一种基于电流信息特征的电子式电流互感器故障诊断方法技术

本发明专利技术公开了一种基于电流信息特征的电子式电流互感器故障诊断方法，包括步骤：1、采集电子式电流互感器在各种工作状态下的电流数据Xp(t)，记录工作状态Sp；2、对Xp(t)进行EMD分解，得到多个IMF分量

A Fault Diagnosis Method of Electronic Current Transformer Based on Current Information Characteristics

The invention discloses a fault diagnosis method of electronic current transformer based on current information characteristics, including steps: 1. collecting current data Xp (t) of electronic current transformer under various working conditions, recording working status Sp; 2. EMD decomposition of Xp (t) to obtain multiple IMF components.

【技术实现步骤摘要】
一种基于电流信息特征的电子式电流互感器故障诊断方法
本专利技术涉及变电站电子式电流互感器故障诊断领域，具体涉及一种基于电流信息特征提取和分类的电子式电流互感器故障诊断方法。
技术介绍
在智能变电站中，电流互感器作为重要的控制、保护、计量元件，其技术水平和设备质量关系到智能变电站的安全可靠运行。电子式互感器以其体积小、绝缘简单、重量轻、动态范围宽、无磁饱和等特性等优势，在智能电网的全面建设下，已经逐步的取代传统的电磁式互感器。但是在运行过程中也暴露出可靠性方面的严重问题，由于电子式电流互感器采用了一些光学器件和电子器件等相对易损耗的元件，长期工作在变电站户外的恶劣环境中，实际挂网运行的设备时间都不长，而且都有一定的故障率，从而导致对变电站内信息采集的不准确，危害电网的安全稳定运行。因此，有必要对挂网运行的电子式互感器进行在线监测和故障诊断。电子式互感器在运行过程中不存在绝缘、磁饱和、二次侧开路等问题，决定其可靠性的主要是内部的光学元件和电子元件。其故障根据故障种类的不同可以分为渐变性故障和突变性故障，渐变性故障包含了变比偏差故障和漂移偏差故障，突变性故障包含了固定偏差故障和失效故障。突变故障在运行中会发生突然变化，导致测量的不准确，不能及时监测电网的情况；渐变性故障变化缓慢，在短期状况下不能发现，有很大的隐患，长期运行下去可能会导致严重的事故。
技术实现思路
专利技术目的：本专利技术旨在提供一种诊断电子式电流互感器故障的方法，可以实现在线监测电子式电流互感器的工作状态，识别故障类型。技术方案：本专利技术采用如下技术方案：一种基于电流信息特征的电子式电流互感器故障诊断方法，包括训练阶段和故障诊断阶段；所述训练阶段包括如下步骤：(1)采集电子式电流互感器在正常工作状态下和各种故障状态下工作的电流数据Xp(t)，并记录各电流数据所对应的工作状态Sp，p为工作状态类型标识；(2)对采集的电流数据Xp(t)进行EMD分解，将Xp(t)分解为多个IMF分量和残余分量；选取前n个IMF分量，设其中为电流数据Xp(t)的第i个IMF分量，为电流数据Xp(t)的残余分量，i＝1..n；(3)计算电流数据Xp(t)每个IMF分量的峭度能量矩和信号近似熵(4)构造电流数据Xp(t)的特征向量Φp：(5)建立BP神经网络模型，将电流数据Xp(t)的特征向量Φp作为输入，对应的工作状态作为输出，训练所建立的BP神经网络模型；所述故障诊断阶段包括如下步骤：(6)采集运行中的电子式电流互感器的电流数据x(t)，将x(t)按照步骤(2)至(4)的方法计算出特征向量Φx，将所述特征向量Φx作为步骤(5)中训练好的BP神经网络模型的输入，模型的输出即为电流数据x(t)对应的电子式电流互感器的工作状态。所述步骤(1)和步骤(6)中采集电子式电流互感器的电流数据后还包括对电流数据进行预处理，所述预处理包括低通滤波。