一种断路器缺陷识别方法技术

本申请公开了一种断路器缺陷识别方法，包括采集断路器分合闸线圈电流数据，将采集的断路器分合闸线圈电流数据分为训练集和测试集；预处理步骤1采集的分合闸线圈电流数据；提取预处理后数据的波形特征；基于提取的波形特征，识别断路器缺陷。本申请利用CNN中的卷积层与池化层实现断路器缺陷特征自提取，基于RF算法实现网络训练过程，解决了传统人工提取特征过度依赖专家经验，及传统阈值法受谐波影响较大因此准确率波动大的问题；采用的随机森林预测算法，其训练过程中，克服了传统方法中在监测到未知波形时无法正确辨识的问题，因此不仅能够识别多种已知缺陷，还可隔离未知缺陷，同时识别准确率高。

A method of identifying circuit breaker defects

【技术实现步骤摘要】
一种断路器缺陷识别方法
本专利技术属于断路器缺陷识别
，涉及一种断路器缺陷识别技术，尤其涉及一种基于卷积神经网络(ConvolutionalNeuralNetworks,CNN)与随机森林(RandomForest,RF)预测算法的断路器缺陷识别方法。
技术介绍
断路器以其庞大的数量、广泛的运用范围，及其在电力系统中通断负荷、切除故障的控制与保护功能，成为了电网中不可或缺的重要组成部分。因此，研究断路器机械状态特征提取技术、机械缺陷诊断方法，对于规避断路器各类事故的发生意义重大。传统的机械故障(缺陷)诊断技术包括基于解析模型的方法、时域频域分析方法、多元统计方法和基于知识的方法等。在监测故障的主要信号的选择上，主要有振动信号、分合闸线圈电流、触头位移或主轴转角和电力设备图像等。其中，分合闸线圈电流作为涵盖断路器在操作过程关键特征的重要标志信号，不仅监测方便，并且相较其他几种信号，其包含的断路器操作机构信息较为全面。通过该信号可识别的故障类型较为广泛，如：操作机构中控制回路故障、铁芯卡涩、线圈老化等；同时该信号对操作机构的缺陷变化趋本文档来自技高网...

【技术保护点】
1.一种断路器缺陷识别方法，其特征在于：/n所述方法包括以下步骤：/n步骤1：采集断路器分合闸线圈电流数据，将采集的断路器分合闸线圈电流数据分为训练集和测试集；/n步骤2：预处理步骤1采集的分合闸线圈电流数据；/n步骤3：提取预处理后数据的波形特征；/n步骤4：基于步骤3提取的波形特征，识别断路器缺陷。/n

【技术特征摘要】
1.一种断路器缺陷识别方法，其特征在于：
所述方法包括以下步骤：
步骤1：采集断路器分合闸线圈电流数据，将采集的断路器分合闸线圈电流数据分为训练集和测试集；
步骤2：预处理步骤1采集的分合闸线圈电流数据；
步骤3：提取预处理后数据的波形特征；
步骤4：基于步骤3提取的波形特征，识别断路器缺陷。


2.根据权利要求1所述的一种断路器缺陷识别方法，其特征在于：
所述方法还包括步骤5：测试集校核断路器缺陷识别准确率。


3.根据权利要求1或2所述的一种断路器缺陷识别方法，其特征在于：
步骤2所述预处理步骤1采集的分合闸线圈电流数据，包括：
步骤201：对所有分合闸线圈电流数据进行二次采样，统一数据维度并归一化；
步骤202：对归一化的数据进行特征波形粗提取，并对提取出的信号进行滤波和消噪。


4.根据权利要求3所述的一种断路器缺陷识别方法，其特征在于：
步骤201中，设数据维度分别为N1*1，N2*1，N3*1……，其中N1最小，则以数据量最小的N1为基准，将所有分合闸线圈电流数据进行二次采样。


5.根据权利要求3所述的一种断路器缺陷识别方法，其特征在于：
步骤202中，利用传统阈值法对归一化的数据进行特征波形粗提取。


6.根据权利要求1或2所述的一种断路器缺陷识别方法，其特征在于：
步骤3所述提取预处理后数据的波形特征，包括：
步骤301：根据实际需求确定CNN模型中每个环节的数据维度，构建CNN模型整体框架；
步骤302：基于构建的CNN模型与自动编码器基础结构，建立卷积编码器，对分合闸线圈电流波形进行特征提取。


7.根据权利要求6所述的一种断路器缺陷识别方法，其特征在于：
步骤302具体为：构造卷积层，以卷积核对输入样本进行卷积运算提取特征，采用激活函数输出特征映射：
设卷积核K是一个n*n(n≥1且n∈N+)维矩阵，在训练过程中随着迭代次数不断更新；
若已知输入样本I为a×b维矩阵和卷积核，则特征矩阵T的维度可表...

【专利技术属性】
技术研发人员：戴锋，车凯，陈昊，陈韬，陈轩，叶昱媛，邓凯，张海华，赵英浩，杨海铭，
申请(专利权)人：国网江苏省电力有限公司检修分公司，国网江苏省电力有限公司，
类型：发明
国别省市：江苏;32