CN116821834B - 基于内嵌传感器的真空断路器检修管理*** - Google Patents
基于内嵌传感器的真空断路器检修管理*** Download PDFInfo
- Publication number
- CN116821834B CN116821834B CN202311091540.0A CN202311091540A CN116821834B CN 116821834 B CN116821834 B CN 116821834B CN 202311091540 A CN202311091540 A CN 202311091540A CN 116821834 B CN116821834 B CN 116821834B
- Authority
- CN
- China
- Prior art keywords
- current
- value
- cluster
- sequence
- difference
- 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.)
- Active
Links
- 239000006185 dispersion Substances 0.000 claims abstract description 51
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 230000002159 abnormal effect Effects 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 11
- 230000005856 abnormality Effects 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000008439 repair process Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 3
- 230000000737 periodic effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006641 stabilisation Effects 0.000 description 3
- 238000011105 stabilization Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Testing Relating To Insulation (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及数据处理技术领域,提出了基于内嵌传感器的真空断路器检修管理***,包括:根据真空断路器的电路电流数据得到多个奇序列和偶序列;分别对每个奇序列和偶序列中包含的电流值进行密度聚类获取多个聚类簇,获取每个聚类簇内包含的电流值对应的簇内差异度;根据电流值的位次获取电流值对应的位次差,进而获取每个电流值对应的电流周期度;根据电流值所在聚类簇的电流周期度以及电流值对应的簇内差异值获取各电流值对应的位次分散度;根据每个电流值对应的位次分散度确定对数据序列进行异常检测的最适宜参数值,以最适宜参数值对数据序列进行异常检测,提升真空断路器的检修结果的准确性。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及基于内嵌传感器的真空断路器检修管理***。
背景技术
真空断路器是指在内部真空条件下进行电弧灭火的断路器。当电路断开时,高电压产生电弧,但电弧在真空中无法持续存在,所以,可以利用真空环境设置装置达到消除电弧、保护电力***的目的。真空断路器的寿命包括真空寿命、机械寿命和电气寿命三类,为保证其正常使用,在真空断路器运行过程中,当操作次数达到机械寿命的五分之一时,应停电进行全面的检查与调整;当机械寿命、电寿命近终了时,还应适当缩短检查调整的周期。当无具体规定时,应将真空断路器的电压从零慢慢升至70%额定电压,稳定1min,然后再用0.5min将电压均匀地升至工频额定电压,若能保持1min不出现试验设备跳闸和电流突变,则真空断路器合格。所以可以获取真空断路器在稳定时间内的电流,对电流数据进行异常检测,判断真空断路器是否合格。
但是对真空断路器施加的电压一般为交流电,而电流呈周期变化,在对真空断路器进行检修时,往往容易因为获取的电路电流值处于电流波形图的不同位置导致获取的电流值出现波动,而不同的波动值间差异较大,所以易将部分波动值识别为异常值,导致对真空断路器的状态判断出现失误,影响真空断路器的检修。所以,需要一种可将差异较大的波动值正确识别为正常值的数据异常检测方法,用于真空断路器的检修。
发明内容
