一种基于高压开关设备动特性特征的缺陷判断方法

技术领域

本申请属于配电设备缺陷故障分析方法技术领域，尤其涉及一种基于高压开关设备动特性特征的缺陷判断方法。

背景技术

随着配电网数据收集和监测技术以及设备的广泛应用，用于表征和获取设备参数以及运行状态的方案以及数据越来越多，这些方案数据一方面能够提高电网对于设备和工作过程中的感知分析能力，但另一方面，庞大的数据量对于实际工作过程中对于一些不确定性问题的处理带来了较大的数据处理负担，由于实际问题的不确定性，监测方案和书籍测量数据在不同的情况下具有不同甚至相互冲突的含义表现，这可能导致在一些问题处理上的复杂度增加。

发明内容

本申请的目的在于，提供一种结合设备历史实际状态数据以及数据支持概率理论，用于简化多样化动特性数据集，实现基于动特性数据的高效缺陷定位方法。

为实现上述目的，本申请采用如下技术方案。

一种基于高压开关设备动特性特征的缺陷判断方法，包括如下步骤：

步骤1、获取历史数据中高压开关缺陷相关的动特性数据分别建立动特性数据库

步骤2、从动特性数据库中提取动特性特征建立动特性特征数据库；其提取方法为：对动特性数据进行小波变换之后进行经验模态分解得到其固有模态函数，提取固有模态函数能量熵，得到动特性特征数据库A

步骤3、基于支持向量机建立识别模型，基于动特性特征数据库内的数据，以固有模态函数能量熵作为支持向量机的输入，以缺陷类型r的识别结果为输出进行训练，确定训练后支持向量机对于缺陷i的有效率

基于动特性数据库中通过M次测量得到的的数据第n类动特性数据集对应的动特性特征数据集{H

步骤4、基于前述支持向量机建立识别模型，分别以待分析信号的各组动特性数据对应特征量作为支持向量分类模型的输入，得到的输出确定待分析信号对于第i类缺陷的影响率

步骤5、获取待分析的信号，基于上述步骤进行计算，得到待分析信号中包含的所有N类动特性数据A

进一步得到待分析信号内所有动特性数据类对于所有缺陷类别的置信度矩阵

步骤6、基于待分析信号对于所有缺陷类别的置信度矩阵ω中，将各类动特性数据视作各类缺陷的证据，则每一个置信度表示了每个证据对于该缺陷的证明力度，则前述待分析信号内所有动特性数据类对于所有缺陷类别的置信度矩阵ω满足证据理论规则，其中所有缺陷以及无缺陷类型构成了辨识框架Ω＝{U

步骤7、最后基于修正后的信任函数w

对前述基于高压开关设备动特性特征的缺陷判断方法的进一步改进或完善还包括，还包括用于修正缺陷冲突的步骤，具体包括：

7.1、通过合理认定缺陷类型等方式简化处理得到已知的若干相互冲突不可并存的缺陷类型；

7.2、基于前述步骤1至步骤5进行处理；

7.3、基于基本信任函数ω

7.3、基于步骤6、7进一步处理计算得到最终缺陷概率。

对前述基于高压开关设备动特性特征的缺陷判断方法的进一步改进或完善还包括，所述步骤2的具体实施过程：对于动特性数据库原始动特性数据信号A

对前述基于高压开关设备动特性特征的缺陷判断方法的进一步改进或完善还包括，所述步骤1中，所述动特性数据类型至少包括：开断控制的电信号数据、设备动作声信号数据、设备动作振动信号数据；对于某一类的动特性数据采集到的多组数据，将每组数据作为独立的动特性数据类型。

对前述基于高压开关设备动特性特征的缺陷判断方法的进一步改进或完善还包括，对于测量数据中的空缺项，根据相应测量量的预期变化趋势，其采集值使用拟合值或者均值或者零进行填充。

对前述基于高压开关设备动特性特征的缺陷判断方法的进一步改进或完善还包括，所述步骤2中还包括，提前对动特性数据库内的信号进行基础滤波降噪处理。

其有益效果在于：

本申请的基于高压开关设备动特性特征的缺陷判断方法在利用历史经验数据构建设备基础信息状态和趋势的基础上，利用多样化动特性数据对于不同类型缺陷的支持力度为切入点，提供了一种计算量小，仅从概率和支撑力度方面入手来对缺陷类型的概率进行分析计算的方法，该方法能够避免大量相互冲突或者具有多种可能性多样化的基础数据的复杂处理过程，减少实际数据处理过程的复杂程度。

