基于CNN网络的GIS分合闸状态电流检测方法及装置制造方法及图纸

本发明专利技术公开了基于CNN网络的GIS分合闸状态电流检测方法及装置，所述方法包括：采集GIS设备各个状态下的刀闸和地刀的开合状态以及对应的耦合电容电流数据集；对采集的电流数据预处理，构建网络的训练集；构建CNN网络；使用粒子群优化算法优化CNN网络参数得到最优CNN网络参数；实时采集GIS设备的刀闸和地刀故障电流数据并进行预处理以后输入到最优的CNN网络中，利用最优的CNN网络输出GIS分合闸状态判断结果；本发明专利技术的优点在于：执行速度快，实时性高，且模型经过训练以后，输出结果较为精准，可靠性强。靠性强。靠性强。

【技术实现步骤摘要】
基于CNN网络的GIS分合闸状态电流检测方法及装置


[0001]本专利技术涉及GIS设备中刀闸分合闸状态检测领域，更具体涉及基于CNN网络的GIS分合闸状态电流检测方法及装置。

技术介绍

[0002]气体绝缘金属封闭组合电器GIS(Gas
‑
Insulated metal
‑
enclosed Switchgear)是全部或部分采用气体而不采用处于大气压下的空气作为绝缘介质的金属封闭开关设备，与传统敞开式配电装置相比，GIS具有占地面积小、元件全部密封不受环境干扰、操作方便、维护工作量小设备安装方便、建设周期短等优点。
[0003]某电站500kV GIS为日本三菱公司和西安开关厂合作生产，1990年出厂，1992年投入运行；型号为500
‑
GNS
‑
MS50，主接线为一倍半接线，共4串12个间隔，开关、刀闸(隔离刀闸)、地刀(接地刀闸)均为气动操作机构，采用集中供气方式，额定操作气压为1.5MPa，其中刀闸33把(99相)、地刀43把(129相)。2015—2017年期间，该电站500kV GIS暴露出4起因刀闸、地刀内部机构故障导致的刀闸、地刀分合不成功的缺陷，严重影响到系统的安全稳定运行。为避免设备事故发生，需要对刀闸、地刀分合情况进行研究。
[0004]中国专利公开号CN113484741A公开了一种GIS隔离开关工作状态监测装置及方法，利用开口式电流互感器获得GIS隔离开关操作机构驱动电机动作过程随时间变化的电流值，根据操作机构驱动电机动作过程随时间变化的电流值进而间接判断隔离开关隔离刀的动作状态；利用角位移传感器获得GIS隔离开关操作机构驱动电机随时间变化的转动位移值，判断GIS隔离开关刀闸的位置状态；累计GIS隔离开关分合闸动作次数，预测GIS隔离开关的机械寿命，有效提高了隔离开关工作状态监测的准确度。但是该专利申请依赖操作机构驱动电机动作过程中的电流值以及传感器数据进行刀闸动作以及位置判断，实时性不高，当前获得的刀闸动作和位置实际上可能是历史时刻的电流以及传感器数据推算得出的刀闸历史动作和位置，导致实际判断结果并不精准，可靠性不高。

