CN107271024A - 一种有载分接开关诊断方法及装置 - Google Patents
一种有载分接开关诊断方法及装置 Download PDFInfo
- Publication number
- CN107271024A CN107271024A CN201710383879.6A CN201710383879A CN107271024A CN 107271024 A CN107271024 A CN 107271024A CN 201710383879 A CN201710383879 A CN 201710383879A CN 107271024 A CN107271024 A CN 107271024A
- Authority
- CN
- China
- Prior art keywords
- coefficient
- vibration signal
- low frequency
- effective band
- switch
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/12—Measuring characteristics of vibrations in solids by using direct conduction to the detector of longitudinal or not specified vibrations
- G01H1/14—Frequency
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供了一种有载分接开关诊断方法及装置,其中该方法包括:获取所属开关的振动信号;对所述振动信号进行分解,得到振动信号各尺度的系数,所述各尺度的系数包括高频部分系数,低频部分系数;将所述低频部分系数与设定阈值进行比较,以筛选出低频有效系数;对所述低频有效系数和高频部分系数进行拼接,通过计算梅尔频率倒谱系数得到有效频带多分辨率特征参数;根据所述有效频带多分辨率特征参数确定所述开关是否存在故障。解决了有载分接开关的在线监测与状态评估,能更加准确的发现具体的故障隐患。
Description
技术领域
本发明涉及输变电设备状态监测与故障诊断领域,具体涉及一种有载分接开关诊断方法及装置。
背景技术
近年来,有载调压变压器越来越广泛的应用于电网中,有载分接开关的故障也随之增加。国外统计资料显示,有载分接开关(on load tap changer,OLTC)故障占有载调压变压器故障的41%,且仍呈上升趋势;国内平均统计数据表明,OLTC的故障占变压器故障的20%以上。
一般来说,机械故障是电力变压器有载分接开关的主要故障类型,主要包括:传动轴断裂,选择开关触头间接触不良,操作机构失灵造成的拒动和滑档现象,限位开关失灵,切换开关拒切、中止或动作滞后,内部紧固件松动和脱落,以及内部渗漏等。因此,研究OLTC的智能状态监测技术,实现设备维修的合理化、规范化、科学化,适应国民经济发展对电力高质量、高可靠性要求的新形势,具有十分重要的现实意义。而现有的有载分接开关故障诊断存在识别准确性低等问题。
发明内容
因此,本发明要解决的技术问题在于克服现有技术中有载分接开关识别故障的准确性低的缺陷,从而提供一种有载分接开关诊断方法及装置。
为此,本发明实施例提供了如下技术方案:
本发明实施例提供了一种有载分接开关诊断模型的构建方法,包括:获取所述开关在预设故障状态时的第一振动信号与所述开关在正常工作状态时的第二振动信号;分别对所述第一振动信号和所述第二振动信号进行分解,得到振动信号各尺度的系数,所述各尺度的系数包括高频部分系数,低频部分系数;分别将所述第一振动信号和所述第二振动信号中分解出的低频部分系数与设定阈值进行比较,以筛选出低频有效系数;分别对所述第一振动信号和所述第二振动信号对应的低频有效系数和所述高频部分系数进行拼接,通过计算梅尔频率倒谱系数得到与所述第一振动信号对应的第一有效频带多分辨率特征参数以及与所述第二振动信号对应的第二有效频带多分辨率特征参数;利用所述第一有效频带多分辨率特征参数和所述第二有效频带多分辨率特征参数以及相应的开关工作状态信息对向量机分类模型进行训练,以使所述向量机分类模型能够根据所述第一有效频带多分辨率特征参数和所述第二有效频带多分辨率特征参数识别所述开关的工作状态,持续所述训练操作直至所述向量机分类模型的识别准确率达到预定准确率。
本发明另一实施例提供了一种有载分接开关诊断方法,包括:获取所属开关的振动信号;对所述振动信号进行分解,得到振动信号各尺度的系数,所述各尺度的系数包括高频部分系数,低频部分系数;将所述低频部分系数与设定阈值进行比较,以筛选出低频有效系数;对所述低频有效系数和高频部分系数进行拼接,通过计算梅尔频率倒谱系数得到有效频带多分辨率特征参数;根据所述有效频带多分辨率特征参数确定所述开关是否存在故障。
