CN108761263B - 一种基于证据理论的故障诊断系统 - Google Patents
一种基于证据理论的故障诊断系统 Download PDFInfo
- Publication number
- CN108761263B CN108761263B CN201810509076.5A CN201810509076A CN108761263B CN 108761263 B CN108761263 B CN 108761263B CN 201810509076 A CN201810509076 A CN 201810509076A CN 108761263 B CN108761263 B CN 108761263B
- Authority
- CN
- China
- Prior art keywords
- data
- module
- diagnosis
- evidence
- result
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/62—Testing of transformers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/043—Architecture, e.g. interconnection topology based on fuzzy logic, fuzzy membership or fuzzy inference, e.g. adaptive neuro-fuzzy inference systems [ANFIS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Fuzzy Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Power Engineering (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
一种基于证据理论的故障诊断系统,包括传感器采集模块、数据预处理模块、初级诊断模块、综合诊断模块和结果显示模块,所述传感器采集模块通过多个传感器对变压器参数进行数据采集,所述数据预处理模块用于对所述数据进行预处理,所述初级诊断模块用于根据预处理后的传感器数据对设备进行初级诊断,所述综合诊断模块采用证据理论根据初级诊断结果对设备进行综合诊断,所述结果显示模块采用LED显示屏实时显示故障诊断结果,并在诊断设备存在故障时即进行预警。本发明的有益效果为:采用神经网络处理模糊化后的传感器数据,得到变压器故障的初级诊断结果,应用证据理论根据初级诊断结果对变压器故障进行进一步的诊断,提高了诊断结果的准确率。
Description
技术领域
本发明创造涉及变压器检测领域,具体涉及一种基于证据理论的故障诊断系统。
背景技术
电力变压器是电网中能量转换、传输的核心,是电网安全第一道防御系统中的关键枢纽设备。目前,我国有较多变压器运行年限较长,这些运行中的变压器面临着绝缘老化和随时可能发生的设备故障问题,发生事故的概率不断增加。变压器一旦发生事故可能会造成设备资产和大停电等巨大损失,甚至会产生严重的社会影响。因此,对电力变压器进行有效的故障诊断研究,对于指导变压器的运行维护和状态检修,预防和降低故障的发生几率,具有重要的理论和实际意义。
电力变压器故障的多样性、不确定性和各故障之间联系的复杂性构成了故障诊断技术的难点,仅靠单一的故障特征和诊断方法无法完成诊断任务,因此,本发明采用神经网络算法和证据理论算法结合的方式进行变压器故障诊断,能够有效弥补单一诊断方法的不足,从而更加精确的对变压器故障进行综合诊断。
发明内容
针对上述问题,本发明旨在提供一种基于证据理论的设备故障系统。
本发明创造的目的通过以下技术方案实现:
一种基于证据理论的故障诊断系统,包括传感器采集模块、数据预处理模块、初级诊断模块、综合诊断模块和结果显示模块,所述传感器采集模块通过安置在变压器中的多个传感器对变压器参数进行数据采集,所述数据预处理模块用于对采集得到的数据进行预处理,并将预处理后的数据进行模糊化处理后输入至初级诊断模块,所述初级诊断模块采用神经网络对模糊化处理后的传感器数据进行处理,得到初级诊断结果,所述综合诊断模块采用证据理论将所述初级诊断结果进行融合,从而得到设备的最终故障诊断结果,所述结果显示模块采用LED显示屏实时显示故障诊断结果,并在诊断设备存在故障时进行预警。
本发明创造的有益效果:本发明提供一种基于证据理论的设备故障诊断系统,采用神经网络处理模糊化后的传感器数据,得到变压器故障的初级诊断结果,应用证据理论根据初级诊断结果对变压器故障进行进一步的诊断,更加准确、全面地对出变压器故障进行诊断,提高了诊断结果的准确率。
附图说明
利用附图对发明创造作进一步说明,但附图中的实施例不构成对本发明创造的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明结构示意图;
附图标记:
