CN110308339B - 基于证据推理规则的变频器直流母线电容故障诊断法 - Google Patents

Abstract

本发明涉及一种基于证据推理规则的电压源型变频器直流母线电容器故障诊断方法，该方法从电压源型变频器中获取电压特征值，并设定电容失效故障的三个等级。所建立的证据推理故障诊断模型，输入为二维电压特征，输出为失效故障等级的信度分布。根据给定的电压特征参考值，建立故障信度分布矩阵，利用该矩阵将输入转化为诊断证据，并计算诊断证据的可靠因子，然后将二维输入激活的证据进行融合，从融合结果估计电容失效故障的等级。对所建立的诊断模型进行参数优化，基于优化后的诊断模型，即可估计测试样本电容的故障等级，实现电容器的故障诊断。

Description

基于证据推理规则的变频器直流母线电容故障诊断法

技术领域

本发明涉及电力***故障诊断领域，尤其涉及一种基于证据推理规则的电压源型变频器直流母线电容器故障诊断方法。

背景技术

随着电力***的不断发展，运用场合越来越多，为各行各业的发展带来了巨大的经济效益。电容器作为电压源型变频器的基本原件，起到了滤波、储能、调谐等作用，特别是在直流母线上，电容器对直流母线电压起到了稳压的作用。随着工作时间变长，电容器老化，电容容量会下降。此时电压源型变频器仍能工作，但性能会逐步降低，此微小故障难以识别，不容易激活***保护，长期运行影响设备使用寿命。因此，对电压源型变频器直流母线电容器的有效监控，能够及时发现电压源型变频器的异常工作状况，并根据异常发生的程度对电压源型变频器进行有针对性的维护检修。

发明内容

本发明的目的是提出一种基于证据推理规则的电压源型变频器直流母线电容器失效故障等级检测方法，通过收集直流母线电压值，提取出电压特征值，并基于给定的初始输入输出参考值从电压数据中提取证据，再计算证据的可靠性，建立目标函数优化模型训练证据推理参数，最后通过融合证据推理估计出电容器失效故障等级，实现了对电压源型变频器直流母线电容器故障的诊断。

为达上述目的，本发明基于证据推理规则的电压源型变频器直流母线电容器的故障诊断方法包括以下步骤：

步骤(1)采集电压源型变频器直流母线的电压信号；

步骤(2)提取电压信号的特征值，并设定三个电容失效故障等级，形成完整的样本集，将样本集随机分为训练集和测试集；

步骤(3)将训练集中的数据转化为与给定参考值对应的信度分布矩阵；

步骤(4)将信度分布矩阵进行转化，得到电容失效故障等级的证据；

步骤(5)计算证据的可靠性因子；

步骤(6)根据所述可靠性因子对所述电容失效故障等级的证据进行加权融合，初步估计训练集电容失效故障等级；

步骤(7)根据电容失效故障等级估计值与设定的电容失效故障等级的均方误差设定优化目标函数，确定优化的参数建立证据推理参数优化模型；

步骤(8)通过证据推理参数优化模型估计测试集中样本电容失效故障等级。

接上述技术方案，步骤(1)中，以电压源型变流器为例；建立三个电容失效故障等级，其中电容器电容量等级1为C₁＝7500e-6F；等级2的电容量为C₁的90％，即C₂＝6750e-6F；等级3的电容量为C₁的80％，即C₃＝6000e-6F；在设备运行过程中以50kHz的采样频率采集共8秒的直流母线电压瞬时值V_DC。

3.根据权利要求1所述的故障诊断方法，其特征在于，步骤(2)中，取得步骤(1)电压信号V_DC的电压峰-峰值V_PP并预设一个窗口长度，取得多个数据窗口的V_PP平均值得到V_P(t)；将V_DC以预设个数电周期，一定个数采样点计算一个均方根值V_RMS，再经过归一化处理之后得到V_R(t)；

其中

分别为输入特征信号V_P(t)和V_R(t)的最小和最大值；将电容失效故障等级记为C(t)，C(t)＝[1,2,3]；将V_P(t)、V_R(t)和C(t)表示成样本集合T_A＝{[V_P(t),V_R(t),C(t)]|t＝1,2,…,Ts}，其中[V_P(t),V_R(t),C(t)]为一个样本向量。

