CN104374423B - 一种集群高压开关柜在线监测装置及其监测方法 - Google Patents

Abstract

本发明请求保护一种集群高压开关柜在线监测装置及其监测方法，所述集群高压开关柜在线监测装置包括中央集中控制台、以太网、通信转换器、数据总线、集群开关柜；其特征为：每个开关柜中包括光纤温度传感器、真空断路器光纤位移传感器、电流传感器、开关柜功率监测模块、数据处理器；上述传感器、监测模块采集到数据信号后传输给数据处理器进行数据分析、处理，并将最终处理结果通过数据总线传输到通讯转换器后通过总线或以太网上传到中央集中控制台。通过采用上述监控装置以及监控方法能够实时动态了解集群开关柜的运行状态，从而提高了电力系统可靠性，便于维修人员维修和检测。

Description

一种集群高压开关柜在线监测装置及其监测方法

技术领域

本发明属于在线监测控制领域，尤其是涉及一种集群高压开关柜在线监测装置及其监测方法。

背景技术

电力开关柜是组成电力系统的基本单元，对电力开关柜的智能在线监测是实现设备全寿命周期管理，提高设备使用效率和寿命的关键技术。在电力系统中，开关柜内的电缆接头电压常常高达10KV、35KV，然而，在高压开关柜的动、静触点及电气设备的连接头是很容易出现接触不良、插接偏心不正等原因，导致接触电阻较大，在大电流情况下该处发热严重，其结果是接头温度异常，加剧接触面氧化，使得接触电阻进一步增大，形成恶性循环，发展到一定阶段后，则会造成严重的的故障，破坏供电的安全可靠。动、静点接头、连接器导体部分接触不良引起异常过热，加速绝缘老化导致击穿，这是高压开关柜的主要故障形式。

发明内容

为了解决上述问题，本发明设计了一种集群高压开关柜在线监测装置及其监测方法，实现对开关柜中断路器的温度、合闸位移、电流进行实时在线监测。该系统实时监测测点温度的变化状况、断路器合闸位移状况、大功率器件电流大小的变化、开关功率大小的变化，从而实现故障的早期预测和报警，当发生故障时，提供报警并迅速准确确定故障点位置，并按相应的预案采取安全处理措施。

集群高压开关柜在线监测装置，包括中央集中控制台、以太网、通信转换器、数据总线、集群开关柜；其特征为：每个开关柜中包括光纤温度传感器、真空断路器位移传感器、电流传感器、开关柜功率监测模块、数据处理器；上述传感器、监测模块采集到数据信号后传输给数据处理器进行数据分析、处理，并将最终处理结果通过数据总线传输到通讯转换器后通过总线或以太网上传到中央集中控制台。

优选为：所述数据处理器是数字信号处理器DSP；所述真空断路器光纤位移传感器为真空断路器光纤直线码盘位移传感器；

优选为：所述电流传感器采用霍尔电流传感器，通过霍尔传感器得到开关柜中电流信号，该信号经过隔离放大、加法电路、限幅电路等信号调理电路将取样电压-5V～+5V转化为0～5V电压，并将处理后的信号送到数据处理器；

优选为：所述开关功率监测模块采用对高压开关柜中大功率器件输入的电流进行方均根限定，从而限定大功率器件有电流过大而过热；该模块由一个乘法器和运算放大器组成的方均根值运算电路。电枢电流先由乘法器进行平方运算，再由积分器运算即可完成方均根值运算：

其中：I为电流平均值、R为电阻值、C为电容值、K为比例系数、Ia为采样电流值；由方均运算和平方根电路可组成方均根运算，由此可测出所述大功率器件流入电流有效值。选择积分时间常数RC的大小即可调整方均根电流极限值作用时间，从而实现大功率器件的功率监测。

一种基于集群高压开关柜在线监测装置监测方法，包括步骤如下：

(1)、通过光纤温度传感器、真空断路器位移传感器、电流传感器、开关柜功率监测模块实时采集代表物理量的电压信号；

(2)、经过模拟采集通道对电压信号采样得到采样信号(u_k)，采样频率为(f_Δh)；对采样信号(u_k)重抽样获得重抽样信号(u_j)，重抽样频率(f_Δy)由应用端规定；

