一种刀闸分合状态判别方法、装置、设备及介质制造方法及图纸

本发明专利技术实施例公开一种刀闸分合状态判别方法、装置、设备及介质，属于开关设备技术领域。主要包括：对日常刀闸开关的开合过程进行监测采集得到感知信号曲线；对感知信号曲线进行多个频谱信号特征的提取得到主特征以及次特征；根据预设的次特征优先级等级、主特征有效条件阈值、以及每个次特征的有效条件阈值，按照主特征、较高优先级次特征、较低优先级次特征的顺序，依次对多个单特征中每个单特征是否有效进行验证，得到一个有效的单特征作为最优单特征；根据最优单特征以及相应的预设单特征分类阈值，利用刀闸开关状态判别模型对刀闸开关的状态进行判别。本发明专利技术实施例能够提高判别准确率，降低复杂度。降低复杂度。降低复杂度。

【技术实现步骤摘要】
一种刀闸分合状态判别方法、装置、设备及介质


[0001]本专利技术涉及开关设备
，尤其涉及一种刀闸分合状态判别方法、装置、设备及介质。

技术介绍

[0002]刀闸开关，例如气体绝缘金属全封闭开关设备(GIS)，如果接触状态改变，若不能有可能会引发故障。现有技术用模式分类方法对开关状态进行了判别。
[0003]近些年，模式分类方法得到了快速发展。传统分类方法包括Fisher、贝叶斯、k近邻、决策树、支持向量机、神经网络和深度学习等。传统分类方法主要包括数据预处理、特征提取、特征选择/降维及分类器设计几个环节，其中特征选取比较关键。为提高分类准确率，常常需要选取多维特征。不同特征具有不同的单特征分类准确率，其中决策树是唯一考虑了不同特征具有不同单特征分类准确率的分类方法。然而在其在多维特征中，可能包含对提高分类准确率无帮助的冗余特征，而且这些冗余特征还会降低分类器的执行效率，因此有必要考虑不同特征的分类作用。

