在不同时间点上保持较高的相似度，即它们在时间上的变化趋势相似，意味着信号受到的干扰较小，瞬态事件的特征更为明显，即所述相关函数在不同时间偏移下的最大值与最小值的差值与显著性权重呈反比关系。

可以理解的是，反比关系表示因变量会随着自变量的增大而减小，因变量会随着自变量的减小而增大，可以为相减关系、相除关系等，由实际应用进行确定。

而互相关函数的平均值反映了电流和电压信号在不同时间变化下整体的线性关系的平均强度，越高的平均值表明在多个时间变化下都有显著的信号同步，瞬态事件的产生伴随着电流和电压信号的同步改变，所以其值越大时，显著性权重越大，即所述互相关函数的平均值与显著性权重呈正比关系。

在本实施例中，将所述差值和所述平均值的乘积作为所述相关关系，将所述相关关系作为所述显著性权重。

其中，基于电流和电压信号对应瞬态产生窗口的时频图之间的差异性，确定电流和电压信号对应瞬态产生窗口的事件发生特征值。

优选的，所述事件发生特征值可以通过电流和电压信号对应瞬态产生窗口之间的第一差异，以及电流和电压信号在两个相同位置下瞬态产生窗口的时频图之间的交叉谱密度来确定。

应当理解的是，由于所设定的重合率为80%，所以两个相邻的时间窗口中有80%是重合的，所以当所述电流和电压信号在相邻对应瞬态产生窗口之间的第一差异越大时，表明在该时间点附近发生了快速的电流或电压变化，越有可能发生瞬态事件，即所述相邻对应瞬态产生窗口之间的第一差异与所述事件发生特征值呈正比例关系。

而所述电流和电压信号在对应瞬态产生窗口的时频图之间的交叉谱密度越高，表明电流和电压信号在瞬态事件期间的同步性越好，即电流和电压变化趋势一致，瞬态事件的发生越可信；即事件发生特征值与电流和电压信号在对应瞬态产生窗口的时频图之间的交叉谱密度呈正比例关系。

在本实施例中，将所述相邻对应瞬态产生窗口之间的第一差异和所述交叉谱密度的乘积，作为所述事件发生特征值。

进一步的，基于所述显著性权重以及所述事件发生特征值确定电流和电压信号对应瞬态产生窗口的瞬态事件产生的概率权重。其中，所述显著性权重和所述事件发生特征值均与所述瞬态事件产生的概率权重呈正相关关系。

应当理解的是，对于电流和电压信号中所有相邻对应的两个瞬态产生窗口，如果显著性权重越高，意味着信号的相干性较好，干扰较小，瞬态事件的特征越明显；而如果事件发生特征值越高，意味着电流和电压信号在瞬态窗口期间显示出越明显的快速变化和同步性，瞬态事件被准确识别的概率越大。

优选的，在本实施例中，将所述显著性权重和所述事件发生特征值的乘积，作为瞬态事件产生的概率权重。

第四个步骤，基于电流和电压信号所有对应瞬态产生窗口中的波动性、电流或电压信号相邻时间窗口之间的差分特征，以及瞬态产生窗口的概率权重，确定电流和电压信号对应瞬态产生窗口的电磁瞬态影响特征。

随后，计算电流和电压信号中所有对应瞬态产生窗口的熵值，并计算电流或电压所有瞬态产生窗口与其相邻时间窗口的差分信号，确定电流或电压信号在每个瞬态产生窗口的电磁影响权重，并结合概率权重确定电磁瞬态影响特征。

其中，基于电流和电压信号所有对应瞬态产生窗口之间的波动性确定电磁影响权重，所述电磁影响权重通过计算电流和电压信号中所有对应瞬态产生窗口中的熵值差异，以及电流或电压信号每个瞬态产生窗口的相邻时间窗口之间的差分信号特征来获取。

计算电流和电压信号的熵值差异与电流或电压信号在每个瞬态产生窗口与其相邻时间窗口之间的差分信号特征的乘积，记为电流或电压信号在每个瞬态产生窗口的影响特征值，所述影响特征值与所述电磁影响权重呈正比关系。

