基于新变分模态分解与K近邻算法结合的故障诊断方法技术

本发明专利技术公开了一种基于新变分模态分解与K近邻算法结合的故障诊断方法，包括如下步骤：S1、故障仿真数据采集；S2、故障数据预处理；S3、训练新变分模态分解模型模块与构建新变分模态分解模型模块和改进的K近邻算法识别分类模块连接，用于将采集到的信号数据构建新变分模态分解模型；S4、改进的K近邻算法识别分类模块与训练新变分模态分解模型模块连接，用于识别诊断结果。本发明专利技术能够在各种复杂的环境下快速、准确地检测电力系统输电线路故障，保障电力系统输电线路的正常运行，完善电力系统行业的科学检测体系，避免重大事故的发生，也提高输电线路的安全性，实现容错操作最小化，最大限度地减少性能下降和避免危险情况具有重要的意义。的意义。的意义。

【技术实现步骤摘要】
基于新变分模态分解与K近邻算法结合的故障诊断方法


[0001]本专利技术属于故障诊断
，具体涉及一种基于新变分模态分解与K近邻算法结合的故障诊断方法。

技术介绍

[0002]在电力网络中，电厂、变电站、电器设备、输电线路等都是电力系统重要组成部分，这些部分正常运转对电网的稳定运行具有重大意义。输电线路作为连接电网的关键一环，担负着输送和分配电网电能的重要职能，也有电网“生命线”之称。目前电网中高压输电线路是整个输电网的骨架，其中高压和超高压输电线路在整个电力系统中占有很大的比重。
[0003]电力系统输电线路故障诊断的主要目的是快速识别故障元件或开关，为调度员提供可靠依据，快速实现输电线路故障恢复。受天气、人为等因素的影响，输电线路故障在所难免，同时可能会引发其他故障，因此，通过人工智能算法快速准确的故障诊断是确保输电线路安全、稳定运行的关键。为此，我们提出一种基于新变分模态分解与K近邻算法结合的故障诊断方法，以解决上述
技术介绍
中提到的问题。

技术实现思路

[0004]本专利技术的目的在于提供一种基于新变分模态分解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于新变分模态分解与K近邻算法结合的故障诊断方法，包括故障仿真数据采集模块、构建新变分模态分解模型模块、训练新变分模态分解模型模块和改进的K近邻算法识别分类模块，其特征在于：包括如下步骤：S1、故障仿真数据采集：故障仿真数据采集模块与构建新变分模态分解模型模块连接，用于采集原始信号数据集；S2、故障数据预处理：构建新变分模态分解模型模块分别与故障仿真数据采集模块和训练新变分模态分解模型模块连接，用于将采集到的数据构建新变分模态分解模型，并将新变分模态分解传输给训练新变分模态分解模型模块；S3、训练新变分模态分解模型模块与构建新变分模态分解模型模块和改进的K近邻算法识别分类模块连接，用于将采集到的信号数据构建新变分模态分解模型；训练新变分模态分解模型包括遗传算法优化的变分模态分解处理，小波分解处理，主成分分析降维处理，训练样本数据集、测试样本数据集、构建模型、获取模型；S4、改进的K近邻算法识别分类模块与训练新变分模态分解模型模块连接，用于识别诊断结果。2.根据权利要求1所述的一种基于新变分模态分解与K近邻算法结合的故障诊断方法，其特征在于：所述构建新变分模态分解模型中包括将信号数据集经过遗传算法优化的变分模态分解处理后得到本征模态函数，再将本征模态函数信号经过小波分解处理，最后通过主成分分析进行降维处理得到新变分模态分解模型。3.根据权利要求2所述的一种基于新变分模态分解与K近邻算法结合的故障诊断方法，其特征在于：所述获得本征模态函数信号采用遗传算法优化的变分模态分解可以将信号分解为本征模态函数信号；所述小波分解处理是将本征模态函数信号经过四层小波分解得到若干小波分量形成新的本征模态函数分量；所述主成分分析处理是将得到的新的本征模态函数分量进行降维处...

【专利技术属性】
技术研发人员：熊建斌，钱文博，梁琼，陈康，聂锦机，刘鸣慧，岑健，王颀，吴俊廷，宋伟伟，董湘君，郑辞晏，周卫，刘军，伍银波，
申请(专利权)人：广东技术师范大学，
类型：发明
国别省市：