【技术实现步骤摘要】
本专利技术涉及gis设备故障诊断，尤其涉及一种基于振声融合的gis设备故障诊断方法。
技术介绍
1、变电站主要由gis、变压器、母线、接地开关、避雷器、互感器、电容器、电抗器以及带电架构等构成。一般而言，电压等级越高，变电站噪声值越大。不同电压等级的变电站，变压器主要噪声源也存在差异。
2、在进行gis设备声学信号分析时，传声器采集到的噪声信号是包含变压器噪声、变电站其它电力设备噪声以及变电站背景噪声在内的混合声信号，故探索一种可靠的gis运行背景噪声抑制方法、使其从变电站混合背景声信号中提取得到纯净的gis设备原始声信号，具有重要意义。
3、现有专利公开了一种gis设备机械故障诊断方法及系统（公开号cn113191247a），属于机械故障诊断领域，方法包括：采集gis设备的长度为n的振动信号时间序列；以l为移动平均周期，对振动信号时间序列进行移动平均处理，依次得到n-l+1个移动平均值，并按照时间顺序将n-l+1个移动平均值进行组合以得到移动平均值时间序列。该专利所公开技术中，由于声音信号在现场测试过程中容易收到外部信号的干扰，进而影响到测试数据的质量。
技术实现思路
1、本专利技术主要解决的技术问题是提供一种基于振声融合的gis设备故障诊断方法，解决了上述
技术介绍
中的问题。
2、为解决上述技术问题，根据本专利技术的一个方面，更具体的说是一种基于振声融合的gis设备故障诊断方法，包括以下步骤：
3、s1、声振信号的特征提取包括对时域
4、s2、对catboost分类算法进行优化，其中catboost通过对称行采样和目标编码策略来处理离散型特征；
5、s3、利用蚁狮算法优化的catboost：由于catboost算法的分类精度受学习率m与树深度k两个输入参数影响，引入蚁狮优化算法对上述输入参数进行寻优计算。
6、更进一步的，所述步骤s1中时域特征，通过引入能够体现信号整体特性的均方根和体现信号极端情况的峰值特征参量。
7、更进一步的，所述步骤s1中频域特征，选取能够表征gis设备频域分量变化程度的谱重心、谱扩散度、谱偏度和谱峰度作为频域特征参量。
8、更进一步的，所述步骤s1中能量域特征，引入能够体现能量域中能量熵与排列熵。
9、更进一步的，所述步骤s1中谐波域特征，引入谐波域中的奇偶次谐波比和频率复杂度特征参量。
10、更进一步的，所述步骤s1中，通过不同特征中的均值、标准差以及峰值因子来判断振声融合的gis设备是否融合异常，有：
11、；
12、式中，g表示振声融合的gis设备融合的异常系数，表示时域特征中的均值大小，表示时域特征中的标准差大小，表示时域特征中的峰值因子；
13、其中，对于不同设备或者方案的异常系数判断指标不同，当时，则表示振声融合的gis设备融合存在异常；
14、其中，表示不同设备或者方案的异常系数的大小。
15、更进一步的，所述步骤s2中的catboost的更新步骤可以表示为：
16、1）、初始化模型：
17、；
18、2）、对每轮迭代：；
19、计算残差：
20、；
21、拟合一个新的树：
22、；
23、式中，是学习率，表示新拟合的决策树；
24、3）、最终的预测结果：
25、；
26、式中，是的原函数。
27、更进一步的，所述步骤s3中的具体实现步骤如下：
28、1）、确定蚂蚁、蚁狮数量m、n以及最大迭代次数，初始化其位置并计算相应的适应度值；
29、2）、选择初始化后蚁狮种群中适应度最小的值作为精英蚁狮；
30、3）、利用轮盘赌策略将蚂蚁与蚁狮一一对应，根据蚁狮位置对相关数值进行迭代更新，并使得蚂蚁按照一定规律在蚁狮及精英蚁狮之间随机游走，最后取其平均值作为蚂蚁位置坐标；
31、4）、在每次迭代后分别计算蚂蚁和蚁狮的适应度，在已知蚂蚁位置和适应度的情况下更新蚁狮位置，适应度最小所在位置为迭代后新蚁狮位置；
32、5）、判断是否满足迭代终止条件，若当前迭代次数则停止迭代并输出｛m，k｝，反之则重复步骤3至步骤5。
33、有益效果：
34、本专利技术提出的最优修正对数谱估计和维纳滤波融合的算法，对噪声信号进行估计，并将带噪信号中幅值部分进行处理更新，得到了增强后的声音，利用最优修正对数谱估计过滤瞬态噪声、利用维纳滤波过滤稳态噪声。
本文档来自技高网...【技术保护点】
1.一种基于振声融合的GIS设备故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于振声融合的GIS设备故障诊断方法，其特征在于：所述步骤S1中时域特征，通过引入能够体现信号整体特性的均方根和体现信号极端情况的峰值特征参量；
3.根据权利要求1所述的基于振声融合的GIS设备故障诊断方法，其特征在于：所述步骤S1中能量域特征，引入能够体现能量域中能量熵与排列熵；
4.根据权利要求1所述的基于振声融合的GIS设备故障诊断方法，其特征在于：所述步骤S1中，通过不同特征中的均值、标准差以及峰值因子来判断振声融合的GIS设备是否融合异常，有：
5.根据权利要求4所述的基于振声融合的GIS设备故障诊断方法，其特征在于：对于不同设备或者方案的异常系数判断指标不同，当时，则表示振声融合的GIS设备融合存在异常；
6.根据权利要求1所述的基于振声融合的GIS设备故障诊断方法，其特征在于：所述步骤S2中的CatBoost的更新步骤可以表示为：
7.根据权利要求1所述的基于振声融合的GIS设备故障诊断方法，其特征
...【技术特征摘要】
1.一种基于振声融合的gis设备故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于振声融合的gis设备故障诊断方法，其特征在于：所述步骤s1中时域特征，通过引入能够体现信号整体特性的均方根和体现信号极端情况的峰值特征参量；
3.根据权利要求1所述的基于振声融合的gis设备故障诊断方法，其特征在于：所述步骤s1中能量域特征，引入能够体现能量域中能量熵与排列熵；
4.根据权利要求1所述的基于振声融合的gis设备故障诊断方法，其特征在于：所述步骤s1中，通过不同特...
【专利技术属性】
技术研发人员：江建，许成勇，易品，周永刚，张磊，吴俊芳，孙俊伟，江倩，
申请(专利权)人：国网河南省电力公司信阳供电公司，
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。