优选的，在本实施例中，所述熵值差异通过电流和电压信号中所有对应瞬态产生窗口中熵值的比值的累加和得到，电流或电压信号的每个瞬态产生窗口与其相邻时间窗口之间的差分信号特征，通过计算电流或电压信号在每个瞬态产生窗口与其相邻时间窗口之间的差分信号的最大值得到。

在本申请其他实施例中，所述熵值差异还可以通过电流和电压信号中所有对应瞬态产生窗口中熵值的比值的乘积等其他合适的计算方式得到。

应当理解的是，电磁干扰会导致电源信号的扰动，在频域中表现为信号的频谱分布发生变化，当电磁干扰发生时，信号的频谱分布变得更加复杂和随机，增加了信号的不确定性，电流和电压信号在没有电磁干扰的情况下，其频域特性相对稳定，当电磁干扰发生时，信号的频域特性会发生变化，熵值差异会变大，即电磁影响权重与所述熵值差异呈正比关系；差分信号反映了信号随时间的变化率，通过计算差分信号的最大值、标准差等特征，可以量化信号变化的幅度和波动性，特征值越大，表明信号受到的干扰越严重，电磁影响权重相应越高，即电磁影响权重与所述差分信号特征也呈正比关系。

其中，基于电磁影响权重以及概率权重确定电磁瞬态影响特征。

计算电流和电压信号在对应瞬态产生窗口的电磁影响权重的均值，记为电磁影响均值；所述电磁影响均值、所述瞬态事件产生的概率权重均与电流和电压信号在对应瞬态产生窗口的电磁瞬态影响特征呈正比关系。

应当理解的是，所述电磁影响权重反映了电磁干扰对电源系统稳定性的影响程度，权重越大，表明干扰的影响越显著，发生了更强的干扰；而概率权重提供了瞬态事件发生可能性的量化度量，评估瞬态事件的可信度，其值越大代表更高的发生概率。

在本实施例中，将所述电磁影响均值与所述瞬态事件产生的概率权重的乘积，作为电流和电压信号在对应瞬态产生窗口的电磁瞬态影响特征。

第五个步骤，基于电流和电压信号在所有对应瞬态产生窗口的电磁瞬态影响特征，结合原始卡尔曼滤波算法的增益系数，获取卡尔曼滤波算法改进后的增益系数，采用卡尔曼滤波算法得到去噪后的电流和电压信号，并对电源运行状态进行实时异常监测。

为了消除电磁干扰对电源系统的影响，采用卡尔曼滤波算法对所获取的电流和电压信号进行去噪，卡尔曼滤波算法中的卡尔曼增益系数控制着降噪与细节保留之间的平衡，较大的卡尔曼增益系数可以更有效地去除噪声，但可能导致有用信号的丢失，较小的卡尔曼增益系数则有助于保留信号细节，但去噪效果可能减弱。

因此，本实施例采用调整卡尔曼增益的方法来适应不同电磁干扰水平和信号特性，确保在去除干扰的同时，最大限度地保留电源运行时产生的信号。

算法原始的卡尔曼增益系数是根据固定的公式计算得到的，通过计算观测矩阵与状态协方差矩阵的乘积，再加上观测噪声的协方差矩阵然后求逆矩阵，最后再乘以先验估计的状态协方差矩阵的转置。本实施例为了实时适应电磁干扰的特征，对卡尔曼增益进行改进：

在每次采集的电流和电压信号，计算其电流和电压信号在所有对应瞬态产生窗口的电磁瞬态影响特征的均值，将其进行归一化后与原始卡尔曼滤波算法的增益系数相结合，并设置放大系数增强卡尔曼增益的调整幅度，确保即使在电磁干扰较弱的情况下，增益的调整也足够显著，从而对滤波效果产生影响，得到改进后的卡尔曼滤波算法，对电流和电压信号进行去噪，得到去噪后的电流和电压信号。

