CN115993504A - 一种电气设备的智能故障诊断方法及*** - Google Patents
一种电气设备的智能故障诊断方法及*** Download PDFInfo
- Publication number
- CN115993504A CN115993504A CN202310286162.5A CN202310286162A CN115993504A CN 115993504 A CN115993504 A CN 115993504A CN 202310286162 A CN202310286162 A CN 202310286162A CN 115993504 A CN115993504 A CN 115993504A
- Authority
- CN
- China
- Prior art keywords
- signal
- data set
- voltage
- interference
- 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
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 Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明公开了一种电气设备的智能故障诊断方法及***,涉及数据处理领域,其中,所述方法包括:对电气运行回路进行信号采集,得到回路信号数据集;对实时运行环境进行信号采集,得到环境信号数据集;对环境信号数据集进行特征识别,生成环境信号分离参数;按照环境信号分离参数对回路信号数据集进行信号处理,得到过滤信号数据集;对过滤信号数据集进行信号异常识别,获取实时异常信号集;对实时异常信号集进行故障分析,生成设备故障报告。解决了现有技术中针对电气设备的故障诊断精准性不足,进而造成电气设备的故障诊断效果不佳的技术问题。达到了提高电气设备的故障诊断的精准性,提升电气设备的故障诊断质量等技术效果。
Description
技术领域
本发明涉及数据处理领域,具体地,涉及一种电气设备的智能故障诊断方法及***。
背景技术
电气设备已广泛应用于人们的生产生活,发挥着巨大的价值和作用。然而,在电气设备的使用过程中,总是不可避免地发生各种故障。传统的电气设备故障诊断方法存在着环境干扰性强、诊断精度低等诸多缺陷。研究设计一种对电气设备进行优化故障诊断的方法,具有重要的现实意义。
现有技术中,存在针对电气设备的故障诊断精准性不足,进而造成电气设备的故障诊断效果不佳的技术问题。
发明内容
本申请提供了一种电气设备的智能故障诊断方法及***。解决了现有技术中针对电气设备的故障诊断精准性不足,进而造成电气设备的故障诊断效果不佳的技术问题。达到了通过对电气设备进行智能、可靠、精准化地故障分析,提高电气设备的故障诊断的精准性,提升电气设备的故障诊断质量,为电气设备的正常运行提供有力保障的技术效果。
鉴于上述问题,本申请提供了一种电气设备的智能故障诊断方法及***。
第一方面,本申请提供了一种电气设备的智能故障诊断方法,其中,所述方法应用于一种电气设备的智能故障诊断***,所述方法包括:根据第一电气设备的各个组成构件,获取电气运行回路;根据所述信号采集装置对所述电气运行回路进行信号采集,得到回路信号数据集;获取所述第一电气设备的实时运行环境;通过对所述实时运行环境进行信号采集,得到环境信号数据集;对所述环境信号数据集进行特征识别,生成环境信号分离参数;按照所述环境信号分离参数对所述回路信号数据集进行信号处理,得到过滤信号数据集;对所述过滤信号数据集进行信号异常识别,获取实时异常信号集;通过对所述实时异常信号集进行故障分析,生成设备故障报告。
第二方面,本申请还提供了一种电气设备的智能故障诊断***,其中,所述***包括:电气运行回路获取模块,所述电气运行回路获取模块用于根据第一电气设备的各个组成构件,获取电气运行回路;回路信号采集模块,所述回路信号采集模块用于根据所述信号采集装置对所述电气运行回路进行信号采集,得到回路信号数据集;运行环境获取模块,所述运行环境获取模块用于获取所述第一电气设备的实时运行环境;环境信号采集模块,所述环境信号采集模块用于通过对所述实时运行环境进行信号采集,得到环境信号数据集;特征识别模块,所述特征识别模块用于对所述环境信号数据集进行特征识别,生成环境信号分离参数;信号处理模块,所述信号处理模块用于按照所述环境信号分离参数对所述回路信号数据集进行信号处理,得到过滤信号数据集;信号异常识别模块,所述信号异常识别模块用于对所述过滤信号数据集进行信号异常识别,获取实时异常信号集;故障分析模块,所述故障分析模块用于通过对所述实时异常信号集进行故障分析,生成设备故障报告。
第三方面,本申请还提供了一种电子设备,包括:存储器,用于存储可执行指令;处理器,用于执行所述存储器中存储的可执行指令时,实现本申请提供的一种电气设备的智能故障诊断方法。
第四方面,本申请还提供了一种计算机可读存储介质,存储有计算机程序,该程序被处理器执行时,实现本申请提供的一种电气设备的智能故障诊断方法。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过信号采集装置对第一电气设备的电气运行回路进行信号采集,得到回路信号数据集;通过对第一电气设备的实时运行环境进行信号采集,得到环境信号数据集;通过对环境信号数据集进行特征识别,生成环境信号分离参数;按照环境信号分离参数对回路信号数据集进行信号处理,得到过滤信号数据集;通过对过滤信号数据集进行信号异常识别,获取实时异常信号集;通过对实时异常信号集进行故障分析,生成设备故障报告。达到了通过对电气设备进行智能、可靠、精准化地故障分析,提高电气设备的故障诊断的精准性,提升电气设备的故障诊断质量,为电气设备的正常运行提供有力保障的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对本公开实施例的附图作简单地介绍。明显地,下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。
