一种高压变频器的故障检测方法及系统技术方案

本发明专利技术提供了一种高压变频器的故障检测方法及系统，涉及变频器技术领域，包括：建立样本数据集合，且为故障信号集合，进行小波包分解，提取电压信号特征，构建异常特征集，建立异常识别网络，且为通用识别网络，以故障信号频率作为通用异常识别约束，建立通用异常识别约束子网络，提取设备维护特征，构建专用异常识别约束，并建立专用异常识别约束子网络，对异常识别网络重构，采集实时信号数据，预处理后输入重构后的异常识别网络，获得故障检测结果

【技术实现步骤摘要】
一种高压变频器的故障检测方法及系统


[0001]本专利技术涉及变频器
，具体涉及一种高压变频器的故障检测方法及系统
。

技术介绍

[0002]高压变频器的故障检测是电力工程领域中的重要问题，现有技术中，由于高压变频器的复杂电路结构和信号特征，故障检测存在一些技术挑战，传统方法主要依靠经验模型或规则基础的判断，缺乏通用性和适应性，部分技术采用机器学习和信号处理等方法，但仍面临着特征提取和模型优化等难题
。
[0003]因此，现有技术中高压变频器的故障检测需要更准确
、
可靠和智能化的方法来实现及时的故障诊断和预防维护
。

