CN117033950B - 一种gis隔离开关机械故障在线诊断方法及装置 - Google Patents
一种gis隔离开关机械故障在线诊断方法及装置 Download PDFInfo
- Publication number
- CN117033950B CN117033950B CN202311291613.0A CN202311291613A CN117033950B CN 117033950 B CN117033950 B CN 117033950B CN 202311291613 A CN202311291613 A CN 202311291613A CN 117033950 B CN117033950 B CN 117033950B
- Authority
- CN
- China
- Prior art keywords
- breakdown
- voltage
- waveform
- vfto
- fault
- 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
- 238000000034 method Methods 0.000 title claims abstract description 142
- 238000003745 diagnosis Methods 0.000 title claims abstract description 22
- 230000015556 catabolic process Effects 0.000 claims abstract description 131
- 230000008569 process Effects 0.000 claims abstract description 46
- 238000012549 training Methods 0.000 claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 230000002159 abnormal effect Effects 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 8
- 238000002955 isolation Methods 0.000 claims description 7
- 238000012706 support-vector machine Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000010355 oscillation Effects 0.000 description 4
- 230000001052 transient effect Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
- G01R31/3271—Testing of circuit interrupters, switches or circuit-breakers of high voltage or medium voltage devices
- G01R31/3275—Fault detection or status indication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明涉及一种GIS隔离开关机械故障在线诊断方法及装置,方法包括:获取GIS隔离开关多次正常合闸过程产生的VFTO波形;提取单次VFTO波形中包含的电压击穿波形,并提取单次电压击穿波形的残余电压一阶差分量和击穿时刻,生成其对应的特征数据;将多次VFTO波形所包含的所有电压击穿波形对应的特征数据进行归一化处理,形成训练样本集,训练异常检测模型;提取待检测VFTO波形的特征数据,生成待测数据集,输入至训练好的异常检测模型,得到故障数据;若故障数据在待测数据集中的占比超过所设定的阈值,则判定为故障,上报预警信息。本发明实现了GIS隔离开关机械故障的在线诊断,有助于尽早发生其潜在故障,及时预警。
Description
技术领域
本发明涉及故障诊断技术领域,具体涉及一种基于特快速瞬态过电压(Very fasttransient overvoltage,VFTO)残余电压的GIS隔离开关机械故障在线诊断方法及装置。
背景技术
高比例清洁能源的大规模、远距离消纳需求推动了电力***中超特高压输电工程的快速建设。气体绝缘金属封闭开关设备(Gas Insulated Switchgear, GIS)因结构紧凑、运行可靠而广泛应用于超、特高压变电站。隔离开关是GIS的重要单元,分为驱动电机、传动环节及触头三个单元,分合闸过程中,驱动电机经传动环节控制动、静触头接触或分离,从而实现高压设备带电投切。因运行环境恶劣且动作频繁,GIS隔离开关易发生卡涩、转轴锈蚀及传动杆变形等机械故障,致使触头行程特性改变,引发分合闸不到位、带负荷投切等恶性事故,严重威胁电网安全运行。