图1为本申请一种电气设备的智能故障诊断方法的流程示意图;
图2为本申请一种电气设备的智能故障诊断方法中生成环境信号分离参数的流程示意图;
图3为本申请一种电气设备的智能故障诊断***的结构示意图;
图4为本申请示例性电子设备的结构示意图。
附图标记说明:电气运行回路获取模块11,回路信号采集模块12,运行环境获取模块13,环境信号采集模块14,特征识别模块15,信号处理模块16,信号异常识别模块17,故障分析模块18,处理器31,存储器32,输入装置33,输出装置34。
具体实施方式
本申请通过提供一种电气设备的智能故障诊断方法及***。解决了现有技术中针对电气设备的故障诊断精准性不足,进而造成电气设备的故障诊断效果不佳的技术问题。达到了通过对电气设备进行智能、可靠、精准化地故障分析,提高电气设备的故障诊断的精准性,提升电气设备的故障诊断质量,为电气设备的正常运行提供有力保障的技术效果。
实施例一
请参阅附图1,本申请提供一种电气设备的智能故障诊断方法,其中,所述方法应用于一种电气设备的智能故障诊断***,所述***与信号采集装置通信连接,所述方法具体包括如下步骤:
步骤S100:根据第一电气设备的各个组成构件,获取电气运行回路;
具体而言,对第一电气设备进行各个组成构件的运行回路分析,获得电气运行回路。其中,所述第一电气设备包括使用所述一种电气设备的智能故障诊断***进行智能化故障分析的任意电气设备。各个组成构件包括第一电气设备的电源构件、用电构件、配电构件等多个组成构件。所述电气运行回路包括第一电气设备的多个高压电气回路、多个磁感电气回路等多个电气运行回路。
进一步的,本申请步骤S100还包括:
步骤S110:根据所述各个组成构件的连接关系,获取多个电气运行回路;
步骤S120:对所述多个电气运行回路进行信号干扰分析,获取多个信号干扰指数;
进一步的,本申请步骤S120还包括:
步骤S121:获取所述多个电气运行回路的电压配置数据和磁感配置数据;
步骤S122:将所述电压配置数据和磁感配置数据输入信号干扰分析模型中,根据所述信号干扰分析模型,获取高压干扰指数和磁感干扰指数;
步骤S123:以所述高压干扰指数和所述磁感干扰指数进行权重计算,得到所述多个信号干扰指数。
具体而言,采集多个电气运行回路的电压配置参数、磁感配置参数,获得电压配置数据、磁感配置数据。进而,将电压配置数据、磁感配置数据作为输入信息,输入信号干扰分析模型,获得高压干扰指数和磁感干扰指数,并对高压干扰指数、磁感干扰指数进行权重计算,获得多个信号干扰指数。
其中,所述电压配置数据包括不同工况下的第一电气设备中的多个高压电气回路对应的多个历史实时电压参数。所述磁感配置数据包括不同工况下的第一电气设备中的多个磁感电气回路对应的多个历史实时磁感参数。基于电压配置数据、磁感配置数据进行历史数据查询,获得多个历史电压配置数据、多个历史磁感配置数据、多个历史高压干扰指数和多个历史磁感干扰指数。将多个历史电压配置数据、多个历史磁感配置数据、多个历史高压干扰指数和多个历史磁感干扰指数进行不断的自我训练学习至收敛状态,即可获得信号干扰分析模型。信号干扰分析模型包括输入层、隐含层、输出层。信号干扰分析模型具备对输入的电压配置数据、磁感配置数据进行高压性分析、磁感性分析及干扰指数评估的功能。所述高压干扰指数用于标识构件输出的信号受高电压强度的影响程度。即,所述高压干扰指数包括多个高压电气回路对应的多个高电压强度影响参数。构件输出的信号受高电压强度的影响程度越大,对应的高电压强度影响参数越高。所述磁感干扰指数用于标识构件输出的信号受磁场感应强度的影响程度。即,所述磁感干扰指数包括多个磁感电气回路对应的多个磁场感应强度影响参数。构件输出的信号受磁场感应强度的影响程度越大,对应的磁场感应强度影响参数越高。
示例性地,在获得多个信号干扰指数时,按照预先设置确定的高压权重参数、磁感权重参数对多个高电压强度影响参数、多个磁场感应强度影响参数进行权重分配,获得多个高电压信号干扰指数、多个磁感信号干扰指数,并将多个高电压信号干扰指数、多个磁感信号干扰指数输出为多个信号干扰指数。多个高电压信号干扰指数包括高压权重参数与多个高电压强度影响参数之间的多个乘积。多个磁感信号干扰指数包括磁感权重参数与多个磁场感应强度影响参数之间的多个乘积。
达到了通过信号干扰分析模型对电压配置数据、磁感配置数据进行准确而高效地高压性分析及磁感性分析,获得可靠的高压干扰指数、磁感干扰指数和多个信号干扰指数,从而提高电气设备的故障诊断的精准性的技术效果。
进一步的,本申请步骤S122还包括:
步骤S1221:根据所述电压配置数据进行高压性分析,获取高压干扰指数,其中,所述高压干扰指数用于标识构件输出的信号受高电压强度的影响程度;
步骤S1222:根据所述高压干扰指数,从所述多个电气运行回路中标识获取大于预设高压干扰指数的N个高压电气回路;
步骤S1223:基于所述N个高压电气回路,生成信号采样标识。
具体而言,对高压干扰指数是否大于预设高压干扰指数进行判断。对大于预设高压干扰指数的高压干扰指数对应的电气运行回路进行标识,获得N个高压电气回路,并对N个高压电气回路进行信号采样标识。其中,所述预设高压干扰指数包括预先设置确定的高压干扰指数阈值。所述N个高压电气回路包括大于预设高压干扰指数的高压干扰指数对应的多个电气运行回路。
进一步的,本申请步骤S122还包括:
步骤S1224:根据所述磁感配置数据进行磁感性分析,获取磁感干扰指数,其中,所述磁感干扰指数用于标识构件输出的信号受磁场感应强度的影响程度;
步骤S1225:根据所述磁感干扰指数,从所述多个电气运行回路中标识获取大于预设磁感干扰指数的N个磁感电气回路;
步骤S1226:基于所述N个磁感电气回路,生成信号采样标识。
具体而言,对磁感干扰指数是否大于预设磁感干扰指数进行判断。对大于预设磁感干扰指数的磁感干扰指数对应的电气运行回路进行标识,获得N个磁感电气回路,并对N个磁感电气回路进行信号采样标识。其中,所述预设磁感干扰指数包括预先设置确定的磁感干扰指数阈值。所述N个磁感电气回路包括大于预设磁感干扰指数的磁感干扰指数对应的多个电气运行回路。
