一种电力设备金属腐蚀老化程度的辨识方法技术

本发明专利技术公开了一种电力设备金属腐蚀老化程度的辨识方法，属于电力设备技术领域，包括以下步骤：建立不同腐蚀梯度的训练样本数据集；提取多维腐蚀特征矩阵；对腐蚀特征矩阵的主成分分析；建立电力金属腐蚀老化程度辨识模型；验证电力金属腐蚀老化程度辨识模型有效性。本发明专利技术基于主成分分析方法和粒子群优化的最小二乘支持向量机算法，采用的电力金属腐蚀老化程度辨识模型不仅真实地反映了变电站的电力设备金属腐蚀信息，同时也简化了以往模型的计算复杂度，实现了金属腐蚀老化程度的准确辨识。

【技术实现步骤摘要】
一种电力设备金属腐蚀老化程度的辨识方法
本专利技术涉及电力设备
，具体为一种电力设备金属腐蚀老化程度的辨识方法。
技术介绍
输电线路电力设备金属材料的使用寿命受到大气腐蚀的严重影响，特别是在沿海或工业等恶劣气候条件下，导致分设备或材料的使用寿命不能满足实际环境的要求。严重时甚至可能发生电力事故，造成电网瘫痪。因此，针对不同的环境，建立一种有效的设备金属大气腐蚀程度评估方法，将有助于电网采取相应的设计、选材和防腐措施，降低后续维护成本。然而传统的腐蚀检测技术如人工观察法、厚度测量、失重测量等具有人工操作量大，准确性低等原因而不能大范围使用。随着科技的发展，一些新的检测技术如电化学检测、场效应检测和超声波检测，但由于检测繁琐，设备昂贵等原因而存在较大的局限性。在大气环境中，腐蚀的加剧总是伴随着金属表面腐蚀形态和结构的变化，腐蚀图像可以记录被腐蚀金属的形貌信息，随着人工智能技术的不断提高，图像处理技术作为一种快速、无损的检测技术,有望在腐蚀运维中被逐步被推广。腐蚀图像评价的基础是准确地提取和反映图像表面的形貌和纹理特征。常用的特征提取方法有统计分析、小波分析和分形特征分析。部分研究学者提出了一种利用模糊K-S熵表征腐蚀图像空间分布的方法或者利用小波变换检测铁锈图像，均取得了较好的效果。然而，单一方面的特征不能很好地描述腐蚀图像，高维特征又容易造成信息冗余，从而增加了识别模型的计算量和复杂度。因此，需要开发一种快速、高效且准确的电力设备金属腐蚀老化程度的辨识方法。为实现对电力设备金属腐蚀状态的有效识别，本专利技术首先基于变电站建立的区域不同腐蚀等级腐蚀图像的标准数据库提取了色矩、奇异值、分形、信息熵和五种特征，从而建立多维的特征矩阵。然后，采用主成分分析方法对提取的特征矩阵进行了降维处理，从而降低模型的计算复杂度。最后，结合粒子群优化的最小二乘支持向量机和主成分特征矩阵建立了电力设备金属老化程度的腐蚀辨识模型，辨识效果科学准确，具有较高的工程实际意义。
技术实现思路
本专利技术所要解决的技术问题是，克服以上
技术介绍
中提到的不足和缺陷，提供一种电力设备金属腐蚀老化程度的辨识方法。为解决上述技术问题，本专利技术提出的技术方案为一种电力设备金属腐蚀老化程度的辨识方法，所述方法包括以下步骤：步骤S1、建立不同腐蚀梯度的训练样本数据集；步骤S2、提取多维腐蚀特征矩阵；步骤S3、对腐蚀特征矩阵的主成分分析；步骤S4、建立电力金属腐蚀老化程度辨识模型；步骤S5、验证电力金属腐蚀老化程度辨识模型有效性。进一步地，所述多维腐蚀特征包括颜色矩特征、奇异值特征、分形维数特征、信息熵特征和小波分析特征。进一步地，在所述步骤S3中，对m个样本的n个变量进行观察，可得到主成分分析观测模型如下：假设观测模型的相关系数矩阵为R＝(rii)，样本矩阵Xm×n的二维向量设为Xi和Xj，则rij可由标准化样本数据的协方差矩阵进行转换：rij是Xi和Xj之间的相关系数，和是相应的标准差，用雅可比法求特征方程|λE-R|＝0的m个非负特征根λ1≥λ2≥…λm≥0，PCA后，将初始变量x1,x2,…xt转化为t个综合指数因子y1,y2,…,yt，表达式如下：式中：当i≠j(i，j为1,2,…,t)，yi和yj相互独立；cit满足c2i1+c2i2+…c2it＝1(i＝1,2…,t)，y1是x1,x2,…,xt满足方程(3)等线性组合中方差最大的指标因子，yt是所有与y1,y2,…,yt-1无关的线性组合中方差最小的指标因子，第i主成分的贡献率为其中i＝1,2,…,m，第q个主成分的累积贡献率为进一步地，在步骤S4中，所述电力金属腐蚀老化程度辨识模型采用粒子群优化的最小二乘支持向量机算法，采用训练样本数据集对所述粒子群优化的最小二乘支持向量机算法进行训练。进一步地，所述步骤S5中采用不同腐蚀梯度的测试样本数据集进行验证。本专利技术的有益效果为：本专利技术提出了一种电力设备金属腐蚀老化程度的辨识方法，基于主成分分析方法和粒子群优化的最小二乘支持向量机算法，采用的电力金属腐蚀老化程度辨识模型不仅真实地反映了变电站的电力设备金属腐蚀信息，同时也简化了以往模型的计算复杂度，实现了金属腐蚀老化程度的准确辨识。相比以往的腐蚀老化程度的辨识方法，首先，本专利技术针对变电站现场获取的腐蚀样本数据库的形貌特征分析，提取了腐蚀样本的颜色矩、奇异值、信息熵、分形维数等多类特征建立腐蚀老化特征数据库，从而实现腐蚀演化规律的有效表征。然后，本专利技术基于主成分分析方法对筛选的16维特征向量进行降维，并提取了5个主成分实现了96.57％的腐蚀特征向量相关信息的有效表征。最后本专利技术基于粒子群优化的支持向量机算法和腐蚀特征的主成分相关矩阵建立了准确的电力金属腐蚀老化程度辨识模型，实现了金属腐蚀老化程度的快速和有效的辨识，提高了运维效率。附图说明图1是本专利技术实施例中一种电力设备金属腐蚀老化程度的辨识方法的流程图。图2是本专利技术实施例中建立不同腐蚀梯度图像数据库的流程图。图3是本专利技术实施例中不同腐蚀程度Q235B碳钢腐蚀形貌图。图4是本专利技术实施例中不同腐蚀程度图像的灰度分布。图5是本专利技术实施例中不同腐蚀阶段提取的归一化特征的箱型分布图。图6是本专利技术实施例中各主成分的贡献率和累计贡献率。图7是本专利技术实施例中训练样本的识别效果图。具体实施方式本专利技术的整体流程如图1所示。下面对本专利技术的过程和原理在实际中的应用做进一步介绍。一、建立不同腐蚀梯度的训练样本数据集(1)变电站现场“暴露”实验实验前应首先做好样本的制备和变电站的位置选取，进而对实验样本开展现场的腐蚀“暴露”实验，从而建立腐蚀图像数据库，训练样本数据集和测试样本数据集选自腐蚀图像数据库。整体流程如图2所示。其中，选取的样本为Q235B碳钢的平板试样，试样材质应符合GB/T700《碳素结构钢》和GBT14165-2008《金属和合金大气腐蚀试验现场试验》的标准要求。样本本身暴露前应光滑，无锈蚀，样本尺寸长×宽应为150×100mm，厚度为1～5mm。样本暴晒前进行打磨、抛光、除油等操作。变电站的选择应避免地域太过集中或气候类型太过单一，应涵盖城市大气、工业大气、乡村大气等多种气候条件。本专利技术采集的现场样本的变电站包括重庆市东北、东南、西、南、中、主城区共6个区域的不同大气环境类型的10个变电站，气候类型涵盖污染较重的城市大气和工业型气候，也包括乡村大气和潮湿性的气候，变电站电压等级为220kV和550kV。采用表面观察法和失重法结合划分金属的腐蚀程度，设置未腐蚀、轻微腐蚀、一般腐蚀、较强腐蚀和严重腐蚀共五个等级，分别对应C1～C5。表1为相应的腐蚀评价等级分类表。表1腐蚀程度评价等级划分关系表然后对不同腐蚀程度的样本不定期的进行腐蚀图像的采集，变电站本文档来自技高网...