所述步骤(2)中电流数据Xp(t)的EMD分解包括如下步骤：(2.1)确定电流数据Xp(t)中所有的极大值点和所有的极小值点，采用三次样条插值法将所有的极大值点和极小值点分别拟合得到Xp(t)的上包络线和下包络线(2.2)根据求得的上下包络线计算Xp(t)的均值曲线：(2.3)从信号Xp(t)中减去均值信号，得到剩余信号hp(t)＝Xp(t)-mp(t)；(2.4)判断hp(t)是否满足IMF分量的两个条件，如果不满足则将信号hp(t)作为原始信号Xp(t)重复步骤2.1至2.3，直到满足条件，将满足IMF条件的hp(t)记作cp(t)；其中IMF分量的两个条件分别为：(a)在整个时间范围内，IMF局部极值点必须等于过零点的数目，或者最多相差一个；(b)在任意时刻点，IMF局部的上下包络线的平均值必须为0；(2.5)将cp(t)从原始信号Xp(t)中去除，求得剩余信号r(t)＝Xp(t)-cp(t)，将r(t)作为“原始信号”，重新进行步骤(2.1)～(2.5)，依次可以得到多个IMF分量IMF1～IMFn，信号记作直到剩余信号r(t)为单调函数为止，将最后单调剩余信号记作残余分量(2.6)完成上述步骤后，电流信号Xp(t)被分解为n个不同的IMF分量和残余分量之和，记作其中n为IMF的分解层数。所述步骤(3)中峭度的计算式为：其中为信号的均值，为信号的标准差，E(·)为计算数学期望运算符。所述步骤(3)中信号的能量矩计算式为：其中Ts为信号的持续时长。所述步骤(3)中信号近似熵计算步骤如下：(B.1)对信号进行采样得到离散化的信号w(k)，构成时间序列{w(k):1≤k≤N}，其中N为采样点数；按顺序构建m维向量：其中表示从第u个采样点到第u+m-1个采样点的值；(B.2)定义向量与向量之间的距离为两个向量元素间差值的最大值，即对每一个u值，计算与其余向量间的距离u,v＝1,2,...,N-m+1,且u≠v；(B.3)给定阈值r，对于每个u≤N-m+1的值，统计小于r的数目W以及W与N-m的比值即(B.4)将取对数，并根据u值计算其均值，记作φm(r)，即(B.5)将维数m加1，重新按照步骤(B.1)至(B.4)求解φm+1(r)；则该IMF信号的近似熵为所述步骤(5)中建立的BP神经网络包括输入层、隐含层、输出层，所述输入层的节点个数为3*n，n为EMD分解后选取的IMF分量个数；输出层的节点个数为工作状态类型的数量；一个隐含层，所述隐含层的节点个数Nh根据经验公式取值，其中ρ为[0,10]之间的整数。所述BP神经网络模型中各个神经元的激活函数为Sigmoid函数，函数表达式为：本专利技术中所述的工作状态包括漂移偏差故障、变比偏差故障、固定偏差故障、失效故障、正常工作。有益效果：本专利技术公开的基于电流信息特征的电子式电流互感器故障诊断方法，可以对电子式电流互感器的运行状态进行实时在线监控，当互感器运行故障时可以实时检测出来并对故障进行分类识别；提高了电厂工作人员对于互感器运行情况的了解，保障了电网的安全运行。附图说明图1是本专利技术公开的电子式电流互感器故障诊断方法的流程图；图2是对电流数据进行EMD分解的流程图；图3是实施例中建立的BP神经网络模型结构图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面结合附图对本专利技术的具体实施案例做说明。本实施例以漂移偏差故障、变比偏差故障、固定偏差故障、失效故障这4种类型的故障为例，来详细说明本专利技术公开的方法。本专利技术公开了一种基于电流信息特征的电子式电流互感器故障诊断方法，如图1所示，包括训练阶段和故障诊断阶段，所述训练阶段包括如下步骤：步骤1、采集电子式电流互感器在正常工作状态下和各种故障状态下工作的电流数据Xp(t)，并记录各电流数据所对应的工作状态Sp，p为工作状态类型标识；在采集到的电流互感器电流数据会含有许多噪声干扰，这些噪声的主要成分主要是高频信号，因此在进行下一步处理之前先对电流信号进行低通滤波，滤除高频噪声。设预处理后的漂移偏差故障时的电流数据为XA(t)、变比偏差故障时的电流数据为XB(t)、固定偏差故障时的电流数据为XC(t)、失效故障时的电流数据为XD(t)、正常工作状态下的电流数据为XE(t)，即工作状态类型标识p∈{A,B,C,D,E}；步骤2、对电流数据Xp(t)进行本文档来自技高网...