优选地,根据所述有效频带多分辨率特征参数确定所述开关是否存在故障,包括:利用向量机分类模型根据所述有效频带多分辨率特征参数识别所述开关的工作状态,所述工作状态包括正常工作状态和故障状态,其中所述向量机分类模型是利用有载分接开关在已知工作状态时的振动信号进行训练得到的。
优选地,对所述振动信号进行分解,得到振动信号各尺度的系数的步骤中采用小波包分解算法,其中对高频部分和低频部分均进行分解,所述各尺度的系数为小波包系数。
优选地,通过计算梅尔频率倒谱系数得到有效频带多分辨率特征参数,包括:通过Mel滤波器组计算滤波器组输出的对数能量;将所述对数能量经过离散余弦变换得到有效频带多分辨率特征参数。
本发明实施例还提供了一种有载分接开关诊断模型的构建装置,包括:获取模块,用于获取所述开关在预设故障状态时的第一振动信号与所述开关在正常工作状态时的第二振动信号;分解模块,用于分别对所述第一振动信号和所述第二振动信号进行分解,得到振动信号各尺度的系数,所述各尺度的系数包括高频部分系数,低频部分系数;判断模块,用于分别将所述第一振动信号和所述第二振动信号中分解出的低频部分系数与设定阈值进行比较,以筛选出低频有效系数;计算模块,用于分别对所述第一振动信号和所述第二振动信号对应的低频有效系数和所述高频部分系数进行拼接,通过计算梅尔频率倒谱系数得到与所述第一振动信号对应的第一有效频带多分辨率特征参数以及与所述第二振动信号对应的第二有效频带多分辨率特征参数;训练模块,用于利用所述第一有效频带多分辨率特征参数和所述第二有效频带多分辨率特征参数以及相应的开关工作状态信息对向量机分类模型进行训练,以使所述向量机分类模型能够根据所述第一有效频带多分辨率特征参数和所述第二有效频带多分辨率特征参数识别所述开关的工作状态,持续所述训练操作直至所述向量机分类模型的识别准确率达到预定准确率。
本发明实施例还提供了一种有载分接开关诊断装置,包括:获取模块,用于获取所属开关的振动信号;分解模块,用于对所述振动信号进行分解,得到振动信号各尺度的系数,所述各尺度的系数包括高频部分系数,低频部分系数;判断模块,用于将所述低频部分系数与设定阈值进行比较,以筛选出低频有效系数;计算模块,用于对所述低频有效系数和高频部分系数进行拼接,通过计算梅尔频率倒谱系数得到有效频带多分辨率特征参数;诊断模块,用于根据所述有效频带多分辨率特征参数确定所述开关是否存在故障。
优选地,所述诊断模块包括:识别模块,用于利用向量机分类模型根据所述有效频带多分辨率特征参数识别所述开关的工作状态,所述工作状态包括正常工作状态和故障状态,其中所述向量机分类模型是利用有载分接开关在已知工作状态时的振动信号进行训练得到的。
优选地,所述分解模块采用小波包分解算法,其中对高频部分和低频部分均进行分解,所述各尺度的系数为小波包系数。
优选地,所述计算模块包括:对数能量计算模块,用于通过Mel滤波器组计算滤波器组输出的对数能量;特征参数计算模块,用于将所述对数能量经过离散余弦变换得到有效频带多分辨率特征参数。
本发明实施例技术方案,具有如下优点:
本发明实施例提供了一种有载分接开关诊断模型的构建方法,包括:获取所述开关在预设故障状态时的第一振动信号与所述开关在正常工作状态时的第二振动信号;分别对所述第一振动信号和所述第二振动信号进行分解,得到振动信号各尺度的系数,所述各尺度的系数包括高频部分系数,低频部分系数,不仅对信号的低频部分进行分解,还对高频部分也进行分解,有助于了解到信号更加细节处的特征,从而提高了时频分辨率;分别将所述第一振动信号和所述第二振动信号中分解出的低频部分系数与设定阈值进行比较,以筛选出低频有效系数,通过上述步骤将低频部分系数中能量信号较小的筛选掉,保留更能体现信号特征的低频有效系数;分别对所述第一振动信号和所述第二振动信号对应的低频有效系数和所述高频部分系数进行拼接,通过计算梅尔频率倒谱系数得到与所述第一振动信号对应的第一有效频带多分辨率特征参数以及与所述第二振动信号对应的第二有效频带多分辨率特征参数,将低频有效系数和高频部分系数进行拼接,得到更能充分体现信号特征的整体,再计算梅尔频率倒谱系数得到有效频带多分辨率特征参数,以所述特征参数作为最终体现该信号的特征;利用所述第一有效频带多分辨率特征参数和所述第二有效频带多分辨率特征参数以及相应的开关工作状态信息对向量机分类模型进行训练,以使所述向量机分类模型能够根据所述第一有效频带多分辨率特征参数和所述第二有效频带多分辨率特征参数识别所述开关的工作状态,持续所述训练操作直至所述向量机分类模型的识别准确率达到预定准确率,利用最能体现信号特征的有效频带多分辨率特征参数进行训练,能更好的提高向量机分类模型识别准确率。