现有故障检测方法存在直接监测法和间接法。由于开关触头动作过程被GIS封闭外壳遮挡不可见,致使图像识别法、红外成像法等直接监测思路不适用。一种基于图像处理的隔离开关状态自动检测装置及方法(公开号:CN110336930A),通过在壳体内加装摄像球,对图片进行预处理,获得突出隔离开关的特征图片;对隔离开进行检测和跟踪;根据跟踪情况判断隔离开关状态。但是GIS内部构件多且相互遮挡,存在观测死角区,导致图像处理的评价方法普适性较低。
而间接法的基础是所选取外部物理量与触头动作间映射关系明确且稳定。例如一种隔离开关在线检测的***和方法(公开号:CN105572581A),通过将模拟信号包括隔离开关的温度模拟信号、位移模拟信号、开关量模拟信号以及电动机的电流模拟信号转换为检测光信号来实现隔离开关的在线检测。然而,工程实际中该关系易受多因素影响而变化,极大限制了在线诊断准确率。例如,变电站内噪声源多且频谱宽,干扰基于振声信号的在线监测;传动杆变形直接改变电机电流、拐臂角位移等外部物理量与触头行程间关系,导致监测结果不准确。因此,需要探索GIS内部触头行程的可靠外部表征,并构造判别特征量。
发明内容
本发明针对现有技术中存在的技术问题,提供一种基于特快速瞬态过电压(Veryfast transient overvoltage,VFTO)残余电压的GIS隔离开关机械故障在线诊断方法及装置,首先利用VFTO传感器及高频采集器,获取GIS隔离开关动作过程伴随的VFTO全过程波形数字量;其次,将全过程波形提取为多个单次VFTO波形,基于VFTO产生机理,建立GIS隔离开关机械状态的指示特征;随后,基于多次分合闸过程的VFTO全过程波形,构造训练用样本数据集;由于建模数据集来源于机械状态正常的GIS隔离开关,训练样本集存在极不对称问题,选择单分类支持向量机(One Class support vector machine,OCSVM)模型为待训练判别模型;最后,利用训练完毕的辨识模型,对GIS隔离开关卡涩、带负荷投切等典型机械故障进行在线识别,有助于尽早发现其潜在故障,具有重要的工程价值。
本发明解决上述技术问题的技术方案如下:
第一方面,本发明提供一种GIS隔离开关机械故障在线诊断方法,包括:
S100,获取GIS隔离开关多次正常分闸过程或正常合闸过程产生的多组VFTO全过程离散数字波形;
S200,提取单组VFTO全过程离散数字波形中包含的电压击穿波形,并提取单次电压击穿波形的残余电压一阶差分量和击穿时刻,生成单次电压击穿波形对应的特征数据;
S300,将多组VFTO全过程离散数字波形所包含的所有电压击穿波形对应的特征数据进行归一化处理,形成训练样本集,训练异常检测模型;
S400,提取待检测VFTO全过程离散数字波形的特征数据并归一化,生成待测数据集,输入至训练好的异常检测模型,得到故障数据;
S500,若故障数据在待测数据集中的占比超过所设定的阈值,则判定为故障,上报预警信息。
进一步的,获取GIS隔离开关多次正常分闸过程或正常合闸过程产生的多组VFTO全过程离散数字波形,包括:
获取多组隔离开关正常分闸或合闸状态下的一次侧高电压VFTO信号,并以固定比例将所述一次侧高电压VFTO信号转换为低压VFTO信号;
以固定采样频率对所述低压VFTO信号进行采样,得到VFTO全过程波形的数字化离散值。
进一步的,提取单组VFTO全过程离散数字波形中包含的电压击穿波形,并提取单次电压击穿波形的残余电压一阶差分量和击穿时刻,生成单次电压击穿波形对应的特征数据,包括:
将单组VFTO全过程离散数字波形中,相邻两个采样点的电压进行差分,当差分值高于阈值时,判断发生电弧击穿,定义此时为击穿时刻,且定义该时刻至第二次击穿时刻产生的波形为单次电压击穿波形;
针对任一电压击穿波形,记击穿时刻为第一种特征量,令当前次击穿的残余电压减去上一次击穿后的残余电压得到的值作为第二种特征量,组合两种特征量作为当前电压击穿波形的特征数据。
进一步的,所述异常检测模型采用单分类支持向量机,训练完成后得到模型的分类决策函数。
进一步的,提取待检测VFTO全过程离散数字波形的特征数据并归一化,生成待测数据集,输入至训练好的异常检测模型,得到故障数据,包括,将待测数据集送入异常检测模型的分类决策函数中,得到决策值,当函数值为1时,则GIS隔离开关为正常运行数据,取值为-1时,则为故障数据。
进一步的,若故障数据在待测数据集中的占比超过所设定的阈值,则判定为故障,上报预警信息,包括:统计故障数据样本大小,根据下式计算故障数占比,
,
当故障数占比超过阈值α,则判定GIS隔离开关在运动过程中发生故障,反之,则为正常,优选的α为20%。