步骤S130:按照所述多个信号干扰指数对所述多个电气运行回路进行标识,得到标识电气运行回路;
步骤S140:根据所述信号采集装置对所述标识电气运行回路进行信号采集。
步骤S200:根据所述信号采集装置对所述电气运行回路进行信号采集,得到回路信号数据集;
具体而言,按照多个信号干扰指数对多个电气运行回路进行标识,获得标识电气运行回路。通过信号采集装置对标识电气运行回路进行信号采集,获得回路信号数据集。其中,所述标识电气运行回路包括N个高压电气回路、N个磁感电气回路。所述信号采集装置包括现有技术中的电磁信号采集设备。所述回路信号数据集包括标识电气运行回路对应的多个实时电压参数、多个实时磁感参数。达到了通过信号采集装置对标识电气运行回路进行信号采集,获得回路信号数据集,为后续对第一电气设备进行故障分析奠定基础的技术效果。
步骤S300:获取所述第一电气设备的实时运行环境;
步骤S400:通过对所述实时运行环境进行信号采集,得到环境信号数据集;
具体而言,对第一电气设备的实时运行环境进行信号采集,获得环境信号数据集。其中,所述实时运行环境包括第一电气设备的实时运行位置参数、实时负载参数、实时环境温度参数、实时环境湿度参数、实时工况参数等。所述环境信号数据集包括第一电气设备的实时运行环境对应的实时环境电压参数、实时环境磁感参数。达到了通过对第一电气设备的实时运行环境进行信号采集,获得环境信号数据集,为后续对回路信号数据集进行信号处理提供数据支持的技术效果。
步骤S500:对所述环境信号数据集进行特征识别,生成环境信号分离参数;
进一步的,如附图2所示,本申请步骤S500还包括:
步骤S510:对所述环境信号数据集进行噪音识别,获取多个噪音源;
步骤S520:通过对所述多个噪音源进行特征分析,获取噪音特征;
步骤S530:基于小波变换对所述噪音特征进行分析,确定去噪预处理参数;
步骤S540:将所述去噪预处理参数作为所述环境信号分离参数,对所述回路信号数据集进行环境噪音分离。
步骤S600:按照所述环境信号分离参数对所述回路信号数据集进行信号处理,得到过滤信号数据集;
具体而言,通过对环境信号数据集进行噪音识别,获取多个噪音源。通过对多个噪音源进行特征分析,获取噪音特征。通过小波变换对噪音特征进行去噪参数匹配,获得去噪预处理参数。进而,将去噪预处理参数设置为环境信号分离参数,并通过环境信号分离参数对回路信号数据集进行环境噪音分离,获得过滤信号数据集。
其中,所述多个噪音源包括环境信号数据集中的多个噪音数据对应的多个噪音来源信息。所述噪音特征包括多个噪音源对应的噪音频率特征、噪音响度特征、噪音传播范围特征、噪音种类特征等。常用的去噪算法在消除信号噪声的同时,容易导致信号失真。小波变换是一种时间域窗口和频率域窗口都可以改变的时频局部化分析方法。在低频部分具有较高的频率分辨率和较低时间分辨率,在高频部分具有较高的时间分辨率和较低的频率分辨率,很适合于探测正常信号中夹带的瞬态反常现象和展示其成分,有利于把噪声从正常信号中分离出来,实现信号去噪。小波变换是一种多分辨率、多尺度、品质因数恒定的去噪算法。所述去噪预处理参数包括噪音特征对应的信噪比参数、小波母函数、小波系数、去噪强度等小波处理参数。所述环境信号分离参数包括去噪预处理参数。所述过滤信号数据集包括通过环境信号分离参数进行环境噪音分离之后的回路信号数据集。达到了通过环境信号分离参数对回路信号数据集进行环境噪音分离,获得过滤信号数据集,从而降低环境噪音对回路信号的干扰,提高电气设备的故障诊断的可靠性、准确度的技术效果。
步骤S700:对所述过滤信号数据集进行信号异常识别,获取实时异常信号集;
步骤S800:通过对所述实时异常信号集进行故障分析,生成设备故障报告。
进一步的,本申请步骤S800还包括:
步骤S810:收集所述第一电气设备的历史异常信号集;
步骤S820:基于所述历史异常信号集进行分类,得到多类异常信号集;
步骤S830:以所述多类异常信号集,生成异常信号-异常设备的映射数据库;
步骤S840:按照所述映射数据库,对接收到的实时异常信号集进行故障分析,生成所述设备故障报告。
具体而言,对第一电气设备进行异常信号的历史数据采集,获得历史异常信号集,并对历史异常信号集进行分类,获得多类异常信号集。将多类异常信号集添加至异常信号-异常设备的映射数据库。进而,通过对过滤信号数据集进行信号异常识别,获取实时异常信号集。将实时异常信号集作为输入信息,输入异常信号-异常设备的映射数据库,获得设备故障报告。
其中,所述历史异常信号集包括第一电气设备的多个历史异常信号、多个历史异常信号类型,以及多个历史异常信号对应的多个历史故障类型、多个历史故障影响、多个历史故障处理方案。可以按照多个历史异常信号类型对历史异常信号集进行分类,获得多类异常信号集。每类异常信号集包括同一历史异常信号类型对应的多个历史异常信号、多个历史故障类型、多个历史故障影响、多个历史故障处理方案。异常信号-异常设备的映射数据库包括多类异常信号集。所述设备故障报告包括过滤信号数据集对应的第一电气设备的故障类型、故障影响、故障处理方案。示例性地,在获得实时异常信号集时,基于过滤信号数据集进行历史数据查询,获得多个历史过滤信号数据集、多个历史异常信号集。基于孤立森林算法,将多个历史过滤信号数据集、多个历史异常信号集进行不断的自我训练学习至收敛状态,获得信号异常识别模型。将过滤信号数据集输入信号异常识别模型,通过信号异常识别模型对过滤信号数据集进行异常信号检测,即可获得实时异常信号集。达到了通过对过滤信号数据集进行异常识别、故障分析,获得准确的设备故障报告,从而提高电气设备的故障诊断质量的技术效果。
综上所述,本申请所提供的一种电气设备的智能故障诊断方法具有如下技术效果:
1.通过信号采集装置对第一电气设备的电气运行回路进行信号采集,得到回路信号数据集;通过对第一电气设备的实时运行环境进行信号采集,得到环境信号数据集;通过对环境信号数据集进行特征识别,生成环境信号分离参数;按照环境信号分离参数对回路信号数据集进行信号处理,得到过滤信号数据集;通过对过滤信号数据集进行信号异常识别,获取实时异常信号集;通过对实时异常信号集进行故障分析,生成设备故障报告。达到了通过对电气设备进行智能、可靠、精准化地故障分析,提高电气设备的故障诊断的精准性,提升电气设备的故障诊断质量,为电气设备的正常运行提供有力保障的技术效果。