接上述技术方案，步骤(3)中，将样本集T_A中的数据[V_P(t),V_R(t),C(t)] 用给定的参考值转化为信度分布矩阵；其中，电容失效故障等级的参考值集合 D＝{D_n|n＝1,…,N}，N为电容失效故障等级的参考值个数；电压信号V_i的输入参考值集合

i＝P,R，J_i为电压信号V_i的参考值个数；步骤如下：

(4.1)计算V_i(t)对参考值

的置信度分布公式为

α_i,j'＝0j'＝1,...,J_i,j'≠j,j+1 (4-1c)

α_i,j表示V_i(t)对参考值

的置信度；

(4.2)同理计算C(t)对参考值D_n的置信度分布公式为

T_O(C(t))＝{(D_n,γ_n)|n＝1,...,N} (4-2a)

γ_n'＝0n'＝1,...,N,n'≠n,n+1 (4-2c)

γ_n表示C(t)对参考值D_n的置信度；

(4.3)根据步骤(4.1)与(4.2)将样本集T_A中的所有数据组计算置信度分布(α_i,jγ_n,α_i,j+1γ_n,α_i,jγ_n+1,α_i,j+1γ_n+1)，其中α_i,jγ_n表示样本对(V_i(t),C(t))中输入值对应参考值

同时C(t)对应于参考值D_n的综合相似度；并构建表1，其中 a_n,j表示所有V_i(t)对应参考值

并且C(t)对应参考值D_n的样本对(V_i(t),C(t))综合相似度的和，

表示所有C(t)对应参考值D_n的样本对综合相似度的和，

表示所有V_i(t)对应参考值

的样本对综合相似度的和，并有

表1(V_i(t),C(t))的参考值置信度分布统计表

接上述技术方案，步骤(4)中，根据步骤(3)中表1，通过以下公式对表格进行似然归一化：

得到参考值

的证据为

则根据(5-1)式和(5-2)式构建出证据表2，

表2输入V_i的证据表

接上述技术方案，步骤(5)中，证据

的可靠性因子由斯皮尔曼等级相关系数算出，公式如下

d_i＝V_i(t)-C(t) (6-1)

其中，d_i为电压特征值与电容失效故障等级的差值，r_i为证据的可靠性因子。

接上述技术方案，步骤(6)中，利用步骤(4)与步骤(5)所得到的证据表2和可靠性因子，通过证据推理规则估计出电容失效故障等级

步骤如下：

(7.1)对于输入V_i(t)，每组输入所对应的证据

和

将被激活，则输入值V_i(t)的最终证据可通过

和

进行加权得到：

e_i＝{(D_n,p_n,i),n＝1,...,N} (7-1a)

(7.2)由(7-1a)式与(7-1b)式获得V_p(t)和V_R(t)的证据e₁和e₂，设定初始证据权重w_i＝r_i，利用证据推理规则对它们进行融合，得到融合结果，公式如下：

O(V(t))＝{(D_n,p_n,e(2)),n＝1,...,N} (7-2a)

(7.3)以步骤(7.2)的融合结果通过(7-3)式估计电容失效故障等级

接上述技术方案，步骤(7)中，将电容失效故障等级估计值与真实值的均方误差设定为目标函数：

s.t.0≤w_i≤1,i＝1,2 (8-2a)

同时确定参数集合

w_i表示证据的权重，其他参数分别设定为

建立优化模型优化该目标函数，训练之后获得最优的参数集合P。

接上述技术方案，步骤(8)，采集现行电压源型变频器直流母线电压值，再次重复步骤(3)～步骤(6)得到更为精确的电容失效故障等级估计值

本发明提出的基于证据推理的电压源型变频器直流母线电容失效故障等级识别方法，根据采集的直流电压数据，提取电压特征值并设定三个电容失效故障等级；利用给定的输入输出参考值将样本数据转换为对参考值的置信度分布形式，并以此构建置信度分布表格；再根据该表获取各电容失效故障等级的证据，建立证据矩阵表；根据输入输出的斯皮尔曼等级相关系数计算证据的可靠性因子；根据证据推理规则融合证据并得到电容失效故障等级的估计结果；建立目标函数训练优化参数集合，带入训练样本重复上述步骤，获得电容失效故障等级的估计结果；从而实现了电压源型变频器直流母线电容失效故障等级的诊断。

