【技术实现步骤摘要】
本专利技术属于电力系统故障检测，涉及基于数据增强的变电站开关设备故障诊断方法。
技术介绍
1、电力系统是一个生产、传输和消费电能的系统，由发电、输电、变电、配电和用电五部分组成；变电站是电力系统中的一个中间环节，它在电力系统中发挥着变换电压、接收并分配电能等功能，它由变电站连接各级电压电网，利用断路器和隔离开关元件的位置变换来实现电网方式的转换，对电力的流向进行控制，从而实现对电能输送方向的控制；变电站的运行管理水平与整个电力系统的运行状态有着直接的联系，电力生产、传输和消费具有同时性，这就决定了变电站需要持续稳定地运行，变电站的运行安全和可靠性对电力系统的稳定性同样也有着重要影响，当变电站设备部件出现故障时，很可能会影响到当地的电力输送，甚至影响到一个地区的电力输送；因此在变电站巡检工作中，需要巡检人员对各类电气设备进行定时监控，在出现事故时及时采取应对措施，保证变电站运行的安全性；
2、隔离开关是变电系统中最不可缺少的一次设备，其能否低缺陷故障率、高健康度的运行直接关系到整个电网的稳定可靠性；隔离开关因运行自然环境恶劣、电网负荷波动冲击及厂家制造工艺等客观因素影响，极易产生设备缺陷隐患。当前生产常用的故障诊断技术手段有限，且现场提取的特征量数据无法及时、准确的反映设备故障工况，变电巡检人员只有在缺陷较严重时才能发现问题；
3、目前在变电站运行维护中，广泛存在电力设备日益增长与巡检人员数量不足的矛盾；针对这一现状，亟需进一步提高变电站的运行维护水平，探索无人值守变电站新模式，及时对隔离开关的故障进行诊断
4、数据增强是深度学习中被广泛运用的一项正则化技术，它通过从现有数据生成新的训练数据来扩展原数据集。数据增强技术通过操作现有数据的参数，将数据转换为新的、独特的样本，用来提高数据分布多样性，比如对于图像数据来说，经常用到的运算包括仿射变换，调节色相/饱和度/曝光和锐化等；近来提出了一种自动数据增强算法，目的是自动寻找某些数据增强策略(一般可以用各运算的概率分布来表达)，使上述策略训练出的模型能够获得较好的性能表现。这些自动算法已取得显著效果，并在很多任务中大大超出人工设计增强策略。由此引申，若将其用于对隔离开关不同故障下的时间序列进行数据分析，建立故障识别框架，有利于快速、高效实现故障诊断。
5、基于数据增强的故障诊断系统在变电站中的实施，将为解决变电站运营和维修工作中巡检人员“供不应求”的难题提供新方向，能够降低变电站现场运营和维修人员的成本，同时提升了变电站运营和维修工作的信息化水平；因此，变电站运行维护管理逐步向自动化和智能化方向发展，这对提升电力系统整体运行状况，以及改善电力系统稳定程度有很大帮助。
技术实现思路
1、本专利技术的目的是提供基于数据增强的变电站开关设备故障诊断方法，解决了常规的状态监控手段无法实现对隔离开关状态的全方位监控以及传统机器学习方法难以提取开关设备原始数据中的有效信息，无法实现对隔离开关故障类型的准确判断的问题。
2、本专利技术所采用的技术方案是，基于数据增强的变电站开关设备故障诊断方法，具体按以下步骤实施：
3、步骤1，基于hilbert的隔离开关振动信号处理；
4、步骤2，振动信号的数据预处理；
5、步骤3，建立基于数据增强的隔离开关故障诊断算法。
6、本专利技术的特点还在于：
7、其中步骤1具体为：采用hilbert方法提取包络信号，进行机械故障振动信号的特征值提取与去噪；
8、其中机械故障振动信号的特征值提取与去噪具体为：
9、按照原始的振动时间特征，把采集到的包络信号分成n个分量，每个信号分量所对应的能量值将基于时间积分法计算得出，即：
10、
11、式中，a(t)为信号的包络；t0、t1分别为划分部分的起、止时间点；
12、根据信息熵原理，对包络信号的小波包本征熵进行计算，并对包络信号进行了抽取，将其作为电压的状态进行了存储；
13、在一天中，随机地选择某一高压隔离开关一天的正常工作数据，在一定的时间段中，随机地选择一个振动子事件；
14、对该时段下所采集到的机械振动信号进行降噪处理，然后采用一维时序进行相空间的重建，在重建相空间时，所得到的延迟时间为τ，相空间内的3个维数分别为x(n)、x(n+τ)、x(n+2τ)；在相位空间中，随机取一球面域v，其中球面域的中心位置即球心点设为x，球面域v的半径为ra，同时也是它的引力子半径，它的计算公式是：
15、
16、式中，n为经过离散化处理后时间序列图中的样本点数，将rb定义为相空间内的所有分布点与球形区域v中点的平均几何距离，其计算表达式如下：
17、
18、式中，l1表示振动子事件时间序列在v内分布的样本数量；x1(l1)、y1(l1)、z1(l1)分别是v内分布中各点的坐标；l2表示振动子事件时间序列分布在v外的样本数量；x2(l2)、y2(l2)、z2(l2)分别是球形区域v之外的各点坐标；
