一种电力系统的故障诊断方法及故障诊断装置制造方法及图纸

本发明专利技术提供了一种电力系统的故障诊断方法及故障诊断装置，包括基于电力储能系统的历史运行数据获取故障样本信息，建立电力储能系统的故障样本集；根据电力储能系统的所述故障样本集，建立各类型故障的故障标准云参数信息；获取待诊断样本，并通过预设的云模型计算所述待诊断样本与所述故障标准云参数信息之间的最终隶属度矩阵；利用

【技术实现步骤摘要】
一种电力系统的故障诊断方法及故障诊断装置


[0001]本专利技术涉及电气设备
，具体而言，涉及一种电力系统的故障诊断方法及故障诊断装置
。

技术介绍

[0002]电力储能系统故障诊断是指在电力储能系统运行过程中，通过对系统各个部件
、
参数和性能的监测与分析，以确定系统是否存在故障
、
故障的类型以及故障的原因
。
电力储能系统的故障可能导致系统性能下降
、
寿命缩短甚至系统完全失效，因此及时准确地诊断系统故障对于确保系统可靠运行和维持长期性能至关重要
。
[0003]电力储能系统包括电芯
、
电池管理系统
、
能量管理系统
、
温控系统和消防系统等组成部分，这些部件之间相互作用，组成一个复杂的系统
。
电力储能系统的故障可能源自部件本身的缺陷
、
设计不当
、
制造质量问题
、
环境变化以及不恰当的操作和维护等多个原因<br/>。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种电力系统的故障诊断方法，其特征在于，包括：基于电力系统的历史运行数据获取故障样本信息，建立电力系统的故障样本集，其中所述历史运行数据包括电池模组电压电流
、
电力系统输出功率
、
电池模组温度和电池模组内阻，其中所述故障样本集包括至少两种电力系统状态类型；根据电力系统的所述故障样本集，建立各类型故障的故障标准云参数信息，其中各类型故障包括正常状态信息
、
电气故障信息
、
过热故障信息以及控制故障信息；获取待诊断样本，并通过预设的云模型计算所述待诊断样本与所述故障标准云参数信息之间的最终隶属度矩阵；根据所述最终隶属度矩阵确定不同故障下的基本概率分配情况，利用
D
‑
S
证据理论的
Dempster
融合规则对所述基本概率分配情况进行融合，得到最终融合结果；选取所述最终融合结果中基本概率最大值所对应的电力系统状态，并将选取到的所述电力系统状态作为电力系统故障的最终诊断结果
。2.
根据权利要求1所述的电力系统的故障诊断方法，其特征在于，所述根据电力系统的所述故障样本集，建立各类型故障的故障标准云参数信息，其中包括：根据电力系统的所述故障样本集，对历史运行数据采用
Z
‑
Score
归一化方法进行处理，得到处理结果，其中所述故障样本集包括电压
、
电流
、
功率
、
电池温度以及电池内阻的特征状态，其计算公式如下：式中，表示第个特征的
Z
‑
Score
归一化值，表示第个特征值，表示第个特征的均值，表示第个特征的标准差；分析所述处理结果，并计算电力系统各状态下各故障特征值的参数情况，所述参数情况包括各故障特征值的期望
、
标准差和离散程度；利用所述参数情况，进而构建故障标准云参数信息
。3.
根据权利要求2所述的电力系统的故障诊断方法，其特征在于，所述获取待诊断样本，并通过预设的云模型计算所述待诊断样本与所述故障标准云参数信息之间的最终隶属度矩阵，其中包括：根据各故障特征值的期望
、
标准差和离散程度，通过预设的所述云模型计算所述待诊断样本的第个故障特征下的第类故障的隶属度值；获取待诊断样本中各个样本的特征信息，根据所述特征信息与所述隶属度值构建隶属度矩阵；基于所述隶属度矩阵计算第个故障特征下所对应的不确定性隶属度，基于所述不确定性隶属度计算所述待诊断样本的所有特征下各类故障的隶属度和所对应的不确定性隶属度，并构建最终隶属度矩阵
。4.
根据权利要求3所述的电力系统的故障诊断方法，其特征在于，所述通过预设的所述云模型计算所述待诊断样本的第个故障特征下的第
j
类故障的隶属度值，其计算公式如下：式中，
random
是属于（0，1）的正态随机数，是由
、
和
random
产生的正态随机数，
为云模型隶属度，为离散程度，为第个特征的第类故障下的标准差
En
，为则第个特征的第类故障下的期望
Ex
，
e
为自然常数，为第个特征的第类故障下的待测样本
。5.
根据权利要求1所述的电力系统的故障诊断方法，其特征在于，所述利用
D
‑
S
证据理论的
Dempster
融合规则对所述基本概率分配情况进行融合，得到最终融合结果，其中包括：从辨识框架中选取至少两种所述电力系统状态类型，所述辨识框架为电力系统所有的状态类型，其中包括正常状态
、
电气故障
、
过热故障以及控制故障；基于所述辨识框架，采用证据之间的支持度动态加权值进行融合规则优化，得到最终融合结果，其计算公式如下：式中，为平均支持度加权值，
m
表示识别框架中的基本概率分配函数，
A
表示各故障特征，表示与对应的基本概率分配函数，
M
为小于
N
的整数，
N
为故障特征数量，为与对应的基本概率分配函数，为多个融合的结果，表示第个故障特征，表示空集情况下基本概率分配函数的值为0；的计算公式如下：式中，为平均支持度加权值，
K
为
Dempster
规则中的证据冲突，
q
（
A
）为需要融合的基本概率分配值，表示与对应的基本概率分配函数，为第
i
个故障特征，
n
为需要融合的基本概率分配函数数量，计算公式如下所示：式中，
K
为
Dempster
规则中的证据冲突；
N
为故障特征数量；为与对应的基本概率分配函数；为第个故障特征；为第
...

【专利技术属性】
技术研发人员：周小龙，张宽，赵志颖，姚新明，何雨浓，宋再兴，李波，
申请(专利权)人：四川乐电新能源科技有限公司，
类型：发明
国别省市：