进一步的,所述残余电压的提取方法包括:提取单次电压击穿波形,对该波形的最后m个采样点电压取均值,m≥2,即为本次击穿的残余电压。
第二方面,本发明提供一种GIS隔离开关机械故障在线诊断装置,包括:
数据采集模块,用于获取GIS隔离开关多次正常分闸过程或正常合闸过程产生的多组VFTO全过程离散数字波形;
特征数据生成模块,用于提取单组VFTO全过程离散数字波形中包含的电压击穿波形,并提取单次电压击穿波形的残余电压一阶差分量和击穿时刻,生成单次电压击穿波形对应的特征数据;
数据处理及模型训练模块,将多组VFTO全过程离散数字波形所包含的所有电压击穿波形对应的特征数据进行归一化处理,形成训练样本集,训练异常检测模型;
故障识别模块,用于提取待检测VFTO全过程离散数字波形的特征数据并归一化,生成待测数据集,输入至训练好的异常检测模型,得到故障数据;
故障判断模块,用于判断故障数据在待测数据集中的占比是否超过所设定的阈值,若超过则判定为故障,上报预警信息。
第三方面,本发明提供一种电子设备,包括:
存储器,用于存储计算机软件程序;
处理器,用于读取并执行所述计算机软件程序,进而实现本发明第一方面所述的一种GIS隔离开关机械故障在线诊断方法。
第四方面,本发明提供一种非暂态计算机可读存储介质,所述存储介质中存储有计算机软件程序,所述计算机软件程序被处理器执行时实现本发明第一方面所述的一种GIS隔离开关机械故障在线诊断方法。
本发明的有益效果是:实现了GIS隔离开关机械故障的在线诊断,有助于尽早发生其潜在故障,及时预警,具有重要的工程价值。
附图说明
图1为本发明实施例提供的一种GIS隔离开关机械故障在线诊断方法流程示意图;
图2为本发明实施例提供的单次VFTO波形示意图;
图3为本发明实施例提供的隔离开关正常状态下特征数据拟合示意图;
图4为本发明实施例提供的一种GIS隔离开关机械故障在线诊断装置结构示意图;
图5为本发明实施例提供的电子设备的实施例示意图;
图6为本发明实施例提供的一种计算机可读存储介质的实施例示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域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,都属于本申请保护的范围。
在本申请的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请的描述中,术语“例如”一词用来表示“用作例子、例证或说明”。本申请中被描述为“例如”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本发明。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本发明的描述变得晦涩。因此,本发明并非旨在限于所示的实施例,而是与符合本申请所公开的原理和特征的最广范围相一致。
如图1所示,本发明实施例提供一种GIS隔离开关机械故障在线诊断方法,包括:
S100,获取GIS隔离开关多次正常分闸过程或正常合闸过程产生的多组VFTO全过程离散数字波形。
在本实施例中,本实施例采用合闸过程产生的VFTO全过程离散数字波形为例,对本方法进行解释说明。
首先,累计获取多组隔离开关正常合闸状态下的一次侧高电压VFTO信号,利用VFTO传感器将一次侧的高电压VFTO信号按固定比例转化为低压模拟信号;然后利用高频采集器,将低压模拟信号转化为数字信号,得到VFTO全过程波形的离散数字量;高频采集器的采样速率不低于500MS/s,优选的,采样速率为625MS/s。
S200,提取单组VFTO全过程离散数字波形中包含的电压击穿波形,并提取单次电压击穿波形的残余电压一阶差分量和击穿时刻,生成单次电压击穿波形对应的特征数据。
在GIS隔离开关中,触头两端的临界击穿电压计算公式如下:
(1)
式中,为开关间隙临界击穿电压;/>为电场利用系数,/>表示电极表面的粗糙系数,取值0.5~0.8,工程上取小于0.7;Edt为SF6气体的工程击穿场强;L为开关触头间隙。
由于式(1)中、Kf及Edt均为常数,采用常数K表征,由此,可得击穿电压-触头开距关联关系,如式(2)所示。
(2)
式中,为击穿时刻t下的击穿电压,K表示开关间隙单位长度的耐受电压,L(t)为击穿时刻t下的开关动、静触头间开距。
触头行程D(t)与开距L(t)间存在式(3)所示关系。
(3)
式中,L为合闸启动时刻触头开距。
根据式(3),击穿电压时序量与触头行程间强相关,因此,基于VFTO波形构造反映击穿电压时序量的特征参量,即可表征触头行程。
基于上述理论,该步骤可以分解为以下内容:
S201,分解VFTO全过程波形为数个单次VFTO波形。
GIS隔离开关的一次操作过程内发生多次击穿,因此,其伴随的VFTO全过程离散数字波形包含多个单次电压击穿波形。对单组VFTO全过程离散数字波形中,相邻两采样点间进行差分:
