CN115951263A - 一种牵引***主回路接地故障诊断方法 - Google Patents

一种牵引***主回路接地故障诊断方法 Download PDF

Info

Publication number
CN115951263A
CN115951263A CN202310233361.XA CN202310233361A CN115951263A CN 115951263 A CN115951263 A CN 115951263A CN 202310233361 A CN202310233361 A CN 202310233361A CN 115951263 A CN115951263 A CN 115951263A
Authority
CN
China
Prior art keywords
fault
ground fault
type
characteristic index
main loop
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202310233361.XA
Other languages
English (en)
Other versions
CN115951263B (zh
Inventor
倪强
詹正凯
赵卓立
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202310233361.XA priority Critical patent/CN115951263B/zh
Publication of CN115951263A publication Critical patent/CN115951263A/zh
Application granted granted Critical
Publication of CN115951263B publication Critical patent/CN115951263B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/52—Outage or fault management, e.g. fault detection or location

Landscapes

  • Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)

Abstract

本发明提出一种牵引***主回路接地故障诊断方法，涉及故障诊断的技术领域，首先对与牵引***的主回路接地故障相关的***信号进行预处理，得到第一故障特征指标和第二故障特征指标，然后离线构建不同工况信息下第一故障特征指标、第二故障特征指标与主回路接地故障类型的概率分配函数，组成概率分配函数库；再对待处理的***信号进行预处理，得到第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率，并将分配概率进行融合，获得分配概率的组合结果，最后引入故障决策原则分析分配概率的组合结果，作出最终的主回路接地故障的决策结果，考虑了故障源与故障特征之间关系的不确定性，提高了故障诊断准确度。