(3)、设定T为缓存时间，缓存状态变化的待测数据，并在经过缓存时间T后，发送数据；所述缓存状态变化的待测数据具体过程如下：当该组待测数据中的其中一个状态发生变化时，开始计时，并将该变化的数据进行缓存，当达到设定的缓存时间T后，把该T时段内所有发生变化的数据统一进行发送；如果在该T时段内有同一个数据发生第二次变化，则立刻将此T段内该数据第二次变化时刻之前所有发生变化的数据统一进行发送，同时将该数据第二次变化的时刻作为缓存时间T重新计时的起始时刻，重新开始新的缓存周期；

(4)、重抽样之前的数字低通滤波，将采样信号(u_k)低通滤波后获得再重抽样，由获得z(t)存储并输出重抽样电压信号z(t)到应用端；

(5)、数据处理器对发送的数据进行分析处理：采用递归模糊控制神经网络法对重抽样电压信号z(t)进行时序分解处理；并对分解后的时序进行预测，并基于相空间重构理论，将分解后的时间序列嵌入到相空间中，采用互信息量法确定相空间中的延迟时间，采用嵌入维算法确定相空间的关联维数，进而获得多个不同的预测分量；设置动态递归模糊控制神经网络结构，将获得的多个不同的预测分量输入动态递归神经模糊控制网络进行训练，并采用线性组合的方法对训练后的所有不同分量进行线性组合，即获得开关柜采样数据预测函数；

(6)、将开关柜采样数据预测函数获得的数据发送到数据处理器的存储器中，并通过数据总线传输到通讯转换器进而通过以太网上传到中央集中控制台，以便控制人员实时监控集群开关柜的状态。

优选为：数字低通滤波的截至频率f_c小于0.5倍的重抽样频率f_Δy；

优选为：所述数字低通滤波是变结构的平均算法；判断u_k是稳态还是暂态，给出标志F，F＝1为暂态，F＝0为稳态；F＝0由采样信号u_k求取平均值当F＝1时，为u_k实际应用中不可能达到的值，到达应用端后对z(t)中不可能达到的值作为坏数据予以剔除；当F由1变到0时，将平均值清零并令k＝1

优选为：采用递归模糊控制神经网络法对重抽样电压信号z(t)进行时序分解处理步骤如下：

a、确定时间序列信号所有的局部极值点，采用三次样条插值曲线将所有的局部极小值点连接起来形成下包络线，

b、采用三次样条插值曲线将所有的局部极小值点连接起来形成下包络线，根据上下包络线确定包络线包络的所有数据点；

c、上下包络线的平均值记为m₁，求出差值h₁

h₁＝z(t)-m₁ (1)

其中，z(t)＝[z₁(t)，z₂(t)，...，z₄(t)]；z₁(t)表示t时刻通过光纤温度传感器、真空断路器位移传感器、电流传感器、功率监测器采集的四个参数中第1个输入量的数据；z₂(t)表示t时刻采集的四个参数中第2个输入量的数据；z₄(t)表示t时刻采集的四个参数中第4个输入量的数据；若h₁的最大值h_max和最小值h_min之差小于一个预先设定的值ε，ε≤0.01；|h_max-h_min|≤ε(2)；则h₁为z(t)的一个模式分量；否则，执行下面步骤d：

d、将h₁作为又一初始数据，重复步骤a到步骤c，重循环k次，直至h_k＝h_k-1-m_k中h_k满足式(2)的条件，记c₁＝h_k，则c₁为信号z(t)的第一个模式分量；

e、将c₁从z(t)中分离出来，得到z(t)剩余部分r₁：r₁＝z(t)-c₁ (3)

将r₁作为又一初始数据重复步骤3-1-1到步骤3-1-4，重循环n_t次，得到信号z(t)的n_t个模式分量；当z(t)的剩余部分为一个单调函数时，循环结束，把信号z(t)分解为n_t个模式分量c1，c2，……cnt和一个残量rnt之和，其中，c1，c2，……cnt代表了原始信号z(t)中包含的不同时间的特征信号；x(t)＝cnt，x(t)表示信号z(t)的中心趋势；