本发明提供基于内嵌传感器的真空断路器检修管理***,以解决真空断路器检修过程中在电流波动范围内出现波动的电流值被识别为异常电流值导致检修过程中对真空断路器的检修状态判断出现失误的问题,所采用的技术方案具体如下:
本发明一个实施例提供了基于内嵌传感器的真空断路器检修管理***,该***包括以下模块:
数据采集模块,使用真空断路器内嵌传感器获取真空断路器进行检修过程中的电路电流数据,根据电路电流数据获取多个奇序列和偶序列;
簇内差异度获取模块,分别对每个奇序列和偶序列中包含的电流值进行密度聚类,获得多个聚类簇,根据每个聚类簇内包含的电流值获取每个聚类簇内包含的电流值对应的簇内差异度;
电流周期度获取模块,根据电流值的位次获取电流值对应的位次差和电流值所在的聚类簇对应的位次极差,根据电流值对应的位次差和电流值所在的聚类簇对应的位次极差获取每个聚类簇内包含的电流值对应的电流周期度;
位次分散度获取模块,根据电流值所在聚类簇的电流周期度以及电流值对应的簇内差异值获取各电流值对应的位次分散度;
检修状态判断模块,根据每个电流值对应的位次分散度确定对数据序列进行异常检测的最适宜参数值,以最适宜参数值对数据序列进行异常检测,判断真空断路器的检修状态。
优选的,所述根据电路电流数据获取多个奇序列和偶序列,获取的方法为:
根据电路电流数据获取电流序列;
取所述电流序列中电流值的位置处于奇数的所有数值,将所述数值按照获取电流值的时间顺序进行排列,获取电流序列对应的奇序列;
取所述电流序列中电流值的位置处于偶数的各个数值,将所述数值按照获取电流值的时间顺序进行排列,获取电流序列对应的偶序列。
优选的,所述对每个奇序列和偶序列中包含的电流值进行聚类,获得多个聚类簇,根据每个聚类簇内包含的电流值获取每个聚类簇内包含的电流值对应的簇内差异度,获取的方法为:
分别对每个奇序列和偶序列中包含的电流值进行密度聚类,获得多个聚类簇;
分别将每个奇序列和偶序列中未被划分到簇中的电流值划分到一个聚类簇中;
获取每个聚类簇内包含的所有电流值的均值和所有电流值的信息熵;
根据每个电流值所在的聚类簇内包含的所有电流值的均值和所有电流值的信息熵,获取每个电流值对应的簇内差异度。
优选的,所述簇内差异度,获取的方法为:
取每个电流值与电流值所在的聚类簇内包含的所有电流值的均值的差值的绝对值,将所述绝对值记为第一绝对值;
取所述第一绝对值与电流值所在的聚类簇内包含的所有电流值的信息熵的乘积,将所述乘积记为所述电流值对应的簇内差异度。
优选的,所述根据电流值的位次获取电流值对应的位次差和电流值所在的聚类簇对应的位次极差,获取的方法为:
获取奇序列或偶序列中各个电流值在奇序列中的数值的位置,将电流值在其对应的奇序列或偶序列中的数值的位置记为该电流值的位次,根据电流值的位次获取电流值的位次差;
取聚类簇中位次最大的电流值与位次最小的电流值的位次之差,将该差值记为该聚类簇对应的位次极差。
优选的,所述根据电流值对应的位次差和电流值所在的聚类簇对应的位次极差获取每个聚类簇内包含的电流值对应的电流周期度,包括的具体方法为:
根据聚类簇内包含的所有电流值对应的位次差获取聚类簇内各位次差出现的次数的均值、不同位次差出现的次数;
根据聚类簇内包含的所有电流值对应的位次差、聚类簇对应的位次极差、聚类簇内各位次差出现的次数的均值和不同位次差出现的次数获取聚类簇对应的电流周期度;
其中,电流周期度获取的具体方法为:
式中为聚类簇/>对应的电流周期度;/>为所有聚类簇内各位次差出现的次数的均值;/>为聚类簇/>包含的位次差/>出现的次数,其中,/>;/>为聚类簇/>包含的不同位次差的个数;/>为聚类簇/>包含的各位次差出现的次数的均值;/>为聚类簇/>包含的大于/>的位次差出现的次数的和;/>为聚类簇/>包含的位次差的总个数;/>为聚类簇对应的位次极差。
优选的,所述位次分散度获取的具体方法为:
式中为聚类簇/>中包含的电流值/>对应的位次分散度;/>为电流值/>对应的位次差的个数;/>为电流值/>对应的第/>个位次差出现的次数;/>为自然常数;/>为聚类簇对应的电流周期度;/>为聚类簇/>中包含的电流值/>对应的簇内差异值。
优选的,所述根据每个电流值对应的位次分散度确定对数据序列进行异常检测的最适宜参数值,包括的具体方法为:
分别对每个奇序列和偶序列包含的所有电流值对应的位次分散度进行划分,将这些位次分散度划分为两类,将这两类分别记为一级类和二级类;
以横坐标为位次分散度,纵坐标为电流值,获取每个电流值对应的点;
取与每个电流值对应的点与其他点的第k近邻距离;
分别计算一级类和二级类中包含的位次分散度对应的点的第k近邻距离的均方差,以及所有位次分散度对应的点的第k近邻距离的均方差;
获取k为各个取值时对应的取值置信度;
以取值置信度的最大值对应的k值作为LOF异常检测时使用的参数k的最适宜参数值,并使用预设异常检测算法进行异常检测。
优选的,所述取值置信度的获取方法为:
获取k值取设定参数值时一级类中包含的位次分散度对应的点的第k近邻距离的均方差以及k值取设定参数值时二级类中包含的位次分散度对应的点的第k近邻距离的均方差的和;
获取k值取设定参数值时所有位次分散度对应的点的第k近邻距离的均方差与所述和的比值,将所述比值记为k值取设定参数值时对应的取值置信度。
优选的,所述最适宜参数值对数据序列进行异常检测,判断真空断路器的检修状态,包括的具体方法为:
以所述最适宜参数值对数据序列进行异常检测,获取每个电流值对应的异常度评价值;
当需要进行检测的奇序列或者偶序列存在大于等于第一预设阈值个电流值对应的异常度评价值均大于等于第二预设阈值时,则认为该真空断路器存在问题,需要及时进行修理,否则,认为真空断路器质量良好。
本发明的有益效果是:本发明根据内嵌传感器获取真空断路器进行检修过程中的电路电流数据,将数据分割为多个数据序列,减少不同时刻获取的电流值的明显差异对异常检测结果的影响;然后,将数据序列中较为接近的电流值划分到同一聚类簇内,根据同一聚类簇内电流值差异程度确定每个电流值对应的簇内差异度,在排除差异较大的电流值的影响的前提下分析电流值的波动程度,进一步减少不同时刻获取的电流值的明显差异对异常检测结果的影响;进一步的,根据由于交流电特性导致的电流值在数据序列中周期性出现的特征对同一聚类簇内数据的周期性和持续性进行评价,得到每个电流值对应的位次分散度;最后,根据每个电流值对应的位次分散度确定对数据序列进行异常检测的最适宜参数值,以最适宜参数值对数据序列进行异常检测,判断真空断路器的检修状态,实现将差异较大的波动值正确识别为非异常值的目的,使真空断路器的检修结果更为准确。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的基于内嵌传感器的真空断路器检修管理***的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本发明一个实施例提供的基于内嵌传感器的真空断路器检修管理***流程图,该***包括:数据采集模块、簇内差异度获取模块、电流周期度获取模块、位次分散度获取模块,检修状态判断模块。
数据采集模块,使用真空断路器内嵌传感器获取真空断路器进行检修过程中的电路电流数据,根据电路电流数据获取多个奇序列和偶序列。
在对真空断路器进行检修时,一般步骤为,将真空断路器的电压从零慢慢升至70%额定电压,稳定1min,然后再用0.5min将电压均匀地升至工频额定电压,保持1min。在电压稳定的两个1min内,分别使用真空断路器的内嵌传感器,每间隔时间,统计一次内嵌传感器获取的电流波形图的电流值。其中,/>根据电路的工频确定,经验值为0.01秒,实施者可根据需要自行选取。
在每个电压稳定的1min内,均可获取一组电流序列。由于交流电中电流保持周期变换,为了减少不同时刻获取的电流值的差异,取每个电压稳定的1min内获取的电流序列中电流值的位置处于奇数的各个数值,将这些数值按照获取电流值的时间顺序进行排列,获取电流序列对应的奇序列;取每个电压稳定的1min内获取的电流序列中位置处于偶数的各个数值,将这些数值按照获取电流值的时间顺序进行排列,获取电流序列对应的偶序列。
至此,获取多个奇序列和偶序列。
簇内差异度获取模块,分别对每个奇序列和偶序列中包含的电流值进行密度聚类,获得多个聚类簇,根据每个聚类簇内包含的电流值获取每个聚类簇内包含的电流值对应的簇内差异度。
对真空断路器进行检修时使用的电压为交流电,所以获取的电流值也会出现周期性波动,从电流波形图的不同位置处获取的电流值差异较大。为了减少电流本身的周期性波动变化对这些电流值进行异常检测的影响,首先,需要将差异较大的电流值划分开,将较为相近的电流值划分到一起进行分析。
对奇序列内包含的各个电流值使用DBSCAN算法进行聚类,获得多个聚类簇,其中,DBSCAN算法的参数值设置为,实施者可根据需要对参数进行设定。在同一聚类簇内的电流值较为接近,为了减少本身差异较大的电流值之间的差异对后续异常检测过程的影响,对每一簇内电流值分别进行分析,根据簇内不同电流值之间的差异程度对每个聚类簇内包含的电流值进行评价。
在上述聚类过程中,奇序列中的部分电流值可能未被划分到某个簇中,为了结合奇序列中的各个电流值对奇序列中包含的电流值进行更为合理的异常检测,将奇序列中未被划分到某个簇中的所以电流值作为一个聚类簇。
获取每个聚类簇内各个电流值以及这些电流值的信息熵和均值,根据这些指标值获取每个聚类簇内包含的电流值对应的簇内差异度。
式中为聚类簇/>中包含的电流值/>对应的簇内差异值;/>为聚类簇/>中包含的电流值的均值;/>为聚类簇/>中包含的电流值的信息熵。
当电流值所在的聚类簇内包含的各个电流值之间的差异越大时,则该聚类簇对应的信息熵值越大。当电流值与其所在的聚类簇内各个电流值的均值差异越大、电流值所在的聚类簇对应的信息熵值越大时,则该电流值对应的簇内差异值越大,该电流值越可能为该奇序列中的异常电流值。