本发明另一实施例提供了一种有载分接开关诊断方法,包括:获取所属开关的振动信号;对所述振动信号进行分解,得到振动信号各尺度的系数,所述各尺度的系数包括高频部分系数,低频部分系数,不仅对信号的低频部分进行分解,还对高频部分也进行分解,有助于了解到信号更加细节处的特征,从而提高了时频分辨率;将所述低频部分系数与设定阈值进行比较,以筛选出低频有效系数,通过上述步骤将低频部分系数中能量信号较小的筛选掉,保留更能体现信号特征的低频有效系数;对所述低频有效系数和高频部分系数进行拼接,通过计算梅尔频率倒谱系数得到有效频带多分辨率特征参数,得到更能体现信号特征的参数;根据所述有效频带多分辨率特征参数确定所述开关是否存在故障,通过已经训练好的向量机分类模型对该有效频带多分辨率特征参数进行识别,能更好的提高识别的准确率。本实施例可以实现运行中的变压器有载分接开关的在线监测与状态评估,及时发现故障隐患,保证电力变压器和电力系统的安全可靠运行。同时,电力运行部门可以根据OLTC的运行状态制定出科学合理的维修计划,避免不必要的解体检查和大量的人力及物力浪费,所带来的经济效益和社会效益是巨大的,适应国民经济发展对电力高质量、高可靠性要求的新形势。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例有载分接开关诊断模型的构建方法的流程图;
图2是根据本发明实施例有载分接开关诊断方法振动信号采集装置的一个结构框图;
图3是根据本发明实施例有载分接开关构建向量机分类模型的流程图;
图4是根据本发明实施例有载分接开关诊断方法的流程图;
图5是根据本发明实施例有载分接开关中小波包分解的一个分解示意图;
图6是根据本发明实施例有载分接开关诊断模型的构建装置的结构框图;
图7是根据本发明实施例有载分接开关诊断装置的结构框图;
图8是根据本发明实施例诊断模块的结构框图;
图9是根据本发明实施例计算模块的结构框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,还可以是两个元件内部的连通,可以是无线连接,也可以是有线连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本发明实施例提供一种有载分接开关诊断模型的构建方法,图1是根据本发明实施例有载分接开关诊断模型的构建方法的流程图,如图1所示,该方法包括如下步骤:
步骤S101,获取所述开关在预设故障状态时的第一振动信号与所述开关在正常工作状态时的第二振动信号,预设故障状态包括有载分接开关电力故障和机械故障,机械故障主要包括:传动轴断裂,选择开关触头间接触不良,操作机构失灵造成的拒动和滑档现象,限位开关失灵,切换开关拒切、中止或动作滞后,内部紧固件松动和脱落,以及内部渗漏等,本发明可以选用多种故障状态对应的第一振动信号。
图2是根据本发明实施例有载分接开关诊断方法振动信号采集装置的一个结构框图,如图2所示,振动传感器202采集OLTC201的振动信号,通过电荷放大器203放大信号后,将由信号线缆传输的原始模拟信号通过数据采集卡204按预设的采样率转换为数字信号后,采集到计算机服务器205内。
步骤S102,分别对所述第一振动信号和所述第二振动信号进行分解,得到振动信号各尺度的系数,所述各尺度的系数包括高频部分系数,低频部分系数,例如可以通过小波包对机械振动信号进行分解,它不仅对信号的低频部分进行分解,还对高频部分进行分解,有助于了解到信号细节处的特征。
步骤S103,分别将所述第一振动信号和所述第二振动信号中分解出的低频部分系数与设定阈值进行比较,以筛选出低频有效系数,设置方式可以是:
进行阈值处理,针对低频部分的小波包系数{x(i),i=1,2,…,N/4}设置一定的阈值,设置方式如下:
上式中阈值α用α=nσ来估计,其中n为常数,σ为小波包系数的标准方差,可通过式下来估计:
式中N为有载分接开关机械振动信号的序列长度。
步骤S104,分别对所述第一振动信号和所述第二振动信号对应的低频有效系数和所述高频部分系数进行拼接,通过计算梅尔频率倒谱系数得到与所述第一振动信号对应的第一有效频带多分辨率特征参数以及与所述第二振动信号对应的第二有效频带多分辨率特征参数。
将选取的低频有效系数和高频部分系数,拼接成一个整体,计算梅尔频率倒谱系数,得到有效频带多分辨率特征参数的设置可以是:
将选取的低频有效系数和高频部分系数拼接成一整体,通过Mel滤波器组,根据下面公式计算滤波器组输出X(i)的对数能量:
上式中M表示Mel滤波器组中滤波器个数,Hm(i)为三角滤波器频率响应。将该能量经过离散余弦变换得到有效频带多分辨率特征参数:
上式中L表示有效频带多分辨率特征参数的阶数。
