【技术实现步骤摘要】
一种基于PCA-BPNN的断路器故障诊断方法
本专利技术涉及一种基于PCA-BPNN的断路器故障诊断方法,属于断路器故障诊断
技术介绍
目前,电网的安全可靠性是一个国家经济发展的基础。断路器作为电力系统中最重要,最复杂的电气设备之一,在电力系统的安全运行中起着重要的作用。当发生故障或事故时,可能会引起电网事故,甚至扩大事故范围,造成严重的经济损失。由断路器引起的事故占电力设备故障的比例更高。此外,据统计,操作机构的机械故障占所有断路器故障的80%以上。因此,研究断路器的机械故障诊断方法,及时发现断路器的工作状态,对于提高电源的可靠性具有十分重要的意义。机器学习的发展给电网设备的故障诊断提供了新的解决方案,实验证明机器学习方法可以产生比基于经验规则的传统方法更好的性能。例如,基于优化支持向量机(SVM)的分类器比基于小数据集的专家系统具有更高的准确性。但是,由于SVM通常有效地应用于较小的数据集且容易陷入局部最优,因此需要更有效但更复杂的算法来处理故障诊断问题。同时,考虑到可能包含其他噪声的较大数据集,如果有预处理程序,将有进一步的改进。
技术实现思路
目的:为了克服现有技术中存在的由于SVM通常有效地应用于较小的数据集且容易陷入局部最优和包含其他噪声的较大数据集的不足,本专利技术提供一种基于PCA-BPNN的断路器故障诊断方法。技术方案:为解决上述技术问题,本专利技术采用的技术方案为:一种基于PCA-BPNN的断路器故障诊断方法,包括如下步骤:通过各类典型 ...
【技术保护点】
1.一种基于PCA-BPNN的断路器故障诊断方法,其特征在于:包括如下步骤:/n通过各类典型机械故障状态,以及各类典型机械故障状态对应的数据集F
【技术特征摘要】
1.一种基于PCA-BPNN的断路器故障诊断方法,其特征在于:包括如下步骤:
通过各类典型机械故障状态,以及各类典型机械故障状态对应的数据集Fq×m,来训练BP神经网络,得到权重值w,偏移值b;
利用训练好的BP神经网络实现对断路器故障类型的诊断。
2.根据权利要求1所述的一种基于PCA-BPNN的断路器故障诊断方法,其特征在于:所述数据集Fq×m计算过程如下:
将各类典型机械故障状态下分别对应的m条振动信号计算频带信号的特征熵H(d,l),得到频带信号特征熵组成n×m维的矩阵Xn×m,其中,n为每条振动信号分解后频带信号的特征熵的个数,即2d,d表示将振动信号分解到的层数,m为振动信号个数,即样本个数;
将矩阵Xn×m的元素按行进行零均值化,即将每个元素减去每行元素的均值,得到矩阵X'n×m;
计算X'n×m的协方差矩阵S,公式如下:
其中,Sij,i,j=1,2,...,n表示特征熵X'i与X'j的相关系数,X'i,X'j分别为m个样本的第i个特征熵和第j个特征熵,数据维度为1×m;
通过特征值分解矩阵求出协方差矩阵S的特征值λi,i=1,2,...,n和对应的特征向量ui,i=1,2,...,n,数据维度为1×n;
根据特征值λi和信息贡献率计算公式,求出满足信息贡献率p条件下的最小q值;
将特征值λi从大到小排列,选取前q个特征值对应的特征向量,将矩阵X'n×m投影到选取的特征向量上,得到数据集Fq×m。
3.根据权利要求2所述的一种基于PCA-BPNN的断路器故障诊断方法,其特征在于:所述Sij由如下公式计算得到:
式中:X'(i,k)为第i行k列的数据,为X'n×m中第i行的平均值,X'(j,k)为第j行k列的数值,为X'n×m中第j行平均值,m为数据样本个数。
4.根据权利要求2所述的一种基于PCA-BPNN的断路器故障诊断方法,其特征在于:所述特征值分解矩阵计算公式如下所示:
S=U∑U-1
其中,U是矩阵S的特征向量ui,i=1,2,...,n组成的数据维度为1×n矩阵,∑则是一个对角阵,对角线上的元素就是特征值λi,i=1,2,...,n。
5.根据权利要求2所述的一种基于PCA-BPNN的断路器故障诊断方法,其特征在于:所述信息贡献率的计算公式为:
其中:n为特征值的个数,λi表示第i个特征值,q为满足信息贡献率的最小特征值数量。
6.根据权利要求2所述的一...
【专利技术属性】
技术研发人员:蒿峰,文志刚,郭抒翔,白永祥,继红,海威,王福贺,王晓光,乌日恒,高博,邹大云,袁飞飞,
申请(专利权)人:内蒙古电力集团有限责任公司电力调度控制分公司,南京南瑞继保工程技术有限公司,
类型:发明
国别省市:内蒙古;15
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。