Description

一种牵引***主回路接地故障诊断方法
技术领域
本发明涉及故障诊断的技术领域，特别涉及一种牵引***主回路接地故障诊断方法。
背景技术
牵引***是列车的核心动力单元，由于列车运行环境复杂，牵引***容易受到环境温度、湿度和供电浪涌等因素的影响，导致列车在行驶过程中发生故障。牵引***主回路接地故障是在列车行驶过程中常见的故障之一，附图1为牵引***主回路的电路图，据统计，牵引***主回路接地故障通常发生在附图1中的①~⑥位置，当发生单点故障时，对列车的危害可以忽略，不会影响***的正常工作，但两点或多点接地，就可能产生很大的短路电流，造成电传动***部件的烧损，严重情况下甚至会导致机破，因此，为了避免形成多点故障，实时诊断出故障位置，实现故障溯源，对提高列车的行驶安全具有重要意义。
目前，主回路接地故障的检测方法主要采用基于硬件接地的信号检测法，通过检测信号的上下限超限报警方式实现接地故障检测，但无法准确定位故障发生位置，不能区分具体故障点，导致检修效率低，为解决上述问题，现有技术公开了一种主回路接地故障诊断方法，通过对故障特征向量的分析计算，来确定主回路接地故障发生的位置，从而对故障源进行定位，但该方法是利用故障特征向量决定故障发生位置，把故障源与故障特征向量的关系当作线性映射关系，而列车实际行驶过程中不同故障源与故障特征向量的关系往往属于非线性映射关系，即不同故障源与故障特征向量的关系不确定，这种不确定性是难以用线性方法描述的，所以利用故障的特征向量是无法精准确定位故障发生位置。
发明内容
为解决在当前主回路接地故障诊断方法中，未考虑故障源与故障特征之间关系的不确定性，导致故障诊断准确度低的问题，本发明提出一种牵引***主回路接地故障诊断方法，考虑了故障源与故障特征之间关系的不确定性，提高了故障诊断准确度。
为了达到上述技术效果，本发明的技术方案如下：
一种牵引***主回路接地故障诊断方法，包括以下步骤：
S1.获取与牵引***的主回路接地故障相关的***信号；
S2.对***信号进行预处理，得到第一故障特征指标和第二故障特征指标；
S3.离线构建不同工况信息下第一故障特征指标与主回路接地故障类型、第二故障特征指标与主回路接地故障类型的概率分配函数，组成概率分配函数库；
S4.在线采集待处理的***信号，对待处理的***信号进行预处理；基于预处理完的待处理的***信号，查找离线构建的概率分配函数库，得到第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率；
S5.将分配概率进行融合，得到第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率的组合结果；
S6.引入故障决策原则，基于故障决策原则，从组合结果中，判断出最终的主回路接地故障的决策结果。
优选地，S1所述的***信号包括原边电压传感器采样信号
Figure SMS_1
、直流母线电压传感器采样信号
Figure SMS_2
、接地检测电压传感器采样信号
Figure SMS_3
和工况信息信号。
优选地，S2对***信号进行预处理的具体步骤为：
S21.基于***信号中的直流母线电压传感器采样信号
Figure SMS_4
和接地检测电压传感器采样信号
Figure SMS_5
，计算第一故障特征变量
Figure SMS_6
，
Figure SMS_7
的具体计算公式为：
Figure SMS_8
（1）
基于***信号中的第一故障特征变量
Figure SMS_9
、直流母线电压传感器采样信号
Figure SMS_10
和原边电压传感器采样信号
Figure SMS_11
，计算第二故障特征变量
Figure SMS_12
，
Figure SMS_13
的具体计算公式为：
Figure SMS_14
（2）
S22.利用第一故障特征变量，计算第一故障特征变量的第一故障特征指标；利用第二故障特征变量，计算第二故障特征变量的第二故障特征指标。
优选地，S22所述的第一故障特征指标包括
Figure SMS_15
均值、
Figure SMS_21
方差、
Figure SMS_24
最大值和
Figure SMS_18
最大绝对值，将
Figure SMS_19
均值、
Figure SMS_22
方差、
Figure SMS_25
最大值和
Figure SMS_16
最大绝对值依次记为
Figure SMS_20
、
Figure SMS_23
、
Figure SMS_26
和
Figure SMS_17
；
Figure SMS_27
的具体计算公式为：
Figure SMS_28
（3）
Figure SMS_29
的具体计算公式为：
Figure SMS_30
（4）
Figure SMS_31
的具体计算公式为：
Figure SMS_32
（5）
Figure SMS_33
的具体计算公式为：
Figure SMS_34
（6）
其中， N表示一个滑动窗内采样的最大点数， i表示一个滑动窗内采样点数， k表示采样时刻。
优选地，S22所述的第二故障特征指标为
Figure SMS_35
均值，将
Figure SMS_36
均值记为
Figure SMS_37
，
Figure SMS_38
的具体计算公式为：
Figure SMS_39
。
优选地，S4所述的离线构建不同工况信息下第一故障特征指标与主回路接地故障类型、第二故障特征指标与主回路接地故障类型的概率分配函数
Figure SMS_40
的具体过程为：
S41.将主回路接地故障类型的故障集合记为
Figure SMS_41
，其中
Figure SMS_42
表示故障集合 F中的第 k个故障事件，记主回路接地故障类型有5种，取
Figure SMS_43
；将
Figure SMS_44
记为证据；
S42.建立不同运行工况下证据
Figure SMS_45
与故障集合 F中主回路接地故障类型的隶属度函数；
S43.利用隶属度函数计算证据