优选为：所述的基于相空间重构理论，将分解后的时间序列嵌入到相空间中，即将分解后的时间序列x(t)嵌入到相空间X(t)＝{x(t)，x(t-τ)，...，x(t-(m-1)τ)}中，所述的相空间中行数为所采集的参数个数，列数为关联维数；其中，X(t)表示t时刻系统的动力学状态，τ为延迟时间，τ＝1，2，…，n₁，n₁为自然数；m是嵌入空间的维数；所述的采用递归模糊神经网络方法对分解后时间序列进行预测，确定出相空间中必然存在函数F(·)使得延时后的时间序列状态x(t+i)和当前状态X(t)之间满足：x(t+i)＝F(X(t))---(5)，F(·)为待寻找的开关柜负荷指数预测函数；并采用内插法对序列进行扩充，获得多个不同的预测分量：x(t′+(λ+1)p)＝F(x′(t′)，x′(t′-τ)，...，x′(t′-(m-1)τ))---(7)，其中，λ为内插倍数，t′为插值后的时刻，p为预测步数，x′(t′)为插值后的时间序列，x′(t′-τ)为插值后延迟τ时间的时间序列，x′(t′-(m-1)τ)为插值后延迟(m-1)τ时间的时间序列。

有益效果：通过采用上述监控装置以及监控方法能够实时动态了解集群开关柜的运行状态，从而提高了电力系统可靠性，便于维修人员维修和检测。

附图说明

图1为集群开关柜整体监测结构示意图；

图2为数据处理主机背板系统框图；

图3为光纤温度传感器示意图；

图4a为真空断路器位移传感器结构图；图4b为主光栅窗口；图4c为指示光栅窗口；

图5为电流传感器采样模块电路原理图；

图6为开关柜功率监测模块电路原理图。

具体实施方式

请参考附图1-2。集群高压开关柜在线监测装置，包括中央集中控制台、以太网、通信转换器、数据总线、集群开关柜；其特征为：每个开关柜中包括光纤温度传感器、真空断路器位移传感器、电流传感器、开关柜功率监测模块、数据处理器；上述传感器、监测模块采集到数据信号后传输给数据处理器进行数据分析、处理，并将最终处理结果通过数据总线传输到通讯转换器后通过总线或以太网上传到中央集中控制台。所述数据处理器是数字信号处理器DSP；所述真空断路器光纤位移传感器为真空断路器光纤直线码盘位移传感器；所述电流传感器为霍尔电流传感器。

光纤温度传感器工作温原理如下：当光纤光栅所处环境的温度、应力、应变或其它物理量发生变化时，光栅的周期或纤芯折射率将发生变化，从而使反射光的波长发生变化，通过测量物理量变化前后反射光波长的变化，就可以获得待测物理量的变化情况。如利用磁场诱导的左右旋极化波的折射率变化不同，可实现对磁场的直接测量。此外，通过目前现有的技术还可以实现对应力和温度的分别测量，也可同时测量。通过在光栅上涂敷特定的功能材料(如压电材料)，还可实现对电场等物理量的间接测量。光纤测温传感器是指利用单模掺锗光纤经紫外光照射成栅技术形成的全光纤型Bragg光栅。成栅后的光纤纤芯呈现周期性分布，产生Bragg光栅效应。光纤光栅温度传感系统的信号测量实质上是对温度传感探头光纤光栅反射谱中心波长的变化量进行实时监测，通过波长的变化量计算出温度值。光纤光栅测温系统由光纤光栅温度传感器、单模光缆(用于远距离信号传输)、光纤温度在线监测仪及计算机终端等设备组成。系统工作时，光纤温度在线监测仪内部光源发出连续的宽带光，经光缆传输到监测现场布设的光纤光栅温度传感器，这些传感器内部的测量敏感元件即光纤光栅对该宽带光有选择地反射回相应的一个窄带光，经同一传输光缆返回到光纤温度在线监测仪内部探测器，由探测器来测定出各个传感器所返回的不同窄带光的中心波长，从而分析出各监测点的温度值。由于多个传感器所返回的窄带光谱中心波长范围不同，可以将多个光纤光栅温度传感器串联在一根单模光纤上，这样实现上百甚至上千个温度点测量时可以将这些传感器串接组网实现多点同时测量，大大简化了传感器及引出线的现场布设，避免了以往传统传感器逐点测量的不便。

