【技术实现步骤摘要】
本专利技术属于电力系统监控领域，具体涉及多传感器融合的高压开关状态评价方法及系统。
技术介绍
1、顺应电力系统全面深化状态检修，实现差异化检修工作的需要，努力开发使用先进技术的检测装置，深入研究状态评价方法，制定更为全面、科学的状态评价模型具有重要的实际意义。
2、我国现阶段对高压开关检修所采用的方法主要是按照预防性试验的要求，对高压开关进行最低动作电压，核定分合闸时间，检查三相同期性，测量回路直阻等。这些参数是我国这些年对高压开关运维检修的经验积累，能够在一定程度上反应高压开关的健康状况。但参数的核定只有合格和不合格两类，而高压开关的变化趋势，分析高压开关存在的缺陷、隐患，以及定位故障等方面的健康状况是无法通过参数核定实现的，甚至有些按照预防性试验要求完成常规检查的高压开关，在投运时出现了拒合的故障。
3、高压开关机械特性的状态评价的专业性很强，现场运维检修人员对高压开关的了解很多都只限于说明书和相关规程，只有一些经验丰富的检修人员才对高压开关机械特性进行初步分析，大部分运维检修人员的能力不足以对其机械特性做出综合评价。而专业人员能够对采集到的高压开关机械特性波形进行分析，得出综合的评价结果，这样的评价过程有一定的主观因素，但结果是通过现场验证的，是主观评价结合客观实际的评定。
技术实现思路
1、本专利技术的目的在于克服现有技术的不足，提供了一种多传感器融合的高压开关状态评价方法及系统，以解决对高压开关进行综合评价困难并且综合评价存在主观性的技术问题。p>
2、为达到上述目的，本专利技术所采用的技术方案是：
3、本专利技术第一方面提供了一种多传感器融合的高压开关状态评价方法，包括：
4、采集高压开关状态相关的特征数据，将特征数据输入至预训练的高压开关的状态评价模型,获得高压开关的评价结果；
5、构建和训练高压开关的状态评价模型，具体过程包括：
6、获取高压开关历史状态数据作为训练样本，利用训练样本构建训练数据集合和测试数据集合；基于bp神经网络构建状态评价模型；利用训练数据集合对所述状态评价模型进行训练，通过lm算法调整状态评价模型的权值；利用测试数据集合对训练后的状态评价模型进行评测获得评测结果，将评测结果与所述训练样本的真实标签进行对比判断是否合格，重复迭代状态评价模型的训练过程直至评测结果判断合格，输出训练好的状态评价模型。
7、优选的，采集高压开关状态相关的特征数据的方法包括：
8、通过传感器组合采集高压开关的采样数据,所述传感器组合包括电流传感器、角度传感器、温湿度传感器和六氟化硫传感器；
9、对采集数据进行降噪处理并利用pca算法降维处理后，提取高压开关状态相关的特征数据。
10、优选的，对采集数据利用pca算法降维处理的方法包括：
11、对采样数据标准化处理后计算采样数据的相关系数，表达公式为：
12、
13、相关系数矩阵的表达公式为：
14、
15、公式中，rij表述为第i单位中第j指标的采样数据相关系数；r表示为相关系数矩阵；zit表示为第i单位中第t指标的采样数据；ztj表示为第t单位中第j指标的采样数据；n表示为采样数据的指标类型总数；p表示为采样数据的单位总数；
16、计算相关系数矩阵r的特征根λj和特征向量αj，基于特征根λj计算特征向量αj的贡献率；根据贡献率对所述特征向量αj筛选后经过单位化处理获得pca算法降维后的采样数据。
17、优选的，对采样数据标准化处理，表达公式为：
18、
19、
20、
21、公式中，xij为采样数据中第i单位的第j指标值。
22、优选的，基于特征根λj计算特征向量ej的贡献率cp，表达公式为
23、
24、公式中，cp表示为特征向量ej的贡献率。
25、优选的，所述状态评价模型包含输入层、隐藏层和输出层；设输入层的节点数为vn，隐藏层的节点数为vl，输出层的节点数为vm；所述状态评价模型的激励函数为g(x)设定为激励函数取sigmoid函数；
26、所述状态评价模型的隐藏层表达公式为：
27、所述状态评价模型的输出层表达公式为：
28、公式中，ωij表示为输入层到隐藏层的权值，aj表示为输入层到隐藏层的偏置，ωjk表示为隐藏层到输出层的权值，bk表示为隐藏层到输出层的偏置。
29、优选的，通过lm算法调整状态评价模型的权值的方法包括：
30、δω＝(jtj+μi)-1jtpk
31、pk＝yk-ok
32、公式中，j是雅克比矩阵，μ为大于0的常数，i为单位矩阵，yk为期望输出；δω表示为bp神经网络中权值的调整量。
33、优选的，所述采集数据包括高压开关的铁芯启动时间t1、铁芯开始运动时间t2、铁芯停止运动时间t3、高压开关的辅助开关转换时间t4、高压开关的线圈通电时间t5、高压开关的分合闸启动电流ic、高压开关的分合闸稳态电流iw、高压开关中的sf6气体归一化压力以及环境温湿度。
34、优选的，将评测结果与所述训练样本的真实标签进行对比判断是否合格的方法包括：对比评测结果与所述训练样本的真实标签，当评测结果中状态评价模型的输出结果ok与训练样本的真实标签相同，将输出结果ok的评测得分记为1，否则，将输出结果ok的评测得分记为0；对输出结果ok的评测得分进行加权求和获得评测结果的评测得分；当评测结果的评测得分大于评测得分阈值判断评测结果合格，当评测结果的评测得分小于评测得分阈值判断评测结果未合格。
35、第二方面本专利技术提供了一种多传感器融合的高压开关状态评价系统，包括：
36、高压开关状态评价模块，用于采集高压开关状态相关的特征数据，将特征数据输入至预训练的高压开关的状态评价模型,获得高压开关的评价结果；
37、获取模块，获取高压开关历史状态数据作为训练样本，利用训练样本构建训练数据集合和测试数据集合；基于bp神经网络构建状态评价模型；
38、训练模块，利用训练数据集合对所述状态评价模型进行训练，通过lm算法调整状态评价模型的权值；利用测试数据集合对训练后的状态评价模型进行评测获得评测结果，
39、输出模块，将评测结果与所述训练样本的真实标签进行对比判断是否合格，重复迭代状态评价模型的训练过程直至评测结果判断合格，输出训练好的状态评价模型。
40、优选的，所述高压开关状态评价模块采集高压开关状态相关的特征数据的方法包括：
41、通过传感器组合采集高压开关的采样数据,所述传感器组合包括电流传感器、角度传感器、温湿度传感器和六氟化硫传感器；
42、对采集数据进行降噪处理并利用pca算法降维处理后，提取高压开关状态相关的特征数据。
43、优选的，所述训练本文档来自技高网...