在本实施例中，改进卡尔曼滤波算法的增益系数的指标构建流程图如图2所示。

需要说明的是，所述相结合得到的改进后的卡尔曼增益系数，与所述归一化值、原始卡尔曼滤波算法的增益系数均呈正相关关系。

可选的，在本实施例中，所述与原始算法计算的卡尔曼增益相结合的方法可以通过将所有电磁瞬态影响特征的均值，经过归一化后，设置放大系数为2与归一化结果相乘，所得乘积范围为，通过放大原始算法计算的卡尔曼增益，使得增益能够随着电磁干扰影响的增大在原有的增益上逐步增大，确保滤波的准确性。

在电源系统中，电磁干扰的特征值代表了干扰的强度，通过量化这些特征可以更好地理解干扰对电源信号的影响。当电磁干扰的特征值越大时，表明干扰较强，此时增加卡尔曼增益可以更积极地滤除噪声，相反，当电磁干扰的特征值越小时，表明干扰较弱，此时减小卡尔曼增益有助于保留更多的信号细节。实现在去噪和细节保留之间实现动态平衡，在不同的干扰条件下，滤波器可以自动调整其行为，以达到最佳的滤波效果。

最后，将去噪后的电流和电压信号为输入，使用异常检测算法得到每个数据点的异常得分，检验去噪后的电流和电压信号是否含有异常值。

其中，在本实施例中采用LOF异常检测算法对去噪后的电流和电压信号进行异常检测，得到每个数据点的局部离群点因子。其中，本实施例设置异常阈值为1，实施者可根据实际情况自行设定。当局部离群点因子大于异常阈值时，则判定存在异常值，代表电源的运行状态出现问题；反之，代表电源的运行状态稳定。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

需要说明的是，除非另有规定和限定，诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的电路结构、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种物品或者设备所固有的要素。在没有更多限制的情况下，有语句“包括一个……”限定的要素，并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。另外，本文使用的术语“和\或”包括一个或多个相关的所列项目的任一的和所有的组合。

本领域技术人员在考虑说明书及实践这里的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未发明的本技术领域中的公知常识或惯用技术手段。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。

Claims (5)

1.基于电参数分析的电源运行状态稳定性监测方法，其特征在于，该方法包括以下步骤：

获取电源的电流信号和电压信号；

基于电流和电压信号在频域信号分布下相邻时间窗口之间的能量谱密度差异，确定电流和电压信号的瞬态产生窗口；

基于电流和电压信号对应瞬态产生窗口的能量谱之间的相关关系，并结合电流和电压信号对应瞬态产生窗口的时频图之间的交叉谱密度差异性以及能量谱密度差异，确定电流和电压信号对应瞬态产生窗口的瞬态事件产生的概率权重；

基于电流和电压信号所有对应瞬态产生窗口中的波动性、电流或电压信号相邻时间窗口之间的差分特征，以及瞬态产生窗口的概率权重，确定电流和电压信号对应瞬态产生窗口的电磁瞬态影响特征；

基于电流和电压信号在所有对应瞬态产生窗口的电磁瞬态影响特征，结合原始卡尔曼滤波算法的增益系数，获取卡尔曼滤波算法改进后的增益系数，采用卡尔曼滤波算法得到去噪后的电流和电压信号，并对电源运行状态进行实时异常监测；

所述去噪后的电流和电压信号的获得方法包括：

计算电流和电压信号在所有对应瞬态产生窗口的电磁瞬态影响特征的均值的归一化值，将所述归一化值与原始卡尔曼滤波算法的增益系数相结合，作为改进后的卡尔曼增益系数；所述相结合得到的改进后的卡尔曼增益系数，与所述归一化值、原始卡尔曼滤波算法的增益系数均呈正相关关系；

将改进后的卡尔曼滤波算法对电流和电压信号进行去噪，得到去噪后的电流和电压信号；

所述瞬态事件产生的概率权重的确定方法包括：

基于电流和电压信号对应瞬态产生窗口的能量谱之间的相关关系，确定电流和电压信号对应瞬态产生窗口的显著性权重；

基于电流和电压信号对应瞬态产生窗口的时频图之间的差异性，确定电流和电压信号对应瞬态产生窗口的事件发生特征值；

基于所述显著性权重以及所述事件发生特征值确定电流和电压信号对应瞬态产生窗口的瞬态事件产生的概率权重；其中，所述显著性权重和所述事件发生特征值均与所述瞬态事件产生的概率权重呈正相关关系；