【技术保护点】
1.一种基于电流信息特征的电子式电流互感器故障诊断方法，包括训练阶段和故障诊断阶段；其特征在于：所述训练阶段包括如下步骤：(1)采集电子式电流互感器在正常工作状态下和各种故障状态下工作的电流数据Xp(t)，并记录各电流数据所对应的工作状态Sp，p为工作状态类型标识；(2)对采集的电流数据Xp(t)进行EMD分解，将Xp(t)分解为多个IMF分量和残余分量；选取前n个IMF分量，设

【技术特征摘要】
1.一种基于电流信息特征的电子式电流互感器故障诊断方法，包括训练阶段和故障诊断阶段；其特征在于：所述训练阶段包括如下步骤：(1)采集电子式电流互感器在正常工作状态下和各种故障状态下工作的电流数据Xp(t)，并记录各电流数据所对应的工作状态Sp，p为工作状态类型标识；(2)对采集的电流数据Xp(t)进行EMD分解，将Xp(t)分解为多个IMF分量和残余分量；选取前n个IMF分量，设其中为电流数据Xp(t)的第i个IMF分量，为电流数据Xp(t)的残余分量，i＝1..n；(3)计算电流数据Xp(t)每个IMF分量的峭度能量矩和信号近似熵(4)构造电流数据Xp(t)的特征向量Φp：(5)建立BP神经网络模型，将电流数据Xp(t)的特征向量Φp作为输入，对应的工作状态作为输出，训练所建立的BP神经网络模型；所述故障诊断阶段包括如下步骤：(6)采集运行中的电子式电流互感器的电流数据x(t)，将x(t)按照步骤(2)至(4)的方法计算出特征向量Φx，将所述特征向量Φx作为步骤(5)中训练好的BP神经网络模型的输入，模型的输出即为电流数据x(t)对应的电子式电流互感器的工作状态。2.根据权利要求1所述的电子式电流互感器故障诊断方法，其特征在于，所述步骤(1)和步骤(6)中采集电子式电流互感器的电流数据后还包括对电流数据进行预处理，所述预处理包括低通滤波。3.根据权利要求1所述的电子式电流互感器故障诊断方法，其特征在于，所述步骤(2)中电流数据Xp(t)的EMD分解包括如下步骤：(2.1)确定电流数据Xp(t)中所有的极大值点和所有的极小值点，采用三次样条插值法将所有的极大值点和极小值点分别拟合得到Xp(t)的上包络线和下包络线(2.2)根据求得的上下包络线计算Xp(t)的均值曲线：(2.3)从信号Xp(t)中减去均值信号，得到剩余信号hp(t)＝Xp(t)-mp(t)；(2.4)判断hp(t)是否满足IMF分量的两个条件，如果不满足则将信号hp(t)作为原始信号Xp(t)重复步骤2.1至2.3，直到满足条件，将满足IMF条件的hp(t)记作cp(t)；其中IMF分量的两个条件分别为：(a)在整个时间范围内，IMF局部极值点必须等于过零点的数目，或者最多相差一个；(b)在任意时刻点，IMF局部的上下包络线的平均值必须为0；(2.5)将cp(t)从原始信号Xp(t)中去除，求得剩余信号r(t)＝X...

【专利技术属性】
技术研发人员：王立辉，赵凯，倪江生，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32