附图说明

图1本发明基于证据推理规则的电压源型变频器直流母线电容器的故障诊断方法流程图；

图2是本发明方法实施中所采集的电压信号；

图3a是本发明方法实施中的电压峰-峰值示意图；

图3b是本发明方法实施中的电压均方根值示意图；

图3c是本发明方法实施中的对应的电压失效故障等级示意图；

图4是本发明方法实施例中经过优化之后的模型所估计的测试集的电容失效故障等级与真实的电容失效故障等级。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

以NXI_07305型变流器为例，本发明基于证据推理规则的电压源型变频器直流母线电容器的故障诊断方法包括以下步骤：

(1)建立三个电容失效故障等级，其中电容器电容量等级1为C₁＝7500e-6F；等级2的电容量为C₁的90％，即C₂＝6750e-6F；等级3的电容量为C₁的 80％，即C₃＝6000e-6F。在设备运行过程中以50kHz的采样频率采集共8秒的直流母线电压瞬时值V_DC。

(2)取得步骤(1)V_DC的电压峰-峰值V_PP(Peak-to-peak value，如图3a 所示)并以0.02秒，1000个数据点为一个窗口长度，取得400个数据窗口的 V_PP平均值得到V_P(t)；将V_DC以100个电周期，1000个采样点计算一个均方根值V_RMS(RMS value，如图3b所示)，再经过归一化处理之后得到V_R(t)；

其中

分别为输入特征信号V_P(t)和 V_R(t)的最小和最大值；将电容失效故障等级记为C(t)，C(t)＝[1,2,3]，如图3c所示；将V_P(t)、V_R(t)和C(t)表示成样本集合T_A＝{[V_P(t),V_R(t),C(t)]|t＝1,2,…, Ts}，Ts＝960；其中[V_P(t),V_R(t),C(t)]为一个样本向量；

(3)设定V_P(t)的参考值集合A₁＝{7.68,8.06,8.47, 8.70,9.13,9.55,10.03,10.48,10.95}；共计J₁＝9个参考值；V_R(t)的参考值集合 A₂＝{0.07,0.14,0.18,0.25,0.27,0.35,0.46,0.40,0.64}，共计J₂＝9个参考值；C(t) 的参考值集合D＝{1,2,3}；共计N＝3个参考值；将T_A样本集中数据[V_P(t),V_R (t),C(t)]用给定的参考值转化为参考值置信度的表格形式，步骤如下：

(3.1)计算V_i(t)对参考值

的置信度分布公式为

α_i,j'＝0j'＝1,...,J_i,j'≠j,j+1 (3-1c)

α_i,j表示V_i(t)对参考值

的置信度；

(3.2)同理计算C(t)对参考值D_n的置信度分布公式为

T_O(C(t))＝{(D_n,γ_n)|n＝1,...,N} (3-2a)

γ_n'＝0n'＝1,...,N,n'≠n,n+1 (3-2c)

γ_n表示C(t)对参考值D_n的置信度；

在这里举例样本数据[V_P(t),V_R(t),C(t)]＝[7.9726,0.2233,1]说明，利用(3) 中所给定的参考值和式(3-1)、(3-2)得到V_P(t)对应参考值的置信度为α_P,1＝0.2387和α_P,2＝0.7613；V_R(t)对应参考值的置信度为α_R,3＝0.4218和α_R,4＝0.5782；C(t)对应参考值置信度为γ₁＝1和γ₂＝0。从而得到V_P(t)综合置信度分布(α_P,3γ₁,α_P,4γ₁,α_P,3γ₂,α_P,4γ₂)为(0.2387,0.7613,0,0)和V_R(t)综合置信度分布(α_R,3γ₁,α_R,4γ₁,α_R,3γ₂,α_R,4γ₂)为(0.4218,0.5782,0,0)。

(4)根据步骤(3.1)与(3.2)将样本集T_A中的所有数据样本计算置信度分布，并构建表5和表6：

表5(V_P(t),C(t))的参考值置信度统计表

表6样本对(V_R(t),C(t))的参考值置信度统计表

(5)根据表5和表6所计算的参考值置信度统计表，通过以下公式对表格进行似然归一化：

得到参考值

的证据为

则可根据(5-1)式和(5-2)式构建出证据表7和表8。

表7输入V_P的证据矩阵表

表8输入V_R的证据矩阵表

(6)证据

的可靠性因子由斯皮尔曼等级相关系数决定，公式如下

d_i＝V_i(t)-C(t) (6-1)