至此,获得奇序列对应的各个聚类簇内包含的各电流值对应的簇内差异度。
同理,获得偶序列对应的各个聚类簇内包含的各电流值对应的簇内差异度。
电流周期度获取模块,根据电流值的位次获取电流值对应的位次差和电流值所在的聚类簇对应的位次极差,根据电流值对应的位次差和电流值所在的聚类簇对应的位次极差获取每个聚类簇内包含的电流值对应的电流周期度。
当对真空断路器进行检修的过程中,由于获取电流值的时间间隔较短,所以,当电路中的电流出现异常时,短时间内可能获取多个异常电流值,这些异常电流值较为接近,此时,这些异常电流值的簇内差异度也呈现较小的特征。所以,仅仅以电流值所在聚类簇对应的簇内差异度对电流值之间的波动程度大小进行评价并不全面,还需要继续进行分析。
由于电流值的周期性变化,当检测到的在同一聚类簇内的电流值在奇序列中的分布越为离散均匀时,则该簇内各个电流值为电流正常波动值的可能性越大。
获取奇序列中各个电流值在奇序列中的数值的位置,将电流值在奇序列中的数值的位置记为该电流值的位次。例如,奇序列中第三个电流值的位次为3。根据同一个聚类簇内各个电流值的位次大小将位次进行排列,取每两个相邻位次的差值的绝对值,将这些绝对值记为这两个相邻位次对应的电流值的位次差;取聚类簇中位次最大的电流值与位次最小的电流值的位次之差,将该差值记为该聚类簇对应的位次极差。统计聚类簇内各个位次差出现的次数,取所有聚类簇内各位次差出现的次数的均值。获取计算每个位次差时的两个位次对应的电流值,将位次差记为这两个电流值对应的位次差,则每个电流值对应一个或两个位次差。
当聚类簇内包含的电流值是因为电流的周期波动出现的电流值数值时,则该聚类簇内包含的电流值的位次在奇序列中分布较为分散,且各个位次差较为接近,同时,电流值对应的位次差出现的次数较大。
根据上述分析获取每个聚类簇内包含的电流值对应的电流周期度。
式中为聚类簇/>对应的电流周期度;/>为所有聚类簇内各位次差出现的次数的均值;/>为聚类簇/>包含的位次差/>出现的次数,其中,/>;/>为聚类簇/>包含的不同位次差的个数;/>为聚类簇/>包含的各位次差出现的次数的均值;/>为聚类簇/>包含的大于/>的位次差出现的次数的和;/>为聚类簇/>包含的位次差的总个数;/>为聚类簇对应的位次极差。
式中为聚类簇/>包含的电流值中各位次差的一致程度衡量,当该值越大时,则相接近的电流值在序列中出现的位置越为不规律,则该聚类簇内电流值的周期性规律越不明显。式中/>为聚类簇/>包含的电流值中各位次差的分散程度衡量,当该值越大时,则相接近的电流值在序列中分布越广,则该聚类簇内电流值的周期性规律越强。
当聚类簇内包含的电流值的位次在奇序列中分布较为分散,且各个位次差较为接近时,聚类簇对应的电流周期度越大,即聚类簇内包含的电流值是因为电流的周期波动出现的电流值数值的可能性越大。
至此,获取奇序列对应的所有聚类簇内包含的各电流值对应的电流周期度。
同理,获得偶序列对应的所有聚类簇内包含的各电流值对应的电流周期度。
位次分散度获取模块,根据电流值所在聚类簇的电流周期度以及电流值对应的簇内差异值获取各电流值对应的位次分散度。
根据聚类簇对应的电流周期度确定聚类簇内各电流值对应的位次分散度。
式中为聚类簇/>中包含的电流值/>对应的位次分散度;/>为电流值/>对应的位次差的个数;/>为电流值/>对应的第/>个位次差出现的次数;/>为自然常数;/>为聚类簇对应的电流周期度;/>为聚类簇/>中包含的电流值/>对应的簇内差异值。
当电流值在所在聚类簇对应的位次差出现的次数越多,电流值所在聚类簇对应的簇内差异度越小、位次分散度越大时,则电流值对应的位次分散度越大,该电流值越可能是因为电流正常波动产生的电流值。
按照相同的步骤,对每个偶序列分别进行分析,获取每个偶序列中每个电流值对应的位次分散度。
对各个电流值对应的位次分散度进行归一化,将归一化值作为新的位次分散度,对原取值进行更新。
至此,每个电流值均可获取一个对应的位次分散度。
检修状态判断模块,根据每个电流值对应的位次分散度确定对数据序列进行异常检测的最适宜参数值,以最适宜参数值对数据序列进行异常检测,判断真空断路器的检修状态。
分别对每个奇序列和偶序列包含的所有电流值对应的位次分散度使用OTSU最大类间方差法进行划分,将这些位次分散度划分为两类,将这两类分别记为一级类和二级类。
以横坐标为位次分散度,纵坐标为电流值,获取每个电流值对应的点。分别取与每个电流值对应的点与其他点的第k近邻距离。第k近邻距离为每个电流值对应的点与其他点之间的欧氏距离中,最小的第k个距离的长度。分别计算一级类和二级类中包含的位次分散度对应的点的第k近邻距离的均方差,以及所有位次分散度对应的点的第k近邻距离的均方差。
根据保证类内方差较小且类间方差较大的原则获取k为各个取值时对应的取值置信度。