(4)
当差分值Q高于阈值Cmax时,判断发生电弧击穿,定义此时为击穿时刻,且定义该时刻至第二次击穿时刻产生的波形为单次电压击穿波形。据此可提取到VFTO全过程离散数字波形所包含的数个单次电压击穿波形。
S202,提取特征值。
如图2所示,单次击穿的负载侧VFTO波形表征为明显的振荡过程,主要有击穿电压、峰值、持续时间、残余电压等波形特征参量,在间隙发生击穿后,负载侧电压由初始值Ut(上一次击穿后的残余电荷电压)迅速上升,经高频振荡后达到峰值,持续时间T后高频振荡幅值不断衰减直至下一次击穿。
因此,其击穿电压计算如下:
(5)
式中,为击穿电压,Us为击穿时刻电源侧电压,Ut为击穿时刻负载侧残余电压。
相较于相邻两次击穿发生的间隔时间,击穿持续时间T极短,且GIS内空载母线的泄漏电阻很大,衰减时间长,因此,可认为击穿持续时间内残余电荷未发生扩散,负载侧残余电压与源侧击穿电压近似。故本文提出以击穿持续时间结束后的负载侧残余电压替代电源侧电压,构造负载侧残余电压时序一阶差分特征量ULDIFE如式(6)所示。
(6)
式中,t0表示单次击穿的初始时刻,T为本次击穿波形的振荡时间,UL(t0)为对应时刻下的负载侧VFTO波形值,ULDIFE(t0)为t0时刻下的特征值。
综上可得,据此,提取单次合闸过程产生的VFTO全过程离散数字波形全部电压击穿波形的击穿时刻作为第一种特征量,假设这组正常数据为。取单次电压击穿过程中的最后若干个点计算电压均值,即为残余电压。本实施中取单次电压击穿过程中的最后10至20个点计算电压均值。将该单次击穿的残余电压减去上一次击穿后的残余电压得到的值作为第二种特征量,假设这组正常数据为。最后,构造如下式(7)特征作为判别触头行程特性变化的特征量。
(7)
其散点图及拟合曲线如图3所示。
S300,将多组VFTO全过程离散数字波形所包含的所有电压击穿波形对应的特征数据进行归一化处理,形成训练样本集,训练异常检测模型。本实施例中采用单分类支持向量机(OCSVM)模型作为异常检测模型。具体包括以下子步骤:
S301,将特征数据进行归一化处理,生成支持向量XS。
线性变换公式如下:
(8)
综上可得到OCSVM分类模型的训练特征正常样本数据为,并将其归为一类,标签为1。
S302,训练OCSVM分类模型。
①训练样本中仅包含两个GIS隔离开关状态特征量,故OCSVM超平面的表达式如下:
(9)
式中,和/>分别表示超平面的法向量和偏移项;/>表示样本在高维空间中的映射;
②为尽可能将样本点与原点分开,将单分类支持向量机简化为二次规划问题,则单分类支持向量机的最小包围曲线优化问题,表示如下:
(10)
式中,为正则化参数,与支持向量个数有关,取值为[0,1];/>为训练数据集大小;/>是松弛变量;
③综合以上理论,通过拉格朗日乘子法进行计算得到下式所示的优化问题:
(11)
其中,为n阶核函数矩阵;/>为拉格朗日乘子,Xi,Xj分别表示第一种特征量和第二种特征量,i=j;
④优化式(11),基于支持向量XS,得到偏移量:
(12)
⑤训练完成后,得到相应训练样本的包围曲线及分类决策函数,如式(13):
(13)。
S400,提取待检测VFTO全过程离散数字波形的特征数据并归一化,生成待测数据集,输入至训练好的异常检测模型,得到故障数据。
这里应当注意的是,待检测VFTO全过程离散数字波形的特征数据的提取方法与训练数据集生成方法一致。
将待测特征数据送入到式(13)所示的OCSVM模型分类决策函数,得到决策值,当函数值为1时,则GIS隔离开关为正常运行数据,取值为-1时,则为故障数据。
S500,当故障数据在待测数据样本中的占比超过所设定的阈值时,则判定为故障,上报预警信息。
统计故障数据样本大小,根据式(14),计算故障数占比,当故障数占比超过阈值α,则判定GIS隔离开关在运动过程中发生故障,反之,则为正常,优选的α为20%。
(14)
应当理解的是,由于分闸与合闸过程都会产生电压击穿现象,且具体采集的VFTO全过程离散数字波形均能通过上述方法进行GIS隔离开关机械故障在线诊断,因此,采用分闸过程产生的VFTO全过程离散数字波形进行GIS隔离开关机械故障在线诊断的方法流程,在此不做赘述。
如图4所示,本发明实施例提供一种GIS隔离开关机械故障在线诊断装置,包括:
数据采集模块,用于获取GIS隔离开关多次正常分闸过程或正常合闸过程产生的多组VFTO全过程离散数字波形;
特征数据生成模块,用于提取单组VFTO全过程离散数字波形中包含的电压击穿波形,并提取单次电压击穿波形的残余电压一阶差分量和击穿时刻,生成单次电压击穿波形对应的特征数据;
数据处理及模型训练模块,将多组VFTO全过程离散数字波形所包含的所有电压击穿波形对应的特征数据进行归一化处理,形成训练样本集,训练异常检测模型;