Figure SMS_46
对应主回路接地故障类型的概率值
Figure SMS_47
；
S44.对概率值 p i( F( k))进行归一化，得到
Figure SMS_48
对应主回路接地故障类型的概率分配函数
Figure SMS_49
，具体归一化公式为：
Figure SMS_50
。
优选地，所述概率分配函数
Figure SMS_51
满足以下条件：
Figure SMS_52
（9）
其中，
Figure SMS_53
表示空集。
优选地，利用Dempster-Shafer证据理论将分配概率进行融合，具体融合公式为：
Figure SMS_54
（10）
其中，
Figure SMS_56
表示第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率的组合结果，
Figure SMS_60
表示
Figure SMS_63
对应 F上的主回路接地故障类型的分配概率，
Figure SMS_57
表示
Figure SMS_58
对应 F上的主回路接地故障类型的分配概率，
Figure SMS_61
表示
Figure SMS_64
对应 F上的主回路接地故障类型的分配概率，
Figure SMS_55
表示
Figure SMS_59
对应 F上的对应主回路接地故障类型的分配概率，
Figure SMS_62
表示
Figure SMS_65
对应 F上的对应主回路接地故障类型的分配概率。
优选地，S6所述故障决策原则为：
Figure SMS_66
，其中，
Figure SMS_67
和
Figure SMS_68
分别表示 F的任意一种主回路接地故障类型，
Figure SMS_69
和
Figure SMS_70
为不同种主回路接地故障类型；
记 F a的基本可信数
Figure SMS_71
表示为：
Figure SMS_72
（11）
记 F b的基本可信数
Figure SMS_73
表示为：
Figure SMS_74
（12）
其中， p表示故障事件的个数；
若
Figure SMS_75
与
Figure SMS_76
满足：
Figure SMS_77
（13）
则主回路接地故障类型为
Figure SMS_78
。
优选地，所述决策结果包括主回路接地故障类型和主回路接地故障发生地点。
与现有技术相比，本发明技术方案的有益效果是：
本发明提出一种牵引***主回路接地故障诊断方法，首先对与牵引***的主回路接地故障相关的***信号进行预处理，得到第一故障特征指标和第二故障特征指标，然后离线构建不同工况信息下第一故障特征指标与主回路接地故障类型、第二故障特征指标与主回路接地故障类型的概率分配函数，组成概率分配函数库；再通过对待处理的***信号进行预处理，得到第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率，便于建立第一故障特征指标和第二故障特征指标与主回路接地故障类型的概率映射关系，进一步将分配概率进行融合，获得分配概率的组合结果，便于从分配概率中获得最具差异性的信息，消除了不同分配概率之间的相关性而产生的冗余信息，提高后续做出故障决策的准确度，最后引入故障决策原则分析分配概率的组合结果，作出最终的主回路接地故障的决策结果，溯源主回路接地故障发生的原因，考虑了故障源与故障特征之间关系的不确定性，提高了故障诊断准确度。
附图说明
图1表示本发明实施例中提出的牵引***主回路的电路图；
图2表示本发明实施例中提出的一种牵引***主回路接地故障诊断方法的流程图；
图3表示本发明实施例中提出的一种牵引***主回路接地故障诊断方法的算法流程图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好地说明本实施例，附图某些部位会有省略、放大或缩小，并不代表实际尺寸，“上”“下”等部位方向的描述非对本专利的限制；
对于本领域技术人员来说，附图中某些公知内容说明可能省略是可以理解的；
附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制；
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
参见图2及图3，一种牵引***主回路接地故障诊断方法，包括以下步骤：
S1.获取与牵引***的主回路接地故障相关的***信号；
在步骤S1中，根据故障机理，数量出接地点与主回路接地故障类型的对应关系如表1所示，并从牵引***的采集信号中，获取牵引***的主回路接地故障相关的***信号；所述***信号包括原边电压传感器采样信号
Figure SMS_79
、直流母线电压传感器采样信号
Figure SMS_80
以及接地检测电压传感器采样信号
Figure SMS_81
和工况信息信号。
表1 牵引***常见主回路接地故障点
Figure SMS_82
S2.对***信号进行预处理，得到第一故障特征指标和第二故障特征指标；
在步骤S2中，对***信号进行预处理的具体步骤为：
S21.基于***信号中的直流母线电压传感器采样信号
Figure SMS_83
和接地检测电压传感器采样信号
Figure SMS_84
，计算第一故障特征变量
Figure SMS_85
，
Figure SMS_86
的具体计算公式为：
Figure SMS_87
（1）
基于***信号中的第一故障特征变量
Figure SMS_88
、直流母线电压传感器采样信号
Figure SMS_89
和原边电压传感器采样信号
Figure SMS_90
，计算第二故障特征变量
Figure SMS_91
，
Figure SMS_92
的具体计算公式为：
Figure SMS_93
（2）
在步骤S22中，基于主回路接地故障的历史现场案例数据，设定滑动窗长度，每次滑动为一个采样点，通过计算一个滑动窗内的统计域的特征，分别得到第一故障特征变量的第一故障特征指标和第二故障特征变量的第二故障特征指标；所述的第一故障特征指标包括