步骤S105,利用所述第一有效频带多分辨率特征参数和所述第二有效频带多分辨率特征参数以及相应的开关工作状态信息对向量机分类模型进行训练,以使所述向量机分类模型能够根据所述第一有效频带多分辨率特征参数和所述第二有效频带多分辨率特征参数识别所述开关的工作状态,持续所述训练操作直至所述向量机分类模型的识别准确率达到预定准确率。具体地,此步骤需要通过人力或者辅助系统对第一有效频带多分辨率特征参数和所述第二有效频带多分辨率特征参数进行标记,所标记的内容即为开关工作状态信息。例如,对于第一有效频带多分辨率特征参数可以标记其相应的具体故障种类,对于第二有效频带多分辨率特征参数可以标记为正常。由此训练出的模型即可以根据有效频带多分辨率特征参数识别开关是否存在故障,并可以进一步识别出具体故障类型。
图3是根据本发明实施例有载分接开关构建向量机分类模型的流程图,如图3所示,首先编码:根据处理的数据集大致给出惩罚因子c和高斯核函数的参数g的取值范围,如0.1<c<1000,0.01<g<1000。然后,采用二进制编码。步骤301,随机产生种群。初始化种群,随机产生M个初始个体。步骤302,适应度评价。计算适应度,以支持向量机的K重交叉验证的分类正确率作为评价每个个体适应度的标准,即K重交叉验证分类正确率为适应度函数值。分类正确率R的计算为:
步骤303,计算个体最优。从M个初始个体中随机选择M个个体,选择的依据是根据个体的适应度值,适应度高的选中的可能性大。步骤304,交叉变异。交叉是对两个父代个体进行部分基因重组,使优良基因能被继承下来。对于每个个体,以某个概率随机交换其部分染色体,从而产生新的个体。变异是以一定的概率改变其相应的基因,变异概率通常很低,取值在0.001~0.01之间。步骤305终止条件判断,当达到最大迭代次数或者分类精度达到一定的要求,则输出最优参数c、g,即是获得最优参数步骤306。步骤307,将相关参数赋值给向量机模型,并将步骤308的有效频带多分辨率特征参数作为一个优化的参数进一步给至步骤301。步骤309,输出诊断结果,根据有效频带多分辨率特征参数作为一个训练例输入到向量机模型内,以得到所述有效频带多分辨率特征参数下的相关开关的工作状态。通过上述步骤,实现了遗传算法对支持向量机的参数选取过程进行了优化,提高了识别的准确率。
通过上述步骤,获取所述开关在预设故障状态时的第一振动信号与所述开关在正常工作状态时的第二振动信号;分别对所述第一振动信号和所述第二振动信号进行分解,得到振动信号各尺度的系数,所述各尺度的系数包括高频部分系数,低频部分系数;分别将所述第一振动信号和所述第二振动信号中分解出的低频部分系数与设定阈值进行比较,以筛选出低频有效系数;分别对所述第一振动信号和所述第二振动信号对应的低频有效系数和所述高频部分系数进行拼接,通过计算梅尔频率倒谱系数得到与所述第一振动信号对应的第一有效频带多分辨率特征参数以及与所述第二振动信号对应的第二有效频带多分辨率特征参数;利用所述第一有效频带多分辨率特征参数和所述第二有效频带多分辨率特征参数以及相应的开关工作状态信息对向量机分类模型进行训练,以使所述向量机分类模型能够根据所述第一有效频带多分辨率特征参数和所述第二有效频带多分辨率特征参数识别所述开关的工作状态,持续所述训练操作直至所述向量机分类模型的识别准确率达到预定准确率。
实施例2
本实施例提供了一种有载分接开关诊断方法,图4是根据本发明实施例有载分接开关诊断方法的流程图,如图4所示,该流程包括如下步骤:
步骤S401,获取所述开关的振动信号,通过振动传感器采集振动信号。
步骤S402,对所述振动信号进行分解,得到振动信号各尺度的系数,所述各尺度的系数包括高频部分系数,低频部分系数,例如可以通过小波包对机械振动信号进行分解,它不仅对信号的低频部分进行分解,还对高频部分进行分解,有助于了解到信号细节处的特征。
步骤S403,将所述低频部分系数与设定阈值进行比较,以筛选出低频有效系数,设置方式可以是:
进行阈值处理,针对低频部分的小波包系数{x(i),i=1,2,…,N/4}设置一定的阈值,设置方式如下:
上式中阈值α用α=nσ来估计,其中n为常数,σ为小波包系数的标准方差,可通过式下来估计:
式中N为有载分接开关机械振动信号的序列长度。
步骤S404,对所述低频有效系数和高频部分系数进行拼接,通过计算梅尔频率倒谱系数得到有效频带多分辨率特征参数,将选取的低频有效系数和高频部分系数,拼接成一个整体,计算梅尔频率倒谱系数,得到有效频带多分辨率特征参数的设置可以是:
将选取的低频有效系数和高频部分系数拼接成一整体,通过Mel滤波器组,根据下面公式计算滤波器组输出X(i)的对数能量:
上式中M表示Mel滤波器组中滤波器个数,Hm(i)为三角滤波器频率响应。将该能量经过离散余弦变换得到有效频带多分辨率特征参数:
上式中L表示有效频带多分辨率特征参数的阶数。
步骤S405,根据所述有效频带多分辨率特征参数确定所述开关是否存在故障,例如通过有效频带多分辨率特征参数识别出是异常状态还是正常状态,或者进一步识别出具体的异常种类,包括不限于电力故障,机械故障,机械故障如传动轴断裂,选择开关触头间接触不良,操作机构失灵造成的拒动和滑档现象,限位开关失灵,切换开关拒切、中止或动作滞后,内部紧固件松动和脱落,以及内部渗漏等。
上述步骤S405涉及到根据所述有效频带多分辨率特征参数确定所述开关是否存在故障,在一个可选实施例中,可以利用上述实施例所建立的向量机分类模型实现识别操作,如上所述,该向量机分类模型是利用有载分接开关在已知工作状态时的振动信号进行训练得到的。具体地,先通过已知的具体的相关工作状态的振动信号对向量机分类模型进行训练,直至识别准确率达到预定准确率,而后获取新的振动信号后,经过上述步骤处理后所得到的有效频带多分辨率特征参数,再利用已经训练好的向量机分类模型对有效频带多分辨率特征参数进行识别,已确认有载分接开关当前的工作状态。进一步地,该模型还可以识别出具体的故障种类。
步骤S402涉及到对所述振动信号进行分解,在一个可选实施例中,对所述振动信号进行分解,得到振动信号各尺度的系数的步骤中采用小波包分解算法,其中对高频部分和低频部分均进行分解,所述各尺度的系数为小波包系数。具体地,将步骤S401中采集得到的有载分接开关机械振动信号进行小波包分解。小波包分解是在小波变换的基础上产生并发展起来的。对比来说,小波包分解是一种更精细的分解方法,它不仅对信号的低频部分进行分解,还对高频部分也进行了分解,有助于了解到信号更加细节处的特征,从而提高了时频分辨率。图5是根据本发明实施例有载分接开关中小波包分解的一个分解示意图,如图5所示,图中S是有载分接开关的原始振动信号。求出有载分接开关机械振动信号在各尺度j(j=1,2,…,J)上的小波包变换,得到各尺度小波包系数:
对有载分接开关机械振动信号进行分解时,式中j取4,将有载分接开关机械振动信号分解为16个频段,分别表示为[S4,0]、[S4,1]、…、[S4,16],其中低频部分(低于2kHz)对应[4,0]、[4,1]、…、[4,8]8个频段,高频部分对应剩下频段。
步骤S404涉及到通过计算梅尔频率倒谱系数得到有效频带多分辨率特征参数,在一个可选实施例中,通过Mel滤波器组计算滤波器组输出的对数能量;将所述对数能量经过离散余弦变换得到有效频带多分辨率特征参数。具体地,将选取的低频有效系数和高频部分系数,拼接成一个整体,计算梅尔频率倒谱系数,得到有效频带多分辨率特征参数的设置可以是:
将选取的低频有效系数和高频部分系数拼接成一整体,通过Mel滤波器组,根据下面公式计算滤波器组输出X(i)的对数能量:
上式中M表示Mel滤波器组中滤波器个数,Hm(i)为三角滤波器频率响应。将该能量经过离散余弦变换得到有效频带多分辨率特征参数:
上式中L表示有效频带多分辨率特征参数的阶数。
通过上述步骤,获取所属开关的振动信号;对所述振动信号进行分解,得到振动信号各尺度的系数,所述各尺度的系数包括高频部分系数,低频部分系数,不仅对信号的低频部分进行分解,还对高频部分也进行分解,有助于了解到信号更加细节处的特征,从而提高了时频分辨率;将所述低频部分系数与设定阈值进行比较,以筛选出低频有效系数,通过上述步骤将低频部分系数中能量信号较小的筛选掉,保留更能体现信号特征的低频有效系数;对所述低频有效系数和高频部分系数进行拼接,通过计算梅尔频率倒谱系数得到有效频带多分辨率特征参数,得到更能体现信号特征的参数;根据所述有效频带多分辨率特征参数确定所述开关是否存在故障,通过已经训练好的向量机分类模型对该有效频带多分辨率特征参数进行识别,能更好的提高识别的准确率。本实施例可以实现运行中的变压器有载分接开关的在线监测与状态评估,及时发现故障隐患,保证电力变压器和电力系统的安全可靠运行。同时,电力运行部门可以根据OLTC的运行状态制定出科学合理的维修计划,避免不必要的解体检查和大量的人力及物力浪费,所带来的经济效益和社会效益是巨大的,适应国民经济发展对电力高质量、高可靠性要求的新形势。
实施例3