故障识别模块,用于提取待检测VFTO全过程离散数字波形的特征数据并归一化,生成待测数据集,输入至训练好的异常检测模型,得到故障数据;
故障判断模块,用于判断故障数据在待测数据集中的占比是否超过所设定的阈值,若超过则判定为故障,上报预警信息。
请参阅图5,图5为本发明实施例提供的电子设备的实施例示意图。如图5所示,本发明实施例提供了一种电子设备500,包括存储器510、处理器520及存储在存储器510上并可在处理器520上运行的计算机程序511,处理器520执行计算机程序511时实现以下步骤:
S100,获取GIS隔离开关多次正常分闸过程或正常合闸过程产生的多组VFTO全过程离散数字波形;
S200,提取单组VFTO全过程离散数字波形中包含的电压击穿波形,并提取单次电压击穿波形的残余电压一阶差分量和击穿时刻,生成单次电压击穿波形对应的特征数据;
S300,将多组VFTO全过程离散数字波形所包含的所有电压击穿波形对应的特征数据进行归一化处理,形成训练样本集,训练异常检测模型;
S400,提取待检测VFTO全过程离散数字波形的特征数据并归一化,生成待测数据集,输入至训练好的异常检测模型,得到故障数据;
S500,若故障数据在待测数据集中的占比超过所设定的阈值,则判定为故障,上报预警信息。
请参阅图6,图6为本发明实施例提供的一种计算机可读存储介质的实施例示意图。如图6所示,本实施例提供了一种计算机可读存储介质600,其上存储有计算机程序611,该计算机程序611被处理器执行时实现如下步骤:
S100,获取GIS隔离开关多次正常分闸过程或正常合闸过程产生的多组VFTO全过程离散数字波形;
S200,提取单组VFTO全过程离散数字波形中包含的电压击穿波形,并提取单次电压击穿波形的残余电压一阶差分量和击穿时刻,生成单次电压击穿波形对应的特征数据;
S300,将多组VFTO全过程离散数字波形所包含的所有电压击穿波形对应的特征数据进行归一化处理,形成训练样本集,训练异常检测模型;
S400,提取待检测VFTO全过程离散数字波形的特征数据并归一化,生成待测数据集,输入至训练好的异常检测模型,得到故障数据;
S500,若故障数据在待测数据集中的占比超过所设定的阈值,则判定为故障,上报预警信息。
需要说明的是,在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其它实施例的相关描述。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (9)
1.一种GIS隔离开关机械故障在线诊断方法,其特征在于,包括:
S100,获取GIS隔离开关多次正常分闸过程或正常合闸过程产生的多组VFTO全过程离散数字波形;
S200,提取单组VFTO全过程离散数字波形中包含的电压击穿波形,并提取单次电压击穿波形的残余电压一阶差分量和击穿时刻,生成单次电压击穿波形对应的特征数据;
S300,将多组VFTO全过程离散数字波形所包含的所有电压击穿波形对应的特征数据进行归一化处理,形成训练样本集,训练异常检测模型;
S400,提取待检测VFTO全过程离散数字波形的特征数据并归一化,生成待测数据集,输入至训练好的异常检测模型,得到故障数据;
S500,若故障数据在待测数据集中的占比超过所设定的阈值,则判定为故障,上报预警信息;
提取单组VFTO全过程离散数字波形中包含的电压击穿波形,并提取单次电压击穿波形的残余电压一阶差分量和击穿时刻,生成单次电压击穿波形对应的特征数据,包括:
将单组VFTO全过程离散数字波形中,相邻两个采样点的电压进行差分,当差分值高于阈值时,判断发生电弧击穿,定义此时为击穿时刻,且定义该时刻至第二次击穿时刻产生的波形为单次电压击穿波形;
针对任一电压击穿波形,记击穿时刻为第一种特征量,令当前次击穿的残余电压减去上一次击穿后的残余电压得到的值作为第二种特征量,组合两种特征量作为当前电压击穿波形的特征数据,记为:
x i=(t i,U LDIFE(t i))
其中,t i表示第i次电压击穿的击穿时刻,即第一种特征量,U LDIFE(t i)表示第i次电压击穿的参与电压减去第i-1次击穿后的残余电压得到的值,即第二种特征量。
2.根据权利要求1所述的方法,其特征在于,获取GIS隔离开关多次正常分闸过程或正常合闸过程产生的多组VFTO全过程离散数字波形,包括:
获取多组隔离开关正常分闸或合闸状态下的一次侧高电压VFTO信号,并以固定比例将所述一次侧高电压VFTO信号转换为低压VFTO信号;
以固定采样频率对所述低压VFTO信号进行采样,得到VFTO全过程波形的数字化离散值。
3.根据权利要求1所述的方法,其特征在于,所述异常检测模型采用单分类支持向量机,训练完成后得到模型的分类决策函数。