2.通过信号干扰分析模型对电压配置数据、磁感配置数据进行准确而高效地高压性分析及磁感性分析,获得可靠的高压干扰指数、磁感干扰指数和多个信号干扰指数,从而提高电气设备的故障诊断的精准性。
3.通过环境信号分离参数对回路信号数据集进行环境噪音分离,获得过滤信号数据集,从而降低环境噪音对回路信号的干扰,提高电气设备的故障诊断的可靠性、准确度。
实施例二
基于与前述实施例中一种电气设备的智能故障诊断方法,同样发明构思,本发明还提供了一种电气设备的智能故障诊断***,所述***与信号采集装置通信连接,请参阅附图3,所述***包括:
电气运行回路获取模块11,所述电气运行回路获取模块11用于根据第一电气设备的各个组成构件,获取电气运行回路;
回路信号采集模块12,所述回路信号采集模块12用于根据所述信号采集装置对所述电气运行回路进行信号采集,得到回路信号数据集;
运行环境获取模块13,所述运行环境获取模块13用于获取所述第一电气设备的实时运行环境;
环境信号采集模块14,所述环境信号采集模块14用于通过对所述实时运行环境进行信号采集,得到环境信号数据集;
特征识别模块15,所述特征识别模块15用于对所述环境信号数据集进行特征识别,生成环境信号分离参数;
信号处理模块16,所述信号处理模块16用于按照所述环境信号分离参数对所述回路信号数据集进行信号处理,得到过滤信号数据集;
信号异常识别模块17,所述信号异常识别模块17用于对所述过滤信号数据集进行信号异常识别,获取实时异常信号集;
故障分析模块18,所述故障分析模块18用于通过对所述实时异常信号集进行故障分析,生成设备故障报告。
进一步的,所述***还包括:
第一执行模块,所述第一执行模块用于根据所述各个组成构件的连接关系,获取多个电气运行回路;
信号干扰分析模块,所述信号干扰分析模块用于对所述多个电气运行回路进行信号干扰分析,获取多个信号干扰指数;
标识电气运行回路确定模块,所述标识电气运行回路确定模块用于按照所述多个信号干扰指数对所述多个电气运行回路进行标识,得到标识电气运行回路;
第二执行模块,所述第二执行模块用于根据所述信号采集装置对所述标识电气运行回路进行信号采集。
进一步的,所述***还包括:
配置数据获取模块,所述配置数据获取模块用于获取所述多个电气运行回路的电压配置数据和磁感配置数据;
干扰指数获取模块,所述干扰指数获取模块用于将所述电压配置数据和磁感配置数据输入信号干扰分析模型中,根据所述信号干扰分析模型,获取高压干扰指数和磁感干扰指数;
权重计算模块,所述权重计算模块用于以所述高压干扰指数和所述磁感干扰指数进行权重计算,得到所述多个信号干扰指数。
进一步的,所述***还包括:
高压性分析模块,所述高压性分析模块用于根据所述电压配置数据进行高压性分析,获取高压干扰指数,其中,所述高压干扰指数用于标识构件输出的信号受高电压强度的影响程度;
高压电气回路获取模块,所述高压电气回路获取模块用于根据所述高压干扰指数,从所述多个电气运行回路中标识获取大于预设高压干扰指数的N个高压电气回路;
第三执行模块,所述第三执行模块用于基于所述N个高压电气回路,生成信号采样标识。
进一步的,所述***还包括:
磁感性分析模块,所述磁感性分析模块用于根据所述磁感配置数据进行磁感性分析,获取磁感干扰指数,其中,所述磁感干扰指数用于标识构件输出的信号受磁场感应强度的影响程度;
磁感电气回路获取模块,所述磁感电气回路获取模块用于根据所述磁感干扰指数,从所述多个电气运行回路中标识获取大于预设磁感干扰指数的N个磁感电气回路;
第四执行模块,所述第四执行模块用于基于所述N个磁感电气回路,生成信号采样标识。
进一步的,所述***还包括:
历史异常信号集确定模块,所述历史异常信号集确定模块用于收集所述第一电气设备的历史异常信号集;
信号集分类模块,所述信号集分类模块用于基于所述历史异常信号集进行分类,得到多类异常信号集;
数据库生成模块,所述数据库生成模块用于以所述多类异常信号集,生成异常信号-异常设备的映射数据库;
故障报告生成模块,所述故障报告生成模块用于按照所述映射数据库,对接收到的实时异常信号集进行故障分析,生成所述设备故障报告。
进一步的,所述***还包括:
噪音识别模块,所述噪音识别模块用于对所述环境信号数据集进行噪音识别,获取多个噪音源;
噪音特征获取模块,所述噪音特征获取模块用于通过对所述多个噪音源进行特征分析,获取噪音特征;
去噪参数确定模块,所述去噪参数确定模块用于基于小波变换对所述噪音特征进行分析,确定去噪预处理参数;
环境噪音分离模块,所述环境噪音分离模块用于将所述去噪预处理参数作为所述环境信号分离参数,对所述回路信号数据集进行环境噪音分离。
本发明实施例所提供的一种电气设备的智能故障诊断***可执行本发明任意实施例所提供的一种电气设备的智能故障诊断方法,具备执行方法相应的功能模块和有益效果。
所包括的各个模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例三
图4为本发明实施例三提供的电子设备的结构示意图,示出了适于用来实现本发明实施方式的示例性电子设备的框图。图4显示的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。如图4所示,该电子设备包括处理器31、存储器32、输入装置33及输出装置34;电子设备中处理器31的数量可以是一个或多个,图4中以一个处理器31为例,电子设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器32作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的一种电气设备的智能故障诊断方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述一种电气设备的智能故障诊断方法。