附图说明

图1是基于高压开关设备动特性特征的缺陷判断方法的流程示意图。

具体实施方式

以下结合具体实施例对本申请作详细说明。

随着高压开关在电网运用范围不断扩大，其作为电网的关键性节电控制设备，对电网的安全稳定运行具有重要影响，因此针对高压开关的各类缺陷监测方案不断出现，力求保证尽可能早和准确的对高压开关可能存在的缺陷隐患进行排除。在各类方案中，基于动特性实现对于高压开关缺陷信号的检测和分析，进而进行缺陷检查和定位的方法作为一种非侵入式方案，能够在不影响高压开关正常运行工况的前提下，利用实时测量数据对当前高压开关的状态进行分析利用，但由于高压开关动作复杂，实际测量数据呈现非线性特点，信号测量的可再现性差，同时其涉及到的参数特征多种多样，因此如何构建更科学合理的缺陷定位特征，构建合理的动特性特征，影响着后续进行缺陷预测和缺陷定位等系列方案的有效性。

为此，本申请基于各类型的高压开关的各类特性信号，力求在采用更少的参考量的前提下，通过更有效手段进行特征提取和分析，实现降低高压开关缺陷定位难度，减少实施过程所需数据量的目的，如图1所示，本申请的基于高压开关设备动特性特征的缺陷判断方法包括如下步骤：

步骤1、获取历史数据中高压开关缺陷相关的动特性数据分别建立动特性数据库

作为必要且核心的参考数据，所述的n类动特性数据类型至少包括：开断控制的电信号数据、设备动作声信号数据、设备动作振动信号数据；

特别的，在实际实施过程中，通过设置在不同的测量位置或者使用不同测量对象，对于某一类的动特性数据，可以采集到多组数据，在此情况下，应当将每组数据作为独立的动特性数据类型；

在实际测量过程中，由于测量频率的差异，可能某组测量数据中并不一定在每个采集次数中均会进行采集，对于该种情况，根据相应测量量的预期变化趋势，其采集值使用拟合值或者均值或者零进行填充；

电信号一般包括电流和电压信号，涉及到高压开关设备时，因为一般是通过线圈等电磁驱动设备来实现开断控制，同时控制结构阻抗参数一致，同时其内部电流数据与实际开关动作特征直接关联，因此一般仅对控制机构的电流信号进行分析；高压开关设备动作过程中涉及到多个阶段和状态，其动作声信号和振动信号内含有大量的设备机械状态数据，对于判断和分析高压开关设备的运行状态具有重要意义；

步骤2、从动特性数据库中提取动特性特征建立动特性特征数据库；其提取方法为：对动特性数据库内的信号进行基础滤波降噪处理，对动特性数据进行小波变换之后进行经验模态分解得到其固有模态函数，提取固有模态函数能量熵，得到动特性特征数据库

具体实施过程：对于动特性数据库原始动特性数据信号A

步骤3、基于支持向量机建立识别模型，基于动特性特征数据库内的数据，以固有模态函数能量熵作为支持向量机的输入，以缺陷类型的识别结果为输出进行训练，确定训练后支持向量机对于缺陷的有效率

基于动特性数据库中通过M次测量得到的的数据第n类动特性数据集对应的动特性特征数据集{H

步骤4、基于前述支持向量机建立识别模型，分别以待分析信号的各组动特性数据对应特征量作为支持向量分类模型的输入，得到的输出确定待分析信号对于第i类缺陷的影响率

步骤5、获取待分析的信号，基于上述步骤进行计算，得到待分析信号中包含的所有N类动特性数据A

进一步，可以得到待分析信号内所有动特性数据类对于所有缺陷类别的置信度矩阵

步骤6、基于待分析信号对于所有缺陷类别的置信度矩阵ω中，将各类动特性数据视作各类缺陷的动特性数据证据，则每一个置信度表示了每个动特性数据证据对于该缺陷的证明力度，则前述待分析信号内所有动特性数据类对于所有缺陷类别的置信度矩阵ω满足证据理论规则，其中所有缺陷以及无缺陷类型构成了辨识框架Ω＝{U

最后基于修正后的信任函数w

特别的，前述步骤中，由于特定工作原理或特性的影响，可能存在相互冲突不可能并存的缺陷存在，通过合理认定缺陷类型等方式简化处理后，可以得到两两之间均不共存的缺陷类型，在此基础上，可以进一步利用冲突函数缩小判定范围，提高缺陷判定的准确性，具体步骤包括：

7.1、通过合理认定缺陷类型等方式简化处理得到已知的若干相互冲突不可并存的缺陷类型；

7.2、基于前述步骤1至步骤5进行处理；

7.3、基于基本信任函数ω

7.3、基于步骤6、7进一步处理计算得到最终概率。

最后应当说明的是，以上实施例仅用以说明本申请的技术方案，而非对本申请保护范围的限制，尽管参照较佳实施例对本申请作了详细地说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或者等同替换，而不脱离本申请技术方案的实质和范围。