技术实现思路

[0004]本专利技术实施例提供一种刀闸分合状态判别方法、装置、设备及介质，通过选出一个感知信号的多个特征中的最优特征进行刀闸分合状态的分类片判别，充分发挥主特征优势，进而提高刀闸分合状态的判别准确率。
[0005]第一方面，本专利技术实施例提供一种刀闸分合状态判别方法，包括：利用感知设备对日常刀闸开关的开合过程进行监测采集得到感知信号曲线；对感知信号曲线进行多个频谱信号特征的提取得到多个单特征，多个单特征包括主特征以及次特征；根据预设的次特征优先级等级、主特征有效条件阈值、以及每个次特征的有效条件阈值，按照主特征、较高优先级次特征、较低优先级次特征的顺序，依次对多个单特征中每个单特征是否有效进行验证，进而得到一个单特征作为最优单特征；以及，根据最优单特征以及相应的预设单特征分类阈值，利用刀闸开关状态判别模型对刀闸开关的状态进行判别；其中，主特征包括多个单特征中，对利用感知设备对刀闸开关多次开合过程进行感知得到多个感知信号样本曲线，是断开状态曲线的还是闭合状态曲线利用刀闸开关状态判别模型进行预测分类时，单特征分类准确率最高的一个单特征，其他单特征为次特征；多个感知信号样本曲线包括：对刀闸开关断开过程进行感知得到的断开感知信号样本曲线以及对刀闸开关闭合过程进行感知得到的闭合感知信号样本曲线。
[0006]第二方面，本专利技术实施例提供一种刀闸分合状态判别装置，包括：信号采集模块，用于利用感知设备对日常刀闸开关的开合过程进行监测采集得到感知信号曲线；特征提取模块，用于对感知信号曲线进行多个频谱信号特征的提取得到多个单特征，多个单特征包括主特征以及次特征；最优单特征获取模块，用于根据预设的次特征优先级等级、主特征有效条件阈值、以及每个次特征的有效条件阈值，按照主特征、较高优先级次特征、较低优先
级次特征的顺序，依次对多个单特征中每个单特征是否有效进行验证，进而得到一个单特征作为最优单特征；以及，判别模块，用于根据最优单特征以及相应的预设单特征分类阈值，利用刀闸开关状态判别模型对刀闸开关的状态进行判别；其中，主特征包括多个单特征中，对利用感知设备对刀闸开关多次开合过程进行感知得到多个感知信号样本曲线，是断开状态曲线的还是闭合状态曲线利用刀闸开关状态判别模型进行预测分类时，单特征分类准确率最高的一个单特征，其他单特征为次特征；多个感知信号样本曲线包括：对刀闸开关断开过程进行感知得到的断开感知信号样本曲线以及对刀闸开关闭合过程进行感知得到的闭合感知信号样本曲线。
[0007]第三方面，本专利技术实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本专利技术实施例中任一所述的刀闸分合状态判别方法。
[0008]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术实施例中任一所述的刀闸分合状态判别方法。
[0009]本专利技术实施例中，能够通过设置每个单特征的有效条件，获取并根据一个感知信号的多维度特征中的最优的特征，利用刀闸开关状态判别模型，对刀闸的开合状态进行判别分类，如此能够提高对刀闸开合状态进行判别时的准确率，并且能够节约运算量，降低系统的复杂度，提高判别分类的效率。
附图说明
[0010]图1是本专利技术实施例提供的刀闸分合状态判别方法的一个流程示意图；
[0011]图2是本专利技术实施例提供的刀闸分合状态判别方法的一个可选实施例流程示意图；
[0012]图3是本专利技术实施例提供的刀闸分合状态判别方法的一个可选实施例中次特征的断开样本高斯分布以及次特征的闭合样本高斯分布示意图；
[0013]图4是本专利技术实施例提供的刀闸分合状态判别装置一个结构示意图；
[0014]图5是本专利技术实施例提供的电子设备的一个结构示意图。
具体实施方式
[0015]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，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。
[0016]刀闸开关接触状态改变，若不能及时发现，有可能会引发故障。例如气体绝缘金属全封闭开关设备(GIS)作为一种既能延长了巡视和维护周期，又大大提高了供电的可靠性的设备，被广泛应用于各电压等级电网中。刀闸部件作为GIS中的主要单元之一，操作最为频繁。其分合过程中会造成一定机械磨损，同时在刀闸接触状态改变时，会引起GIS内部温升增加，长期发展可能会引发故障。因此有必要对其分合闸状态进行检测，及时判断刀闸分合到位情况，以减少或避免相关故障的发生，进而提升GIS设备运行的安全性和可靠性，并延长其使用寿命。