本申请提供了一种电气设备的智能故障诊断方法,其中,所述方法应用于一种电气设备的智能故障诊断***,所述方法包括:通过信号采集装置对第一电气设备的电气运行回路进行信号采集,得到回路信号数据集;通过对第一电气设备的实时运行环境进行信号采集,得到环境信号数据集;通过对环境信号数据集进行特征识别,生成环境信号分离参数;按照环境信号分离参数对回路信号数据集进行信号处理,得到过滤信号数据集;通过对过滤信号数据集进行信号异常识别,获取实时异常信号集;通过对实时异常信号集进行故障分析,生成设备故障报告。解决了现有技术中针对电气设备的故障诊断精准性不足,进而造成电气设备的故障诊断效果不佳的技术问题。达到了通过对电气设备进行智能、可靠、精准化地故障分析,提高电气设备的故障诊断的精准性,提升电气设备的故障诊断质量,为电气设备的正常运行提供有力保障的技术效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种电气设备的智能故障诊断方法,其特征在于,所述方法应用于电气设备的智能故障识别***,所述***与信号采集装置通信连接,所述方法包括:
根据第一电气设备的各个组成构件,获取电气运行回路;
根据所述信号采集装置对所述电气运行回路进行信号采集,得到回路信号数据集;
获取所述第一电气设备的实时运行环境;
通过对所述实时运行环境进行信号采集,得到环境信号数据集;
对所述环境信号数据集进行特征识别,生成环境信号分离参数;
按照所述环境信号分离参数对所述回路信号数据集进行信号处理,得到过滤信号数据集;
对所述过滤信号数据集进行信号异常识别,获取实时异常信号集;
通过对所述实时异常信号集进行故障分析,生成设备故障报告。
2.如权利要求1所述的方法,其特征在于,所述获取电气运行回路之后,方法还包括:
根据所述各个组成构件的连接关系,获取多个电气运行回路;
对所述多个电气运行回路进行信号干扰分析,获取多个信号干扰指数;
按照所述多个信号干扰指数对所述多个电气运行回路进行标识,得到标识电气运行回路;
根据所述信号采集装置对所述标识电气运行回路进行信号采集。
3.如权利要求2所述的方法,其特征在于,对所述多个电气运行回路进行信号干扰分析,获取多个信号干扰指数,方法还包括:
获取所述多个电气运行回路的电压配置数据和磁感配置数据;
将所述电压配置数据和磁感配置数据输入信号干扰分析模型中,根据所述信号干扰分析模型,获取高压干扰指数和磁感干扰指数;
以所述高压干扰指数和所述磁感干扰指数进行权重计算,得到所述多个信号干扰指数。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
根据所述电压配置数据进行高压性分析,获取高压干扰指数,其中,所述高压干扰指数用于标识构件输出的信号受高电压强度的影响程度;
根据所述高压干扰指数,从所述多个电气运行回路中标识获取大于预设高压干扰指数的N个高压电气回路;
基于所述N个高压电气回路,生成信号采样标识。
5.如权利要求3所述的方法,其特征在于,所述方法还包括:
根据所述磁感配置数据进行磁感性分析,获取磁感干扰指数,其中,所述磁感干扰指数用于标识构件输出的信号受磁场感应强度的影响程度;
根据所述磁感干扰指数,从所述多个电气运行回路中标识获取大于预设磁感干扰指数的N个磁感电气回路;
基于所述N个磁感电气回路,生成信号采样标识。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
收集所述第一电气设备的历史异常信号集;
基于所述历史异常信号集进行分类,得到多类异常信号集;
以所述多类异常信号集,生成异常信号-异常设备的映射数据库;
按照所述映射数据库,对接收到的实时异常信号集进行故障分析,生成所述设备故障报告。
7.如权利要求1所述的方法,其特征在于,对所述环境信号数据集进行特征识别,生成环境信号分离参数,方法还包括:
对所述环境信号数据集进行噪音识别,获取多个噪音源;
通过对所述多个噪音源进行特征分析,获取噪音特征;
基于小波变换对所述噪音特征进行分析,确定去噪预处理参数;
将所述去噪预处理参数作为所述环境信号分离参数,对所述回路信号数据集进行环境噪音分离。
8.一种电气设备的智能故障诊断***,其特征在于,所述***与信号采集装置通信连接,所述***包括:
电气运行回路获取模块,所述电气运行回路获取模块用于根据第一电气设备的各个组成构件,获取电气运行回路;
回路信号采集模块,所述回路信号采集模块用于根据所述信号采集装置对所述电气运行回路进行信号采集,得到回路信号数据集;
运行环境获取模块,所述运行环境获取模块用于获取所述第一电气设备的实时运行环境;
环境信号采集模块,所述环境信号采集模块用于通过对所述实时运行环境进行信号采集,得到环境信号数据集;
特征识别模块,所述特征识别模块用于对所述环境信号数据集进行特征识别,生成环境信号分离参数;
信号处理模块,所述信号处理模块用于按照所述环境信号分离参数对所述回路信号数据集进行信号处理,得到过滤信号数据集;
信号异常识别模块,所述信号异常识别模块用于对所述过滤信号数据集进行信号异常识别,获取实时异常信号集;
故障分析模块,所述故障分析模块用于通过对所述实时异常信号集进行故障分析,生成设备故障报告。
9.一种电子设备,其特征在于,所述电子设备包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现权利要求1至7任一项所述的一种电气设备的智能故障诊断方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至7中任一所述的一种电气设备的智能故障诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310286162.5A CN115993504B (zh) | 2023-03-23 | 2023-03-23 | 一种电气设备的智能故障诊断方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310286162.5A CN115993504B (zh) | 2023-03-23 | 2023-03-23 | 一种电气设备的智能故障诊断方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115993504A true CN115993504A (zh) | 2023-04-21 |