技术实现思路

[0005]本专利技术所要解决的技术问题在于现有技术GIS隔离开关工作状态判断方法实时性不高，判断结果不够精准，可靠性不高的问题。
[0006]本专利技术通过以下技术手段实现解决上述技术问题的：基于CNN网络的GIS分合闸状态电流检测方法，所述方法包括：
[0007]步骤一：采集GIS设备各个状态下的刀闸和地刀的开合状态以及对应的耦合电容电流数据集；
[0008]步骤二：对采集的电流数据预处理，构建网络的训练集；
[0009]步骤三：构建CNN网络，其输入为训练集，输出为刀闸和地刀的开合状态；
[0010]步骤四：使用粒子群优化算法优化CNN网络参数得到最优CNN网络参数；
[0011]步骤五：根据最优CNN网络参数对CNN网络进行设置得到最优的CNN网络，实时采集
GIS设备的刀闸和地刀故障电流数据并进行预处理以后输入到最优的CNN网络中，利用最优的CNN网络输出GIS分合闸状态判断结果。
[0012]有益效果：本专利技术通过构建CNN网络并利用粒子群优化算法优化CNN网络参数得到最优CNN网络参数，从而获得最优的CNN网络，最终利用最优的CNN网络对实时采集的刀闸和地刀故障电流数据进行判断，输出GIS分合闸状态，相比现有技术传感器测量的方式，采用训练好的神经网络进行结果判定，执行速度快，实时性高，且经过训练以后，输出结果较为精准，可靠性强。
[0013]进一步地，所述步骤一包括：
[0014]GIS设备处于热备状态时，每组刀闸、地刀开合情况为刀闸合闸、地刀分闸，记录地刀分合状态Y
H
＝{y
1H
,y
2H
…
y
kH
…
y
KH
}，同时采集电流数据集I
H
＝{I
1H
,I
2H
…
I
kH
…
I
KH
}，其中表示热备状态下第k个地刀电流；
[0015]GIS设备处于冷备用状态时，每组刀闸、地刀开合情况为刀闸分闸、地刀分闸，记录地刀和刀闸分合状态Y
C
＝{y
1C
,y
2C
…
y
kC
…
y
KC
，y
1C'
,y
2C'
…
y
mC'
…
y
MC'
},同时采集地刀和刀闸电流数据集I
C
＝{I
1C
,I
2C
…
I
kC
…
I
KC
,I
1C'
,I
2C'
…
I
mC'
…
I
MC'
},其中表示冷备用状态下第k个地刀电流,表示冷备用状态下第m个刀闸电流；
[0016]GIS设备处于检修状态时，每组刀闸、地刀开合情况为刀闸分闸、地刀合闸，记录刀闸分合状态，Y
R
＝{y
1R
,y
2R
…
y
mR
…
y
MR
},同时采集刀闸电流数据集I
R
＝{I
1R
,I
2R
…
I
mR
…
I
MR
},其中表示检修状态下第m个边界刀闸电流。
[0017]进一步地，所述步骤二包括：
[0018]S21、采集刀闸和地刀故障电流数据，对故障电流信号作小波变换，从而获取小波系数W
i
(a，b)和待选频率f
ins
；
[0019]S22、通过公式得到零矩阵，其中，设(Δa)
k
＝a
k
‑
a
k
‑1，Δf＝f
k
‑
f
k
‑1，a
k
为第k个瞬时分量的尺度因子，f
k
是第k个瞬时分量的中心频率，取k∈[0，n
a
]，f
s
为信号采样频率；由S21中的f
ins
，根据式f
ins
＝2
kΔf
·
f
s
/n
a
计算得到k值，其中
[0020]判断k∈[0，n
a
]是否满足，若满足则有
[0021][0022]重复上述步骤预设次数，将信号变得纤细从而清楚地呈现在时频图上，
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于CNN网络的GIS分合闸状态电流检测方法，其特征在于，所述方法包括：步骤一：采集GIS设备各个状态下的刀闸和地刀的开合状态以及对应的耦合电容电流数据集；步骤二：对采集的电流数据预处理，构建网络的训练集；步骤三：构建CNN网络，其输入为训练集，输出为刀闸和地刀的开合状态；步骤四：使用粒子群优化算法优化CNN网络参数得到最优CNN网络参数；步骤五：根据最优CNN网络参数对CNN网络进行设置得到最优的CNN网络，实时采集GIS设备的刀闸和地刀故障电流数据并进行预处理以后输入到最优的CNN网络中，利用最优的CNN网络输出GIS分合闸状态判断结果。2.根据权利要求1所述的基于CNN网络的GIS分合闸状态电流检测方法，其特征在于，所述步骤一包括：GIS设备处于热备状态时，每组刀闸、地刀开合情况为刀闸合闸、地刀分闸，记录地刀分合状态Y
H
＝{y
1H
,y
2H
…
y
kH
…
y
KH
}，同时采集电流数据集I
H
＝{I
1H
,I
2H
…
I
kH
…
I
KH
}，其中表示热备状态下第k个地刀电流；GIS设备处于冷备用状态时，每组刀闸、地刀开合情况为刀闸分闸、地刀分闸，记录地刀和刀闸分合状态Y
C
＝{y
1C
,y
2C
…
y
kC
…
y
KC
，y
1C'
,y
2C'
…
y
mC'
…
y
MC'
},同时采集地刀和刀闸电流数据集I
C
＝{I
1C
,I
2C
…
I
kC
…
I
KC
,I
1C'
,I
2C'
…
I
mC'
…
I
MC'
},其中表示冷备用状态下第k个地刀电流，表示冷备用状态下第m个刀闸电流；GIS设备处于检修状态时，每组刀闸、地刀开合情况为刀闸分闸、地刀合闸，记录刀闸分合状态，Y
R
＝{y
1R
，y
2R
…
y
mR
…
y
MR
}，同时采集刀闸电流数据集I
R
＝{I
1R
，I
2R
…
I
mR
…
I
MR
}，其中表示检修状态下第m个边界刀闸电流。3.根据权利要求1所述的基于CNN网络的GIS分合闸状态电流检测方法，其特征在于，所述步骤二包括：S21、采集刀闸和地刀故障电流数据，对故障电流信号作小波变换，从而获取小波系数W
i
(a，b)和待选频率f
ins
；S22、通过公式得到零矩阵，其中，(Δa)
k
＝a
k
‑
a
k
‑1，Δf＝f
k
‑
f
k
‑1，a
k
为第k个瞬时分量的尺度因子，f
k
是第k个瞬时分量的中心频率，取k∈[0，n
a
]，f
s
为信号采样频率；由S21中的f
ins
，根据式f
ins
＝2
kΔf
·
f
s
/n
a
计算得到k值，其中判断k∈[0，n
a
]是否满足，若满足则有重复上述步骤预设次数，将信号变得纤细从而清楚地呈现在时频图上，经过式重建信号及其各个分量，其中R
e
为取实部。
4....

【专利技术属性】
技术研发人员：胡坤，汪太平，沈庆，付青太，李奇越，李帷韬，柯艳国，李永熙，张斌，刘翔，马欢，孙伟，陈明阳，崔忠营，赵巨龙，夏友森，施雯，崔玮，房姗姗，张方伟，李延东，马慧芳，石永建，葛健，董翔宇，郭振宇，武文杰，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：