传感器采集模块1;数据预处理模块2;初级诊断模块3;综合诊断模块4;结果显示模块5;数据优化单元21;数据降维单元22;模糊化处理单元23。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种基于证据理论的故障诊断系统,包括传感器采集模块1、数据预处理模块2、初级诊断模块3、综合诊断模块4和结果显示模块5,所述传感器采集模块1通过安置在变压器中的多个传感器对变压器参数进行数据采集,所述数据预处理模块2用于对采集得到的数据进行预处理,并将预处理后的数据进行模糊化处理后输入至初级诊断模块3,所述初级诊断模块3采用神经网络对模糊化处理后的传感器数据进行处理,得到初级诊断结果,所述综合诊断模块4采用证据理论将所述初级诊断结果进行融合,从而得到设备的最终故障诊断结果,所述结果显示模块5采用LED显示屏实时显示故障诊断结果,并在诊断设备存在故障时即进行预警。
优选地,所述数据预处理模块2包括数据优化单元21、数据降维单元22和模糊化处理单元23,所述数据优化单元21用于去除采集得到的数据中的噪声污染,所述数据降维单元22用于对优化后的数据进行特征提取,降低数据维数,所述模糊化处理单元23采用模糊技术对提取到的特征进行模糊化处理。
本优选实施例提供一种基于证据理论的设备故障诊断系统,采用神经网络处理模糊化后的传感器数据,得到变压器故障的初级诊断结果,应用证据理论根据初级诊断结果对变压器故障进行进一步的诊断,更加准确、全面地对出变压器故障进行诊断,提高了诊断结果的准确率。
优选地,所述模糊化处理单元23采用模糊技术对提取到的特征进行模糊化处理,定义模糊技术的隶属度函数为y,则y的计算公式为:
式中,x表示优化后的数据的实际值,xo表示其注意值,y表示预处理后的输出值。
本优选实施例采用模糊技术对提取到的特征进行模糊化处理,解决了神经网络对较小的数值不敏感而导致的一些重要特征难以被网络获取的缺陷,从而提高了采用神经网络进行初级故障诊断的准确率。
式中,mi(Aj)表示第i个证据对命题Aj的信任度分配,l表示神经网络的输出值个数,γi表示第i个传感器的可靠系数,C(Aj)表示神经网络第j个神经元的输出值。
本优选实施例选用指数形式构建基本信任度分配函数,使得所述基本信任度分配函数对不同数据的分离能力不同,具有较强的灵活性和选择性,更加的符合实际。
优选地,所述综合诊断模块4采用证据理论将所述初级诊断结果进行融合,针对冲突证据的问题,提出一种修正指数对冲突证据进行修正,具体为:
式中,mi(Aj)表示第i个证据对命题Aj的信任度分配,mi(Ax)表示第i个证据对命题Ax的信任度分配,mj(Ax)表示第j个证据对命题Ax的信任度分配,mi(Θ)为第i个证据的不确定性的信任度分配,ki为修正指数,‖·‖表示集合的基数,N为证据的个数。
本优选实施例采用修正指数ki对冲突证据进行修正,在修正指数ki的计算过程中综合考虑了证据源的支持度和可靠度,有效的降低了不确定性对融合结果的影响,提高了合成精度,从而降低了冲突证据对诊断结果的影响。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (3)
1.一种基于证据理论的故障诊断系统,其特征是,包括传感器采集模块、数据预处理模块、初级诊断模块、综合诊断模块和结果显示模块,所述传感器采集模块通过安置在变压器中的多个传感器对变压器参数进行数据采集,所述数据预处理模块用于对采集得到的数据进行预处理,并将预处理后的数据进行模糊化处理后输入至初级诊断模块,所述初级诊断模块采用神经网络对模糊化处理后的传感器数据进行处理,得到初级诊断结果,所述综合诊断模块采用证据理论将所述初级诊断结果进行融合,
针对冲突证据的问题,提出一种修正指数对冲突证据进行修正,具体为:
式中,mi(Aj)为第i个证据对命题Aj的信任度分配,mi(Ax)为第i个证据对命题Ax的信任度分配,ma(Ax)为第a个证据对命题Ax的信任度分配,mi(Θ)为第i个证据的不确定性的信任度分配,ki为修正指数,||·||表示集合的基数,N为证据的个数,从而得到设备的最终故障诊断结果,所述结果显示模块采用LED显示屏实时显示故障诊断结果,并在诊断设备存在故障时进行预警。
2.根据权利要求1所述的一种基于证据理论的故障诊断系统,其特征是,所述数据预处理模块包括数据优化单元、数据降维单元和模糊化处理单元,所述数据优化单元用于去除采集得到的数据中的噪声污染,所述数据降维单元用于对优化后的数据进行特征提取,降低数据维数,所述模糊化处理单元采用模糊技术对提取到的特征进行模糊化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810509076.5A CN108761263B (zh) | 2018-05-24 | 2018-05-24 | 一种基于证据理论的故障诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810509076.5A CN108761263B (zh) | 2018-05-24 | 2018-05-24 | 一种基于证据理论的故障诊断系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108761263A CN108761263A (zh) | 2018-11-06 |
CN108761263B true CN108761263B (zh) | 2021-03-12 |
Family