技术实现思路

[0004]本申请通过提供了一种高压变频器的故障检测方法及系统，旨在解决传统方法由于复杂的电路结构和信号特征，导致故障识别的准确较差，并且通常只能应对特定类型的故障或特定设备，缺乏通用性和适应性的技术问题
。
[0005]鉴于上述问题，本申请提供了一种高压变频器的故障检测方法及系统
。
[0006]本申请公开的第一个方面，提供了一种高压变频器的故障检测方法，所述方法包括：建立样本数据集合，所述样本数据集合为以监测高压变频器的基础数据作为匹配数据，调用高压变频器数据库构建而成，且所述样本数据集合为故障信号集合；对所述样本数据集合进行小波包分解，依据小波包分解结果提取电压信号特征，构建异常特征集；建立异常识别网络，所述异常识别网络以所述异常特征集作为监督数据构建而成，且所述异常识别网络为通用识别网络；以所述样本数据集合中的故障信号频率作为通用异常识别约束，建立通用异常识别约束子网络；提取监测高压变频器的设备维护特征，以所述设备维护特征构建专用异常识别约束，并建立专用异常识别约束子网络；将所述通用异常识别约束子网络和所述专用异常识别约束子网络对所述异常识别网络重构；采集所述监测高压变频器的实时信号数据，将所述实时信号数据预处理后输入重构后的异常识别网络，获得故障检测结果
。
[0007]本申请公开的另一个方面，提供了一种高压变频器的故障检测系统，所述系统用于上述方法，所述系统包括：样本数据集合构建单元，所述样本数据集合构建单元用于建立样本数据集合，所述样本数据集合为以监测高压变频器的基础数据作为匹配数据，调用高压变频器数据库构建而成，且所述样本数据集合为故障信号集合；小波包分解单元，所述小波包分解单元用于对所述样本数据集合进行小波包分解，依据小波包分解结果提取电压信号特征，构建异常特征集；异常识别网络构建单元，所述异常识别网络构建单元用于建立异常识别网络，所述异常识别网络以所述异常特征集作为监督数据构建而成，且所述异常识别网络为通用识别网络；约束子网络构建单元，所述约束子网络构建单元用于以所述样本数据集合中的故障信号频率作为通用异常识别约束，建立通用异常识别约束子网络；设备
维护特征提取单元，所述设备维护特征提取单元用于提取监测高压变频器的设备维护特征，以所述设备维护特征构建专用异常识别约束，并建立专用异常识别约束子网络；异常识别网络重构单元，所述异常识别网络重构单元用于将所述通用异常识别约束子网络和所述专用异常识别约束子网络对所述异常识别网络重构；故障检测结果获取单元，所述故障检测结果获取单元用于采集所述监测高压变频器的实时信号数据，将所述实时信号数据预处理后输入重构后的异常识别网络，获得故障检测结果
。
[0008]本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：通过建立以监测高压变频器的基础数据为匹配数据的样本数据集合，构建故障信号集合，提供丰富的训练数据；利用小波包分解对样本数据集合进行处理，提取出电压信号特征，构建异常特征集，有助于故障特征的捕捉；通过使用异常特征集作为监督数据构建异常识别网络，采用通用识别网络的形式，提供了广泛适用性和泛化能力；建立以故障信号频率为基础的通用异常识别约束子网络，以设备维护特征为基础的专用异常识别约束子网络，进一步提高故障识别的准确性和可靠性；通过以通用和专用异常识别约束子网络对异常识别网络进行重构，实现对网络的优化和个性化调整；采集监测高压变频器的实时信号数据，并经过预处理后输入重构后的异常识别网络，实现故障检测结果的获取，提供了及时有效的故障警报和维修反馈
。
综上所述，上述高压变频器的故障检测方法，通过结合小波包分解
、
异常识别网络构建
、
通用和专用异常识别约束子网络
、
网络重构和实时信号数据检测等技术手段，解决了高压变频器故障检测存在的不足，实现了更准确
、
通用
、
高效的故障检测效果
。
[0009]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的
、
特征和优点能够更明显易懂，以下特举本申请的具体实施方式
。
附图说明
[0010]图1为本申请实施例提供了一种高压变频器的故障检测方法流程示意图；图2为本申请实施例提供了一种高压变频器的故障检测方法中小波包分解信号流程示意图；图3为本申请实施例提供了一种高压变频器的故障检测系统结构示意图
。
[0011]附图标记说明：样本数据集合构建单元
10
，小波包分解单元
20
，异常识别网络构建单元
30
，约束子网络构建单元
40
，设备维护特征提取单元
50
，异常识别网络重构单元
60
，故障检测结果获取单元
70。
具体实施方式
[0012]本申请实施例通过提供一种高压变频器的故障检测方法，解决了传统方法由于复杂的电路结构和信号特征，导致故障识别的准确较差，并且通常只能应对特定类型的故障或特定设备，缺乏通用性和适应性的技术问题
。
[0013]在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式
。
实施例一
[0014]如图1所示，本申请实施例提供了一种高压变频器的故障检测方法，所述方法包括：建立样本数据集合，所述样本数据集合为以监测高压变频器的基础数据作为匹配数据，调用高压变频器数据库构建而成，且所述样本数据集合为故障信号集合；采集监测高压变频器的基础数据，包括电压
、
电流
、
温度等相关参数的实时监测数据，根据存储的历史数据构建高压变频器数据库，这个数据库还包含各种故障情况下的数据样本
。
将监测的高压变频器基础数据与调用的高压变频器数据库进行匹配，选择与基础数据相匹配的数据样本，构建样本数据集合，该样本数据集合包含不同类型和程度的故障信号的数据，用于后续训练异常识别网络
。
[0015]对所述样本数据集合进行小波包分解，依据小波包分解结果提取电压信号特征，构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种高压变频器的故障检测方法，其特征在于，所述方法包括：建立样本数据集合，所述样本数据集合为以监测高压变频器的基础数据作为匹配数据，调用高压变频器数据库构建而成，且所述样本数据集合为故障信号集合；对所述样本数据集合进行小波包分解，依据小波包分解结果提取电压信号特征，构建异常特征集；建立异常识别网络，所述异常识别网络以所述异常特征集作为监督数据构建而成，且所述异常识别网络为通用识别网络；以所述样本数据集合中的故障信号频率作为通用异常识别约束，建立通用异常识别约束子网络；提取监测高压变频器的设备维护特征，以所述设备维护特征构建专用异常识别约束，并建立专用异常识别约束子网络；将所述通用异常识别约束子网络和所述专用异常识别约束子网络对所述异常识别网络重构；采集所述监测高压变频器的实时信号数据，将所述实时信号数据预处理后输入重构后的异常识别网络，获得故障检测结果
。2.
如权利要求1所述的方法，其特征在于，所述方法还包括：对所述样本数据集合进行时间标识，记录时间标识结果；以故障类型作为分类特征，对所述样本数据集合进行故障时间自适应聚合，根据故障时间聚合结果生成故障时序关联；以所述故障时序关联建立时序约束子网络，并将所述时序约束子网络耦合至重构后的所述异常识别网络
。3.
如权利要求2所述的方法，其特征在于，所述方法还包括：当所述实时信号数据预处理完成后，分离获得所述实时信号数据的时间映射；将所述时间映射发送至所述时序约束子网络，通过所述时序约束子网络生成异常数据库的调用约束；基于所述通用异常识别约束子网络和所述专用异常识别约束子网络执行所述调用约束补偿；根据补偿结果完成所述实时信号数据的故障检测
。4.
如权利要求2所述的方法，其特征在于，所述方法还包括：获得同一故障的时间轴极限差值和故障数量；以所述时间轴极限差值和所述故障数量初始化个体数据粘度，所述数据粘度表征了数据的聚合吸引范围；通过所述个体数据粘度执行初始数据聚类，获得初始聚类结果；配置组合粘度增长系数，通过所述组合粘度增长系数对所述初始聚类结果进行聚类簇的粘度更新，并执行聚类迭代；当任意迭代结果中不存在新增聚类簇时，则聚类结束，获得故障时间聚合结果
。5.
如权利要求1所述的方法，其特征在于，所述方法还包括：调用所述异常识别网络的网络参数；初始化退火模型参数，并设置核函数和平...

【专利技术属性】
技术研发人员：余维成，
申请(专利权)人：江苏力普电子科技有限公司，
类型：发明
国别省市：