CN115993504B CN115993504B (zh) | 2023-08-18 |
Family
ID=85993803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310286162.5A Active CN115993504B (zh) | 2023-03-23 | 2023-03-23 | 一种电气设备的智能故障诊断方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115993504B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116505738A (zh) * | 2023-06-26 | 2023-07-28 | 易充新能源(深圳)有限公司 | 一种节能降耗电源的控制方法及*** |
CN116736116A (zh) * | 2023-08-15 | 2023-09-12 | 泰坦(天津)能源技术有限公司 | 一种微型电机的故障感知方法及*** |
Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2087573A (en) * | 1980-11-17 | 1982-05-26 | Gec General Signal Ltd | Line signal fault detection system |
US5070468A (en) * | 1988-07-20 | 1991-12-03 | Mitsubishi Jukogyo Kabushiki Kaisha | Plant fault diagnosis system |
JP2009162703A (ja) * | 2008-01-10 | 2009-07-23 | Toshiba Corp | 電子部品故障診断方法および電子部品故障診断システム |
CN102867132A (zh) * | 2012-10-16 | 2013-01-09 | 南京航空航天大学 | 基于分数阶小波变换的航空直流变换器在线故障组合预测方法 |
CN103048569A (zh) * | 2012-12-24 | 2013-04-17 | 北京航空航天大学 | 采用电磁兼容测试超标策略对电磁兼容故障修复的优化方法 |
CN104571099A (zh) * | 2015-01-26 | 2015-04-29 | 北京国能日新***控制技术有限公司 | 基于理论计算和数据分析的光伏故障诊断***和诊断方法 |
CN104849628A (zh) * | 2015-04-24 | 2015-08-19 | 国网四川省电力公司电力科学研究院 | 一种电缆附件故障分析检测方法 |
CN106920042A (zh) * | 2017-03-03 | 2017-07-04 | 云南电网有限责任公司电力科学研究院 | 一种输电线路异常状态时空多维度分析方法 |
CN106990321A (zh) * | 2017-03-22 | 2017-07-28 | 武汉双微电气股份有限公司 | 基于电压监测的配电线路故障识别装置 |
US20180045768A1 (en) * | 2015-03-25 | 2018-02-15 | Optasense Holdings Limited | Detecting Failure Locations in Power Cables |
CN207611097U (zh) * | 2017-11-13 | 2018-07-13 | 广西电网有限责任公司电力科学研究院 | 一种用电异常现场监测预警*** |
CN110135088A (zh) * | 2019-05-20 | 2019-08-16 | 哈尔滨工业大学 | 基于退化特征参数正常包络模型的模拟电路早期故障检测方法 |
CN110716155A (zh) * | 2019-10-24 | 2020-01-21 | 国网上海市电力公司 | 一种低压供电回路异常工况感知算法及装置 |
CN110988587A (zh) * | 2019-11-13 | 2020-04-10 | 上海恒能泰企业管理有限公司 | 一种基于最大最小特征值法的配网异常检测方法 |
CN111398730A (zh) * | 2020-03-01 | 2020-07-10 | 华中科技大学 | 基于无源注入直流信号的配电网及其故障识别方法 |
CN111523718A (zh) * | 2020-04-16 | 2020-08-11 | 广东电网有限责任公司 | 基于人工智能的线路故障预测方法、***及其存储介质 |
CN111679176A (zh) * | 2020-06-23 | 2020-09-18 | 缙云县曦田节能科技有限公司 | 一种用于电力节电的电路故障监测*** |
CN112213577A (zh) * | 2020-09-21 | 2021-01-12 | 长园共创电力安全技术股份有限公司 | 电气操作的检测方法、装置、电脑钥匙及存储介质 |
CN112255538A (zh) * | 2020-10-14 | 2021-01-22 | 国网青海省电力公司海西供电公司 | 一种多特征优化融合的高压断路器故障诊断方法 |
CN113759215A (zh) * | 2021-10-18 | 2021-12-07 | 南京乐帆电气科技有限公司 | 基于物联网的电力故障检测***及方法 |
CN114264945A (zh) * | 2021-12-13 | 2022-04-01 | 广东电网有限责任公司 | 一种设备状态的检测方法及装置 |
CN115327282A (zh) * | 2022-09-13 | 2022-11-11 | 恒华数字科技集团有限公司 | 供电***故障诊断方法 |