[0017]为有效检测GIS刀闸状态，研究人员已尝试多种技术，包括图像识别、姿态传感、微
动开关、磁感应、振动传感等技术。其中图像识别技术容易受天气合光强等环境影响，识别准确率不理想。姿态传感、微动开关、磁感应等设备安装与维护需要一次设备进行较长时间的停电，导致其调试校核难度较大。可以利用声音检测以及振动检测等不需要一次设备停电即可安装，且不受环境影响，具有较大的应用潜力的技术来克服或规避上述方法在实际应用中存在的问题。现有技术用模式分类方法根据声音信号及振动信号等感知信号对开关状态进行了判别。
[0018]近些年，模式分类方法得到了快速发展。传统分类方法包括Fisher、贝叶斯、k近邻、决策树、支持向量机、神经网络和深度学习等。传统分类方法主要包括数据预处理、特征提取、特征选择/降维及分类器设计几个环节，其中特征选取比较关键。为提高分类准确率，常常需要选取多维特征。不同特征具有不同的单特征分类准确率，其中决策树是唯一考虑了不同特征具有不同单特征分类准确率的分类方法。然而在其在多维特征中，可能包含对提高分类准确率无帮助的冗余特征，而且这些冗余特征还会降低分类器的执行效率，因此有必要考虑不同特征的分类作用。
[0019]决策树方法对所有特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种刀闸分合状态判别方法，其特征在于，包括：利用感知设备对日常刀闸开关的开合过程进行监测采集得到感知信号曲线；对所述感知信号曲线进行多个频谱信号特征的提取得到多个单特征，所述多个单特征包括主特征以及次特征；根据预设的次特征优先级等级、主特征有效条件阈值、以及每个次特征的有效条件阈值，按照主特征、较高优先级次特征、较低优先级次特征的顺序，依次对所述多个单特征中每个单特征是否有效进行验证，进而得到一个单特征作为最优单特征；以及根据所述最优单特征以及相应的预设单特征分类阈值，利用刀闸开关状态判别模型对所述刀闸开关的状态进行判别；其中，所述主特征包括所述多个单特征中，对利用感知设备对刀闸开关多次开合过程进行感知得到多个感知信号样本曲线，是断开状态曲线的还是闭合状态曲线利用所述刀闸开关状态判别模型进行预测分类时，单特征分类准确率最高的一个所述单特征，其他所述单特征为次特征；所述多个感知信号样本曲线包括：对所述刀闸开关断开过程进行感知得到的断开感知信号样本曲线以及对所述刀闸开关闭合过程进行感知得到的闭合感知信号样本曲线。2.根据权利要求1所述的刀闸分合状态判别方法，其特征在于，所述根据预设的次特征优先级等级、主特征有效条件阈值、以及每个次特征的有效条件阈值，按照主特征、较高优先级次特征、较低优先级次特征的顺序，依次对所述多个单特征中每个单特征是否有效进行验证，进而得到一个单特征作为最优单特征的过程包括：根据预设的主特征有效条件阈值判断所述主特征是否有效，有效则将所述主特征确定为所述最优单特征；否则，按照所述次特征优先级等级从高到低的顺序，依次根据所述较高优先级次特征的有效条件阈值，判断所述较高优先级次特征是否有效，有效则将所述较高优先级次特征确定为所述最优单特征；否则，根据所述较低优先级次特征有效条件阈值，判断所述较低优先级次特征是否有效，有效则将所述较低优先级次特征确定为所述最优单特征，直至得到一个有效的单特征作为最优单特征；若所述多个单特征均无效，将所述主特征确定为所述最优单特征。3.根据权利要求1所述的刀闸分合状态判别方法，其特征在于，所述预设的次特征优先级等级通过如下方式得到：对所述多个感知信号样本曲线中的每个感知样本曲线进行所述多个频谱信号特征的提取得到包括主特征和次特征的多个单特征；计算所述多个感知信号样本曲线中不同感知信号样本曲线的每个相同次特征的高斯分布，得到每个次特征的断开样本高斯分布；并计算所述多个感知信号样本曲线中不同感知信号样本曲线的每个相同次特征的高斯分布，得到每个次特征的闭合样本高斯分布；根据所述每个次特征的所述断开样本高斯分布以及所述闭合样本高斯分布，计算所述断开感知信号样本曲线的相应次特征与所述闭合感知信号样本曲线的相应次特征不交叉的概率，得到相应次特征的样本特征非交叉部分概率；以及根据所述样本特征非交叉部分概率从大到小的顺序，对相应每个次特征进行排序得到所述次特征优先级等级。4.根据权利要求3所述的刀闸分合状态判别方法，其特征在于，
所述每个次特征的所述有效条件阈值包括：所述每个次特征的所...

【专利技术属性】
技术研发人员：吴小刚，张坤，张勇，陈兴望，李志中，范展滔，杨若朴，吴俊杰，吕耀棠，张经纬，
申请(专利权)人：中国南方电网有限责任公司，
类型：发明
国别省市：