本实施例提供一种有载分接开关诊断模型的构建装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图6是根据本发明实施例有载分接开关诊断模型的构建装置的结构框图,如图6所示,该装置包括:获取模块61,用于获取所述开关在预设故障状态时的第一振动信号与所述开关在正常工作状态时的第二振动信号;分解模块62,用于分别对所述第一振动信号和所述第二振动信号进行分解,得到振动信号各尺度的系数,所述各尺度的系数包括高频部分系数,低频部分系数;判断模块63,用于分别将所述第一振动信号和所述第二振动信号中分解出的低频部分系数与设定阈值进行比较,以筛选出低频有效系数;计算模块64,用于分别对所述第一振动信号和所述第二振动信号对应的低频有效系数和所述高频部分系数进行拼接,通过计算梅尔频率倒谱系数得到与所述第一振动信号对应的第一有效频带多分辨率特征参数以及与所述第二振动信号对应的第二有效频带多分辨率特征参数;训练模块65,用于利用所述第一有效频带多分辨率特征参数和所述第二有效频带多分辨率特征参数以及相应的开关工作状态信息对向量机分类模型进行训练,以使所述向量机分类模型能够根据所述第一有效频带多分辨率特征参数和所述第二有效频带多分辨率特征参数识别所述开关的工作状态,持续所述训练操作直至所述向量机分类模型的识别准确率达到预定准确率。
实施例4
本实施例提供了一种有载分接开关诊断装置,图7是根据本发明实施例有载分接开关诊断装置的结构框图,如图7所示,该装置包括:获取模块71,用于获取所属开关的振动信号;分解模块72,用于对所述振动信号进行分解,得到振动信号各尺度的系数,所述各尺度的系数包括高频部分系数,低频部分系数;判断模块73,用于将所述低频部分系数与设定阈值进行比较,以筛选出低频有效系数;计算模块74,用于对所述低频有效系数和高频部分系数进行拼接,通过计算梅尔频率倒谱系数得到有效频带多分辨率特征参数;诊断模块75,用于根据所述有效频带多分辨率特征参数确定所述开关是否存在故障。
图8是根据本发明实施例诊断模块的结构框图,如图8所示,该诊断模块75包括:识别模块751,用于利用向量机分类模型根据所述有效频带多分辨率特征参数识别所述开关的工作状态,所述工作状态包括正常工作状态和故障状态,其中所述向量机分类模型是利用有载分接开关在已知工作状态时的振动信号进行训练得到的。
图9是根据本发明实施例计算模块的结构框图,如图9所示,该计算模块74包括:对数能量计算模块741,用于通过Mel滤波器组计算滤波器组输出的对数能量;特征参数计算模块742,用于将所述对数能量经过离散余弦变换得到有效频带多分辨率特征参数。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种有载分接开关诊断模型的构建方法,其特征在于,包括:
获取所述开关在预设故障状态时的第一振动信号与所述开关在正常工作状态时的第二振动信号;
分别对所述第一振动信号和所述第二振动信号进行分解,得到振动信号各尺度的系数,所述各尺度的系数包括高频部分系数,低频部分系数;
分别将所述第一振动信号和所述第二振动信号中分解出的低频部分系数与设定阈值进行比较,以筛选出低频有效系数;
分别对所述第一振动信号和所述第二振动信号对应的低频有效系数和所述高频部分系数进行拼接,通过计算梅尔频率倒谱系数得到与所述第一振动信号对应的第一有效频带多分辨率特征参数以及与所述第二振动信号对应的第二有效频带多分辨率特征参数;
利用所述第一有效频带多分辨率特征参数和所述第二有效频带多分辨率特征参数以及相应的开关工作状态信息对向量机分类模型进行训练,以使所述向量机分类模型能够根据所述第一有效频带多分辨率特征参数和所述第二有效频带多分辨率特征参数识别所述开关的工作状态,持续所述训练操作直至所述向量机分类模型的识别准确率达到预定准确率。
2.一种有载分接开关诊断方法,其特征在于,包括:
获取所述开关的振动信号;
对所述振动信号进行分解,得到振动信号各尺度的系数,所述各尺度的系数包括高频部分系数,低频部分系数;
将所述低频部分系数与设定阈值进行比较,以筛选出低频有效系数;
对所述低频有效系数和高频部分系数进行拼接,通过计算梅尔频率倒谱系数得到有效频带多分辨率特征参数;
根据所述有效频带多分辨率特征参数确定所述开关是否存在故障。
3.根据权利要求2所述的方法,其特征在于,根据所述有效频带多分辨率特征参数确定所述开关是否存在故障,包括:
利用向量机分类模型根据所述有效频带多分辨率特征参数识别所述开关的工作状态,所述工作状态包括正常工作状态和故障状态,其中所述向量机分类模型是利用有载分接开关在已知工作状态时的振动信号进行训练得到的。
4.根据权利要求2所述的方法,其特征在于,对所述振动信号进行分解,得到振动信号各尺度的系数的步骤中采用小波包分解算法,其中对高频部分和低频部分均进行分解,所述各尺度的系数为小波包系数。
5.根据权利要求2所述的方法,其特征在于,通过计算梅尔频率倒谱系数得到有效频带多分辨率特征参数,包括:
通过Mel滤波器组计算滤波器组输出的对数能量;
将所述对数能量经过离散余弦变换得到有效频带多分辨率特征参数。
6.一种有载分接开关诊断模型的构建装置,其特征在于,包括:
获取模块,用于获取所述开关在预设故障状态时的第一振动信号与所述开关在正常工作状态时的第二振动信号;