式中为k值取q时对应的取值置信度,其中,q为正整数,取值范围为3,4,…,15;/>为k值取q时所有位次分散度对应的点的第k近邻距离的均方差;/>为k值取q时一级类中包含的位次分散度对应的点的第k近邻距离的均方差;/>为k值取q时二级类中包含的位次分散度对应的点的第k近邻距离的均方差。
k在取值范围内取每个数值均可得到一个对应的取值置信度,以取值置信度的最大值对应的k值作为对这些电流值对应的奇序列或者偶序列使用LOF异常检测时使用的参数k的取值。
以上述确定的k值对其对应的奇序列或者偶序列使用LOF算法进行异常检测,获得每个电流值对应的LOF值。
当需要进行检测的奇序列或者偶序列存在大于等于个电流值对应的LOF值均大于等于/>时,则认为该真空断路器存在问题,需要及时进行修理,否则,认为真空断路器质量良好。其中,/>均为常数,经验值分别为4,1。
需要说明的是,上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.基于内嵌传感器的真空断路器检修管理***,其特征在于,该***包括以下模块:
数据采集模块,使用真空断路器内嵌传感器获取真空断路器进行检修过程中的电路电流数据,根据电路电流数据获取多个奇序列和偶序列;
簇内差异度获取模块,分别对每个奇序列和偶序列中包含的电流值进行密度聚类,获得多个聚类簇,根据每个聚类簇内包含的电流值获取每个聚类簇内包含的电流值对应的簇内差异度;
电流周期度获取模块,根据电流值的位次获取电流值对应的位次差和电流值所在的聚类簇对应的位次极差,根据电流值对应的位次差和电流值所在的聚类簇对应的位次极差获取每个聚类簇内包含的电流值对应的电流周期度;
位次分散度获取模块,根据电流值所在聚类簇的电流周期度以及电流值对应的簇内差异值获取各电流值对应的位次分散度;
检修状态判断模块,根据每个电流值对应的位次分散度确定对数据序列进行异常检测的最适宜参数值,以最适宜参数值对数据序列进行异常检测,判断真空断路器的检修状态;
所述对每个奇序列和偶序列中包含的电流值进行聚类,获得多个聚类簇,根据每个聚类簇内包含的电流值获取每个聚类簇内包含的电流值对应的簇内差异度,获取的方法为:
分别对每个奇序列和偶序列中包含的电流值进行密度聚类,获得多个聚类簇;
分别将每个奇序列和偶序列中未被划分到簇中的电流值划分到一个聚类簇中;
获取每个聚类簇内包含的所有电流值的均值和所有电流值的信息熵;
根据每个电流值所在的聚类簇内包含的所有电流值的均值和所有电流值的信息熵,获取每个电流值对应的簇内差异度;
所述簇内差异度,获取的方法为:
取每个电流值与电流值所在的聚类簇内包含的所有电流值的均值的差值的绝对值,将所述绝对值记为第一绝对值;
取所述第一绝对值与电流值所在的聚类簇内包含的所有电流值的信息熵的乘积,将所述乘积记为所述电流值对应的簇内差异度;
所述根据电流值的位次获取电流值对应的位次差和电流值所在的聚类簇对应的位次极差,获取的方法为:
获取奇序列或偶序列中各个电流值在奇序列中的数值的位置,将电流值在其对应的奇序列或偶序列中的数值的位置记为该电流值的位次,根据电流值的位次获取电流值的位次差;
取聚类簇中位次最大的电流值与位次最小的电流值的位次之差,将该差值记为该聚类簇对应的位次极差;
所述根据电流值对应的位次差和电流值所在的聚类簇对应的位次极差获取每个聚类簇内包含的电流值对应的电流周期度,包括的具体方法为:
根据聚类簇内包含的所有电流值对应的位次差获取聚类簇内各位次差出现的次数的均值、不同位次差出现的次数;
根据聚类簇内包含的所有电流值对应的位次差、聚类簇对应的位次极差、聚类簇内各位次差出现的次数的均值和不同位次差出现的次数获取聚类簇对应的电流周期度;
其中,电流周期度获取的具体方法为:
式中为聚类簇/>对应的电流周期度;/>为所有聚类簇内各位次差出现的次数的均值;为聚类簇/>包含的位次差/>出现的次数,其中,/>;/>为聚类簇/>包含的不同位次差的个数;/>为聚类簇/>包含的各位次差出现的次数的均值;/>为聚类簇/>包含的大于/>的位次差出现的次数的和;/>为聚类簇/>包含的位次差的总个数;/>为聚类簇/>对应的位次极差;
所述位次分散度获取的具体方法为:
式中为聚类簇/>中包含的电流值/>对应的位次分散度;/>为电流值/>对应的位次差的个数;/>为电流值/>对应的第/>个位次差出现的次数;/>为自然常数;/>为聚类簇/>对应的电流周期度;/>为聚类簇/>中包含的电流值/>对应的簇内差异值;
所述根据每个电流值对应的位次分散度确定对数据序列进行异常检测的最适宜参数值,包括的具体方法为:
分别对每个奇序列和偶序列包含的所有电流值对应的位次分散度进行划分,将这些位次分散度划分为两类,将这两类分别记为一级类和二级类;
以横坐标为位次分散度,纵坐标为电流值,获取每个电流值对应的点;
取与每个电流值对应的点与其他点的第K近邻距离;
分别计算一级类和二级类中包含的位次分散度对应的点的第K近邻距离的均方差,以及所有位次分散度对应的点的第K近邻距离的均方差;