参考图3。所述光纤温度传感器是由传感测温探头、传输光纤和光纤接口三部分组成；传感器采用耐高温、高导热塑料制成。这种设计结构简洁，充分结合了现有的光纤制造技术，方便应用。传感侧探头根据现场应用情况的不同可以选择直接浇铸入待测物体(也可选择表面贴附安装)，将温度信号转换为调制光信号，并将光信号通过光纤传导到监测系统的主机。

参考图4a-4c。真空断路器光纤位移传感器采用直线码盘位移传感器取代电阻位移传感器，实现基于位移传感器的真空断路器行程-时间特性的监测。该直线码盘位移传感器由相对运动的主光窗口和指示光窗口构成，将沿入射光纤输入的两路光信号编码调制为与位移行程相对应的两路光脉冲信号并输出到出射光纤。

电流传感器采用霍尔电流传感器，通过霍尔传感器得到开关柜中电流信号，该信号经过隔离放大、加法电路、限幅电路等信号调理电路将取样电压-5V～+5V转化为0～5V电压，并将处理后的信号送到数据处理器。

参见附图5。采用霍尔电流传感器获取开关柜中电流信号的工作原理如下：当开关柜中的电流流过霍尔电流传感器后，经取样电阻取样后信号为V_i，由运算放大器的知识知：V₀₁＝V_i。当输入信号为正时，即V_i＞0，此时二极管D2导通，而二极管D1截止。对于N2放大器：

对于N3运放，其输入为V₀₁和V₀₂两电压的求和运算：

对于式(1-1)与式(1-2)得：

由电路中的参数可得：

V₀₃＝V₀₁＝V_i (1-4)

即输出信号等于输入信号。

当输入信号为负时，二极管D2截止而二极管D1导通，根据运放电路的“虚短”V₀₂等于0。因此对于N3电路：

根据电路中的参数得：

V₀₃＝-V_i (1-6)

综上所述：输入信号V_i与输出的关系为：

V₀＝|V_i| (1-7)

参见附图6所示。开关柜功率监测模块对开关柜中大功率器件进行实时监测，从而保证大功率器件运行稳定。该模块采用对大功率器件输入的电流进行方均根限定，从而限定大功率器件有电流过大而过热。它由一个乘法器和运算放大器组成的方均根值运算电路。电枢电流先由乘法器进行平方运算，再由积分器运算即可完成方均根值运算：

其中：I为电流平均值、R为电阻值、C为电容值、K为比例系数、Ia为采样电流值；由方均运算和平方根电路可组成方均根运算，由此可测出所述大功率器件流入电流有效值。选择积分时间常数RC的大小即可调整方均根电流极限值作用时间，从而实现大功率器件的热过载保护。

此外，该发明公开了一种基于集群高压开关柜在线监测装置监测方法，包括：

(1)、通过光纤温度传感器、真空断路器位移传感器、霍尔电流传感器、开关柜功率监测模块实时采集代表物理量的电压信号；

(2)、经过模拟采集通道对电压信号采样得到采样信号(u_k)，采样频率为(f_Δh)；对采样信号(u_k)重抽样获得重抽样信号(u_j)，重抽样频率(f_Δy)由应用端规定；

(3)、设定T为缓存时间，缓存状态变化的待测数据，并在经过缓存时间T后，发送数据；所述缓存状态变化的待测数据具体过程如下：当该组待测数据中的其中一个状态发生变化时，开始计时，并将该变化的数据进行缓存，当达到设定的缓存时间T后，把该T时段内所有发生变化的数据统一进行发送；如果在该T时段内有同一个数据发生第二次变化，则立刻将此T段内该数据第二次变化时刻之前所有发生变化的数据统一进行发送，同时将该数据第二次变化的时刻作为缓存时间T重新计时的起始时刻，重新开始新的缓存周期；

