本申请公开了一种设备状态检测方法、装置及系统。其中，该方法包括：获取目标设备的目标振动信号；对目标振动信号进行奇异谱分析，确定目标振动信号中的目标分量信号；对目标分量信号进行时域分析和频域分析，得到时域特征值和频域特征值；将时域特征值和频域特征值输入状态诊断模型，通过状态诊断模型确定所述目标设备的运行状态，其中，状态诊断模型是基于目标设备的历史运行数据训练得到的决策树模型。本申请解决了相关技术中在检测设备状态时，由人工分析检测数据不仅计算复杂且效率较低的技术问题。技术问题。技术问题。
【技术实现步骤摘要】
设备状态检测方法、装置及系统
[0001]本申请涉及电力设备检测
，具体而言，涉及一种设备状态检测方法、装置及系统。
技术介绍
[0002]当GIS设备存在缺陷时，在开关操作的机械力、负载电流产生的交变电动力等因素的作用下，会产生机械性运动，从而导致设备发生异常振动，这些振动对设备有很大危害，也会产生安全隐患，长期发展将致使事故发生。因此，加强对GIS振动缺陷及故障的检测，是保证其安全运行的重要手段。
[0003]GIS异常振动时的特征值与设备正常运行时存在差异性，因此，以GIS运行时的振动分析作为切入点，可以进行故障诊断。目前，在基于振动测量的GIS故障诊断中，大多都是针对采集的振动信号进行分析和判断，当测量大型设备时，为保证数据采集的完整性和可靠性，传感器的数量需求较大，测试数据也较多，这无疑增加了GIS状态检测的难度和工作量，具有局限性，需工作人员分析大量振动信号数据，耗时耗力，且不能发现早期故障，对于排查故障有滞后性，工作人员对所有数据进行人工处理，也会大大增加工作重复度，且效率一般。
[0004]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0005]本申请实施例提供了一种设备状态检测方法、装置及系统，以至少解决相关技术中在检测设备状态时，由人工分析检测数据不仅计算复杂且效率较低的技术问题。
[0006]根据本申请实施例的一个方面，提供了一种设备状态检测方法，包括：获取目标设备的目标振动信号；对所述目标振动信号进行奇异谱分析，确定所述目标振动信号中的目标分量信号；对所述目标分量信号进行时域分析和频域分析，得到时域特征值和频域特征值；将所述时域特征值和频域特征值输入状态诊断模型，通过所述状态诊断模型确定所述目标设备的运行状态，其中，所述状态诊断模型是基于所述目标设备的历史运行数据训练得到的决策树模型。
[0007]可选地，获取位于所述目标设备上的目标传感器采集的振动信号；对所述振动信号进行模数转换，得到所述目标振动信号。
[0008]可选地，确定所述目标振动信号对应的第一时间序列，并确定所述第一时间序列的轨迹矩阵；对所述轨迹矩阵进行奇异值分解，将所述轨迹矩阵分解为第一数量的初等矩阵；对所述第一数量的初等矩阵进行分组，并对每组所述初等矩阵进行求和，得到第二数量的合成矩阵，从所述第二数量的合成矩阵中确定目标合成矩阵；通过对角平均计算方式将所述目标合成矩阵转换为第二时间序列，基于所述第二时间序列确定所述目标分量信号。
[0009]可选地，对所述目标分量信号进行时域分析，得到所述时域特征值，所述时域特征值至少包括以下其中之一：用于表示所述目标分量信号的时域平均值的均值，用于表示所
述目标分量信号的振幅与能量的均方根，用于表示所述目标分量信号的不对称特征的偏度，用于表示所述目标分量信号的峰值的峭度，用于表示所述目标分量信号中的冲击的波峰因子，用于表示所述目标分量信号的形状的形状因子；对所述目标分量信号进行傅里叶变换得到目标频谱信号，并对所述目标频谱信号进行频域分析，得到所述频域特征值，所述频域特征值至少包括以下其中之一：用于表示所述频谱信号的重心的谱矩心，用于表示所述频谱信号的扩散度的谱扩散度，用于表示所述频谱信号的对称性的谱偏度，用于表示所述频谱信号中瞬态信号位置的谱峭度，用于表示所述频谱信号中峰值的指标的谱波峰因子，用于表示所述频谱信号的能量分布的谱熵。
[0010]可选地，所述状态诊断模型的训练过程包括：获取所述目标设备的所述历史运行数据，所述历史运行数据中包括：历史振动信号和与所述历史振动信号对应的历史运行状态；对所述历史振动信号进行奇异谱分析，确定所述历史振动信号中的历史分量信号，并对所述历史分量信号进行时域分析和频域分析，得到历史时域特征值和历史频域特征值；基于梯度提升决策树算法构建所述决策树模型，并基于所述历史时域特征值、所述历史频域特征值和所述历史运行状态对所述决策树模型进行迭代训练，得到所述状态诊断模型，其中，所述决策树模型包括：根节点、中间节点和叶节点。
[0011]可选地，将所述历史时域特征值和所述历史频域特征值输入所述决策树模型，通过所述决策树模型输出得到所述设备的预测运行状态；基于所述预测运行状态和所述历史运行状态构建目标损失函数；在迭代训练过程中，通过最小化目标损失函数优化所述决策树模型的模型参数，得到所述状态诊断模型。
[0012]可选地，在通过所述状态诊断模型确定所述目标设备的运行状态后，在显示设备中展示所述时域特征值、所述频域特征值和所述目标设备的运行状态；在确定所述目标设备的运行状态存在异常时，生成故障预警信息，所述故障预警信息用于提示所述目标设备存在异常需要处理。