获取K为各个取值时对应的取值置信度;
以取值置信度的最大值对应的K值作为LOF异常检测时使用的参数K的最适宜参数值,并使用预设异常检测算法进行异常检测;
所述取值置信度的获取方法为:
获取K值取设定参数值时一级类中包含的位次分散度对应的点的第K近邻距离的均方差以及K值取设定参数值时二级类中包含的位次分散度对应的点的第K近邻距离的均方差的和;
获取K值取设定参数值时所有位次分散度对应的点的第K近邻距离的均方差与所述和的比值,将所述比值记为K值取设定参数值时对应的取值置信度。
2.根据权利要求1所述的基于内嵌传感器的真空断路器检修管理***,其特征在于,所述根据电路电流数据获取多个奇序列和偶序列,获取的方法为:
根据电路电流数据获取电流序列;
取所述电流序列中电流值的位置处于奇数的所有数值,将所述数值按照获取电流值的时间顺序进行排列,获取电流序列对应的奇序列;
取所述电流序列中电流值的位置处于偶数的各个数值,将所述数值按照获取电流值的时间顺序进行排列,获取电流序列对应的偶序列。
3.根据权利要求1所述的基于内嵌传感器的真空断路器检修管理***,其特征在于,所述最适宜参数值对数据序列进行异常检测,判断真空断路器的检修状态,包括的具体方法为:
以所述最适宜参数值对数据序列进行异常检测,获取每个电流值对应的异常度评价值;
当需要进行检测的奇序列或者偶序列存在大于等于第一预设阈值个电流值对应的异常度评价值均大于等于第二预设阈值时,则认为该真空断路器存在问题,需要及时进行修理,否则,认为真空断路器质量良好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311091540.0A CN116821834B (zh) | 2023-08-29 | 2023-08-29 | 基于内嵌传感器的真空断路器检修管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311091540.0A CN116821834B (zh) | 2023-08-29 | 2023-08-29 | 基于内嵌传感器的真空断路器检修管理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116821834A CN116821834A (zh) | 2023-09-29 |
CN116821834B true CN116821834B (zh) | 2023-11-24 |
Family
ID=88114854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311091540.0A Active CN116821834B (zh) | 2023-08-29 | 2023-08-29 | 基于内嵌传感器的真空断路器检修管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116821834B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103671190A (zh) * | 2013-09-18 | 2014-03-26 | 北京工业大学 | 一种智能早期矿用通风机在线故障诊断*** |
CN104502795A (zh) * | 2014-11-26 | 2015-04-08 | 国家电网公司 | 一种适用于微电网的智能故障诊断方法 |
CN106093771A (zh) * | 2016-08-16 | 2016-11-09 | 国网天津市电力公司 | 一种断路器分合闸线圈电流信号识别方法 |
CN110553789A (zh) * | 2019-09-16 | 2019-12-10 | 中车株洲电力机车有限公司 | 一种压阻式压力传感器的状态检测方法、装置及制动*** |
CN110826648A (zh) * | 2020-01-09 | 2020-02-21 | 浙江鹏信信息科技股份有限公司 | 一种利用时序聚类算法实现故障检测的方法 |
CN111157850A (zh) * | 2020-01-15 | 2020-05-15 | 上海电力大学 | 一种基于均值聚类的电网线路故障识别方法 |
CN112636642A (zh) * | 2020-12-17 | 2021-04-09 | 广东工业大学 | 一种柔性材料数控切割刀头性能状态评估方法及装置 |
CN114861729A (zh) * | 2022-05-20 | 2022-08-05 | 西安邮电大学 | 无线传感器网络中时间序列异常的检测方法及装置 |
CN114997276A (zh) * | 2022-05-07 | 2022-09-02 | 北京航空航天大学 | 一种面向压制成型设备的异构多源时序数据异常识别方法 |
