用于电力GIS设备的状态监测方法、存储介质及电子装置制造方法及图纸

本发明专利技术涉及GIS设备的状态监测技术领域，公开了用于电力GIS设备的状态监测方法，包括以下步骤：S1：将采集得到的GIS振动信号转为图信号；S2：借助图傅里叶变换技术将图信号从节点域变换至图频域；S3：利用反三角函数将一维图信号编码为二维图像矩阵；S4：利用卷积神经网络训练、计算实现GlS设备的状态辨识；本发明专利技术计算高效、结果准确，得到的二维图谱所包含的GIS设备状态信息丰富，为GIS设备不同工况下的状态辨识与故障诊断提供了可靠地理论与数据支撑。支撑。支撑。

【技术实现步骤摘要】
用于电力GIS设备的状态监测方法、存储介质及电子装置


[0001]本专利技术涉及GIS设备的状态监测
，具体为用于电力GIS设备的状态监测方法、存储介质及电子装置。

技术介绍

[0002]气体绝缘金属封闭开关设是一种控制电力系统的可靠设备，其运行状态直接影响整个电力系统的安全运行。随着电网建设的飞速发展，GIS设备的数量也因此大幅增加，故为保障GIS运行的安全性，有必要对其运行状态实行有效的监测。常规监测方法大多基于人工巡检，工作效率不高且难以实现监测设备的全时段覆盖监测。因此，提供一种针对于电力设备的可靠在线监测手段即显得极为重要。
[0003]由于GIS在运行中引起的结构振动可在一定程度上表征电力设备的工作状态，因此通过分析振动信号即可实现对GIS的状态辨识。近年来，基于振动信号的监测手段凭借其检测精度高、原理简单等得到了迅速发展，并在电力设备状态监测领域得到了广泛的应用。然而，常规基于振动信号分析的检测方法对于模式单一的简单振动信号具备较好的识别效果，而对于受实际工作环境、振动传输路径及多振源耦合因素影响的“非周期”、“非平稳”信号，通常难以实现早期缺陷特征的有效提取。有鉴于此，有必要提供用于电力GIS设备的状态监测方法、存储介质及电子装置。