CN115343573A (zh) * | 2022-07-29 | 2022-11-15 | 南京邮电大学 | 一种面向电网监控的声纹模型演化设备故障融合判决方法 |
CN115453236A (zh) * | 2022-08-24 | 2022-12-09 | 大连海事大学 | 一种船舶风翼动力***的故障诊断与健康评估方法 |
CN115494356A (zh) * | 2022-09-20 | 2022-12-20 | 江苏方天电力技术有限公司 | 一种电力设备局部放电智能在线监测***及方法 |
CN115586402A (zh) * | 2022-12-09 | 2023-01-10 | 安徽中鑫继远信息技术股份有限公司 | 配电网故障诊断与处理方法 |
CN115833400A (zh) * | 2023-02-07 | 2023-03-21 | 山东盛日电力集团有限公司 | 一种变电站电力设备的监测预警方法及*** |
-
2023
- 2023-03-23 CN CN202310286162.5A patent/CN115993504B/zh active Active
Patent Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2087573A (en) * | 1980-11-17 | 1982-05-26 | Gec General Signal Ltd | Line signal fault detection system |
US5070468A (en) * | 1988-07-20 | 1991-12-03 | Mitsubishi Jukogyo Kabushiki Kaisha | Plant fault diagnosis system |
JP2009162703A (ja) * | 2008-01-10 | 2009-07-23 | Toshiba Corp | 電子部品故障診断方法および電子部品故障診断システム |
CN102867132A (zh) * | 2012-10-16 | 2013-01-09 | 南京航空航天大学 | 基于分数阶小波变换的航空直流变换器在线故障组合预测方法 |
CN103048569A (zh) * | 2012-12-24 | 2013-04-17 | 北京航空航天大学 | 采用电磁兼容测试超标策略对电磁兼容故障修复的优化方法 |
CN104571099A (zh) * | 2015-01-26 | 2015-04-29 | 北京国能日新***控制技术有限公司 | 基于理论计算和数据分析的光伏故障诊断***和诊断方法 |
US20180045768A1 (en) * | 2015-03-25 | 2018-02-15 | Optasense Holdings Limited | Detecting Failure Locations in Power Cables |
CN104849628A (zh) * | 2015-04-24 | 2015-08-19 | 国网四川省电力公司电力科学研究院 | 一种电缆附件故障分析检测方法 |
CN106920042A (zh) * | 2017-03-03 | 2017-07-04 | 云南电网有限责任公司电力科学研究院 | 一种输电线路异常状态时空多维度分析方法 |
CN106990321A (zh) * | 2017-03-22 | 2017-07-28 | 武汉双微电气股份有限公司 | 基于电压监测的配电线路故障识别装置 |
CN207611097U (zh) * | 2017-11-13 | 2018-07-13 | 广西电网有限责任公司电力科学研究院 | 一种用电异常现场监测预警*** |
CN110135088A (zh) * | 2019-05-20 | 2019-08-16 | 哈尔滨工业大学 | 基于退化特征参数正常包络模型的模拟电路早期故障检测方法 |
CN110716155A (zh) * | 2019-10-24 | 2020-01-21 | 国网上海市电力公司 | 一种低压供电回路异常工况感知算法及装置 |
CN110988587A (zh) * | 2019-11-13 | 2020-04-10 | 上海恒能泰企业管理有限公司 | 一种基于最大最小特征值法的配网异常检测方法 |
CN111398730A (zh) * | 2020-03-01 | 2020-07-10 | 华中科技大学 | 基于无源注入直流信号的配电网及其故障识别方法 |
CN111523718A (zh) * | 2020-04-16 | 2020-08-11 | 广东电网有限责任公司 | 基于人工智能的线路故障预测方法、***及其存储介质 |
CN111679176A (zh) * | 2020-06-23 | 2020-09-18 | 缙云县曦田节能科技有限公司 | 一种用于电力节电的电路故障监测*** |
CN112213577A (zh) * | 2020-09-21 | 2021-01-12 | 长园共创电力安全技术股份有限公司 | 电气操作的检测方法、装置、电脑钥匙及存储介质 |
CN112255538A (zh) * | 2020-10-14 | 2021-01-22 | 国网青海省电力公司海西供电公司 | 一种多特征优化融合的高压断路器故障诊断方法 |
CN113759215A (zh) * | 2021-10-18 | 2021-12-07 | 南京乐帆电气科技有限公司 | 基于物联网的电力故障检测***及方法 |
CN114264945A (zh) * | 2021-12-13 | 2022-04-01 | 广东电网有限责任公司 | 一种设备状态的检测方法及装置 |
CN115343573A (zh) * | 2022-07-29 | 2022-11-15 | 南京邮电大学 | 一种面向电网监控的声纹模型演化设备故障融合判决方法 |
