一种基于混合学习方法的断路器老化故障率预测方法技术

一种基于混合学习方法的断路器老化故障率预测方法，首先，基于断路器的故障统计数据，建立其老化失效可靠性模型。然后，采用变分模态分解方法，将生成的可靠性数据序列分解为预定义数量的可预测子分量和残差分量。接着，将各子分量作为LSTM神经网络训练模型的输入，用于预测预定义视界内断路器的老化失效概率。最后，通过重构子分量可以计算出预测的断路器老化故障率。为了提高LSTM网络的预测性能，引入和声算法对LSTM模型参数进行自适应优化。基于某实际断路器数据进行了数值实验，验证了该方法的有效性和实用性。

【技术实现步骤摘要】

本专利技术属于故障预测，特别涉及一种基于混合学习方法的断路器老化故障率预测方法。

技术介绍

1、考虑到高压断路器的控制能量分配和故障隔离能力，其是水力发电厂中使用的关键安全设备。目前，电力系统中大多数高压设备都具有快速折旧的特点，尤其是高压断路器。随着老化断路器接近其额定极限而仍被迫继续使用时，老化断路器引起的系统事故将会越来越突出。因此，对老化断路器进行有效管理成为世界各地电力行业面临的一项具有挑战性的任务。

2、此外，高压断路器作为水力发电厂中使用的关键部件，由于不可逆的绝缘退化，它们很容易出现老化故障。因此，准确估计老化相关故障率对于以可靠性为中心的维护和检修策略是必要的。目前，针对断路器老化故障率分析的模型包括自回归移动平均模型(记为arima)和循环神经网络(记为rnn)。但是存在的不足在于：1)arima是一种单输入单输出的预测方法，可能会忽略技术特征之间的相关性，该方法无法捕捉断路器老化故障率时间序列中的非线性关系。2)由于rnn的神经元结构简单，在训练过程中存在严重的梯度消失和梯度爆炸问题，使得它仍然不能准确地描述长跨度的非线性本文档来自技高网...

【技术保护点】

1.一种基于混合学习方法的断路器老化故障率预测方法，其特征在于包括以下步骤：

2.根据权利要求1所述的一种基于混合学习方法的断路器老化故障率预测方法，其特征在于：步骤一中的元件老化失效可靠性模型求解过程如下：

3.根据权利要求2所述的一种基于混合学习方法的断路器老化故障率预测方法，其特征在于：步骤二的子步骤为：

4.根据权利要求3所述的一种基于混合学习方法的断路器老化故障率预测方法，其特征在于：步骤三中，长短期记忆网络模型有三个门控单元，长短期记忆网络模型通过三个门控单元来更新和遗忘信息，三个门控单元的作用机制如下：

5.根据权利要求4所述...

【技术特征摘要】

1.一种基于混合学习方法的断路器老化故障率预测方法，其特征在于包括以下步骤：

2.根据权利要求1所述的一种基于混合学习方法的断路器老化故障率预测方法，其特征在于：步骤一中的元件老化失效可靠性模型求解过程如下：

3.根据权利要求2所述的一种基于混合学习方法的断路器老化故障率预测方法，其特征在于：步骤二的子步骤为：

4.根据权利要求3所述的一种基于混合学习方法的断路器老化故障率预测方法，其特征在于：步骤三中，长短期记忆网络模型有三个门控单元，长短期记忆网络模型通过三个门控单元来...

【专利技术属性】
技术研发人员：孙悦，李琛，罗金嵩，魏扬，陈博文，徐晶，
申请(专利权)人：中国长江电力股份有限公司，
类型：发明
国别省市：