(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110330962.3 (22)申请日 2021.03.29 (65)同一申请的已公布的文献号 申请公布号 CN 113051826 A (43)申请公布日 2021.06.29 (73)专利权人 福州大学 地址 350108 福建省福州市闽侯县福州大 学城乌龙江北 大道2号福州大 学 (72)发明人 张逸　刘必杰　邵振国　林芳　 (74)专利代理 机构 福州元创专利商标代理有限 公司 35100 专利代理师 陈明鑫　蔡学俊 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01)G01R 31/00(2006.01) G01R 19/00(2006.01) G06F 111/08(2020.01) (56)对比文件 CN 109815934 A,2019.0 5.28 CN 111274701 A,2020.0 6.12 CN 105790261 A,2016.07.20 US 7755360 B1,2010.07.13 US 20170 61305 A1,2017.0 3.02 张逸 等.基 于高斯过程回归的谐波 源不确 定性通用模型. 《中国电机 工程学报》 .202 2, 审查员 陈银兰 (54)发明名称 基于高斯过程回归的谐波源通用不确定性 建模方法 (57)摘要 本发明涉及一种基于高斯过程回归的谐波 源通用不确定性建模 方法。 该方法基于谐波源外 端口谐波电压和谐波电流之间的线性耦合关系， 结合高斯过程回归实现谐波源通用不确定性模 型的建立； 还包括对谐波源通用不确定性模型的 在线更新策略， 在需要对谐波源进行实时监测分 析的场景下， 实现谐波源通用不确定性模型的在 线更新。 本发 明方法所得到的估计结果是一个高 斯分布， 相比于精确值模型， 可 以从概率的意义 上反映未考虑到的物理因素对谐波源特性的不 确定性影 响。 同时， 该建模 方法具有精度高， 参数 求解方便等特点。 此外， 模型更新策略能够准确 地跟踪谐波负荷的谐波特性变动， 实现模型的在 线更新， 可以用于谐波应用于谐波负荷的异常行 为和负荷变动监测等方面。 权利要求书3页 说明书8页 附图2页 CN 113051826 B 2022.08.09 CN 113051826 B 1.一种基于高斯过程回归的谐波源通用不确定性建模方法， 其特征在于， 基于谐波源 外端口谐波电压和谐波电流之 间的线性耦合关系， 结合高斯过程回归实现谐波源通用不确 定性模型的建立； 进行谐波监测数据采集， 即采集谐波源外端口谐波电压和谐波电流； 谐波源外特性用 谐波源外端口 的各次谐波电流和谐波电压的线性关系近似表达， 如下式表示： 式中， Ih为第h次谐波电流； Ui为第i次谐波电压； ah,i为第h次谐波电流和第i次谐波电压 的耦合系数； bh为第h次谐波电流和基波电流I1的耦合系数； Ch为常数， 用来体现谐波源不受 其他因素影响的固有谐波电流发射； 将式(1)写成矩阵形式， 如下式所示： Ih＝AhX+Ch    (2) 式中， Ah＝[ah,1,ah,2,...,ah,i,bh]， 为i+1维行向量； X＝[U1,U2,...,Ui,I1]T， 为i+1维列 向量； 用极大似然法求解谐波源通用不确定性模型的参数， 得到谐波源通用不确定性模型的 实现方式如下： 模型参数集合θ＝{σf； σm； Wh； Ch}即为待辨识的超参数， 用极大似然法进行参数辨识， 其 中， σf为信号方差， σm为方差尺度， Wh＝[zh,1,zh,2,...,zh,d]为参数向量Ah从m维降至d维的表 示形式， m＝1， 2， …,i+1； 训练集样本条件概率的负对数似然函数为L( θ )＝ ‑logp(y|x, θ )， 令其对超参数θ求偏导， 然后用共轭梯度法对偏导数进 行最小化以得到最优的超参数； 负对 数似然函数L( θ )以及关于超参数θ偏导数由下式表示： 其中 α ＝C‑1y； 辨识出模型的超参数θ＝{σf； σm； Wh； Ch}后， 利用式(7)和(8)预测变量x*的预测结果y*的 高斯分布均值 和方差cov(y*)； 2.根据权利要求1所述的基于高斯过程回归的谐波源通用不确定性建模方法， 其特征 在于， 该方法实现如下： 谐波监测数据采集； 用偏相关性进行谐波监测数据降维； 结合谐波机理， 设置高斯过程回归的均值 函数和协方差函数； 用极大似然法求 解谐波源通用不确定性模型参数， 得到谐波源通用不确定性模型。 3.根据权利要求2所述的基于高斯过程回归的谐波源通用不确定性建模方法， 其特征 在于， 还包括对谐波源通用不确定性模型 的在线更新策略， 在需要对谐波源进行实时监测 分析的场景 下， 实现谐波源通用不确定性模型的在线更新。权　利　要　求　书 1/3 页 2 CN 113051826 B 24.根据权利要求2所述的基于高斯过程回归的谐波源通用不确定性建模方法， 其特征 在于， 所述用偏相关性进行谐波监测数据降维的实现方式如下： 分别计算 Ih和变量U1,U2,...,Ui,I1之间的偏相关系数记为rm； 计算出偏相关性系数的均值 挑选出偏相 关系数rm大于均值rav所对应的变量， 将这d个变量构成降维后的谐波源通 用不确定性模型参数Xd＝[x1,x2,...,xd]， 实现将谐波源通用不确定性模型参数维度从m维 降至d维。 5.根据权利要求4所述的基于高斯过程回归的谐波源通用不确定性建模方法， 其特征 在于， 所述结合谐波机理， 设置高斯过程回归的均值 函数和协方差函数的实现方式如下： 用偏相关性将谐波源通用不确定性模型参数维度 从m维降至 d维后， 对应的参数向量Ah 也降至d维， 记为 Wh＝[zh,1,zh,2,...,zh,d]， 因此式(2)化 为下式： Ih＝WhXd+Ch    (3) 将式(3)作为高斯过程的均值函数； 在选取协方差函数时， 为能够充分反映不同变量对 谐波特性的影响程度， 应对每一个变量都赋予不同的参数， 因此选取如下函数作为协方差 函数： 式中xim为变量向量xi中的第m个 变量， xjm为变量向量xj中的第m个 变量。 6.根据权利要求3所述的基于高斯过程回归的谐波源通用不确定性建模方法， 其特征 在于， 所述谐波源通用不确定性模型的在线更新策略实现方式如下： 引入两个需要用到的指标： 命中率和变异系数； 命中率表示实 际谐波电流值落在所选 定置信区间的比例， 反映预测结果的准确程度， 设一次预测中N个预测结果中有m个点落在 所选定置信区间中， 则此次预测的命中率 为： 变异系数则反映了预测结果的离散程度， 如果某个预测结果变异系数大于15％， 则认 为数据的离散程度过大， 预测的结果不正常， 视为没有命中预测区间； 设变异系数的定义如 下： 式中 和dn*分别为第n次预测结果的均值和标准差； 谐波源通用不确定性模型的在线 更新策略的具体步骤如下： 1)用离线数据或历史数据构建好谐波源通用不确定性模型； 2)设定监测尺度数据点数D和命中率阈值t； 3)以D为滚动的分析窗口， 将实时监测数据输入用离线数据或历史数据构建好的谐波 源通用不确定性模型， 对比分析实测谐波电流和模型预测出 的谐波电流分布， 计算命中率 和变异系数； 4)在数据长度为D的某一段时间内， 如果命中率大于t， 则不更新谐波源通用不确定性权　利　要　求　书 2/3 页 3 CN 113051826 B 3