Figure SMS_95
均值、
Figure SMS_99
方差、
Figure SMS_102
最大值和
Figure SMS_97
最大绝对值，将
Figure SMS_100
均值、
Figure SMS_103
方差、
Figure SMS_105
最大值和
Figure SMS_94
最大绝对值依次记为
Figure SMS_98
、
Figure SMS_101
、
Figure SMS_104
和
Figure SMS_96
；
Figure SMS_106
的具体计算公式为：
Figure SMS_107
（3）
Figure SMS_108
的具体计算公式为：
Figure SMS_109
（4）
Figure SMS_110
的具体计算公式为：
Figure SMS_111
（5）
Figure SMS_112
的具体计算公式为：
Figure SMS_113
（6）
其中， N表示一个滑动窗内采样的最大点数， i表示一个滑动窗内采样点数， k表示采样时刻；
S22所述的第二故障特征指标为
Figure SMS_114
均值，将
Figure SMS_115
均值记为
Figure SMS_116
，
Figure SMS_117
的具体计算公式为：
Figure SMS_118
。
在第一故障特征指标和第二故障特征指标实际计算过程中，并不局限于上述
Figure SMS_119
，还可设置多个第一故障特征指标和第二故障特征指标，在本实施例中仅以
Figure SMS_120
为例说明。
S3.离线构建不同工况信息下第一故障特征指标与主回路接地故障类型、第二故障特征指标与主回路接地故障类型的概率分配函数，组成概率分配函数库；
S4.在线采集待处理的***信号，对待处理的***信号进行预处理；基于预处理完的待处理的***信号，查找离线构建的概率分配函数库，得到第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率；
S4对待处理的***信号进行预处理的具体步骤为：首先基于采集待处理的***信号中的直流母线电压传感器采样信号
Figure SMS_121
和接地检测电压传感器采样信号
Figure SMS_122
，计算第一故障特征变量
Figure SMS_123
；并基于采集待处理的***信号中的的第一故障特征变量
Figure SMS_124
、直流母线电压传感器采样信号
Figure SMS_125
和原边电压传感器采样信号
Figure SMS_126
，计算第二故障特征变量
Figure SMS_127
；然后利用实时的第一故障特征变量，计算第一故障特征变量的第一故障特征指标，利用实时的第二故障特征变量，计算第二故障特征变量的第二故障特征指标；再根据实时计算的第一故障特征指标、第二故障特征指标与工况信息，查找离线构建的概率分配函数库，得到第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率；
S5.将分配概率进行特征规则融合，得到主回路接地故障类型的初步分类结果；
S6.引入故障决策原则，基于故障决策原则，从主回路接地故障类型的初步分类结果中，判断出最终的主回路接地故障的决策结果。
步骤S所述的决策结果包括主回路接地故障类型和主回路接地故障发生地点。
在本实施例中，首先对与牵引***的主回路接地故障相关的***信号进行预处理，得到第一故障特征指标和第二故障特征指标，然后离线构建不同工况信息下第一故障特征指标与主回路接地故障类型、第二故障特征指标与主回路接地故障类型的概率分配函数，组成概率分配函数库；再通过对待处理的***信号进行预处理，得到第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率，便于建立第一故障特征指标和第二故障特征指标与主回路接地故障类型的概率映射关系，进一步将分配概率进行融合，获得分配概率的组合结果，便于从分配概率中获得最具差异性的信息，消除了不同分配概率之间的相关性而产生的冗余信息，提高后续做出故障决策的准确度，最后引入故障决策原则分析分配概率的组合结果，作出最终的主回路接地故障的决策结果，溯源主回路接地故障发生的原因，考虑了故障源与故障特征之间关系的不确定性，提高了故障诊断准确度。
实施例2
参见图2及图3，S4所述的离线构建不同工况信息下第一故障特征指标与主回路接地故障类型、第二故障特征指标与主回路接地故障类型的概率分配函数
Figure SMS_128
的具体过程为：
S41.将主回路接地故障类型的故障集合记为
Figure SMS_129
，其中
Figure SMS_130
表示故障集合 F中的第 k个故障事件，记主回路接地故障类型有5种，取
Figure SMS_131
；将
Figure SMS_132
记为证据；
在步骤S41中，
Figure SMS_133
对是基于第一故障特征变量和第二故障特征变量提取的；
S42.建立不同运行工况下证据
Figure SMS_134
与故障集合 F中主回路接地故障类型的隶属度函数；
在步骤S42中，参见图1及图2，以四象限运行和逆变运行工况为例，在四象限运行和逆变运行工况下，基于历史数据的统计特征以及模糊逻辑，建立证据
Figure SMS_135
与故障集合 F中主回路接地故障类型的隶属度函数共有三种，分别为降半高斯分布函数
Figure SMS_136
、升半高斯分布函数
Figure SMS_137
和高斯模糊分布函数
Figure SMS_138
，用于拟合不同工况下相关故障特征指标与主回路接地故障类型的概率隶属关系；
降半高斯分布函数
Figure SMS_139
的具体计算表达式为：
Figure SMS_140
（7.1）
升半高斯分布函数
Figure SMS_141
的具体计算表达式为：
Figure SMS_142
（7.2）
高斯模糊分布函数
Figure SMS_143
的具体计算表达式为：
