基于知识和数据双驱动的断路器状态评价方法技术

本发明专利技术公开了一种基于知识和数据双驱动的断路器状态评价方法，包括如下步骤：通过试验管理模块获取牵引变电所进线侧高压断路器基本台账信息和同期历史维修记录，选择相应试验参数作为评价指标；构建高压断路器知识驱动和数据驱动的双驱动的分级状态评估模型，其中知识驱动模型采用AHP

【技术实现步骤摘要】
基于知识和数据双驱动的断路器状态评价方法


[0001]本专利技术涉及重载铁路高压断路器状态评价领域，尤其涉及一种基于知识和数据双驱动的断路器状态评价方法。

技术介绍

[0002]目前，针对重载铁路一二次侧种类繁多的牵引供电高压断路器，试验检修人员工作强度大，维护成本高。有时导致断路器检修欠佳，出现工况模糊无法合理确定的问题。通过研发牵引供电关键设备的健康评价系统，帮助试修人员更加方便快捷的掌握牵引电气设备的工况以及提供必要的检修意见，为社会带来可观的经济效益。但是现有的高压断路器状态评估方法多采用机理建模的方式，模型划分过细，主观因素获取使得在实际应用中较为困难，造成状态评价不准确。

技术实现思路

[0003]本专利技术所要解决的技术问题是提供一种状态评价更准确、使用范围更广、效率更高的基于知识和数据双驱动的断路器状态评价方法。
[0004]为解决上述技术问题，本专利技术所采取的技术方案是：一种基于知识和数据双驱动的断路器状态评价方法，包括如下步骤：
[0005]通过试验管理模块获取牵引变电所进线侧高压断路器基本台账信息和同期历史维修记录，选择相应试验参数作为评价指标；
[0006]构建高压断路器知识驱动和数据驱动的双驱动的分级状态评估模型，其中知识驱动模型采用AHP
‑
PCA确定主客观权重，选择合适的隶属函数进行组合，进而模糊运算得到合适评语；数据驱动模型利用专家系统生成初始数据源，选择PCA
‑
SVM分类评估，并利用机理模型更新数据源；<br/>[0007]使用构建的分级状态评估模型对断路器的运行状态进行评估。
[0008]进一步的技术方案在于：知识驱动模型利用AHP算法计算主观权重，并利用PCA算法对主要指标进行降维处理得到客观权重，主观权重与客观权重组合后得到组合权重；选择直线型、抛物线型和根号型隶属函数组合，得到隶属度；采用多层次模糊综合评价法对权重和隶属度矩阵进行模糊运算，按照最大隶属度准则以机理建模方式得到断路器评语。
[0009]进一步的技术方案在于：：所述数据驱动模型将数据统计输入给专家系统生成样本标签，利用PCA算法对统计得到的试验数据集进行降维，并结合SVM算法对小样本数据进行训练、预测和分类，得到断路器工况信息。
[0010]进一步的技术方案在于：将断路器的运行状态包括{优秀(V1)，良好(V2)，注意(V3)，异常(V4)}；优秀代表断路器工作相对稳定发生系统性故障概率较低；良好代表断路器已经工作了一段时间已经有了部分磨损；注意代表断路器的磨损和发生故障的概率较之前相比已经有所提升；异常表示断路器整体工作情况较差，在设备工作时需要密切关注其运行状态以防发生故障造成变电所保护跳闸影响列车运行。
[0011]进一步的技术方案在于：利用PCA算法对主要指标进行降维处理得到客观权重的方法包括如下步骤：
[0012]令评估矩阵X有n个样本数据，每个样本有m维特征，可描述为：
[0013][0014]取样本数据平均值进行均值化得到矩阵求出Y的协方差矩阵得到计算协方差矩阵Z的特征值和特征向量，选择合适的主成分(F1、F2、F3
……
)的数量使累计贡献率达到90％以上，如下：将各主成分组合成新的矩阵W，得到降维矩阵，C＝WX
ij
即，通过对隶属矩阵转置，求出主成分后，将各个主成分与所保留特征值、原始特征值的线性组合即可得到权重：
[0015]式中，λ
i
为矩阵Y的协方差矩阵Z的特征根，k、p为特征根数量和所保留主成分数量；
[0016]若权重出现负值，找到最小的那个负的权重，所有权重值加上这个权重后进行归一化处理，即为所求的客观权重B：
[0017][0018]进一步的技术方案在于：所述得到组合权重的方法包括如下步骤：
[0019]主观权重A和客观权重B进行线性加法组合赋权，即组合权重式中，k1、k2∈[0,1]，k1，k2按照实际要求取值但要满足k1+k2＝1。
[0020]进一步的技术方案在于：使用SVM算法对小样本数据进行处理的方法包括如下步骤：
[0021]通过选择合适的惩罚因子C和核参数g，进而确定最优解，SVM的分类器的目标函数为：
[0022][0023][0024]式中，C为惩罚因子；ξ
i
为松弛因子；W为超平面法向量；x
i
为试验数据样本；y
i
为样本标签；b为超平面的偏移量；构建拉格朗日函数如下：
[0025][0026]式中，α
i
,β
i
为拉格朗日乘子，且α
i
＞0，β
i
＞0；为了避免个别样本影响整体分类性能，将目标函数转化为对偶形式，即
[0027][0028][0029]最后得到决策函数：
[0030][0031]式中，K(x,x