4.根据权利要求3所述的方法,其特征在于,提取待检测VFTO全过程离散数字波形的特征数据并归一化,生成待测数据集,输入至训练好的异常检测模型,得到故障数据,包括,将待测数据集送入异常检测模型的分类决策函数中,得到决策值,当函数值为1时,则GIS隔离开关为正常运行数据,取值为-1时,则为故障数据。
5.根据权利要求1所述的方法,其特征在于,若故障数据在待测数据集中的占比超过所设定的阈值,则判定为故障,上报预警信息,包括:统计故障数据样本大小,根据下式计算故障数占比,
,
当故障数占比超过阈值,则判定GIS隔离开关在运动过程中发生故障,反之,则为正常。
6.根据权利要求1所述的方法,其特征在于,所述残余电压的提取方法包括:提取单次电压击穿波形,对该波形的最后m个采样点电压取均值,m≥2,即为本次击穿的残余电压。
7.一种GIS隔离开关机械故障在线诊断装置,其特征在于,包括:
数据采集模块,用于获取GIS隔离开关多次正常分闸过程或正常合闸过程产生的多组VFTO全过程离散数字波形;
特征数据生成模块,用于提取单组VFTO全过程离散数字波形中包含的电压击穿波形,并提取单次电压击穿波形的残余电压一阶差分量和击穿时刻,生成单次电压击穿波形对应的特征数据;
数据处理及模型训练模块,将多组VFTO全过程离散数字波形所包含的所有电压击穿波形对应的特征数据进行归一化处理,形成训练样本集,训练异常检测模型;
故障识别模块,用于提取待检测VFTO全过程离散数字波形的特征数据并归一化,生成待测数据集,输入至训练好的异常检测模型,得到故障数据;
故障判断模块,用于判断故障数据在待测数据集中的占比是否超过所设定的阈值,若超过则判定为故障,上报预警信息;
提取单组VFTO全过程离散数字波形中包含的电压击穿波形,并提取单次电压击穿波形的残余电压一阶差分量和击穿时刻,生成单次电压击穿波形对应的特征数据,包括:
将单组VFTO全过程离散数字波形中,相邻两个采样点的电压进行差分,当差分值高于阈值时,判断发生电弧击穿,定义此时为击穿时刻,且定义该时刻至第二次击穿时刻产生的波形为单次电压击穿波形;
针对任一电压击穿波形,记击穿时刻为第一种特征量,令当前次击穿的残余电压减去上一次击穿后的残余电压得到的值作为第二种特征量,组合两种特征量作为当前电压击穿波形的特征数据,记为:
x i=(t i,U LDIFE(t i))
其中,t i表示第i次电压击穿的击穿时刻,即第一种特征量,U LDIFE(t i)表示第i次电压击穿的参与电压减去第i-1次击穿后的残余电压得到的值,即第二种特征量。
8.一种电子设备,其特征在于,包括:
存储器,用于存储计算机软件程序;
处理器,用于读取并执行所述计算机软件程序,进而实现权利要求1-6任一项所述的一种GIS隔离开关机械故障在线诊断方法。
9.一种非暂态计算机可读存储介质,其特征在于,所述存储介质中存储有计算机软件程序,所述计算机软件程序被处理器执行时实现如权利要求1-6任一项所述的一种GIS隔离开关机械故障在线诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311291613.0A CN117033950B (zh) | 2023-10-08 | 2023-10-08 | 一种gis隔离开关机械故障在线诊断方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311291613.0A CN117033950B (zh) | 2023-10-08 | 2023-10-08 | 一种gis隔离开关机械故障在线诊断方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117033950A CN117033950A (zh) | 2023-11-10 |
CN117033950B true CN117033950B (zh) | 2023-12-26 |
Family
ID=88635844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311291613.0A Active CN117033950B (zh) | 2023-10-08 | 2023-10-08 | 一种gis隔离开关机械故障在线诊断方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117033950B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2747094A1 (en) * | 2012-12-21 | 2014-06-25 | ABB Technology AG | Very fast transient overvoltage attenuator |
CN106846316A (zh) * | 2017-02-10 | 2017-06-13 | 云南电网有限责任公司电力科学研究院 | 一种gis内部典型缺陷图像自动识别方法 |