Figure SMS_144
（7.3）
其中， x表示实时输入的
Figure SMS_146
，a表示阀值；当 x输入
Figure SMS_149
时，
Figure SMS_152
与故障集合 F中主回路接地故障类型的隶属度函数采用式（7.1）、（7.2）和（7.3）表示；当 x输入
Figure SMS_147
时，
Figure SMS_150
与故障集合中 F主回路接地故障类型的隶属度函数采用式（7.3）表示；当 x输入
Figure SMS_153
时，
Figure SMS_155
与故障集合 F中主回路接地故障类型的隶属度函数采用式（7.2）和（7.3）表示；当 x输入
Figure SMS_145
时，
Figure SMS_148
与故障集合 F中主回路接地故障类型的隶属度函数采用式（7.2）；当 x输入
Figure SMS_151
时，
Figure SMS_154
与故障集合 F中主回路接地故障类型的隶属度函数采用式（7.3）表示。
S43.利用隶属度函数计算证据
Figure SMS_156
对应主回路接地故障类型的概率值
Figure SMS_157
；
在步骤S43中，根据
Figure SMS_158
与故障集合 F中主回路接地故障类型的隶属度函数，计算得出
Figure SMS_159
值对应各事件的概率值
Figure SMS_160
。
S44.对概率值 p i( F( k))进行归一化，得到
Figure SMS_161
对应主回路接地故障类型的概率分配函数
Figure SMS_162
，具体归一化公式为：
Figure SMS_163
。
所述概率分配函数 m i( F( k))满足以下条件：
Figure SMS_164
（9）
其中，
Figure SMS_165
表示空集。
实施例3
参见图2及图3，步骤S5利用Dempster-Shafer证据理论将分配概率进行融合，具体融合公式为：
Figure SMS_166
（10）
其中，
Figure SMS_169
表示第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率的组合结果，
Figure SMS_170
表示
Figure SMS_173
对应 F上的主回路接地故障类型的分配概率，
Figure SMS_167
表示
Figure SMS_171
对应 F上的主回路接地故障类型的分配概率，
Figure SMS_174
表示
Figure SMS_176
对应 F上的主回路接地故障类型的分配概率，
Figure SMS_168
表示
Figure SMS_172
对应 F上的对应主回路接地故障类型的分配概率，
Figure SMS_175
表示
Figure SMS_177
对应 F上的对应主回路接地故障类型的分配概率。
S6所述故障决策原则为：
Figure SMS_178
，其中，
Figure SMS_179
和
Figure SMS_180
分别表示 F的任意一种主回路接地故障类型，
Figure SMS_181
和
Figure SMS_182
为不同种主回路接地故障类型；
记 F a的基本可信数
Figure SMS_183
表示为：
Figure SMS_184
（11）
记 F b的基本可信数
Figure SMS_185
表示为：
Figure SMS_186
（12）
其中， p表示故障事件的个数；
若
Figure SMS_187
与
Figure SMS_188
满足：
Figure SMS_189
（13）
则主回路接地故障类型为
Figure SMS_190
。
显然，本发明的上述实施例仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种牵引***主回路接地故障诊断方法，其特征在于，包括以下步骤：
S1.获取与牵引***的主回路接地故障相关的***信号；
S2.对***信号进行预处理，得到第一故障特征指标和第二故障特征指标；
S3.离线构建不同工况信息下第一故障特征指标与主回路接地故障类型、第二故障特征指标与主回路接地故障类型的概率分配函数，组成概率分配函数库；
S4.在线采集待处理的***信号，对待处理的***信号进行预处理；基于预处理完的待处理的***信号，查找离线构建的概率分配函数库，得到第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率；
S5.将分配概率进行融合，得到第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率的组合结果；
S6.引入故障决策原则，基于故障决策原则，从组合结果中，判断出最终的主回路接地故障的决策结果。
2.根据权利要求1所述的牵引***主回路接地故障诊断方法，其特征在于，S1所述的***信号包括原边电压传感器采样信号
Figure QLYQS_1
、直流母线电压传感器采样信号
Figure QLYQS_2
、接地检测电压传感器采样信号
Figure QLYQS_3
和工况信息信号。
3.根据权利要求2所述的牵引***主回路接地故障诊断方法，其特征在于，S2对***信号进行预处理的具体步骤为：
S21.基于***信号中的直流母线电压传感器采样信号
Figure QLYQS_4
和接地检测电压传感器采样信号
Figure QLYQS_5
，计算第一故障特征变量
Figure QLYQS_6
，
Figure QLYQS_7
的具体计算公式为：
Figure QLYQS_8
（1）
基于***信号中的第一故障特征变量
Figure QLYQS_9
、直流母线电压传感器采样信号
Figure QLYQS_10
和原边电压传感器采样信号
Figure QLYQS_11
，计算第二故障特征变量
Figure QLYQS_12
，
Figure QLYQS_13
的具体计算公式为：
Figure QLYQS_14
（2）