i
)为高斯径向基核函数，其通过低维空间的内积运算，实现高维空间同样的效果，表达式如下：
[0032]K(x,x
i
)＝exp(
‑
|x
‑
x
i
|2/2σ2)。
[0033]采用上述技术方案所产生的有益效果在于：本专利技术所述方法能够解决现场审查人员对各个站所不同位置及日期下断路器的运行状况做到及时发现了解，并按照试验人员通过试验管理模块和状态评估模块快速进行断路器状态评估，审核人员审核试验数据并对试验人员评估结果为注意和异常的数据再次评估，进一步确定异常模块，进而安排合理检修。管理人员可在后台监测异常状态，修改相关试验数据，合理安排检修等，提高了工作效率。
附图说明
[0034]下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0035]图1是本专利技术实施例所述方法的流程图；
[0036]图2是本专利技术实施例所述方法中多层次审核机制下的试验管理与状态评估流程图；
[0037]图3是本专利技术实施例所述方法中知识评估组合隶属函数图。
具体实施方式
[0038]下面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的一部分实施例，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范围。
[0039]在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，但是本专利技术还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况下做类似推广，因此本专利技术不受下面公开的具体实施例的限制。
[0040]总体的，如图1所示，本专利技术实施例公开了一种基于知识和数据双驱动的断路器状
态评价方法，包括如下步骤：
[0041]通过试验管理模块获取牵引变电所进线侧高压断路器基本台账信息和同期历史维修记本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识和数据双驱动的断路器状态评价方法，其特征在于包括如下步骤：通过试验管理模块获取牵引变电所进线侧高压断路器基本台账信息和同期历史维修记录，选择相应试验参数作为评价指标；构建高压断路器知识驱动和数据驱动的双驱动的分级状态评估模型，其中知识驱动模型采用AHP
‑
PCA算法确定主客观权重，选择合适的隶属函数进行组合，进而模糊运算得到合适评语；数据驱动模型利用专家系统生成初始数据源，选择PCA
‑
SVM算法分类评估，并利用机理模型更新数据源；使用构建的分级状态评估模型对断路器的运行状态进行评估。2.如权利要求1所述的基于知识和数据双驱动的断路器状态评价方法，其特征在于：知识驱动模型利用AHP算法计算主观权重，并利用PCA算法对主要指标进行降维处理得到客观权重，主观权重与客观权重组合后得到组合权重；选择直线型、抛物线型和根号型隶属函数组合，得到隶属度；采用多层次模糊综合评价法对权重和隶属度矩阵进行模糊运算，按照最大隶属度准则以机理建模方式得到断路器评语。3.如权利要求1所述的基于知识和数据双驱动的断路器状态评价方法，其特征在于：所述数据驱动模型将数据统计输入给专家系统生成样本标签，利用PCA算法对统计得到的试验数据集进行降维，并结合SVM算法对小样本数据进行训练、预测和分类，得到断路器工况信息。4.如权利要求1所述的基于知识和数据双驱动的断路器状态评价方法，其特征在于：断路器的运行状态包括{优秀(V1)，良好(V2)，注意(V3)，异常(V4)}；优秀代表断路器工作相对稳定发生系统性故障概率较低；良好代表断路器已经工作了一段时间已经有了部分磨损；注意代表断路器的磨损和发生故障的概率较之前相比已经有所提升；异常表示断路器整体工作情况较差，在设备工作时需要密切关注其运行状态以防发生故障造成变电所保护跳闸影响列车运行。5.如权利要求2所述的基于知识和数据双驱动的断路器状态评价方法，其特征在于，利用PCA算法对主要指标进行降维处理得到客观权重的方法包括如下步骤：令评估矩阵X有n个样本数据，每个样本有m维特征，可描述为：取样本数据平均值进行均值化得到矩阵求出Y的协方差矩阵得到计算协方差矩阵Z的特征值和特征向量，选择合适的主成分(F1、F2、F3
……
)的数量使累计贡献率达到90％以上，如下：将各主成分组合成新的矩阵W，得到降维矩阵，C＝WX
ij
即，通过对隶属矩阵转置，求出主成分后，将各
个主成分与所保留特征值、原始特征值的线性组合即可得到权重：式中，λ
i
为矩阵Y的协方差矩阵Z的特征根，k、p为特征根数量和所保留主成分数量；若权重出现负值，找到最小的那个负的权重，所有权重值加上这个权重后进行归一化处理，即为所求的客观权重B...

【专利技术属性】
技术研发人员：田行军，娄杲，宋伟，张梦浩，金秭含，曹帅，张朝凯，
申请(专利权)人：石家庄铁道大学，
类型：发明
国别省市：