一种GIS/GIL设备机械缺陷诊断方法、评估方法及系统技术方案

本发明专利技术公开了一种涉及GIS/GIL设备机械缺陷诊断方法、评估方法及系统，涉及GIS/GIL设备机械缺陷智能分析技术领域，通过开展邻近模态噪声抑制的GIS/GIL设备机械振动信号视时频分析，然后建立GIS/GIL振动特征自提取与多取标输出的改进轻量化卷积神经网络，最后进行负载自适应匹配的GIS/GIL设备机械缺陷诊断与严重程度评估。该诊断、评估方法是针对现场工程实际提出的缺陷诊断技术，有效克服了现场环境噪声干扰、动态运行电流带来了的缺陷特征信息难提取、诊断精准度低下等问题，可直接运用于变电站现场GIS/GIL设备机械缺陷的缺陷辨识和状态评估，制定合理的运维检修计划，及早发现并排查内部机械缺陷，具有重要工程应用价值。具有重要工程应用价值。具有重要工程应用价值。

【技术实现步骤摘要】
一种GIS/GIL设备机械缺陷诊断方法、评估方法及系统


[0001]本专利技术涉及GIS/GIL设备机械缺陷智能分析
，具体而言，涉及一种GIS/GIL设备机械缺陷诊断方法、评估方法及系统。

技术介绍

[0002]气体绝缘金属封闭开关设备(Gas Insulated Swicthgear,GIS/GIL)和气体绝缘金属封闭输电线路(Gas insulated transmission line,GIL)承担着电力系统负荷控制、安全保护、电力输送的重任，GIS/GIL的广泛推广有效的缓解了城市土地资源缺乏、用电负荷剧增、高可靠性需求带来的供电压力。但由于GIS/GIL设备采用全封闭式结构，内部状态信息难以探知，一旦设备发生故障将严重影响系统正常运转。据统计，GIS/GIL设备故障主要与生产、运输和运行过程中产生的绝缘和机械缺陷有关，而机械缺陷也是导致绝缘劣化的重要因素，其异响振动长期发展将导致局部过热、气体泄漏甚至引发闪络击穿。因此，如何有效实现运行GIS/GIL设备机械缺陷的有效诊断对保障设备安全稳定运行具有重要意义。
[0003]GIS/GIL设备机械缺陷存在负载随机性和工况复杂性，一方面是运行电流和内部缺陷状态实时变化，现有技术均未考虑负载电流对GIS/GIL设备机械缺陷诊断效果的影响，另一方面对于诊断过程中的环境噪音没有进行有效滤除，导致最终的诊断效果不够精准。

技术实现思路

[0004]本专利技术的第一个目的在于提供一种GIS/GIL设备机械缺陷诊断方法及系统，该诊断方法及系统通过对GIS/GIL设备作业环境中的振动信号与背景信号进行分析对比，利用邻近模态噪声抑制的方式有效滤除环境噪声干扰，从而确保后续诊断结果的精准度；
[0005]本专利技术的第二个目的在于提供一种GIS/GIL设备机械缺陷评估方法，该评估方法利用上述的诊断方法，并基于负载电流划分的不同区间样本缺陷信息诊断目标，以实现不同运行电流下GIS/GIL设备机械缺陷类型和严重程度的同时判断。
[0006]本专利技术的实施例是这样实现的：
[0007]第一方面，一种GIS/GIL设备机械缺陷诊断方法，包括如下步骤：
[0008]获取GIS/GIL设备机械振动信号和背景噪声信号，对GIS/GIL设备机械振动信号和背景噪声信号进行多重分解，分别获取GIS/GIL设备机械振动信号的m个模态分量SVMF和背景噪声信号的n个模态分量NVMF，其中，m与n均为正整数；
[0009]分别求解模态分量SVMF和模态分量NVMF的重心频率S
f
＝{S
f1
,S
f2
,
…
,S
fm
}和N
f
＝{N
f1
,N
f2
,
…
,N
fn
}，确定每一个模态分量SVMF重心频率最接近的模态分量NVMF并进行匹配；
[0010]对两两匹配的模态分量SVMF和模态分量NVMF以各自重心频率为中心，分别求取领域Γ
Si
∈(S
fi
‑
δ,S
fi
+δ)与Γ
Ni
∈(S
fi
‑
δ,S
fi
+δ)内频域振动信号的幅值和峭度作为阈值滤波判据，利用阈值比较滤除干扰噪声模态信号，获得目标振动信号，其中，模态分量序号i＝1,2,3,
…
,K，K为模态分量总数；δ表示领域频率区间宽度；
[0011]利用卷积神经网络模型对目标振动信号进行识别，获得识别结果。
[0012]在可选地实施方式中，对GIS/GIL设备机械振动信号和背景噪声信号联合变分多模态分解算法进行多重分解，并通过引入拉格朗日乘法算子λ(t)和二次罚因子τ进行计算，其表达式(1)如下：
[0013][0014]式(1)中，u
k
表示模态信号；ω
k
表示中心频率；λ表示拉格朗日乘法算子；表示梯度运算，δ(t)为单位脉冲函数；*表示卷积；t表示时间；K表示模态分量总数；k表示模态分量序号；j为复数符号；f(t)表示振动时域序列。
[0015]在可选地实施方式中，还包括对频域模态u
k
(ω)和相应的中心频率ω
k
更新的步骤，其更新计算表达式分别如式(2)和式(3)：
[0016][0017][0018]在可选地实施方式中，在利用阈值比较滤除干扰噪声模态信号之后还包括如下步骤：
[0019]对进行滤波后的模态信号进行叠加，并对该叠加信号进行小波变换构建三维的时频图谱信号，基于时频图谱信号获得目标振动信号。
[0020]在可选地实施方式中，对进行滤波后的模态信号进行叠加，并对该叠加信号进行小波变换构建三维的时频图谱信号包括如下步骤：
[0021]确定一个信号x(t),x(t)∈L2(R)，基于x(t)确定小波变换变换WT
x
(a,b)，表达式为式(4)：
[0022][0023]式(4)中，t为时间，a和b分别为尺度因子和平移参数，且a大于0；ψ
a,b
(t)是母小波函数ψ(t)经移位和伸缩产生的一族小波基函数。
[0024]在可选地实施方式中，ψ
a,b
(t)与母小波函数ψ(t)的关系式表达如式(5)：
[0025][0026]其中，ψ(t)的约束条件为：
[0027][0028]在可选地实施方式中，卷积神经网络神经模型的算法架构表达式如式(7)：
[0029]Z＝F(X|Θ)＝f
L
(...f2(f1(X|θ1)|θ2|θ
l
)
ꢀꢀꢀꢀꢀꢀ
(7)
[0030]式(7)中，F(X|Θ)表示多层非线性映射模型；f(.|θ
l
)为映射函数；Θ＝{θ
l
,θ2…
θ
l
}为网络参数集。
[0031]在可选地实施方式中，卷积神经网络神经模型中，采用Fire网络堆栈模块提取样本特征，个Fire模块包含压缩层、扩展层和合并层；其中，压缩层采用1
×
1的卷积滤波器对上一层输入特征矩阵数据集C
l
进行卷积；扩展层采用1
×
1和3
×
3的卷积滤波器进行分组卷积以形成稀疏通道域的连接；合并层融合通道间的信息。
[0032]第二方面，一种GIS/GIL设备机械缺陷评估方法，应用上述的GIS/GIL设备机械缺陷诊断方法，该评估方法包括如下步骤：
[0033]基于负载率LO
R
将对训练样本集进行划分，并将训练样本集划分为第一评价区间、第二评价区间和第三评价区间，其中，第一评价区间表示LO
R
≤33％，第二评价区间表示33％<LO...