S22.利用第一故障特征变量，计算第一故障特征变量的第一故障特征指标；利用第二故障特征变量，计算第二故障特征变量的第二故障特征指标。
4.根据权利要求3所述的牵引***主回路接地故障诊断方法，其特征在于，S22所述的第一故障特征指标包括
Figure QLYQS_16
均值、
Figure QLYQS_19
方差、
Figure QLYQS_22
最大值和
Figure QLYQS_17
最大绝对值，将
Figure QLYQS_20
均值、
Figure QLYQS_23
方差、
Figure QLYQS_25
最大值和
Figure QLYQS_15
最大绝对值依次记为
Figure QLYQS_21
、
Figure QLYQS_24
、
Figure QLYQS_26
和
Figure QLYQS_18
；
Figure QLYQS_27
的具体计算公式为：
Figure QLYQS_28
（3）
Figure QLYQS_29
的具体计算公式为：
Figure QLYQS_30
（4）
Figure QLYQS_31
的具体计算公式为：
Figure QLYQS_32
（5）
Figure QLYQS_33
的具体计算公式为：
Figure QLYQS_34
（6）
其中，N表示一个滑动窗内采样的最大点数，i表示一个滑动窗内采样点数，k表示采样时刻。
5.根据权利要求4所述的牵引***主回路接地故障诊断方法，其特征在于，S22所述的第二故障特征指标为
Figure QLYQS_35
均值，将
Figure QLYQS_36
均值记为
Figure QLYQS_37
，
Figure QLYQS_38
的具体计算公式为：
Figure QLYQS_39
。
6.根据权利要求5所述的牵引***主回路接地故障诊断方法，其特征在于，S4所述的离线构建不同工况信息下第一故障特征指标与主回路接地故障类型、第二故障特征指标与主回路接地故障类型的概率分配函数
Figure QLYQS_40
的具体过程为：
S41.将主回路接地故障类型的故障集合记为
Figure QLYQS_41
，其中
Figure QLYQS_42
表示故障集合F中的第k个故障事件，记主回路接地故障类型有5种，取
Figure QLYQS_43
；将
Figure QLYQS_44
记为证据；
S42.建立不同运行工况下证据
Figure QLYQS_45
与故障集合F中主回路接地故障类型的隶属度函数；
S43.利用隶属度函数计算证据
Figure QLYQS_46
对应主回路接地故障类型的概率值
Figure QLYQS_47
；
S44.对概率值p i(F(k))进行归一化，得到
Figure QLYQS_48
对应主回路接地故障类型的概率分配函数
Figure QLYQS_49
，具体归一化公式为：
Figure QLYQS_50
。
7.根据权利要求6所述的牵引***主回路接地故障诊断方法，其特征在于，所述概率分配函数
Figure QLYQS_51
满足以下条件：
Figure QLYQS_52
（9）
其中，
Figure QLYQS_53
表示空集。
8.根据权利要求7所述的牵引***主回路接地故障诊断方法，其特征在于，利用Dempster-Shafer证据理论将分配概率进行融合，具体融合公式为：
Figure QLYQS_54
（10）
其中，
Figure QLYQS_56
表示第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率的组合结果，
Figure QLYQS_58
表示
Figure QLYQS_61
对应F上的主回路接地故障类型的分配概率，
Figure QLYQS_55
表示
Figure QLYQS_60
对应F上的主回路接地故障类型的分配概率，
Figure QLYQS_63
表示
Figure QLYQS_65
对应F上的主回路接地故障类型的分配概率，
Figure QLYQS_57
表示
Figure QLYQS_59
对应F上的对应主回路接地故障类型的分配概率，
Figure QLYQS_62
表示
Figure QLYQS_64
对应F上的对应主回路接地故障类型的分配概率。
9.根据权利要求8所述的牵引***主回路接地故障诊断方法，其特征在于，S6所述故障决策原则为：
Figure QLYQS_66
，其中，
Figure QLYQS_67
和
Figure QLYQS_68
分别表示F的任意一种主回路接地故障类型，
Figure QLYQS_69
和
Figure QLYQS_70
为不同种主回路接地故障类型；
记F a的基本可信数
Figure QLYQS_71
表示为：
Figure QLYQS_72
（11）
记F b的基本可信数
Figure QLYQS_73
表示为：
Figure QLYQS_74
（12）
其中，p表示故障事件的个数；
若
Figure QLYQS_75
与
Figure QLYQS_76
满足：
Figure QLYQS_77
（13）
则主回路接地故障类型为
Figure QLYQS_78
。
10.根据权利要求1-9任一项所述的牵引***主回路接地故障诊断方法，其特征在于，所述决策结果包括主回路接地故障类型和主回路接地故障发生地点。
CN202310233361.XA 2023-03-13 2023-03-13 一种牵引***主回路接地故障诊断方法 Active CN115951263B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310233361.XA CN115951263B (zh) 2023-03-13 2023-03-13 一种牵引***主回路接地故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310233361.XA CN115951263B (zh) 2023-03-13 2023-03-13 一种牵引***主回路接地故障诊断方法

