The invention discloses a method and system for mechanical fault diagnosis of GIS based on chaotic cuckoo algorithm. For two common mechanical faults of GIS, screw loosening and metal particle vibration, the chaotic cuckoo algorithm is used to optimize the VMD parameters first, and then the normal vibration signal and fault signal of GIS are decomposed by VMD to extract different faults. Finally, the K_means clustering algorithm optimized by linear decreasing weight PSO is used to cluster the feature vectors of training samples, and different clustering centers are obtained. Then the feature vectors of test samples are identified by the principle of minimum Euclidean distance, and the mechanical fault diagnosis of GIS is realized.
【技术实现步骤摘要】
基于混沌布谷鸟算法的GIS机械故障诊断方法及系统
本专利技术涉及一种基于混沌布谷鸟算法的GIS机械故障诊断方法及系统。
技术介绍
近年来,伴随着电压等级的不断提高,对电能质量的可靠性提出了更高的要求。国民用电在进一步提高的同时,电网事故频发,而GIS作为重要环节,一旦出现故障就可能造成大规模的停电事故,因此保证GIS的安全运行利国利民。目前,电力系统内GIS虽然稳定系数高,但是依旧存在设备运行一段时间或者在启运时便出现事故的先例。此外,在运行过程中,由于电压等级非常高,GIS内部存在很强的磁场,容易使设备存在的微小缺陷逐步蔓延,以致损坏设备,带来巨大经济损失。因此,对GIS的机械性能进行在线监测,通过监测振动信号预知其故障可能性并判别其故障类型,对电力系统安全运行意义重大,并具有良好的应用前景和推广价值。
技术实现思路
本专利技术为了解决上述问题,提出了一种基于混沌布谷鸟算法的GIS机械故障诊断方法及系统。首先,本专利技术提供了一种基于混沌布谷鸟算法的GIS机械故障诊断方法。本方法运用混沌布谷鸟算法,对GIS异常振动信号进行模态分解,以发现并判断GIS设备的故障,避免发生较为严重的机械故障。其次,本专利技术提供了一种基于混沌布谷鸟算法的GIS机械故障诊断系统,本系统针对当前GIS机械状态带电检测与故障诊断技术的研究现状以及存在的问题,基于振动信号处理进行GIS机械故障检测。为了实现上述目的,本专利技术采用如下技术方案:一种基于混沌布谷鸟算法的GIS机械故障诊断方法,具体包括以下步骤:根据典型故障模拟GIS电气故障和机械故障,获取GIS正常振动信号和故障信号;运 ...
【技术保护点】
1.一种基于混沌布谷鸟算法的GIS机械故障诊断方法,其特征是:包括以下步骤:根据典型故障模拟GIS电气故障和机械故障,获取GIS正常振动信号和故障信号;运用混沌布谷鸟算法优化变分模态分解参数,采用混沌映射提高布谷鸟种群的种群数;对GIS正常振动信号和故障信号分别进行变分模态分解,提取不同故障类型信号的特征向量;通过聚类算法对训练样本特征向量集进行聚类,得到不同的聚类中心;利用最小欧氏距离原则对测试样本特征向量集进行识别,实现GIS机械故障的诊断。
【技术特征摘要】
1.一种基于混沌布谷鸟算法的GIS机械故障诊断方法,其特征是:包括以下步骤:根据典型故障模拟GIS电气故障和机械故障,获取GIS正常振动信号和故障信号;运用混沌布谷鸟算法优化变分模态分解参数,采用混沌映射提高布谷鸟种群的种群数;对GIS正常振动信号和故障信号分别进行变分模态分解,提取不同故障类型信号的特征向量;通过聚类算法对训练样本特征向量集进行聚类,得到不同的聚类中心;利用最小欧氏距离原则对测试样本特征向量集进行识别,实现GIS机械故障的诊断。2.如权利要求1所述的一种基于混沌布谷鸟算法的GIS机械故障诊断方法,其特征是:收集历史数据中典型故障模拟GIS电气故障和机械故障数据,形成GIS正常振动信号集合和故障信号集合。3.如权利要求1所述的一种基于混沌布谷鸟算法的GIS机械故障诊断方法,其特征是:运用混沌布谷鸟算法优化变分模态分解参数,采用混沌映射提高布谷鸟种群的种群数的具体过程包括在布谷鸟算法变更鸟巢位置后,进行混沌优化搜索,使用混沌映射得到混沌序列,根据适应度函数改变鸟巢位置。4.如权利要求3所述的一种基于混沌布谷鸟算法的GIS机械故障诊断方法,其特征是:包括以下步骤:1)初始化CCS算法各参数并确定适应度函数;2)初始化概率参数,随机产生n个鸟巢,以影响参数中的预知模态数和二次惩罚项的组合作为鸟巢位置,随机产生一定数量的影响参数组合作为鸟巢的初始位置;3)在不同鸟巢位置条件下对信号做变分模态分解运算,计算各鸟巢位置相对应的适应度值;4)保留前一代最适鸟巢位置,利用Levy飞行算法更新鸟巢,对比适应度值大小;5)判断适应度函数在参数设定迭代次数内是否变化,若存在变化,转入下一步;若不存在变化,对当前最优鸟巢混沌映射;6)利用步骤4)变更鸟巢位置,用随机数与概率参数对比,若随机数大于概率参数,则随机改变鸟巢位置,反之则不变,最后保留最好的一组鸟窝位置;7)循环迭代,转至步骤3),直至迭代次数达到最大设定值后输出最佳适应度值及鸟巢位置。5.如权利要求1所述的一种基于混沌布谷鸟算法的GIS机械故障诊断方法,其特征是:GIS振动信号x(t)的变分模态分解得到n个内禀模态函数BIMF,相应的可计算出其对应各自的能量值E1,E2,…En;不考虑参与分量的影响,n个BIMF的能量总和一定等于原始振动信号的总能量值;由于各个BIMF分量BIMF1,BIMF2,…,BIMFn包含不一样的频率组成成分,对应着不一样的能量矩阵E={E1,E2,…En}...
【专利技术属性】
技术研发人员:庄燕飞,黄锐,袁海燕,冯迎春,吕俊涛,
申请(专利权)人:国家电网公司,国网山东省电力公司检修公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。