CN115549315A (zh) * | 2022-11-30 | 2022-12-30 | 广东电网有限责任公司中山供电局 | 一种微机控制的重合闸投退监测方法 |
CN115828121A (zh) * | 2022-11-21 | 2023-03-21 | 南通大学 | 基于邻接dbscan融合时变多图卷积网络的交通流预测方法 |
CN116304766A (zh) * | 2023-05-25 | 2023-06-23 | 山东艾迈科思电气有限公司 | 基于多传感器的开关柜状态快速评估方法 |
CN116304778A (zh) * | 2023-05-17 | 2023-06-23 | 温州华嘉电器有限公司 | 一种用于小型断路器维护数据处理方法 |
CN116502112A (zh) * | 2023-06-29 | 2023-07-28 | 深圳市联明电源有限公司 | 一种新能源电源测试数据管理方法及*** |
CN116502169A (zh) * | 2023-06-28 | 2023-07-28 | 深圳特力自动化工程有限公司 | 一种基于数据检测的离心脱水机工作状态检测方法 |
CN116580021A (zh) * | 2023-07-03 | 2023-08-11 | 湖南益友新材料有限公司 | 一种环保混凝土降碳制品生产及质量检测方法 |
CN116643163A (zh) * | 2023-07-27 | 2023-08-25 | 浙江北岛科技有限公司 | 一种真空断路器远程在线监测*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5364530B2 (ja) * | 2009-10-09 | 2013-12-11 | 株式会社日立製作所 | 設備状態監視方法、監視システム及び監視プログラム |
US11125653B2 (en) * | 2018-10-11 | 2021-09-21 | Palo Alto Research Center Incorporated | Motion-insensitive features for condition-based maintenance of factory robots |
-
2023
- 2023-08-29 CN CN202311091540.0A patent/CN116821834B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103671190A (zh) * | 2013-09-18 | 2014-03-26 | 北京工业大学 | 一种智能早期矿用通风机在线故障诊断*** |
CN104502795A (zh) * | 2014-11-26 | 2015-04-08 | 国家电网公司 | 一种适用于微电网的智能故障诊断方法 |
CN106093771A (zh) * | 2016-08-16 | 2016-11-09 | 国网天津市电力公司 | 一种断路器分合闸线圈电流信号识别方法 |
CN110553789A (zh) * | 2019-09-16 | 2019-12-10 | 中车株洲电力机车有限公司 | 一种压阻式压力传感器的状态检测方法、装置及制动*** |
CN110826648A (zh) * | 2020-01-09 | 2020-02-21 | 浙江鹏信信息科技股份有限公司 | 一种利用时序聚类算法实现故障检测的方法 |
CN111157850A (zh) * | 2020-01-15 | 2020-05-15 | 上海电力大学 | 一种基于均值聚类的电网线路故障识别方法 |
CN112636642A (zh) * | 2020-12-17 | 2021-04-09 | 广东工业大学 | 一种柔性材料数控切割刀头性能状态评估方法及装置 |
CN114997276A (zh) * | 2022-05-07 | 2022-09-02 | 北京航空航天大学 | 一种面向压制成型设备的异构多源时序数据异常识别方法 |
CN114861729A (zh) * | 2022-05-20 | 2022-08-05 | 西安邮电大学 | 无线传感器网络中时间序列异常的检测方法及装置 |
CN115828121A (zh) * | 2022-11-21 | 2023-03-21 | 南通大学 | 基于邻接dbscan融合时变多图卷积网络的交通流预测方法 |
CN115549315A (zh) * | 2022-11-30 | 2022-12-30 | 广东电网有限责任公司中山供电局 | 一种微机控制的重合闸投退监测方法 |
CN116304778A (zh) * | 2023-05-17 | 2023-06-23 | 温州华嘉电器有限公司 | 一种用于小型断路器维护数据处理方法 |