Publications (2)

Publication Number Publication Date
CN115951263A true CN115951263A (zh) 2023-04-11
CN115951263B CN115951263B (zh) 2023-06-16

Family

ID=85906942

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310233361.XA Active CN115951263B (zh) 2023-03-13 2023-03-13 一种牵引***主回路接地故障诊断方法

Country Status (1)

Country Link
CN (1) CN115951263B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1920511A (zh) * 2006-08-01 2007-02-28 东北电力大学 离心泵振动故障融合诊断方法及振动信号采集装置
CN102737468A (zh) * 2012-07-11 2012-10-17 重庆大学 基于无线多传感器信息融合的火灾检测***及方法
CN103557884A (zh) * 2013-09-27 2014-02-05 杭州银江智慧城市技术集团有限公司 一种输电线路杆塔监控的多传感器数据融合预警方法
CN104655423A (zh) * 2013-11-19 2015-05-27 北京交通大学 一种基于时频域多维振动特征融合的滚动轴承故障诊断方法
CN105067940A (zh) * 2015-08-06 2015-11-18 株洲南车时代电气股份有限公司 一种机车牵引变流器主回路的接地诊断方法
CN106932670A (zh) * 2017-02-08 2017-07-07 国家电网公司 一种基于d‑s证据理论的配电自动化终端状态诊断方法
CN108318249A (zh) * 2018-01-24 2018-07-24 广东石油化工学院 一种旋转机械轴承的故障诊断方法
CN108680808A (zh) * 2018-05-18 2018-10-19 浙江新能量科技股份有限公司 电气设备故障诊断方法及装置
CN110879372A (zh) * 2019-12-03 2020-03-13 中南大学 基于特征相关的牵引***主回路接地故障诊断方法及***
CN113219329A (zh) * 2021-04-01 2021-08-06 国网江苏省电力有限公司检修分公司 一种高压断路器故障融合诊断方法
CN113988188A (zh) * 2021-10-29 2022-01-28 株洲中车时代软件技术有限公司 故障诊断方法、装置、电子设备及存储介质
CN114372693A (zh) * 2021-12-31 2022-04-19 新疆大学 一种基于云模型和改进ds证据理论的变压器故障诊断方法
CN115018247A (zh) * 2022-04-20 2022-09-06 贵州电网有限责任公司 基于模糊层次分析和改进加权组合的输变电工程评估方法
CN115524573A (zh) * 2021-06-25 2022-12-27 株洲中车时代电气股份有限公司 故障检测方法、装置、存储介质及电子设备