分解模块,用于分别对所述第一振动信号和所述第二振动信号进行分解,得到振动信号各尺度的系数,所述各尺度的系数包括高频部分系数,低频部分系数;
判断模块,用于分别将所述第一振动信号和所述第二振动信号中分解出的低频部分系数与设定阈值进行比较,以筛选出低频有效系数;
计算模块,用于分别对所述第一振动信号和所述第二振动信号对应的低频有效系数和所述高频部分系数进行拼接,通过计算梅尔频率倒谱系数得到与所述第一振动信号对应的第一有效频带多分辨率特征参数以及与所述第二振动信号对应的第二有效频带多分辨率特征参数;
训练模块,用于利用所述第一有效频带多分辨率特征参数和所述第二有效频带多分辨率特征参数以及相应的开关工作状态信息对向量机分类模型进行训练,以使所述向量机分类模型能够根据所述第一有效频带多分辨率特征参数和所述第二有效频带多分辨率特征参数识别所述开关的工作状态,持续所述训练操作直至所述向量机分类模型的识别准确率达到预定准确率。
7.一种有载分接开关诊断装置,其特征在于,包括:
获取模块,用于获取所属开关的振动信号;
分解模块,用于对所述振动信号进行分解,得到振动信号各尺度的系数,所述各尺度的系数包括高频部分系数,低频部分系数;
判断模块,用于将所述低频部分系数与设定阈值进行比较,以筛选出低频有效系数;
计算模块,用于对所述低频有效系数和高频部分系数进行拼接,通过计算梅尔频率倒谱系数得到有效频带多分辨率特征参数;
诊断模块,用于根据所述有效频带多分辨率特征参数确定所述开关是否存在故障。
8.根据权利要求7所述的装置,其特征在于,诊断模块包括:
识别模块,用于利用向量机分类模型根据所述有效频带多分辨率特征参数识别所述开关的工作状态,所述工作状态包括正常工作状态和故障状态,其中所述向量机分类模型是利用有载分接开关在已知工作状态时的振动信号进行训练得到的。
9.根据权利要求7所述的装置,其特征在于,所述分解模块采用小波包分解算法,其中对高频部分和低频部分均进行分解,所述各尺度的系数为小波包系数。
10.根据权利要求7所述的装置,其特征在于,计算模块包括:
对数能量计算模块,用于通过Mel滤波器组计算滤波器组输出的对数能量;
特征参数计算模块,用于将所述对数能量经过离散余弦变换得到有效频带多分辨率特征参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710383879.6A CN107271024A (zh) | 2017-05-26 | 2017-05-26 | 一种有载分接开关诊断方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710383879.6A CN107271024A (zh) | 2017-05-26 | 2017-05-26 | 一种有载分接开关诊断方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107271024A true CN107271024A (zh) | 2017-10-20 |
Family
ID=60065362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710383879.6A Pending CN107271024A (zh) | 2017-05-26 | 2017-05-26 | 一种有载分接开关诊断方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107271024A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113405788A (zh) * | 2021-05-28 | 2021-09-17 | 广西电网有限责任公司电力科学研究院 | 基于波形趋势信息的有载分接开关机械状态监测方法 |
CN114297569A (zh) * | 2021-11-22 | 2022-04-08 | 国网安徽省电力有限公司马鞍山供电公司 | 一种振动传感器的开关故障检测算法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103575525A (zh) * | 2013-11-18 | 2014-02-12 | 东南大学 | 一种断路器机械故障的智能诊断方法 |
CN106092578A (zh) * | 2016-07-15 | 2016-11-09 | 西安交通大学 | 一种基于小波包和支持向量机的机床主轴轴承装配状态在线检测方法 |
-
2017
