一种基于联合特征的断路器状态识别方法技术

本申请属于断路器监测控制方法技术领域，尤其涉及一种基于联合特征的断路器状态识别方法。其特征在于：包括如下步骤：基于断路器测量数据获取线圈电流信号；对原始声振信号进行分解得到原始声振信号的PF分量；获取圈电流信号的临界点电流值；构建联合特征向量；获得待分析原始声振信号及对应的线圈电流信号；分析断路器测量数据最接近的状态类型。本申请能够利用声振和电量综合特征信息对断路器的状态特征和故障状态进行分析监测的技术方案，本方案可以在现有故障监测方案的基础上进行拓展应用，其基础数据可以直接从现有的故障监测程序中进行抽取利用，提供更具有综合参考价值的技术方案，改进现有的断路器状态和故障识别程序。序。序。

【技术实现步骤摘要】
一种基于联合特征的断路器状态识别方法


[0001]本申请属于断路器监测控制方法
，尤其涉及一种基于联合特征的断路器状态识别方法。

技术介绍

[0002]断路器作为电网各类高压开关柜等关键设备中的节点设备，直接影响着各项输配电作业的稳定性，断流器的工作状态和故障信息是电网运检检测中的重要一环。目前最常用的状态检测识别方案包括利用声振信号中的时序和能量信息进行断路器动作结构的状态识别和异常信息检测，以及基于电量数据信息的数字处理分析程序，两者侧重不同，分别对断路器机械动作以及电气过程进行针对性研究分析，但两类方法在某些状态识别过程中由于相应的关键要素未被纳入检测分析过程，可能会导致状态识别恢复分析效率的降低。