(4)、重抽样之前的数字低通滤波，将采样信号(u_k)低通滤波后获得再重抽样，由获得z(t)存储并输出重抽样电压信号z(t)到应用端；

(5)、数据处理器对发送的数据进行分析处理：采用递归模糊控制神经网络法对重抽样电压信号z(t)进行时序分解处理；并对分解后的时序进行预测，并基于相空间重构理论，将分解后的时间序列嵌入到相空间中，采用互信息量法确定相空间中的延迟时间，采用嵌入维算法确定相空间的关联维数，进而获得多个不同的预测分量；设置动态递归模糊控制神经网络结构，将获得的多个不同的预测分量输入动态递归神经模糊控制网络进行训练，并采用线性组合的方法对训练后的所有不同分量进行线性组合，即获得开关柜采样数据预测函数；

(6)、将开关柜采样数据预测函数获得的数据发送到数据处理器的存储器中，并通过数据总线传输到通讯转换器进而通过以太网上传到中央集中控制台，以便控制人员实时监控集群开关柜的状态。

所述数字低通滤波的截至频率f_c小于0.5倍的重抽样频率f_Δy；

所述数字低通滤波是变结构的平均算法；判断u_k是稳态还是暂态，给出标志F，F＝1为暂态，F＝0为稳态；F＝0由采样信号u_k求取平均值当F＝1时，为u_k实际应用中不可能达到的值，到达应用端后对z(t)中不可能达到的值作为坏数据予以剔除；当F由1变到0时，将平均值清零并令k＝1。

采用专家分析系统对重抽样电压信号z(t)进行时序分解处理步骤如下：

a、确定时间序列信号所有的局部极值点，采用三次样条插值曲线将所有的局部极小值点连接起来形成下包络线，

b、采用三次样条插值曲线将所有的局部极小值点连接起来形成下包络线，根据上下包络线确定包络线包络的所有数据点；

c、上下包络线的平均值记为m₁，求出差值h₁

h₁＝z(t)-m₁ (1)

其中，z(t)＝[z₁(t)，z₂(t)，...，z₄(t)]；z₁(t)表示t时刻通过光纤温度传感器、真空断路器位移传感器、电流传感器、功率监测器采集的四个参数中第1个输入量的数据；z₂(t)表示t时刻采集的四个参数中第2个输入量的数据；z₄(t)表示t时刻采集的四个参数中第4个输入量的数据；若h₁的最大值h_max和最小值h_min之差小于一个预先设定的值ε，ε≤0.01；|h_max-h_min|≤ε(2)；则h₁为z(t)的一个模式分量；否则，执行下面步骤d：

d、将h₁作为又一初始数据，重复步骤a到步骤c，重循环k次，直至h_k＝h_k-1-m_k中h_k满足式(2)的条件，记c₁＝h_k，则c₁为信号z(t)的第一个模式分量；

e、将c₁从z(t)中分离出来，得到z(t)剩余部分r₁：r₁＝z(t)-c₁(3)

将r₁作为又一初始数据重复步骤3-1-1到步骤3-1-4，重循环n_t次，得到信号z(t)的n_t个模式分量；当z(t)的剩余部分为一个单调函数时，循环结束，把信号z(t)分解为n_t个模式分量c1，c2，……cnt和一个残量rnt之和，其中，c1，c2，……cnt代表了原始信号z(t)中包含的不同时间的特征信号；x(t)＝cnt，x(t)表示信号z(t)的中心趋势；

所述的基于相空间重构理论，将分解后的时间序列嵌入到相空间中，即将分解后的时间序列x(t)嵌入到相空间X(t)＝{x(t)，x(t-τ)，...，x(t-(m-1)τ)}中，所述的相空间中行数为所采集的参数个数，列数为关联维数；其中，X(t)表示t时刻系统的动力学状态，τ为延迟时间，τ＝1，2，…，n₁，n₁为自然数；m是嵌入空间的维数；所述的采用递归模糊神经网络方法对分解后时间序列进行预测，确定出相空间中必然存在函数F(·)使得延时后的时间序列状态x(t+i)和当前状态X(t)之间满足：x(t+i)＝F(X(t))---(5)，F(·)为待寻找的开关柜负荷指数预测函数；并采用内插法对序列进行扩充，获得多个不同的预测分量：x(t′+(λ+1)p)＝F(x′(t′)，x′(t′-τ)，...，x′(t′-(m-1)τ))---(7)，其中，λ为内插倍数，t′为插值后的时刻，p为预测步数，x′(t′)为插值后的时间序列，x′(t′-τ)为插值后延迟τ时间的时间序列，x′(t′-(m-1)τ)为插值后延迟(m-1)τ时间的时间序列。