ID=64005671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810509076.5A Expired - Fee Related CN108761263B (zh) | 2018-05-24 | 2018-05-24 | 一种基于证据理论的故障诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108761263B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109901555B (zh) * | 2019-03-22 | 2022-04-19 | 深圳市元征科技股份有限公司 | 一种车辆故障诊断方法、设备及存储介质 |
CN110658445B (zh) * | 2019-09-02 | 2021-06-01 | 红相股份有限公司 | 一种有载分接开关机械故障的分析诊断方法 |
CN111667073B (zh) * | 2020-03-30 | 2021-12-28 | 西北工业大学 | 一种证据理论改进的模糊卡尔曼滤波目标跟踪方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101996157A (zh) * | 2010-10-23 | 2011-03-30 | 山东科技大学 | 证据高冲突环境下多源信息融合方法 |
CN102426599A (zh) * | 2011-11-09 | 2012-04-25 | 中国人民解放军信息工程大学 | 基于d-s证据理论的敏感信息检测方法 |
CN102928231A (zh) * | 2012-11-13 | 2013-02-13 | 上海电力学院 | 一种基于d-s证据理论的设备故障诊断方法 |
CN103678881A (zh) * | 2013-11-22 | 2014-03-26 | 张清华 | 一种基于人工免疫与证据理论相结合的复合故障诊断方法 |
CN104537220A (zh) * | 2014-12-18 | 2015-04-22 | 华北电力大学(保定) | 基于主元分析和d-s证据理论的故障诊断方法 |
CN106841928A (zh) * | 2017-03-29 | 2017-06-13 | 中国电力科学研究院 | 一种基于多源信息融合的配电网故障区段定位方法及系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013063259A1 (en) * | 2011-10-28 | 2013-05-02 | Wellpoint, Inc. | System and method for rendering decision support information to medical workers |
CN202494525U (zh) * | 2012-04-01 | 2012-10-17 | 张素平 | 一种用于三相配电变压器的温度诊断装置 |
CN104200404A (zh) * | 2014-09-28 | 2014-12-10 | 广东电网有限责任公司江门供电局 | 一种基于模糊综合评判的配电开关状态评价方法 |
CN105427200A (zh) * | 2015-11-05 | 2016-03-23 | 上海电力学院 | 一种基于模糊理论与数据融合的电厂故障诊断方法 |
CN107016500A (zh) * | 2017-03-27 | 2017-08-04 | 国家电网公司 | 基于变权重的变压器模糊综合评价方法 |
CN107273924B (zh) * | 2017-06-06 | 2020-05-15 | 上海电力学院 | 基于模糊聚类分析的多数据融合的电厂故障诊断方法 |
CN107871138B (zh) * | 2017-11-01 | 2021-04-30 | 电子科技大学 | 一种基于改进d-s证据理论的目标意图识别方法 |
CN107967487A (zh) * | 2017-11-27 | 2018-04-27 | 重庆邮电大学 | 一种基于证据距离和不确定度的冲突数据融合方法 |
-
2018
- 2018-05-24 CN CN201810509076.5A patent/CN108761263B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101996157A (zh) * | 2010-10-23 | 2011-03-30 | 山东科技大学 | 证据高冲突环境下多源信息融合方法 |
CN102426599A (zh) * | 2011-11-09 | 2012-04-25 | 中国人民解放军信息工程大学 | 基于d-s证据理论的敏感信息检测方法 |
CN102928231A (zh) * | 2012-11-13 | 2013-02-13 | 上海电力学院 | 一种基于d-s证据理论的设备故障诊断方法 |
CN103678881A (zh) * | 2013-11-22 | 2014-03-26 | 张清华 | 一种基于人工免疫与证据理论相结合的复合故障诊断方法 |
