基于电信号深度学习的断路器故障诊断方法和电路技术

本发明专利技术公开了一种基于电信号深度学习的断路器故障诊断方法和电路，一种基于电信号深度学习的断路器故障诊断方法，包括：使用电信号传感器采集配电网中待检测断路器的电信号数据，电信号传感器包括电压互感器和/或电流互感器；对采集到的电信号数据进行调节；将调节后的电信号数据输入基于电信号深度学习的断路器故障诊断模型，得到待检测断路器的故障诊断分类结果。本发明专利技术实施例公开的基于电信号深度学习的断路器故障诊断方法和电路，能够提高断路器故障诊断的准确性，降低断路器故障的诊断时间。诊断时间。诊断时间。

【技术实现步骤摘要】
基于电信号深度学习的断路器故障诊断方法和电路


[0001]本专利技术实施例电力技术，尤其涉及一种基于电信号深度学习的断路器故障诊断方法和电路。

技术介绍

[0002]断路器是能够关合、承载和开断正常回路条件下的电流并能在规定的时间内关合、承载和开断异常回路条件下的电流的开关装置。在配电网中存在众多的断路器，由于断路器数目众多且分散，造成断路器的维护困难。
[0003]配电网中的断路器由于长期处于合闸状态，当断路器内部机械元器件存在卡阻等问题，机构拒动或者慢分等故障，导致故障无法及时切除，进而引起越级跳闸，造成负荷大量损失的严重后果，严重影响了电网的安全稳定运行。
[0004]目前对断路器故障进行诊断主要通过经验模态分解提取断路器电信号的特征参数，然后从信号的多个IMF分量中选取前几个IMF分量能量作为支持向量机、径向基函数(Radial Basis Function，RBF)神经网络、粒子群RBF神经网络的输入。但仅是提取前几个IMF分量作为输入，使得信号缺失一部分信息，故障诊断出现失误的概率较大。而若采用信号的全部IMF分量作为输入，则对于故障分析来说，所花费的时间较长。