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1920511A (zh) * 2006-08-01 2007-02-28 东北电力大学 离心泵振动故障融合诊断方法及振动信号采集装置
CN102737468A (zh) * 2012-07-11 2012-10-17 重庆大学 基于无线多传感器信息融合的火灾检测***及方法
CN103557884A (zh) * 2013-09-27 2014-02-05 杭州银江智慧城市技术集团有限公司 一种输电线路杆塔监控的多传感器数据融合预警方法
CN104655423A (zh) * 2013-11-19 2015-05-27 北京交通大学 一种基于时频域多维振动特征融合的滚动轴承故障诊断方法
CN105067940A (zh) * 2015-08-06 2015-11-18 株洲南车时代电气股份有限公司 一种机车牵引变流器主回路的接地诊断方法
CN106932670A (zh) * 2017-02-08 2017-07-07 国家电网公司 一种基于d‑s证据理论的配电自动化终端状态诊断方法
CN108318249A (zh) * 2018-01-24 2018-07-24 广东石油化工学院 一种旋转机械轴承的故障诊断方法
CN108680808A (zh) * 2018-05-18 2018-10-19 浙江新能量科技股份有限公司 电气设备故障诊断方法及装置
CN110879372A (zh) * 2019-12-03 2020-03-13 中南大学 基于特征相关的牵引***主回路接地故障诊断方法及***
CN113219329A (zh) * 2021-04-01 2021-08-06 国网江苏省电力有限公司检修分公司 一种高压断路器故障融合诊断方法
CN115524573A (zh) * 2021-06-25 2022-12-27 株洲中车时代电气股份有限公司 故障检测方法、装置、存储介质及电子设备
CN113988188A (zh) * 2021-10-29 2022-01-28 株洲中车时代软件技术有限公司 故障诊断方法、装置、电子设备及存储介质
CN114372693A (zh) * 2021-12-31 2022-04-19 新疆大学 一种基于云模型和改进ds证据理论的变压器故障诊断方法
CN115018247A (zh) * 2022-04-20 2022-09-06 贵州电网有限责任公司 基于模糊层次分析和改进加权组合的输变电工程评估方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
NI QIANG ET AL.: "A Mechanism and Data Hybrid-Driven Method for Main Circuit Ground Fault Diagnosis in Electrical Traction System", IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS *
王景丹等: "基于D-S证据融合算法的逆变器故障诊断方法研究", 自动化技术与应用 *
荣海春等: "基于D-S证据理论的多源信息融合方法在系留气球缆绳故障诊断中的应用研究", 科技创新导报 *
袁蕾等: "基于模糊隶属函数的变压器多参量故障综合诊断方法", 高压电器 *

Also Published As

Publication number Publication date
CN115951263B (zh) 2023-06-16

Similar Documents

Publication Publication Date Title
CN110263846A (zh) 基于故障数据深度挖掘及学习的故障诊断方法
CN109933905B (zh) 一种基于多维预警分析的机械设备健康状态评估方法
CA2931624A1 (en) Systems and methods for event detection and diagnosis
CN106202886A (zh) 基于模糊粗糙集与决策树的轨道电路红光带故障定位方法
CN111413565B (zh) 一种可识别量测篡改攻击的智能电网故障诊断方法
CN114559819A (zh) 一种基于信号处理的电动汽车电池安全预警方法
Zhou et al. Fault diagnosis of high-speed railway turnout based on support vector machine
Xu et al. A lof-based method for abnormal segment detection in machinery condition monitoring
CN116032003A (zh) 一种基于电力专网数据处理的电网巡检方法及***
CN115951263A (zh) 一种牵引***主回路接地故障诊断方法
CN112345972A (zh) 基于停电事件的配电网线变关系异常诊断方法、装置及***
CN116523722A (zh) 一种具备机器学习能力的环境监测分析***
CN106569095A (zh) 一种基于加权平均依赖分类器的电网故障诊断***
CN114167837B (zh) 一种铁路信号***的智能故障诊断方法及***
CN114547796B (zh) 一种基于优化bn网络的球磨机特征融合故障诊断方法
CN113982605B (zh) 多层级盾构法隧道安全保护***及方法
CN110555016A (zh) 一种多计量异常事件关联度分析方法
CN114942364A (zh) 一种基于知识图谱技术的变电站故障诊断方法与***
CN112434955B (zh) 一种基于多数据融合的配网线路运行风险感知方法
CN111313355B (zh) 一种人工监督下的监控信号事件规则更新的方法
CN115834364B (zh) 一种基于电力大数据的用电信息监测***及方法
CN114637793B (zh) 一种基于大数据分析的装备故障频发区域定位方法
CN111915855B (zh) 用于百万千瓦超超临界机组报警***的报警分析方法
CN116342110B (zh) 一种列车多温度测量回路智能故障诊断和容错测量方法
CN117192312B (zh) 基于机器学习的二次交流电缆绝缘异常监测方法及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant