(19)中华 人民共和国 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 202111417997.7 (22)申请日 2021.11.26 (71)申请人 华能碳资产经 营有限公司 地址 100032 北京市西城区复兴门南大街2 号4幢9层 (72)发明人 黄文平　刘宇　薛静远　 (74)专利代理 机构 南京禹为知识产权代理事务 所(特殊普通 合伙) 32272 代理人 刘小莉 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种基于多尺度排列熵算法的电力设备状 态识别方法 (57)摘要 本发明公开了一种基于多尺度排列熵算法 的电力设备状态识别方法， 包括， 分析电力设备 的运行状态 参数， 根据运行状态 参数生成电力设 备的交叉 组合分布式特征量； 根据电力设备的交 叉组合分布式特征量， 辨识电力设备状态参量； 对电力设备状态参量进行特征提取， 并基于多尺 度排列熵 算法对提取的特征进行分析， 识别电力 设备状态， 并计算电力设备状态 监测的可靠性参 数分布。 本发明通过优化多尺度排列熵算法， 实 现对复杂电力系统的多重尺度运行状态信息进 行分析与识别， 有效提升电力设备状态识别精度 和识别效率。 权利要求书2页 说明书6页 附图1页 CN 114266383 A 2022.04.01 CN 114266383 A 1.一种基于多尺度排列熵算法的电力设备状态 识别方法， 其特 征在于： 包括， 分析电力设备的运行状态参数， 根据 所述运行状态参数生成电力设备的交叉组合分布 式特征量； 根据所述电力设备的交叉组合分布式特 征量， 辨识电力设备状态参 量； 对所述电力设备状态参量进行特征提取， 并基于多尺度排列熵算法对提取的特征进行 分析， 识别电力设备状态， 并计算电力设备状态监测的可靠性 参数分布。 2.如权利要求1所述的基于多尺度排列熵算法的电力设备状态识别方法， 其特征在于： 分析电力设备的运行状态参数包括， 以电力设备的电网强度和控制参数为约束参数， 在不同电力设备的参数分布强度和控 制参数的约束下 得到电力设备的虚拟同步控制特 征信息分布序列x(t)： 2‑λt＜ ε 在同步旋转坐标系下， 基于所述电力设备的虚拟同步控制特征信 息分布序列获得电力 设备的监测状态函数h(t)： 其中， ε为电力设备的电网强度， λ＜0为控制参数， t为电力设备的状态模糊信息采样时 刻， Δt为电力设备的状态特征监测时间差； i表示第i个并网点， j表示第j台电力设备， 为电力设备的并 网点添加的信号扰动分量。 3.如权利要求2所述的基于多尺度排列熵算法的电力设备状态识别方法， 其特征在于： 所述电力设备的交叉组合分布式特 征量包括， 其中， φ(t)为电力设备的交叉组合分布式特 征量， n为电力设备的状态属性。 4.如权利要求3所述的基于多尺度排列熵算法的电力设备状态识别方法， 其特征在于： 还包括， 在同步旋转 坐标系下， 定、 转子电压的经验 模态特征分量f(t)为： 其中， g(n)为电力设备的稳态运行辨识参数。 5.如权利要求4所述的基于多尺度排列熵算法的电力设备状态识别方法， 其特征在于： 辨识电力设备状态参 量包括， 结合所述电力设备的交叉组合分布式特征量φ(t)和经验模态特征分量得到电力设备 的并网点状态分布为pi(t)： pi(t)＝φ(t)+if(t) 在定子电流扰动作用下， 基于电力设备的并网点状态分布pi(t)辨识电力设备状态参 量：权　利　要　求　书 1/2 页 2 CN 114266383 A 2其中， SL(t)为t时刻的电力设备状态参量， a为初始化电力系统设备的虚拟阻尼系数， d 为状态特 征分量， N 为并网点数量。 6.如权利要求5所述的基于多尺度排列熵算法的电力设备状态识别方法， 其特征在于： 特征提取包括， 通过输出阻抗的频率特性分析策略对所述电力设备状态参量进行特征提取， 获得电力 设备的熵特 征量Cp： 7.如权利要求6所述的基于多尺度排列熵算法的电力设备状态识别方法， 其特征在于： 分析特征包括， 初始化多尺度排列熵的参数； 计算适应度， 分别利用遗传算法、 粒子群优化算法和多作用力粒子群优化算法对所述 多尺度排列熵的参数进行优化， 获得3组优化 参数； 分析3组优化 参数， 确定多尺度排列熵的最优参数； 基于电力设备的熵特 征量Cp， 建立状态 识别模型， 初次识别电力设备状态； 结合最优参数和小信号扰动识别策略， 抑制电力设备状态识别过程中的扰动分量， 获 得电力设备的线路自然衰减 截止频率r。 8.如权利要求6或7所述的基于多尺度排列熵算法的电力设备状态识别方法， 其特征在 于： 计算适应度包括， 选用多尺度排列熵偏度的平方函数作为目标函数 F(Y)： 求取目标函数的最小值； 其中， 为时间序列Y＝{y1,y1,…,yM}所有尺度下的排列熵HW(Y)的均值， 为排列熵HW(Y)的标准差， E为期望 。 9.如权利要求8所述的基于多尺度排列熵算法的电力设备状态识别方法， 其特征在于： 电力设备状态监测的可靠性 参数分布包括， 根据电力设备的线路自然衰减截止频率r得到电力设备状态监测的可靠性参数分布X (2r)为： 其中， 为电力设备的状态信息分布相位， Q 为电力设备状态监测的传感器数目。权　利　要　求　书 2/2 页 3 CN 114266383 A 3