技术实现思路

[0005]本专利技术提供一种基于电信号深度学习的断路器故障诊断方法和电路，能够提高断路器故障诊断的准确性，降低断路器故障的诊断时间。
[0006]第一方面，本专利技术实施例提供一种基于电信号深度学习的断路器故障诊断方法，包括：
[0007]使用电信号传感器采集配电网中待检测断路器的电信号数据，电信号传感器包括电压互感器和/或电流互感器；
[0008]对采集到的电信号数据进行调节；
[0009]将调节后的电信号数据输入基于电信号深度学习的断路器故障诊断模型，得到待检测断路器的故障诊断分类结果。
[0010]在第一方面一种可能的实现方式中，将调节后的电信号数据输入基于电信号深度学习的断路器故障诊断模型之前，还包括：
[0011]提取调节后的电信号数据的电信号特征参数；
[0012]将调节后的电信号数据输入基于电信号深度学习的断路器故障诊断模型，包括：
[0013]将电信号特征参数输入基于电信号深度学习的断路器故障诊断模型。
[0014]在第一方面一种可能的实现方式中，提取调节后的电信号数据的电信号特征参数，包括：
[0015]对调节后的电信号数据进行EMD处理，并计算分解后的各IMF的边际谱；
[0016]计算各IMF的边际谱能量。
[0017]在第一方面一种可能的实现方式中，将电信号特征参数输入基于电信号深度学习的断路器故障诊断模型，包括：
[0018]将电信号特征参数输入基于电信号深度学习的断路器故障诊断模型的粗糙集简约层进行处理；
[0019]将处理后的数据输入基于电信号深度学习的断路器故障诊断模型的RBF神经网络。
[0020]在第一方面一种可能的实现方式中，基于电信号深度学习的断路器故障诊断方法还包括：
[0021]根据断路器处于不同故障时的电信号数据和断路器的不同故障作为训练数据，训练基于电信号深度学习的断路器故障诊断模型。
[0022]在第一方面一种可能的实现方式中，使用电信号传感器采集配电网中待检测断路器的电信号数据，包括：
[0023]使用安装在待检测断路器的二次回路上的电信号传感器采集待检测断路器的电信号数据。
[0024]在第一方面一种可能的实现方式中，使用电信号传感器采集配电网中待检测断路器的电信号数据，包括：
[0025]当电信号传感器监测到待检测断路器的电信号大于预设触发值时，采集预设时间长度的电信号数据作为待检测断路器的电信号数据，预设时间长度的电信号数据包括电信号大于预设触发值之前第一时间段。
[0026]在第一方面一种可能的实现方式中，对采集到的电信号数据进行调节，包括：
[0027]根据待检测断路器的部署位置，使用对应的电调节单元对待检测断路器采集到的电信号数据进行调节。
[0028]第二方面，本专利技术实施例提供一种基于电信号深度学习的断路器故障诊断电路，包括：
[0029]电信号传感器，用于采集配电网中待检测断路器的电信号数据，电信号传感器包括电压互感器和/或电流互感器；
[0030]电调节单元，用于对采集到的电信号数据进行调节；
[0031]故障诊断单元，用于将调节后的电信号数据输入基于电信号深度学习的断路器故障诊断模型，得到待检测断路器的故障诊断分类结果。
[0032]本专利技术实施例提供的基于电信号深度学习的断路器故障诊断方法和电路，使用电信号传感器采集配电网中待检测断路器的电信号数据，然后对采集到的电信号数据进行调节，最后将调节后的电信号数据输入基于电信号深度学习的断路器故障诊断模型，得到待检测断路器的故障诊断分类结果，由于采用深度学习网络进行断路器的故障诊断，因此提高了对断路器进行故障诊断的准确性和速度。
附图说明
[0033]图1为本专利技术实施例提供的一种基于电信号深度学习的断路器故障诊断方法的流程图；
[0034]图2A
‑
图2D为电信号调节单元的结构示意图；
[0035]图3为粗糙集RBF神经网络模型示意图；
[0036]图4为本专利技术实施例提供的基于电信号深度学习的断路器故障诊断电路的结构示意图。
具体实施方式
[0037]下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。
[0038]图1为本专利技术实施例提供的一种基于电信号深度学习的断路器故障诊断方法的流程图，如图1所示，本实施例提供的基于电信号深度学习的断路器机械故障诊断方法包括：
[0039]步骤S101，使用电信号传感器采集配电网中待检测断路器的电信号数据，电信号传感器包括电压互感器和/或电流互感器。
[0040]本实施例提供的基于电信号深度学习的断路器故障诊断方法，用于电网中的断路器故障进行诊断。断路器广泛应用于电网中，且数量众多，部署分散，对其进行故障诊断和维护的难度较大。若断路器长期处于合闸状态，当内部机械元器件存在卡阻等问题时，机构据动或者慢分等故障，导致故障无法及时切齿，进而引起越级跳闸，造成负荷大量损失的严重后果。而当断路器合闸时，机构据动或慢合等故障，易导致据动或者合闸不到位。据统计，断路器的故障占开关故障的70％
‑
80％，严重影响了电网的安全稳定运行。
[0041]在本实施例中，为了对断路器进行故障诊断，需要在配电网中设置电信号传感器。电信号传感器设置于配电网中各断路器的附近电路中。电信号传感器可以采集配电网中的电信号数据，电信号传感器采集的电信号数据可以是电压数据或电流数据，电信号传感器可以为电压互感器和/或电流互感器。也就是对断路器附近电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电信号深度学习的断路器故障诊断方法，其特征在于，包括：使用电信号传感器采集配电网中待检测断路器的电信号数据，所述电信号传感器包括电压互感器和/或电流互感器；对采集到的电信号数据进行调节；将调节后的电信号数据输入基于电信号深度学习的断路器故障诊断模型，得到所述待检测断路器的故障诊断分类结果。2.根据权利要求1所述的方法，其特征在于，所述将调节后的电信号数据输入基于电信号深度学习的断路器故障诊断模型之前，还包括：提取调节后的电信号数据的电信号特征参数；所述将调节后的电信号数据输入基于电信号深度学习的断路器故障诊断模型，包括：将所述电信号特征参数输入基于电信号深度学习的断路器故障诊断模型。3.根据权利要求2所述的方法，其特征在于，所述提取调节后的电信号数据的电信号特征参数，包括：对所述调节后的电信号数据进行经验模态分解EMD处理，并计算分解后的各本征模态函数IMF的边际谱；计算所述各IMF的边际谱能量。4.根据权利要求2或3所述的方法，其特征在于，所述将所述电信号特征参数输入基于电信号深度学习的断路器故障诊断模型，包括：将所述电信号特征参数输入所述基于电信号深度学习的断路器故障诊断模型的粗糙集简约层进行处理；将处理后的数据输入所述基于电信号深度学习的断路器故障诊断模型的径向基函数RBF神经网络。5.根据权利要求1～3任一项所述的方法，其特征在于，还包括：根据断路器处于不同故障时的电信号数据和断路器的不同故障作为训练数据，训练所述基于电信...

【专利技术属性】
技术研发人员：李通，李顺尧，万四维，郑风雷，陈果华，陈世昌，李兆伟，
申请(专利权)人：广东电网有限责任公司东莞供电局，
类型：发明
国别省市：