在以上的描述中阐述了很多具体细节以便于充分理解本发明。但是以上描述仅是本发明的较佳实施例而已，本发明能够以很多不同于在此描述的其它方式来实施，因此本发明不受上面公开的具体实施的限制。同时任何熟悉本领域技术人员在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (7)

1.一种集群高压开关柜在线监测装置，包括中央集中控制台、以太网、通信转换器、数据总线、集群开关柜；其特征为：每个开关柜中包括光纤温度传感器、真空断路器光纤位移传感器、电流传感器、开关柜功率监测模块、数据处理器；其特征为：上述传感器、监测模块采集到数据信号后传输给数据处理器进行数据分析、处理，并将最终处理结果通过数据总线传输到通讯转换器后通过总线或以太网上传到中央集中控制台；

所述电流传感器采用霍尔电流传感器，通过霍尔传感器得到开关柜中电流信号，该信号经过隔离放大、加法电路、限幅电路将取样电压－5V～+5V转化为0～5V电压，并将处理后的信号送到数据处理器；

所述开关功率监测模块采用对高压开关柜中大功率器件输入的电流进行方均根限定，从而限定大功率器件有电流过大而过热；该模块由一个乘法器和运算放大器组成的方均根值运算电路；电枢电流先由乘法器进行平方运算，再由积分器运算即可完成方均根值运算：

其中：I为电流平均值、R为电阻值、C为电容值、K为比例系数、Ia为采样电流值；由方均运算和平方根电路可组成方均根运算，由此可测出所述大功率器件流入电流有效值；选择积分时间常数RC的大小即可调整方均根电流极限值作用时间，从而实现大功率器件的功率监测。

2.根据权利要求1所述的集群高压开关柜在线监测装置，其特征为：优选的，所述数据处理器是数字信号处理器DSP；所述真空断路器光纤位移传感器为真空断路器光纤直线码盘位移传感器。

3.一种基于权利要求1或2所述的集群高压开关柜在线监测装置的监测方法，包括步骤如下：

(1)、通过光纤温度传感器、真空断路器位移传感器、电流传感器、开关柜功率监测模块实时采集代表物理量的电压信号；

(2)、经过模拟采集通道对电压信号采样得到采样信号u_k，采样频率为f_Δh；对采样信号u_k重抽样获得重抽样信号u_j，重抽样频率f_Δy由应用端规定；

(3)、设定T为缓存时间，缓存状态变化的待测数据，并在经过缓存时间T后，发送数据；所述缓存状态变化的待测数据具体过程如下：当该组待测数据中的其中一个状态发生变化时，开始计时，并将该变化的数据进行缓存，当达到设定的缓存时间T后，把该T时段内所有发生变化的数据统一进行发送；如果在该T时段内有同一个数据发生第二次变化，则立刻将此T段内该数据第二次变化时刻之前所有发生变化的数据统一进行发送，同时将该数据第二次变化的时刻作为缓存时间T重新计时的起始时刻，重新开始新的缓存周期；

(4)、重抽样之前的数字低通滤波，将采样信号u_k低通滤波后获得再重抽样，由获得z(t)存储并输出重抽样电压信号z(t)到应用端；

(5)、数据处理器对发送的数据进行分析处理：采用递归模糊控制神经网络法对重抽样电压信号z(t)进行时序分解处理；并对分解后的时序进行预测，并基于相空间重构理论，将分解后的时间序列嵌入到相空间中，采用互信息量法确定相空间中的延迟时间，采用嵌入维算法确定相空间的关联维数，进而获得多个不同的预测分量；设置动态递归模糊控制神经网络结构，将获得的多个不同的预测分量输入动态递归神经模糊控制网络进行训练，并采用线性组合的方法对训练后的所有不同分量进行线性组合，即获得开关柜采样数据预测函数；