CN104537220A (zh) * | 2014-12-18 | 2015-04-22 | 华北电力大学(保定) | 基于主元分析和d-s证据理论的故障诊断方法 |
CN106841928A (zh) * | 2017-03-29 | 2017-06-13 | 中国电力科学研究院 | 一种基于多源信息融合的配电网故障区段定位方法及系统 |
Non-Patent Citations (1)
Title |
---|
New conflict representation model in generalized power space;You He;《Journal of Systems Engineering and Electronics》;20120229;第23卷(第1期);第1-9页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108761263A (zh) | 2018-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108569607B (zh) | 基于双向门控循环神经网络的电梯故障预警方法 | |
CN108761263B (zh) | 一种基于证据理论的故障诊断系统 | |
CN112290546B (zh) | 一种基于人机共融的变电站一次设备故障判别方法 | |
CN104363106A (zh) | 一种基于大数据技术的电力信息通信故障预警分析方法 | |
CN104460654B (zh) | 一种基于量化特征关系的齿轮不完备故障诊断规则提取方法 | |
CN109472097B (zh) | 一种输电线路在线监测设备故障诊断方法 | |
CN116740654B (zh) | 基于图像识别技术的变电站作业防控方法 | |
CN116563781A (zh) | 一种用于巡检机器人的图像监测与诊断方法 | |
CN106682835A (zh) | 一种数据驱动的复杂机电系统服役质量状态评估方法 | |
CN110361609B (zh) | 特高压设备监测系统及方法 | |
CN116740523A (zh) | 一种基于图像多层次融合卷积的回转支承故障诊断方法 | |
CN114519382A (zh) | 一种核动力装置关键运行参数提取与异常监测方法 | |
CN111445037A (zh) | 一种基于证据理论的汽轮机故障诊断方法、系统及设备 | |
CN117809164A (zh) | 基于多模态融合的变电站设备故障检测方法及系统 | |
CN106355187A (zh) | 视觉信息在电力设备监测中的应用 | |
CN114881665A (zh) | 一种基于目标识别算法识别窃电嫌疑用户的方法及系统 | |
CN117595504A (zh) | 一种电网运行状态的智能监测预警方法 | |
CN117494950A (zh) | 一种光储充检微电网一体站运行安全评价方法 | |
CN112748331A (zh) | 一种基于ds证据融合的断路器机械故障识别方法及装置 | |
CN111736636A (zh) | 一种基于知识图谱的水淹水车室预警方法及系统 | |
CN111553061A (zh) | 核电厂台风应急响应及预警装置及其构建方法 | |
CN111476383A (zh) | 一种泵站机组状态检修动态决策方法 | |
CN117975372B (zh) | 一种基于YOLOv8和Transformer编码器相结合的工地安全检测系统及方法 | |
Li et al. | Accurate identification technology for cross regional behavior of power operators in power grid dispatch operations | |
CN117172559B (zh) | 一种用于物联网数据的风险识别预警方法、系统及存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210224 Address after: 215000 building 20, Tengfei Science Park, 388 Xinping street, Suzhou Industrial Park, Suzhou City, Jiangsu Province Applicant after: CLP HUACHUANG (SUZHOU) POWER TECHNOLOGY RESEARCH Co.,Ltd. Address before: Room 1206, Nanmen Zhongke Building, No. 9 Nanmen, Nanshan District, Shenzhen City, Guangdong Province Applicant before: SHENZHEN DATU KECHUANG TECHNOLOGY DEVELOPMENT Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210312 |
|
CF01 | Termination of patent right due to non-payment of annual fee |