CN108647469A (zh) * | 2018-05-28 | 2018-10-12 | 武汉理工大学 | 一种tev海量数据的数学表达式拟合方法 |
CN109188258A (zh) * | 2018-07-17 | 2019-01-11 | 国网浙江省电力有限公司检修分公司 | 基于振电结合的高压断路器特征提取及分类方法 |
CN110967184A (zh) * | 2019-12-03 | 2020-04-07 | 合肥工业大学 | 基于振动信号分布特征识别的变速箱故障检测方法和*** |
CN111413641A (zh) * | 2020-04-03 | 2020-07-14 | 合肥凯高电气设备有限公司 | 一种利用hht暂态特征量检测的微机继电保护方法 |
CN113191192A (zh) * | 2021-03-25 | 2021-07-30 | 云南电网有限责任公司玉溪供电局 | 基于小波分析与模糊神经网络算法的断路器故障检测方法 |
CN114113995A (zh) * | 2021-10-29 | 2022-03-01 | 河南平高电气股份有限公司 | 一种gis用隔离开关机械故障检测方法及*** |
WO2023138337A1 (zh) * | 2022-01-18 | 2023-07-27 | 华为技术有限公司 | 一种电机故障检测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210167584A1 (en) * | 2019-11-29 | 2021-06-03 | Electric Power Science & Research Institute Of State Grid Tianjin Electric Power Company | Gis mechanical fault diagnosis method and device |
-
2023
- 2023-10-08 CN CN202311291613.0A patent/CN117033950B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2747094A1 (en) * | 2012-12-21 | 2014-06-25 | ABB Technology AG | Very fast transient overvoltage attenuator |
CN106846316A (zh) * | 2017-02-10 | 2017-06-13 | 云南电网有限责任公司电力科学研究院 | 一种gis内部典型缺陷图像自动识别方法 |
CN108647469A (zh) * | 2018-05-28 | 2018-10-12 | 武汉理工大学 | 一种tev海量数据的数学表达式拟合方法 |
CN109188258A (zh) * | 2018-07-17 | 2019-01-11 | 国网浙江省电力有限公司检修分公司 | 基于振电结合的高压断路器特征提取及分类方法 |
CN110967184A (zh) * | 2019-12-03 | 2020-04-07 | 合肥工业大学 | 基于振动信号分布特征识别的变速箱故障检测方法和*** |
CN111413641A (zh) * | 2020-04-03 | 2020-07-14 | 合肥凯高电气设备有限公司 | 一种利用hht暂态特征量检测的微机继电保护方法 |
CN113191192A (zh) * | 2021-03-25 | 2021-07-30 | 云南电网有限责任公司玉溪供电局 | 基于小波分析与模糊神经网络算法的断路器故障检测方法 |
CN114113995A (zh) * | 2021-10-29 | 2022-03-01 | 河南平高电气股份有限公司 | 一种gis用隔离开关机械故障检测方法及*** |
WO2023138337A1 (zh) * | 2022-01-18 | 2023-07-27 | 华为技术有限公司 | 一种电机故障检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
"Measurement of transient electromagnetic coupling and interference caused by disconnector operation in substation";Wang Lihui.et al;《ELSEVIER》;全文 * |