CN116304766A (zh) * | 2023-05-25 | 2023-06-23 | 山东艾迈科思电气有限公司 | 基于多传感器的开关柜状态快速评估方法 |
CN116502169A (zh) * | 2023-06-28 | 2023-07-28 | 深圳特力自动化工程有限公司 | 一种基于数据检测的离心脱水机工作状态检测方法 |
CN116502112A (zh) * | 2023-06-29 | 2023-07-28 | 深圳市联明电源有限公司 | 一种新能源电源测试数据管理方法及*** |
CN116580021A (zh) * | 2023-07-03 | 2023-08-11 | 湖南益友新材料有限公司 | 一种环保混凝土降碳制品生产及质量检测方法 |
CN116643163A (zh) * | 2023-07-27 | 2023-08-25 | 浙江北岛科技有限公司 | 一种真空断路器远程在线监测*** |
Non-Patent Citations (3)
Title |
---|
Artificial intelligence SF6 circuit breaker health assessment;Mileta Žarković等;《Electric Power Systems Research》;1-9 * |
卫星电源部件在轨退化状态评估方法研究;曹孟达;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;第2022年卷(第5期);C031-249 * |
基于稀疏自编码的工业机器人减速器故障特征提取研究;张兹勤;《中国优秀硕士学位论文全文数据库 信息科技辑》;第2023年卷(第3期);I140-232 * |
Also Published As
Publication number | Publication date |
---|---|
CN116821834A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116879662B (zh) | 基于数据分析的变压器故障检测方法 | |
US20160109526A1 (en) | System and method for ups battery monitoring and data analysis | |
CN115982602B (zh) | 一种光伏变压器电故障检测方法 | |
CN107677903B (zh) | 一种变压器状态监测数据的聚类分析方法 | |
CN116245256B (zh) | 一种结合多因素的电容器质量预测方法、***及存储介质 | |
CN112149569B (zh) | 变压器基于模糊c均值聚类算法的声纹故障诊断方法 | |
CN111275295A (zh) | 一种基于反距离权重插值的分布式光伏故障诊断方法 | |
CN115616374A (zh) | 一种基于机器学习的半导体芯片的测试*** | |
CN117571107B (zh) | 一种智能化无人值守地磅异常监测*** | |
CN116821834B (zh) | 基于内嵌传感器的真空断路器检修管理*** | |
CN117310239A (zh) | 测试***的高压电源控制方法 | |
KR20180114371A (ko) | 변압기의 유중가스 분석 시스템 및 분석 방법 | |
CN117131321A (zh) | 一种电能量数据采集方法 | |
CN114895137B (zh) | 一种供电设备供电质量测试方法 | |
CN110389264A (zh) | 一种异常用电计量的检测方法 | |
CN112506908B (zh) | 一种电能计量数据清洗方法和*** | |
CN113672658B (zh) | 基于复相关系数的电力设备在线监测错误数据识别方法 | |
CN115759761A (zh) | 一种用于电能计量装置的运行数据智能管理*** | |
CN110146120B (zh) | 一种传感器故障诊断方法及*** | |
CN118091300B (zh) | 基于数据分析的贴片电阻故障诊断方法 | |
CN116304776B (zh) | 基于k-Means算法的电网数据值异常检测方法及*** | |
CN118091234B (zh) | 一种用于故障诊断处理的电流互感器 | |
CN115511106B (zh) | 基于时序数据生成训练数据的方法、设备和可读存储介质 | |
CN117951633B (zh) | 一种光伏发电设备故障诊断方法及*** | |
CN117849653B (zh) | 一种基于电源管理的工作状态监测方法及*** |
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 |