[0013]根据本申请实施例的另一方面，还提供了一种设备状态检测装置，包括：获取模块，用于获取目标设备的目标振动信号；第一分析模块，用于对所述目标振动信号进行奇异谱分析，确定所述目标振动信号中的目标分量信号；第二分析模块，用于对所述目标分量信号进行时域分析和频域分析，得到时域特征值和频域特征值；确定模块，用于将所述时域特征值和频域特征值输入状态诊断模型，通过所述状态诊断模型确定所述目标设备的运行状态，其中，所述状态诊断模型是基于所述目标设备的历史运行数据训练得到的决策树模型。
[0014]根据本申请实施例的另一方面，还提供了一种设备状态检测系统，包括：目标传感器，位于目标设备上，用于采集所述目标设备的振动信号；数据采集设备，用于接收所述目标传感器采集的所述振动信号，并对所述振动信号进行模数转换，得到目标振动信号，通过通讯总线将所述目标振动信号传输至处理器；所述处理器，对所述目标振动信号进行奇异谱分析，确定所述目标振动信号中的目标分量信号；对所述目标分量信号进行时域分析和频域分析，得到时域特征值和频域特征值；将所述时域特征值和频域特征值输入状态诊断模型，通过所述状态诊断模型确定所述目标设备的运行状态，其中，所述状态诊断模型是基于所述目标设备的历史运行数据训练得到的决策树模型；将所述时域特征值、所述频域特征值和所述目标设备的运行状态通过通讯总线传输至显示设备；所述显示设备，用于展示所述时域特征值、所述频域特征值和所述目标设备的运行状态；所述通讯总线，用于传输数
据。
[0015]根据本申请实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行上述的设备状态检测方法。
[0016]在本申请实施例中，在获取目标设备的目标振动信号后，先对目标振动信号进行奇异谱分析，确定目标振动信号中的目标分量信号，再对目标分量信号进行时域分析和频域分析，得到时域特征值和频域特征值，将时域特征值和频域特征值输入状态诊断模型，通过状态诊断模型确定目标设备的运行状态，该状态诊断模型是基于目标设备的历史运行数据训练得到的决策树模型。本申请方案通过自动化获取振动信号并进行处理分析，可以提高分析效率，同时，利用基于设备历史数据训练的模型进行设备状态本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种设备状态检测方法，其特征在于，包括：获取目标设备的目标振动信号；对所述目标振动信号进行奇异谱分析，确定所述目标振动信号中的目标分量信号；对所述目标分量信号进行时域分析和频域分析，得到时域特征值和频域特征值；将所述时域特征值和频域特征值输入状态诊断模型，通过所述状态诊断模型确定所述目标设备的运行状态，其中，所述状态诊断模型是基于所述目标设备的历史运行数据训练得到的决策树模型。2.根据权利要求1所述的方法，其特征在于，获取目标设备的振动信号，包括：获取位于所述目标设备上的目标传感器采集的振动信号；对所述振动信号进行模数转换，得到所述目标振动信号。3.根据权利要求1所述的方法，其特征在于，对所述目标振动信号进行奇异谱分析，确定所述目标振动信号中的目标分量信号，包括：确定所述目标振动信号对应的第一时间序列，并确定所述第一时间序列的轨迹矩阵；对所述轨迹矩阵进行奇异值分解，将所述轨迹矩阵分解为第一数量的初等矩阵；对所述第一数量的初等矩阵进行分组，并对每组所述初等矩阵进行求和，得到第二数量的合成矩阵，从所述第二数量的合成矩阵中确定目标合成矩阵；通过对角平均计算方式将所述目标合成矩阵转换为第二时间序列，基于所述第二时间序列确定所述目标分量信号。4.根据权利要求1所述的方法，其特征在于，对所述目标分量信号进行时域分析和频域分析，得到时域特征值和频域特征值，包括：对所述目标分量信号进行时域分析，得到所述时域特征值，所述时域特征值至少包括以下其中之一：用于表示所述目标分量信号的时域平均值的均值，用于表示所述目标分量信号的振幅与能量的均方根，用于表示所述目标分量信号的不对称特征的偏度，用于表示所述目标分量信号的峰值的峭度，用于表示所述目标分量信号中的冲击的波峰因子，用于表示所述目标分量信号的形状的形状因子；对所述目标分量信号进行傅里叶变换得到目标频谱信号，并对所述目标频谱信号进行频域分析，得到所述频域特征值，所述频域特征值至少包括以下其中之一：用于表示所述频谱信号的重心的谱矩心，用于表示所述频谱信号的扩散度的谱扩散度，用于表示所述频谱信号的对称性的谱偏度，用于表示所述频谱信号中瞬态信号位置的谱峭度，用于表示所述频谱信号中峰值的指标的谱波峰因子，用于表示所述频谱信号的能量分布的谱熵。5.根据权利要求1所述的方法，其特征在于，所述状态诊断模型的训练过程包括：获取所述目标设备的所述历史运行数据，所述历史运行数据中包括：历史振动信号和与所述历史振动信号对应的历史运行状态；对所述历史振动信号进行奇异谱分析，确定所述历史振动信号中的历史分量信号，并对所述历史分量信号进行时域分析和频域分析，得到历史时域特征值和历史频域特征值；基于梯度提升决策树算法构建所述决策树模型，并...
【专利技术属性】
技术研发人员：赵文强，马润生，范彩兄，周军，王正伟，雷国斌，石生超，祁富志，徐嘉伟，王克荣，罗仲全，
申请(专利权)人：国网青海省电力公司电力科学研究院，
类型：发明
国别省市：
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。