【技术保护点】

【技术特征摘要】
1.一种GIS/GIL设备机械缺陷诊断方法，其特征在于，包括如下步骤：获取GIS/GIL设备机械振动信号和背景噪声信号，对所述GIS/GIL设备机械振动信号和所述背景噪声信号进行多重分解，分别获取所述GIS/GIL设备机械振动信号的m个模态分量SVMF和所述背景噪声信号的n个模态分量NVMF，其中，m与n均为正整数；分别求解所述模态分量SVMF和所述模态分量NVMF的重心频率S
f
＝{S
f1
,S
f2
,
…
,S
fm
}和N
f
＝{N
f1
,N
f2
,
…
,N
fn
}，确定每一个所述模态分量SVMF重心频率最接近的所述模态分量NVMF并进行匹配；对两两匹配的所述模态分量SVMF和所述模态分量NVMF以各自重心频率为中心，分别求取领域Γ
Si
∈(S
fi
‑
δ,S
fi
+δ)与Γ
Ni
∈(S
fi
‑
δ,S
fi
+δ)内频域振动信号的幅值和峭度作为阈值滤波判据，利用阈值比较滤除干扰噪声模态信号，获得目标振动信号，其中，模态分量序号i＝1,2,3,
…
,K，K为模态分量总数；δ表示领域频率区间宽度；利用卷积神经网络模型对所述目标振动信号进行识别，获得识别结果。2.根据权利要求1所述的GIS/GIL设备机械缺陷诊断方法，其特征在于，对所述GIS/GIL设备机械振动信号和所述背景噪声信号采用联合变分多模态分解算法进行多重分解，并通过引入拉格朗日乘法算子λ(t)和二次罚因子τ进行计算，其表达式(1)如下：式(1)中，u
k
表示模态信号；ω
k
表示中心频率；λ表示拉格朗日乘法算子；表示梯度运算，δ(t)为单位脉冲函数；*表示卷积；t表示时间；K表示模态分量总数；k表示模态分量序号；j为复数符号；f(t)表示振动时域序列。3.根据权利要求2所述的GIS/GIL设备机械缺陷诊断方法，其特征在于，还包括对频域模态u
k
(ω)和相应的中心频率ω
k
更新的步骤，其更新计算表达式分别如式(2)和式(3)：更新的步骤，其更新计算表达式分别如式(2)和式(3)：4.根据权利要求2所述的GIS/GIL设备机械缺陷诊断方法，其特征在于，在所述利用阈值比较滤除干扰噪声模态信号之后还包括如下步骤：对进行滤波后的模态信号进行叠加，并对该叠加信号进行小波变换构建三维的时频图谱信号，基于所述时频图谱信号获得所述目标振动信号。5.根据权利要求4所述的GIS/GIL设备机械缺陷诊断方法，其特征在于，所述对进行滤波后的模态信号进行叠加，并对该叠加信号进行小波变换构建三维的时频图谱信号包括如下步骤：
确定一个信号x(t),x(t)∈L2(R)，基于所述x(t)确定小波变换变换WT
x
(a,b)，表达式为式(4)：式(4)中，t为时间，a和b分别为尺度因子和平移参数，且a大于0；ψ
a,b
(t)是母小波函数ψ(t)经移位和伸缩产生的一族小波基函数。6.根据权利要求5所述的GIS/GIL设备机械缺陷诊断方法，其特征在于，ψ
a,b
(t)与母小波函数ψ(t)的关系式表达如式(5)：其中，ψ(t)的约束条件为：7.根据权利要求2所述的GIS/GIL设...

【专利技术属性】
技术研发人员：郝建，钟尧，李旭，李滢，刘清松，邵子琦，丁屹林，廖瑞金，
申请(专利权)人：重庆大学，
类型：发明
国别省市：