所述显著性权重的确定方法包括：

所述相关关系与所述显著性权重呈正相关关系；其中，所述相关关系的确定方法具体为：

计算电流和电压信号对应的瞬态产生窗口的能量谱之间的互相关函数；计算互相关函数在不同时间偏移下的最大值、最小值和平均值；计算最大值与最小值之间的差值；

基于所述差值和所述平均值确定所述相关关系；其中，所述相关关系与所述差值呈负相关关系，与所述平均值呈正相关关系；

所述事件发生特征值的确定方法包括：

计算电流和电压在对应瞬态产生窗口的时频图之间的交叉谱密度；

计算电流和电压信号相邻对应瞬态产生窗口之间的第一差异；

根据所述相邻对应瞬态产生窗口之间的第一差异与所述交叉谱密度确定所述事件发生特征值；其中，所述事件发生特征值与所述相邻对应瞬态产生窗口之间的第一差异，以及所述交叉谱密度均呈正比例关系。

2.如权利要求1所述的基于电参数分析的电源运行状态稳定性监测方法，其特征在于，所述瞬态产生窗口的确定方法包括：

将电流和电压信号进行频域转换，得到每个时间窗口的时频图；

对于电流和电压信号中对应的任一时间窗口的时频图，计算对应的任一时间窗口的时频图的能量谱密度均值，记为任一时间窗口的能量谱密度均值；

将所有时间窗口的能量谱密度均值的预设倍数的标准差记为瞬态阈值；

计算任意相邻两个时间窗口的能量谱密度均值之间的差值绝对值记为任意相邻两个时间窗口的第一差异；

当所述第一差异大于瞬态阈值时，且与其相邻两侧的两个第一差异中有一侧大于瞬态阈值时，将所述任意相邻两个时间窗口均判定为瞬态产生窗口。

3.如权利要求2所述的基于电参数分析的电源运行状态稳定性监测方法，其特征在于，所述电磁瞬态影响特征的确定方法包括：

基于电流和电压信号所有对应瞬态产生窗口中的波动性、电流或电压信号相邻时间窗口之间的差分特征，确定电流或电压信号在每个瞬态产生窗口的电磁影响权重；

计算电流和电压信号在对应瞬态产生窗口的电磁影响权重的均值，记为电磁影响均值；

所述电磁影响均值、所述瞬态事件产生的概率权重均与电流和电压信号在对应瞬态产生窗口的电磁瞬态影响特征呈正比关系；

所述电磁影响权重的确定方法包括：

将电流和电压信号中所有对应瞬态产生窗口中的熵值的比值的累加和，作为电流和电压信号的熵值差异；

基于电流或电压信号在每个瞬态产生窗口与其相邻时间窗口之间的差分信号，确定电流或电压信号在每个瞬态产生窗口的差分信号特征；

计算电流或电压信号在每个瞬态产生窗口的差分信号特征与所述熵值差异的乘积，记为电流或电压信号在每个瞬态产生窗口的影响特征值；

基于所述影响特征值确定所述电磁影响权重；其中，所述影响特征值与所述电磁影响权重呈正比关系。

4.如权利要求3所述的基于电参数分析的电源运行状态稳定性监测方法，其特征在于，所述差分信号特征的确定方法包括：计算电流或电压信号在每个瞬态产生窗口与其相邻时间窗口之间的差分信号；将所述差分信号中的最大值，作为所述差分信号特征。

5.如权利要求1所述的基于电参数分析的电源运行状态稳定性监测方法，其特征在于，所述对电源运行状态进行实时异常监测的具体过程包括：

将去噪后的电流和电压信号为输入，使用异常检测算法得到每个数据点的异常得分；

当异常得分大于预设异常阈值时，则判定存在异常值，电源的运行状态出现问题；反之，电源的运行状态稳定。