(6)、将开关柜采样数据预测函数获得的数据发送到数据处理器的存储器中，并通过数据总线传输到通讯转换器进而通过以太网上传到中央集中控制台，以便控制人员实时监控集群开关柜的状态。

4.根据权利要求3所述的监测方法，其特征为：数字低通滤波的截至频率f_c小于0.5倍的重抽样频率f_Δy。

5.根据权利要求3所述的监测方法，其特征为：所述数字低通滤波是变结构的平均算法；判断u_k是稳态还是暂态，给出标志F，F＝1为暂态，F＝0为稳态；F＝0由采样信号u_k求取平均值当F＝1时，为u_k实际应用中不可能达到的值，到达应用端后对z(t)中不可能达到的值作为坏数据予以剔除；当F由1变到0时，将平均值清零并令k＝1。

6.根据权利要求3所述的监测方法，其特征为：采用递归模糊控制神经网络法对重抽样电压信号z(t)进行时序分解处理步骤如下：

a、确定时间序列信号所有的局部极值点，采用三次样条插值曲线将所有的局部极小值点连接起来形成下包络线，

b、采用三次样条插值曲线将所有的局部极小值点连接起来形成下包络线，根据上下包络线确定包络线包络的所有数据点；

c、上下包络线的平均值记为m₁，求出差值h₁

h₁＝z(t)-m₁ (1)

其中，z(t)＝[z₁(t),z₂(t),...,z₄(t)]；z₁(t)表示t时刻通过光纤温度传感器、真空断路器位移传感器、电流传感器、功率监测器采集的四个参数中第1个输入量的数据；z₂(t)表示t时刻采集的四个参数中第2个输入量的数据；z₄(t)表示t时刻采集的四个参数中第4个输入量的数据；若h₁的最大值h_max和最小值h_min之差小于一个预先设定的值ε，ε≤0.01；|h_max-h_min|≤ε (2)；则h₁为z(t)的一个模式分量；否则，执行下面步骤d：

d、将h₁作为又一初始数据，重复步骤a到步骤c，重循环k次，直至h_k＝h_k-1-m_k中h_k满足式(2)的条件，记c₁＝h_k，则c₁为信号z(t)的第一个模式分量；

e、将c₁从z(t)中分离出来，得到z(t)剩余部分r₁：r₁＝z(t)-c₁(3)

将r₁作为又一初始数据重复步骤3-1-1到步骤3-1-4，重循环n_t次，得到信号z(t)的n_t个模式分量；当z(t)的剩余部分为一个单调函数时，循环结束，把信号z(t)分解为n_t个模式分量c1，c2，……cnt和一个残量rnt之和，其中，c1，c2，……cnt代表了原始信号z(t)中包含的不同时间的特征信号；x(t)＝cnt，x(t)表示信号z(t)的中心趋势。

7.根据权利要求3所述的监测方法，其特征为：所述的基于相空间重构理论，将分解后的时间序列嵌入到相空间中，即将分解后的时间序列x(t)嵌入到相空间X(t)＝{x(t),x(t-τ),...,x(t-(m-1)τ)}中，所述的相空间中行数为所采集的参数个数，列数为关联维数；其中，X(t)表示t时刻系统的动力学状态，τ为延迟时间,τ＝1，2，…，n₁，n₁为自然数；m是嵌入空间的维数；所述的采用递归模糊神经网络方法对分解后时间序列进行预测，确定出相空间中必然存在函数F(·)使得延时后的时间序列状态x(t+i)和当前状态X(t)之间满足：x(t+i)＝F(X(t))---(5)，F(·)为待寻找的开关柜负荷指数预测函数；并采用内插法对序列进行扩充，获得多个不同的预测分量：x(t′+(λ+1)p)＝F(x′(t′),x′(t′-τ),...,x′(t′-(m-1)τ))---(7)，其中，λ为内插倍数，t′为插值后的时刻，p为预测步数，x′(t′)为插值后的时间序列，x′(t′-τ)为插值后延迟τ时间的时间序列，x′(t′-(m-1)τ)为插值后延迟(m-1)τ时间的时间序列。