- 2017-05-26 CN CN201710383879.6A patent/CN107271024A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103575525A (zh) * | 2013-11-18 | 2014-02-12 | 东南大学 | 一种断路器机械故障的智能诊断方法 |
CN106092578A (zh) * | 2016-07-15 | 2016-11-09 | 西安交通大学 | 一种基于小波包和支持向量机的机床主轴轴承装配状态在线检测方法 |
Non-Patent Citations (2)
Title |
---|
常飞 等: ""基于MFCC特征提取的故障预测与评价方法"", 《计算机应用研究》 * |
殷瑞祥 等: ""改进的DWT-MFCC特征提取算法"", 《现代电子技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113405788A (zh) * | 2021-05-28 | 2021-09-17 | 广西电网有限责任公司电力科学研究院 | 基于波形趋势信息的有载分接开关机械状态监测方法 |
CN113405788B (zh) * | 2021-05-28 | 2022-11-22 | 广西电网有限责任公司电力科学研究院 | 基于波形趋势信息的有载分接开关机械状态监测方法 |
CN114297569A (zh) * | 2021-11-22 | 2022-04-08 | 国网安徽省电力有限公司马鞍山供电公司 | 一种振动传感器的开关故障检测算法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103713237B (zh) | 一种电力系统输电线路短路故障诊断方法 | |
CN103163420B (zh) | 电力变压器智能在线状态评判方法 | |
CN107273585A (zh) | 一种有载分接开关故障检测方法及装置 | |
CN105300692B (zh) | 一种基于扩展卡尔曼滤波算法的轴承故障诊断及预测方法 | |
CN102621421A (zh) | 一种基于关联分析与变权重系数的变压器状态评估方法 | |
CN109670242B (zh) | 基于椭圆包络线的变压器绕组变形无监督在线监测方法 | |
CN107145675A (zh) | 基于bp神经网络算法的电力变压器故障诊断装置及方法 | |
CN107328560A (zh) | 一种有载分接开关诊断方法及装置 | |
CN106770652A (zh) | 基于声波特征的高压变压器健康状态监测装置及监测方法 | |
CN106649755A (zh) | 一种多维度实时变电设备数据的阈值自适应设置异常检测方法 | |
CN112183400B (zh) | 一种新型的配电变压器潜伏性故障特征提取方法及系统 | |
CN112069930A (zh) | 提升gis设备故障诊断准确率的振动信号处理方法及装置 | |
CN109766912A (zh) | 一种基于卡尔曼滤波与支持向量机的输电线路覆冰评估方法和系统 | |
CN113268590A (zh) | 一种基于设备画像和集成学习的电网设备运行状态评估方法 | |
CN108319789A (zh) | 结合异常故障的变压器风险评估方法、装置、设备及介质 | |
CN110580492A (zh) | 一种基于小幅波动检测的轨道电路故障前兆发现方法 | |
CN103454526A (zh) | 一种基于电力变压器绕组故障类型判定方法 | |
CN110147739A (zh) | 一种基于多重分形谱算法的电抗器故障识别方法 | |
CN104991549A (zh) | 基于fta与多层次模糊神经子网络的轨道电路红光带故障诊断方法 | |
CN107271024A (zh) | 一种有载分接开关诊断方法及装置 | |
CN115687969A (zh) | 一种基于声音特征分析的低压变压器故障诊断方法 | |
CN108844612A (zh) | 一种基于数理统计概率模型的变压器内部故障识别方法 | |
CN115758083A (zh) | 一种基于时域和时频域融合的电机轴承故障诊断方法 | |
CN112016470A (zh) | 基于声音信号和振动信号的有载分接开关故障识别方法 | |
CN109886538B (zh) | 基于动态监测数据的铁路信号设备质量评价方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171020 |
|
WD01 | Invention patent application deemed withdrawn after publication |