【技术保护点】
1.一种电力设备金属腐蚀老化程度的辨识方法，其特征是，包括以下步骤：/n步骤S1、建立不同腐蚀梯度的训练样本数据集；/n步骤S2、提取多维腐蚀特征矩阵；/n步骤S3、对腐蚀特征矩阵的主成分分析；/n步骤S4、建立电力金属腐蚀老化程度辨识模型；/n步骤S5、验证电力金属腐蚀老化程度辨识模型有效性。/n

【技术特征摘要】
1.一种电力设备金属腐蚀老化程度的辨识方法，其特征是，包括以下步骤：
步骤S1、建立不同腐蚀梯度的训练样本数据集；
步骤S2、提取多维腐蚀特征矩阵；
步骤S3、对腐蚀特征矩阵的主成分分析；
步骤S4、建立电力金属腐蚀老化程度辨识模型；
步骤S5、验证电力金属腐蚀老化程度辨识模型有效性。


2.如权利要求1所述的电力设备金属腐蚀老化程度的辨识方法，其特征是，所述多维腐蚀特征包括颜色矩特征、奇异值特征、分形维数特征、信息熵特征和小波分析特征。


3.如权利要求1所述的电力设备金属腐蚀老化程度的辨识方法，其特征是，在所述步骤S3中，对m个样本的n个变量进行观察，可得到主成分分析观测模型如下：



假设观测模型的相关系数矩阵为R＝(rii)，样本矩阵Xm×n的二维向量设为Xi和Xj，则rij可由标准化样本数据的协方差矩阵进行转换：



rij是Xi和Xj之间的相关系数，和是相应的标准差，用雅可比法求...

【专利技术属性】
技术研发人员：任啸，李永福，王谦，孟宪，刘熊，龙英凯，蒋西平，杨睿，陈伟，王光明，廖玉祥，
申请(专利权)人：国网重庆市电力公司电力科学研究院，国网重庆市电力公司，国家电网有限公司，
类型：发明
国别省市：重庆;50