一种基于改进D-S证据理论的开关柜多源参量监测方法技术

基于改进D

【技术实现步骤摘要】
一种基于改进D
‑
S证据理论的开关柜多源参量监测方法


[0001]本专利技术涉及高压开关柜状态监测
，特别是一种基于改进D
‑
S证据理论的开关柜多源参量监测方法。

技术介绍

[0002]高压开关柜是变电站内的重要设备，开关柜也是电力系统的重要设备之一，高压开关柜内部绝缘闪络、异常发热及机构拒动故障等频发，对电网安全造成了严重的负面影响，其运行状态直接影响着电能质量和供电的可靠性。对开关柜进行检修是确保其安全可靠运行的必要手段，而现有的在线监测及带电检测手段局限于设备单一的状态量，未能实现基于多源信息的状态评估与故障诊断，且在不影响开关柜正常运行的情况下，获取开关柜的运行状态数据，利用这些监测数据对开关柜的运行状态进行评估，是对开关柜进行状态检修的必要前提。D
‑
S证据理论在多源信息融合方面具有优势，但应用于开关柜的多源信息融合时，存在一些问题，在当证据间发生高度冲突时，采用D
‑
S证据理论进行多证据融合时会出现合成规则失效的情况或得到与逻辑相违背的证据融合结果。这显著本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进D
‑
S证据理论的开关柜多源参量监测方法，其特征在于，包括如下步骤：步骤一：通过传感器获得运行中开关柜的多源状态监测信号，其包括双光谱红外热成像、超声波和暂态地电位局放、分合闸线圈电流、及振动监测数据，其中双光谱红外热成像、超声波和TEV局放监测数据属于绝缘类监测数据，分合闸线圈电流和振动信号监测数据属于机械类监测数据；步骤二：通过深度卷积神经网络方法对绝缘类监测数据进行模式识别分类，同时采用支持向量机方法对机械类监测数据进行初步识别，获得初步证据源；步骤三：采用加权将分类器各分类的准确率作为自适应权重对所述初步证据源进行修正，并引入不确定区间；步骤四：根据修正后的证据体求解相似度矩阵，以所述相似度矩阵作为权重矩阵赋予证据体不同的权重，经归一化得到新证据体并通过合成规则进行融合处理，将一致性和冲突性同时进行处理，修改得到证据源；步骤五：选择和新证据相似度最大的原证据对所述证据源的不确定区间进行再分配，得出评价结果并计算误差。2.如权利要求1所述的一种基于改进D
‑
S证据理论的开关柜多源参量监测方法，其特征在于，优选的，所述步骤一中，双光谱红外热成像采取双通道成像方式以双波段同步成像，所述温度分布包括基于背景图像的目标物体温度和周围物体的温度差，以及目标物体表面不同区域的温度差，并加入绝缘类监测数据。3.如权利要求1所述的一种基于改进D
‑
S证据理论的开关柜多源参量监测方法，其特征在于，所述步骤一中，超声波传感器固定在被检测开关柜的外壳上，利用压电晶体作为声电转化元件，当其内部发生放电时，局部放电产生的声波信号传递到开关柜表面，由超声波传感器将超声信号转换为电信号，并将所述电信号作为监测数据加入绝缘类监测数据。4.如权利要求1所述的一种基于改进D
‑
S证据理论的开关柜多源参量监测方法，其特征在于，所述步骤一中，分合闸线圈电流监测数据包括合闸时间同期性、分闸时间同期性、合闸线圈电流、触头接触电阻和断路器累积电磨损。5.如权利要求1所述的一种基于改进D
‑
S证据理论的开关柜多源参量监测方法，其特征在于，所述步骤一中，所述振动信号包括平均分闸速度、平均合闸速度和合闸弹簧状态。6.如权利要求1所述的一种基于改进D
‑
S证据理论的开关柜多源参量监测方法，其特征在于，所述步骤二中，所述深度卷积神经网络由卷积层和池化层交替组成一个多层的深度结构，然后通过一个或多个全连接层，最后在输出层通过一个分类器将结果输出，卷积层由多个二维卷积核组成，每个卷积核均视为参数可训练学习的滤波器，输入样本数据通过卷积运算提取得到多个特征的特征子图，使卷积层中的每一个特征子图只与前一层的部分特征图连接，卷积阶段利用权值共享减少了权值数量，同时池化阶段利用图像局部相关性原理对特征图进行子抽样，通过逐层卷积及池化，逐级提取隐藏在数据中的特征信息，深度卷积网络的前馈计算中，下一层的输入为上一层的输出，并通过激活函数逐层传递，总体上网络的输出O表示为：O＝F
...

【专利技术属性】
技术研发人员：吴正阳，杨为，蔡梦怡，朱太云，柯艳国，李坚林，赵恒阳，张国宝，杨熙，胡迪，陈忠，
申请(专利权)人：国网安徽省电力有限公司合肥工业大学，
类型：发明
国别省市：