其中，d_i为电压特征值与电容失效故障等级的差值，r_i为证据的可靠性因子。计算得到r₁＝0.8897，r₂＝0.4117。

(7)利用步骤(5)与步骤(6)所得到的证据矩阵表和证据的可靠性因子，通过证据推理规则估计出初始的电容失效故障等级

步骤如下：

(7.1)对于输入V_i(t)，每组输入所对应的证据

和

将被激活，则输入值V_i(t)的最终证据可通过

和

进行加权得到：

e_i＝{(D_n,p_n,i),n＝1,...,N} (7-1a)

(7.2)利用式(7-1a)和式(7-1b)获得V_P(t)和V_R(t)的证据e₁和e₂，设定初始证据权重w_i＝r_i，利用证据推理规则对它们进行融合，得到融合结果为

O(V(t))＝{(D_n,p_n,e(2)),n＝1,...,N} (7-2a)

(7.3)根据步骤(7.2)得到融合通过(7-3)式估计电容失效故障等级

沿用(3)中举例样本[V_P(t),V_R(t),C(t)]＝[8.4764,0.6073,1]说明，由得到的 V_P(t)对应参考值的置信度为α_P,1＝0.2387和α_P,2＝0.7613，激活证据

与

根据(7-1)式得到证据 e_P＝(0.9363,0.0637,0)；V_R(t)对应参考值的置信度为α_R,3＝0.4218和α_R,4＝0.5782，激活证据

与

根据式(7-1)得到证据e_R＝(0.3251,0.3252,0.34970)；利用(7-2)式融合证据得到融合结果为O(V(t))＝{(D₁,0.8657),(D₂,0.1085),(D₃,0.0258)}，并通过(7- 3)式的到电容失效故障等级估计值为。

在此

可划分为电容失效故障等级1。

在得到样本集T_A的电容失效故障等级估计值，进而可获得T_A的电容失效故障等级估计值与真实值的均方误差为mse_training＝0.1491。

(8)将电容失效故障等级估计值与真实值的均方误差设定为目标函数：

s.t.0≤w_i≤1,i＝1,2 (8-2a)

同时确定参数集合

w_i表示证据的权重，其他参数分别设定为

建立优化模型优化该目标函数。训练之后获得最优的参数集合P，得出优化模型的样本集T_A的均方误差为

采集现行电压源型变频器直流母线电压值集合T_E，再次重复步骤(3)～步骤(6)即可得到集合T_E电容失效故障等级估计值

最终的电容失效故障等级估计结果如图4所示。计算集合T_E初始的电容失效故障等级估计值与真实值的均方误差mse_testing＝1.3324。再计算优化后模型的电容失效故障等级估计值与真实值的均方误差

可以看出，经过优化后的模型估计得到的电容失效故障等级的精度跟高。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (9)

1.一种基于证据推理规则的电压源型变频器直流母线电容器的故障诊断方法，该方法包括以下步骤：

步骤(1)采集电压源型变频器直流母线的电压信号；

步骤(2)提取电压信号的特征值，并设定三个电容失效故障等级，形成完整的样本集，将样本集随机分为训练集和测试集；

步骤(3)将训练集中的数据转化为与给定参考值对应的信度分布矩阵；

步骤(4)将信度分布矩阵进行转化，得到电容失效故障等级的证据；

步骤(5)计算证据的可靠性因子；

步骤(6)根据所述可靠性因子对所述电容失效故障等级的证据进行加权融合，初步估计训练集电容失效故障等级；

步骤(7)根据电容失效故障等级估计值与设定的电容失效故障等级的均方误差设定优化目标函数，确定优化参数，建立证据推理参数优化模型；

步骤(8)通过证据推理参数优化模型估计测试集中样本电容失效故障等级。

2.根据权利要求1所述的故障诊断方法，其特征在于，步骤(1)中，以电压源型变流器为例；建立三个电容失效故障等级，其中电容器电容量等级1为C₁＝7500e-6F；等级2的电容量为C₁的90％，即C₂＝6750e-6F；等级3的电容量为C₁的80％，即C₃＝6000e-6F；在设备运行过程中以50kHz的采样频率采集共8秒的直流母线电压瞬时值V_DC。

3.根据权利要求1所述的故障诊断方法，其特征在于，步骤(2)中，取得步骤(1)电压信号V_DC的电压峰-峰值V_PP并预设一个窗口长度，取得多个数据窗口的V_PP平均值得到V_P(t)；将V_DC以预设个数电周期，一定个数采样点计算一个均方根值V_RMS，再经过归一化处理之后得到V_R(t)；