19、其中步骤2具体为采用的是量级域变换的随机变换方式，基于幅度域变换的数据增强是对时间序列的值执行的变换，幅度变换的重要特征是仅修改每个元素的值，而时间步长保持不变；
20、其中数据增强采用的方法为振动或向时间序列添加噪声，振动定义为：
21、x'＝x1+ε1，...xt+εt，...xt+εt (4)
22、时间序列添加噪声具体为：将高斯噪声添加到每个时间步长t和ε～n(0，σ2)，添加噪声的标准差σ是一个需要预先确定的超参数；
23、其中步骤3中建立基于数据增强的隔离开关故障诊断算法包括基于支持向量机的故障诊断模型和基于bp神经网络的故障诊断模型；
24、其中基于支持向量机的故障诊断模型具体为：
25、样本集合分为线性可分和非线性可分两种类型；
26、针对线性可分用一个超平面w·x+b＝0来线性分割，其位置通过两个矢量w和x的内积来确定，把这个最佳分割的问题转换成寻找最佳超平面的问题，可以由下式(5)所表示的公式来转化：
27、
28、式中：b是分类超平面的门限，w为用于对全部样本集合进行分类的特征空间的超平面系数矢量，f表示最优超平面，c为分类样本误差的惩罚因子，ζi为引入的松弛因子；由上式(5)可以得到最优超平面：f(x)＝w·x+b；
29、针对非线性可分，采用惩罚系数来改进核函数，本文档来自技高网...
【技术保护点】
1.基于数据增强的变电站开关设备故障诊断方法，其特征在于，具体按以下步骤实施：
2.根据权利要求1所述的基于数据增强的变电站开关设备故障诊断方法，其特征在于，所述步骤1具体为：采用Hilbert方法提取包络信号，进行机械故障振动信号的特征值提取与去噪。
3.根据权利要求2所述的基于数据增强的变电站开关设备故障诊断方法，其特征在于，所述机械故障振动信号的特征值提取与去噪具体为：
4.根据权利要求1所述的基于数据增强的变电站开关设备故障诊断方法，其特征在于，所述步骤2具体为采用的是量级域变换的随机变换方式，基于幅度域变换的数据增强是对时间序列的值执行的变换，幅度变换的重要特征是仅修改每个元素的值，而时间步长保持不变。
5.根据权利要求2所述的基于数据增强的变电站开关设备故障诊断方法，其特征在于，所述数据增强采用的方法为振动或向时间序列添加噪声，振动定义为：
6.根据权利要求1所述的基于数据增强的变电站开关设备故障诊断方法，其特征在于，所述步骤3中建立基于数据增强的隔离开关故障诊断算法包括基于支持向量机的故障诊断模型和基于BP
7.根据权利要求6所述的基于数据增强的变电站开关设备故障诊断方法，其特征在于，所述基于支持向量机的故障诊断模型具体为：
8.根据权利要求6所述的基于数据增强的变电站开关设备故障诊断方法，其特征在于，所述基于BP神经网络的故障诊断模型具体为：由多层前向传递结构组成的，具体过程为：当训练样本输入到神经网络中后，其神经元就会立即激活，其主要的顺序为输入层-输出层-输出层，是逐级进行激活的，达到了正传递的目的；正向运算结束时，输入层中的每一个神经元都被激活；然后再对网络进行逆向运算，这样就可以将神经网络的输出结果和实际结果之间的偏差降到最低；当网络训练完成后，输出层中所有神经元的权重都会被更新到零；
9.根据权利要求8所述的基于数据增强的变电站开关设备故障诊断方法，其特征在于，所述BP神经网络前向计算过程如下：
...【技术特征摘要】
1.基于数据增强的变电站开关设备故障诊断方法，其特征在于，具体按以下步骤实施：
2.根据权利要求1所述的基于数据增强的变电站开关设备故障诊断方法，其特征在于，所述步骤1具体为：采用hilbert方法提取包络信号，进行机械故障振动信号的特征值提取与去噪。
3.根据权利要求2所述的基于数据增强的变电站开关设备故障诊断方法，其特征在于，所述机械故障振动信号的特征值提取与去噪具体为：
4.根据权利要求1所述的基于数据增强的变电站开关设备故障诊断方法，其特征在于，所述步骤2具体为采用的是量级域变换的随机变换方式，基于幅度域变换的数据增强是对时间序列的值执行的变换，幅度变换的重要特征是仅修改每个元素的值，而时间步长保持不变。
5.根据权利要求2所述的基于数据增强的变电站开关设备故障诊断方法，其特征在于，所述数据增强采用的方法为振动或向时间序列添加噪声，振动定义为：
6.根据权利要求1所述的基于数据增强的变电站开关设备故障诊断...
【专利技术属性】
技术研发人员：孙涛，牛欢欢，李佳其，彭鹏，王婷，史玉涛，张佳，张涛允，王津，张广东，刘康，包艳艳，肖海锋，徐浩，龚源，高立超，
申请(专利权)人：国网甘肃省电力公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。