技术实现思路

[0003]本申请的目的在于，提供一种能够综合断路器声振信号和电量信号的特征，能够用于完善现有的断路器状态识别程序，提供更多状态识别方案的基于联合特征的断路器状态识别方法。
[0004]为实现上述目的，本申请采用如下技术方案。
[0005]本申请的基于联合特征的断路器状态识别方法，包括如下步骤：步骤一、基于断路器测量数据获取前述不同工况下的原始声振信号及对应的线圈电流信号；步骤二、基于局部均值分解方法对不同工况下原始声振信号进行分解得到原始声振信号的PF分量；基于分形盒理论，以PFF分量为基础样本，在断路器不同工况下分别计算其PF分量的盒维数；得到不同状态m下声振信号的分维向量；步骤三、获取前述不同工况下对应的线圈电流信号的临界点电流值；以前述临界点电流值为基础数据构造不同状态下断路器电流信号的特征向量；步骤四、联合前述分维分维向量和特征向量构建不同状态下的联合特征向量；其中含有m个状态特征向量集，每个状态特征向量集内包含n个特征向量；步骤五、基于待分析的断路器测量数据获得待分析原始声振信号及对应的线圈电流信号；根据步骤一~步骤四求解其对应的特征向量；计算特征向量法内各元素与不同状态下的联合特征向量中对应元素的距离，确定计算特征向量法内距离最小的对应元素，根据对应元素在不同状态下的联合特征向量的出现频率，确定待分析的断路
器测量数据最接近的状态类型。
[0006]对前述基于联合特征的断路器状态识别方法的进一步改进或者优选实施方案，所述步骤四中，为保证数据的完整性，在实际进行降维抽取过程中，应保证最后保留的特征量的总权重值不低于90%。
[0007]对前述基于联合特征的断路器状态识别方法的进一步改进或者优选实施方案，所述步骤一还包括处理程序，具体包括：1.1）获取某工况下多组原始信号，利用小波去噪算法对原始信号进行平滑处理；1.2）使用不同时序长度的滑动窗口对前述原始信号进行分段截取，由每个原始信号得到若干分段信号，按照截取的时序顺序进行排序组合，得到与原始信号对应的比较信号；1.3）采用信号的欧式距离作为相似性指标计算对比信号的相似性，确定使得对比信号之间相似性最高的分段截取方案；1.4）基于筛选出的分段截取方案确定最终的比较信号，分别计算各比较信号所含信号分段的相似性并进行排序；1.5）指定阈值，按照相似性从高到低的顺序选取，以相似性高的分段作为有效分段进行保留，以相似度低的分段作为无效分段进行删除；1.6）基于预处理后的分段信号重构原始信号。
[0008]对前述基于联合特征的断路器状态识别方法的进一步改进或者优选实施方案，所述步骤四还包括，对维向量进行去冗余的步骤，具体包括：4.1）对原始联合特征向量进行标准化处理；构建联合特征向量的协方差矩阵；；4.2）求解协方差矩阵的单位正交特征向量；构造对角矩阵；4.3）求解对角矩阵A中特征值的权重值；4.4）根据系统算力资源大小，从对角矩阵A中按照权重值由大到小的顺序对元素进行抽取降维；4.5）根据抽取降维的抽取求解得到降维后的不同状态下的联合特征向量。
[0009]其有益效果在于：本申请的基于联合特征的断路器状态识别方法通过对声振信号和电量信号的联合特征创建和提取处理，提供了一种能够利用声振和电量综合特征信息对断路器的状态特征和故障状态进行分析监测的技术方案，本方案可以在现有故障监测方案的基础上进行拓
展应用，其基础数据可以直接从现有的故障监测程序中进行抽取利用，能够进一步丰富断路器状态和故障识别监测的途径，提供更具有综合参考价值的技术方案，改进现有的断路器状态和故障识别程序。
附图说明
[0010]图1是联合特征向量创建的基本流程图。
具体实施方式
[0011]以下结合具体实施例对本申请作详细说明。
[0012]步骤一、基于断路器测量数据获取前述不同工况下的原始声振信号及对应的线圈电流信号；特别的，由于现场其它设备或设备内部其他结构震动以及电磁干扰的存在，直接获得的原始声振信号以及线圈电流信号中或多或少的存在噪音信号存在，影响基础数据的有效性，因此在必要时需要对齐进行预处理，本实施例中针对断路器工作特性特点，应用以下预处理程序：1.1）获取某工况下多组原始信号，利用小波去噪算法对原始信号进行平滑处理；1.2）使用不同时序长度的滑动窗口对前述原始信号进行分段截取，由每个原始信号得到若干分段信号，按照截取的时序顺序进行排序组合，得到与原始信号对应的比较信号；1.3）采用信号的欧式距离作为相似性指标计算对比信号的相似性，确定使得对比信号之间相似性最高的分段截取方案；1.4）基于筛选出的分段截取方案确定最终的比较信号，分别计算各比较信号所含信号分段的相似性并进行排序；1.5）指定阈值，按照相似性从高到低的顺序选取，以相似性高的分段作为有效分段进行保留，以相似度低的分段作为无效分段进行删除；1.6）基于预处理后的分段信号重构原始信号；步骤二、基于局部均值分解方法对不同工况下原始声振信号进行分解得到原始声振信号的PF分量；基于分形盒理论，以PFF分量为基础样本，在断路器不同工况下分别计算其PF分量的盒维数；得到不同状态m下声振信号的分维向量；步骤三、获取前述不同工况下对应的线圈电流信号的临界点电流值；以前述临界点电流值为基础数据构造不同状态下断路器电流信号的特征向量步骤四、联合前述分维分维向量和特征向量构建不同状态下的联合特征向量；其中含有m个状态特征向量集，每个状态特征向量集内包含n个特征向量；由于声振信号的分量以及声振信号与电流信号之间在时序上的关联性，联合特征向量中含有部分变化过程一致的特征量，会使得联合特征向量中含有不必要的冗余元素，
因此本实施例中还包括对前述维向量进行去冗余的步骤，具体包括：4.1）对原始联合特征向量进行标准化处理；构建联合特征向量的协方差矩阵；；4.2）求解协方差矩阵的单位正交特征向量；构造对角矩阵；4.3）求解对角矩阵A中特征值的权重值；4.4）根据系统算力资源大小，从对角矩阵A中按照权重值由大到小的顺序对元素进行抽取降维；特别的，为了保证数据的完整性，在实际进行降维抽取过程中，应保证最后保留的特征量的总权重值不低于90%；在实际实施过程中，由于断路器各状态下原始信号具有特定的波形特征，因此在进行分解和权重筛选时，特征向量的权重系数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于联合特征的断路器状态识别方法，其特征在于，包括如下步骤：基于断路器测量数据获取前述不同工况下的原始声振信号及对应的线圈电流信号；基于局部均值分解方法对不同工况下原始声振信号进行分解得到原始声振信号的PF分量；基于分形盒理论，以PFF分量为基础样本，在断路器不同工况下分别计算其PF分量的盒维数；得到不同状态m下声振信号的分维向量；获取前述不同工况下对应的线圈电流信号的临界点电流值；以前述临界点电流值为基础数据构造不同状态下断路器电流信号的特征向量；联合前述分维分维向量和特征向量构建不同状态下的联合特征向量；其中含有m个状态特征向量集，每个状态特征向量集内包含n个特征向量；基于待分析的断路器测量数据获得待分析原始声振信号及对应的线圈电流信号；根据步骤一~步骤四求解其对应的特征向量；计算特征向量法内各元素与不同状态下的联合特征向量中对应元素的距离，确定计算特征向量法内距离最小的对应元素，根据对应元素在不同状态下的联合特征向量的出现频率，确定待分析的断路器测量数据最接近的状态类型。2.根据权利要求1所述的一种基于联合特征的断路器状态识别方法，其特征在于，所述步骤四中，为保证数据的完整性，在实际进行降维抽取过程中，应保证最后保留的特征量的总权重值不低于90%。3.根据权利要求1所述的一种基于联合...

【专利技术属性】
技术研发人员：陈诚，刘捷，肖辉，王登，林晓辉，黄安朝，
申请(专利权)人：国网湖北省电力有限公司黄冈供电公司，
类型：发明
国别省市：