CN115453236A (zh) * | 2022-08-24 | 2022-12-09 | 大连海事大学 | 一种船舶风翼动力***的故障诊断与健康评估方法 |
CN115327282A (zh) * | 2022-09-13 | 2022-11-11 | 恒华数字科技集团有限公司 | 供电***故障诊断方法 |
CN115494356A (zh) * | 2022-09-20 | 2022-12-20 | 江苏方天电力技术有限公司 | 一种电力设备局部放电智能在线监测***及方法 |
CN115586402A (zh) * | 2022-12-09 | 2023-01-10 | 安徽中鑫继远信息技术股份有限公司 | 配电网故障诊断与处理方法 |
CN115833400A (zh) * | 2023-02-07 | 2023-03-21 | 山东盛日电力集团有限公司 | 一种变电站电力设备的监测预警方法及*** |
Non-Patent Citations (3)
Title |
---|
LIDONG WANG 等: "Wavelet threshold analysis combined with EMD method for mechanical equipment fault diagnosis", 2017 36TH CHINESE CONTROL CONFERENCE (CCC) * |
孙磊;: "变电站二次回路抗干扰分析", 山东工业技术, no. 02 * |
帕力旦·乌休尔: "电力***电气设备的故障诊断与检修对策", 中国高新科技 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116505738A (zh) * | 2023-06-26 | 2023-07-28 | 易充新能源(深圳)有限公司 | 一种节能降耗电源的控制方法及*** |
CN116505738B (zh) * | 2023-06-26 | 2024-01-16 | 易充新能源(深圳)有限公司 | 一种节能降耗电源的控制方法及*** |
CN116736116A (zh) * | 2023-08-15 | 2023-09-12 | 泰坦(天津)能源技术有限公司 | 一种微型电机的故障感知方法及*** |
CN116736116B (zh) * | 2023-08-15 | 2023-10-24 | 泰坦(天津)能源技术有限公司 | 一种微型电机的故障感知方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN115993504B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115993504B (zh) | 一种电气设备的智能故障诊断方法及*** | |
CN112881942B (zh) | 基于小波分解与经验模态分解的异常电流诊断方法和*** | |
CN117290679A (zh) | 电流互感器的运行状态检测方法、装置及电子设备 | |
CN117889965B (zh) | 一种中短波双色红外探测器的性能测试方法 | |
CN109782158B (zh) | 一种基于多级分类的模拟电路诊断方法 | |
Kumar et al. | Classification of power quality events using support vector machine and S-Transform | |
CN114252739A (zh) | 配电网单相接地故障判别方法、***、设备和存储介质 | |
CN117713505A (zh) | 一种开关电源高边电流检测方法及*** | |
CN110045250B (zh) | 一种电力电缆的绝缘状态判断方法及*** | |
CN116467627A (zh) | 一种基于电能质量特征的扰动分类方法 | |
CN114676783A (zh) | 一种基于单分类结合模糊宽度学习的负荷识别方法 | |
CN115238733A (zh) | 一种高压断路器合分闸线圈运行状态评估方法及相关设备 | |
CN113610020A (zh) | 一种基于fft及小波包算法实现变压器振动原因的识别方法 | |
CN111539275B (zh) | 一种基于负载特性可视化的电气负载分类方法和*** | |
CN112466322A (zh) | 一种机电设备噪声信号特征提取方法 | |
CN111834999A (zh) | 基于电压电流正交曲线的用电感知方法 | |
Zhu et al. | Research on Partial Discharge Detection of Switchgear Based on Ultrasonic Signal Characteristic | |
CN112964963B (zh) | 基于ca-wmm的混合直流线路故障测距方法及*** | |
CN118228006B (zh) | 一种基于fpga技术的芯片检测方法及*** | |
Jiang et al. | A Review of Microgrid Power Quality Disturbance Identification Studies | |
CN112748320B (zh) | 一种特高频局部放电故障类型检测方法及*** | |
CN113899944B (zh) | 一种电力负荷投切点的检测方法及装置 | |
CN117892117B (zh) | 一种配电网输电线路故障定位方法及*** | |
CN114280352B (zh) | 一种基于电流的大仪工时计算方法 | |
Sun et al. | Capacity Detection Algorithm of Uninterrupted Special Transformer Based on Artificial Immunity and Multi-Object Optimization |
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 |