(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221082145 0.1 (22)申请日 2022.07.13 (71)申请人 广东电网有限责任公司 地址 510000 广东省广州市越秀区东 风东 路757号 申请人 广东电网有限责任公司计量中心 (72)发明人 杨路　张鼎衢　宋强　招景明　 李经儒　孟庆亮　陈峰　黄智坤　 唐捷　彭策　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 吕金金 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G01D 21/02(2006.01) (54)发明名称 一种基于s变换的CVT计量误差预测方法、 装 置及存储介质 (57)摘要 本发明公开了一种基于s变换的CVT计量误 差预测方法、 装置及存储介质。 该方法包括步骤： 实时采集待测互感器的一次电压频率数据、 环境 温度数据、 泄漏电流数据和二次负载数据； 将所 述一次电压频率数据、 环境温度数据、 泄漏电流 数据和二次负载数据分别进行S变换处理到第一 时频图谱、 第二时频图谱、 第三时频图谱和第四 时频图谱； 从所述第一时频图谱、 第二时频图谱、 第三时频图谱和第四时频图谱中分别提取第一 特征数据， 得到第一特征数据集； 将所述第一特 征数据集进行PCA降维处理得到第二特征数据 集； 将所述第二特征数据集输入至基于DFF神经 网络的CVT计量误差 预测模型， 输 出CVT计量误差 预测结果。 本发明提高了CVT计量误差预测的效 率。 权利要求书2页 说明书6页 附图1页 CN 115186751 A 2022.10.14 CN 115186751 A 1.一种基于s变换的CVT计量 误差预测方法， 其特 征在于， 包括以下步骤： 实时采集待测 互感器的一次电压频率数据、 环境温度数据、 泄漏电流数据和二次负载 数据； 将所述一 次电压频率数据、 环境温度数据、 泄漏电流数据和二次负载数据分别进行S变 换处理到第一时频图谱、 第二时频图谱、 第三时频图谱和第四 时频图谱； 从所述第一时频图谱、 第二时频图谱、 第三时频图谱和第 四时频图谱中分别提取第一 特征数据， 得到第一特 征数据集； 将所述第一特征数据集进行PCA降维处理得到第二特征数据集， 将降为后的特征记为 第二特征； 将所述第二特征数据集输入至基于DFF神经网络的CVT计量误差预测模型， 输出CVT计 量误差预测结果。 2.根据权利要求1所述的基于s变换的CVT计量误差预测方法， 其特征在于， 所述一 次电 压频率数据、 环境温度数据、 泄漏电流数据和二次负载 数据按时间序列进行表示。 3.根据权利要求2所述的基于s变换的CVT计量误差预测方法， 其特征在于， 从所述第一 时频图谱、 第二时频图谱、 第三时频图谱和第四时频图谱中分别提取第一特征数据， 具体 为： 从所述第一时频图谱、 第二时频图谱、 第三时频图谱和第 四时频图谱中分别提取峰值 指标数据、 波形指标数据、 峭度指标数据、 Tamura纹理数据、 一阶颜色矩数据、 二阶颜色矩数 据和三阶颜色矩数据。 4.根据权利要求3所述的基于s变换的CVT计量误差预测方法， 其特征在于， 根据以下公 式采集用于训练所述基于DF F神经网络的CVT计量 误差预测模型的原 始数据： 其中， N表示能够采集到的时间点的数量， n1表示不超差的时间点的数量， n2表示超差的 时间点的数量。 5.根据权利要求4所述的基于s变换的CVT计量误差预测方法， 其特征在于， 根据以下公 式进行S变换处 理： 其中， τ＝xT， f＝y/nT， τ为平移因子， 用于控制高斯窗在 时间轴t上的位置， f为信号特 征频率， x为按一定时长间隔进行采样的时间采样点编号， y为按一定频率长间隔进行采样 的频率采样点编号， T为采样周期， n 为采样点数， sig表示待测信号。 6.根据权利要求1至5任一项所述的基于s变换的CVT计量误差预测方法， 其特征在于， 所述基于DFF神经网络的CVT计量误差预测模型包括k个输入单元、 2层隐含层、 若干个隐含 神经元和1个输出 单元， 其中， k 等于所述第二特 征的数量。 7.一种基于s变换的CVT计量误差预测装置， 其特征在于， 包括S变换处理模块、 PCA降维 处理模块和计量 误差预测模块；权　利　要　求　书 1/2 页 2 CN 115186751 A 2所述用于实时采集待测 互感器的一次电压频率数据、 环境温度数据、 泄漏电流数据和 二次负载数据， 将所述一次电压频率数据、 环境温度数据、 泄漏电流数据和二次负载数据分 别进行S变换处理到第一时频图谱、 第二时频图谱、 第三时频图谱和第四时频图谱， 从所述 第一时频图谱、 第二时频图谱、 第三时频图谱和 第四时频图谱中分别提取第一特征数据， 得 到第一特 征数据集； 所述PCA降维处理模块用于对所述第一特征数据集进行PCA降维处理得到第二特征数 据集， 将降为后的特 征记为第二特 征； 所述计量误差预测模块用于将所述第二特征数据集输入至基于DFF神经网络的CVT计 量误差预测模型， 输出CVT计量 误差预测结果。 8.一种可读存储介质， 其特征在于， 所述可读存储介质包括存储的计算机程序， 所述计 算机程序执行时， 控制所述可读存储介质所在的设备执行如权利要求 1至6中任意一项所述 的基于s变换的CVT计量 误差预测方法。权　利　要　求　书 2/2 页 3 CN 115186751 A 3