"特高压GIS变电站中VFTO特性及影响因素研究";王希;《山东电力技术》;第42卷(第210期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117033950A (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112069930A (zh) | 提升gis设备故障诊断准确率的振动信号处理方法及装置 | |
Wang et al. | Few-shot transfer learning with attention mechanism for high-voltage circuit breaker fault diagnosis | |
CN108805107B (zh) | 一种基于prps信号的gis内部局部放电缺陷识别方法 | |
CN110647924B (zh) | 一种基于支持向量描述与k近邻算法的gis设备状态评估方法 | |
CN112816838B (zh) | 基于fft、vmd和ls-svm的gis设备缺陷诊断装置及方法 | |
CN114580496A (zh) | 一种锂离子电池单体故障自检测方法 | |
CN113379252A (zh) | 基于多尺度排列熵值的贝叶斯网络高压开关柜健康***评估方法 | |
CN113745049B (zh) | 一种真空灭弧室内真空度监测方法及*** | |
CN117269655B (zh) | 变电站电力设备温度异常监测方法、***、终端及介质 | |
CN117033950B (zh) | 一种gis隔离开关机械故障在线诊断方法及装置 | |
Meng et al. | Severity evaluation of UHF signals of partial discharge in GIS based on semantic analysis | |
CN115343579B (zh) | 一种电网故障分析方法、装置及电子设备 | |
CN116298725A (zh) | 故障电弧检测方法、***及存储介质 | |
Qiu et al. | State assessment of key equipment of microgrid based on multi-source data fusion method | |
CN110929673A (zh) | 一种基于itd排列熵和cgwo-svm的变压器绕组振动信号识别方法 | |
CN105629144A (zh) | 基于指纹库的高压开关设备局部放电诊断方法及*** | |
CN109917245B (zh) | 考虑相位差的超声检测局部放电信号模式识别方法 | |
Shang et al. | Mechanical fault diagnosis system based on acoustic feature analysis in gas insulated switchgear | |
Cao et al. | An early diagnosis method for overcharging thermal runaway of energy storage lithium batteries | |
CN110988597A (zh) | 一种基于神经网络的谐振类别检测方法 | |
Yongxiang et al. | Gas-insulated switchgear (GIS) equipment mechanical fault detection based on feature learning of vibration signal images | |
Wu et al. | GIS Fault Diagnosis Method Based on Multi-Source Feature Dual Decision Hybrid Classification Network | |
Fault et al. | Check for Feature Fusion Based IPSO-LSSVM Fault Diagnosis of On-Load Tap Changers Honghua Xu, Laibi Yin, Ziqiang Xu, Qian Xin, and Mengjie Lv State Grid Nanjing Power Supply Company, Nanjing 320105, China | |
CN115166445A (zh) | 环氧树脂电流互感器绝缘缺陷识别方法、设备及存储介质 | |
Xiaodong et al. | Method for diagnosis of gas insulated switchgear based on VMD parameters optimized by chaotic cuckoo algorithm |
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 |