技术实现思路

[0004]本专利技术的目的在于提供用于电力GIS设备的状态监测方法、存储介质及电子装置，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：用于电力GIS设备的状态监测方法，包括以下步骤：
[0006]S1：将采集得到的GIS振动信号转为图信号；
[0007]S2：借助图傅里叶变换技术将图信号从节点域变换至图频域；
[0008]S3：利用反三角函数将一维图信号编码为二维图像矩阵；
[0009]S4：利用卷积神经网络训练、计算实现GlS设备的状态辨识。
[0010]优选的，S1的具体方法为：将GIS设备振动信号y＝{y1,y2,
…
y
n
}进行图信号的表征：
[0011]y
→
G＝{V,E}
[0012]式中，V＝{V1,V2…
V
N
}表示节点的集合，可用于不同采样点的表述，N表示顶点的数量；E＝{E1,E2…
E
M
}表示连接边的集合，可用于进行不同节点之间连接的描述，M表示连接边的数量，
[0013]进一步地，可得到图信号向量X：
[0014]X＝[X1,X2…
X
N
]T
[0015]式中，X
N
表示第N个节点对应的振动信号幅值，显然，顶点的排序决定图谱信号幅
值的顺序，
[0016]进一步地，利用图傅里叶变换将图信号从节点域变换到图频域：
[0017][0018]式中，X
GF
(k)表示图傅里叶变换信号，k表示节点数，x
ki
表示第k个图傅里叶变换基，"T"表示转置。
[0019]优选的，S3的具体方法为：利用反三角函数实现一维图傅里叶变换信号与二维矩阵的转换：
[0020][0021]式中，θ表示利用反正弦函数得到的角度，R
ij
表示二维矩阵的第i行、第j列数值，下标“i”和“j”分别表示第i和第j个节点。
[0022]优选的，S4的具体方法为：利用VGG16神经网络以实现不同GIS设备状态得到图傅里叶二维图像的有效辨识，该神经网络通过层叠卷积以减少输入参数维度，进而提升特征提取的性能，其激活函数ReLU、池化步骤、全连接步骤以及SoftMax分类函数的实现公式分别为：
[0023][0024]式中，x为输入；s
down
表示一个下采样函数，表示比例偏差，表示水平偏差，表示第l
‑
1层第i个单元，表示第i个单元到下层j单元的权重，I表示样本数，J表示分类状态数，g
ij
表示样本i对应的分类状态j的标签编码，E
ij
表示样本i预测为分类状态j的概率。
[0025]本专利技术还提供用于电力GIS设备的状态监测电子装置，用于上述的用于电力GIS设备的状态监测方法，包括数据感知单元、数据采集单元、计算机设备，所述计算机设备包括数据处理单元、结果显示单元。
[0026]优选的，所述数据感知单元用于采集目标设备的振动信号。
[0027]优选的，所述数据采集单元用于处理原始振动信号数据，包括收集所述数据感知单元获得的振动信号并进行信号放大，ADC采集和信号存储，并将数据传送至所述数据处理单元。
[0028]优选的，所述数据处理单元用于处理、计算振动数据，首先将振动信号映射至图域，并借助图傅里叶变换技术将其映射至图频域；接着，借助于反三角函数将一维图傅里叶信号编码为二维图像矩阵；最后，借助于卷积神经网络实现电力GIS设备状态的智能辨识。
[0029]优选的，所述结果显示单元用于显示GIS设备不同状态的图频信号编码图像以及
状态识别、分类精度的输出。
[0030]本专利技术还提供一种存储介质，应用于上述的用于电力GIS设备的状态监测装置中，所述计算机设备包括存储介质，所述存储介质存储有计算机程序，所述计算机程序被数据处理单元执行时实现上述的电力GIS设备的状态监测方法。
[0031]与现有技术相比，本专利技术的有益效果是：
[0032]1、本专利技术提出的用于电力GIS设备的状态监测方法克服了常规监测方法难以获得GIS设备运行状态丰富信息的不足，能够有效地感知电力GIS设备的状态变化程度，利用图信号处理先进技术实现信号的时域—图频域转换，并借助反三角函数最终以图像的形式直观地展示GIS设备的当前状态，实现简便、计算高效，在得到能够充分表征GIS设备当前工况的二维图谱的基础上，借助卷积神经网络最终实现GIS设备状态的可靠辨识，综上，本专利技术计算高效、结果准确，得到的二维图谱所包含的GIS设备状态信息丰富，为GIS设备不同工况下的状态辨识与故障诊断提供了可靠地理论与数据支撑。
附图说明
[0033]图1为本专利技术方法的系统图；
[0034]图2为本专利技术VGG16神经网络实现步骤图；
[0035]图3为本专利技术装置的框架示意图；
[0036]图4为本专利技术计算机设备示意图；
[0037]图5为本专利技术典型故障的图傅里叶信号与图频信号编码图像示意图；
[0038]图6为本专利技术训练过程中的性能曲线图；
[0039]图7为本专利技术混淆矩阵图。
具体实施方式
[0040]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于电力GIS设备的状态监测方法，其特征在于，包括以下步骤：S1：将采集得到的GIS振动信号转为图信号；S2：借助图傅里叶变换技术将图信号从节点域变换至图频域；S3：利用反三角函数将一维图信号编码为二维图像矩阵；S4：利用卷积神经网络训练、计算实现GlS设备的状态辨识。2.根据权利要求1所述的用于电力GIS设备的状态监测方法，其特征在于，S1的具体方法为：将GIS设备振动信号y＝{y1,y2,
…
y
n
}进行图信号的表征：y
→
G＝{V,E}式中，V＝{V1,V2…
V
N
}表示节点的集合，可用于不同采样点的表述，N表示顶点的数量；E＝{E1,E2…
E
M
}表示连接边的集合，可用于进行不同节点之间连接的描述，M表示连接边的数量，进一步地，可得到图信号向量X：X＝[X1,X2…
X
N
]
T
式中，X
N
表示第N个节点对应的振动信号幅值，显然，顶点的排序决定图谱信号幅值的顺序，进一步地，利用图傅里叶变换将图信号从节点域变换到图频域：式中，X
GF
(k)表示图傅里叶变换信号，k表示节点数，x
ki
表示第k个图傅里叶变换基，"T"表示转置。3.根据权利要求1所述的用于电力GIS设备的状态监测方法，其特征在于，S3的具体方法为：利用反三角函数实现一维图傅里叶变换信号与二维矩阵的转换：式中，θ表示利用反正弦函数得到的角度，R
ij
表示二维矩阵的第i行、第j列数值，下标“i”和“j”分别表示第i和第j个节点。4.根据权利要求1所述的用于电力GIS设备的状态监测方法，其特征在于，S4的具体方法为：利用VGG16神经网络以实现不同GIS设备状态得到图傅里叶二维图像的有效辨识，该神经网络通过层叠卷积以减少输入参数维度，进而提升特征提取的性能，...

【专利技术属性】
技术研发人员：申国标，汪昊铭，惠世贤，陈浩，杜建华，颜冰，李德成，窦体权，司成志，晋金帅，王昆仑，杨洋，刘寿光，宋鑫源，张振，郑磊，李章勇，韦学亮，房涛，曾尹，苏云东，钱永亮，
申请(专利权)人：云南电网有限责任公司文山供电局，
类型：发明
国别省市：