其中

分别为输入特征信号V_P(t)和V_R(t)的最小和最大值；将电容失效故障等级记为C(t)，C(t)＝[1,2,3]；将V_P(t)、V_R(t)和C(t)表示成样本集合T_A＝{[V_P(t),V_R(t),C(t)]|t＝1,2,…,Ts}，其中[V_P(t),V_R(t),C(t)]为一个样本向量。

4.根据权利要求3所述的故障诊断方法，其特征在于，步骤(3)中，将样本集T_A中的数据[V_P(t),V_R(t),C(t)]用给定的参考值转化为信度分布矩阵；其中，电容失效故障等级的参考值集合D＝{D_n|n＝1,…,N}，N为电容失效故障等级的参考值个数；电压信号V_i的输入参考值集合

J_i为电压信号V_i的参考值个数；步骤如下：

(4.1)计算V_i(t)对参考值

的置信度分布公式为

α_i,j'＝0 j'＝1,...,J_i,j'≠j,j+1 (4-1c)

α_i,j表示V_i(t)对参考值

的置信度；

(4.2)同理计算C(t)对参考值D_n的置信度分布公式为

T_O(C(t))＝{(D_n,γ_n)|n＝1,...,N} (4-2a)

γ_n'＝0 n'＝1,...,N,n'≠n,n+1 (4-2c)

γ_n表示C(t)对参考值D_n的置信度；

(4.3)根据步骤(4.1)与(4.2)将样本集T_A中的所有数据组计算置信度分布(α_i,jγ_n,α_i,j+1γ_n,α_i,jγ_n+1,α_i,j+1γ_n+1)，其中α_i,jγ_n表示样本对(V_i(t),C(t))中输入值对应参考值

同时C(t)对应于参考值D_n的综合相似度；并构建表1，其中a_n,j表示所有V_i(t)对应参考值

并且C(t)对应参考值D_n的样本对(V_i(t),C(t))综合相似度的和，

表示所有C(t)对应参考值D_n的样本对综合相似度的和，

表示所有V_i(t)对应参考值

的样本对综合相似度的和，并有

表1(V_i(t),C(t))的参考值置信度分布统计表

5.根据权利要求4所述的故障诊断方法，其特征在于，步骤(4)中，根据步骤(3)中表1，通过以下公式对表格进行似然归一化：

得到参考值

的证据为

则根据(5-1)式和(5-2)式构建出证据表2，

表2输入V_i的证据表

6.根据权利要求5所述的故障诊断方法，其特征在于，步骤(5)中，证据

的可靠性因子由斯皮尔曼等级相关系数算出，公式如下

d_i＝V_i(t)-C(t) (6-1)

其中，d_i为电压特征值与电容失效故障等级的差值，r_i为证据的可靠性因子。

7.根据权利要求6所述的故障诊断方法，其特征在于，步骤(6)中，利用步骤(4)与步骤(5)所得到的证据表2和可靠性因子，通过证据推理规则估计出电容失效故障等级

步骤如下：

(7.1)对于输入V_i(t)，每组输入所对应的证据

和

将被激活，则输入值V_i(t)的最终证据可通过

和

进行加权得到：

e_i＝{(D_n,p_n,i),n＝1,...,N} (7-1a)

(7.2)由(7-1a)式与(7-1b)式获得V_p(t)和V_R(t)的证据e₁和e₂，设定初始证据权重w_i＝r_i，利用证据推理规则对它们进行融合，得到融合结果，公式如下：

O(V(t))＝{(D_n,p_n,e(2)),n＝1,...,N} (7-2a)

(7.3)以步骤(7.2)的融合结果通过(7-3)式估计电容失效故障等级

8.根据权利要求7所述的故障诊断方法，其特征在于，步骤(7)中，将电容失效故障等级估计值与真实值的均方误差设定为目标函数：

s.t.0≤w_i≤1,i＝1,2 (8-2a)

同时确定参数集合

w_i表示证据的权重，其他参数分别设定为

建立优化模型优化该目标函数，训练之后获得最优的参数集合P。

9.根据权利要求1所述的故障诊断方法，其特征在于，步骤(8)，采集现行电压源型变频器直流母线电压值，再次重复步骤(3)～步骤(6)得到更为精确的电容失效故障等级估计值

Images