【技术保护点】
1.一种多传感器融合的高压开关状态评价方法，其特征在于，包括：
2.根据权利要求1所述的高压开关状态评价方法，其特征在于，采集高压开关状态相关的特征数据的方法包括：
3.根据权利要求2所述的高压开关状态评价方法，其特征在于，对采集数据利用PCA算法降维处理的方法包括：
4.根据权利要求3所述的高压开关状态评价方法，其特征在于，对采样数据标准化处理，表达公式为：
5.根据权利要求3所述的高压开关状态评价方法，其特征在于，基于特征根λj计算特征向量ej的贡献率，表达公式为
6.根据权利要求1所述的高压开关状态评价方法，其特征在于，所述状态评价模型包含输入层、隐藏层和输出层；设输入层的节点数为vn，隐藏层的节点数为vl，输出层的节点数为vm；所述状态评价模型的激励函数为g(x)设定为激励函数取Sigmoid函数；
7.根据权利要求6所述的高压开关状态评价方法，其特征在于，通过LM算法调整状态评价模型的权值的方法包括：
8.根据权利要求2所述的高压开关状态评价方法，其特征在于，所述采集数据包括高压开关的铁
9.根据权利要求6所述的高压开关状态评价方法，其特征在于，将评测结果与所述训练样本的真实标签进行对比判断是否合格的方法包括：对比评测结果与所述训练样本的真实标签，当评测结果中状态评价模型的输出结果Ok与训练样本的真实标签相同，将输出结果Ok的评测得分记为1，否则，将输出结果Ok的评测得分记为0；对输出结果Ok的评测得分进行加权求和获得评测结果的评测得分；当评测结果的评测得分大于评测得分阈值判断评测结果合格，当评测结果的评测得分小于评测得分阈值判断评测结果未合格。
10.一种多传感器融合的高压开关状态评价系统，其特征在于，包括：
11.根据权利要求10所述的高压开关状态评价系统，其特征在于，所述高压开关状态评价模块采集高压开关状态相关的特征数据的方法包括：
12.根据权利要求10所述的高压开关状态评价系统，其特征在于，所述训练模块通过LM算法调整状态评价模型的权值的方法包括：
13.电子设备，包括存储介质和处理器；所述存储介质用于存储指令；其特征在于，所述处理器用于根据所述指令进行操作以执行权利要求1至权利要求9任一项所述的方法。
...【技术特征摘要】
1.一种多传感器融合的高压开关状态评价方法，其特征在于，包括：
2.根据权利要求1所述的高压开关状态评价方法，其特征在于，采集高压开关状态相关的特征数据的方法包括：
3.根据权利要求2所述的高压开关状态评价方法，其特征在于，对采集数据利用pca算法降维处理的方法包括：
4.根据权利要求3所述的高压开关状态评价方法，其特征在于，对采样数据标准化处理，表达公式为：
5.根据权利要求3所述的高压开关状态评价方法，其特征在于，基于特征根λj计算特征向量ej的贡献率，表达公式为
6.根据权利要求1所述的高压开关状态评价方法，其特征在于，所述状态评价模型包含输入层、隐藏层和输出层；设输入层的节点数为vn，隐藏层的节点数为vl，输出层的节点数为vm；所述状态评价模型的激励函数为g(x)设定为激励函数取sigmoid函数；
7.根据权利要求6所述的高压开关状态评价方法，其特征在于，通过lm算法调整状态评价模型的权值的方法包括：
8.根据权利要求2所述的高压开关状态评价方法，其特征在于，所述采集数据包括高压开关的铁芯启动时间t1、铁芯开始运动时间t2、铁芯停止运动时间t3、高压开关的辅助开关转换时间t4、高压开关的线圈通电时间t5、...
【专利技术属性】
技术研发人员：高山，赵科，庄添鑫，李洪涛，李玉杰，马径坦，刘建军，杨景刚，孙蓉，胡成博，邵剑，肖焓艳，尹泽，张照辉，
申请(专利权)人：国网江苏省电力有限公司电力科学研究院，
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。