CN110376519B - 高压断路器故障诊断方法、装置及终端设备 - Google Patents
高压断路器故障诊断方法、装置及终端设备 Download PDFInfo
- Publication number
- CN110376519B CN110376519B CN201910814803.3A CN201910814803A CN110376519B CN 110376519 B CN110376519 B CN 110376519B CN 201910814803 A CN201910814803 A CN 201910814803A CN 110376519 B CN110376519 B CN 110376519B
- Authority
- CN
- China
- Prior art keywords
- sample
- samples
- parameter
- fault
- classes
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000003745 diagnosis Methods 0.000 title claims abstract description 45
- 238000012549 training Methods 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 17
- 230000015654 memory Effects 0.000 claims description 14
- 238000004140 cleaning Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
- G01R31/3271—Testing of circuit interrupters, switches or circuit-breakers of high voltage or medium voltage devices
- G01R31/3272—Apparatus, systems or circuits therefor
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
- Emergency Protection Circuit Devices (AREA)
Abstract
本发明提供了一种高压断路器故障诊断方法、装置及终端设备，该方法应用于故障诊断技术领域，所述方法包括：获取故障高压断路器的参数样本，所述参数样本包括电力参数样本和状态参数样本；分别对电力参数样本和状态参数样本进行分类，得到多个电力参数样本类和多个状态参数样本类；将多个电力参数样本类和多个状态参数样本类按照预设组合方法组合，得到多个组合参数样本类；基于组合参数样本类中的样本数据训练故障分类器，将待诊断的高压断路器的电力参数和状态参数输入至故障分类器中进行故障诊断。本发明提供的高压断路器故障诊断方法、装置及终端设备能够准确地对高压断路器的故障进行诊断。
Description
技术领域
本发明属于故障诊断技术领域，更具体地说，是涉及一种高压断路器故障诊断方法、装置及终端设备。
背景技术
随着社会和经济的发展，人们对电力的需求量越来越大，促使电网不断扩大。随着电压等级的提高和装机容量的增大，用户对供电质量和供电可靠性的要求越来越高，系统对电力设备运行可靠性的要求也越来越高，这给电力设备监测与诊断技术提出了更高的要求。
高压断路器在电网中起着控制和保护的双重作用，是电力系统中非常重要的开关设备，因此，高压断路器的诊断在电力发展过程中尤为重要。目前，主要通过神经网络的方法对高压断路器故障进行识别和诊断，然而神经网络应用于高压断路器的故障诊断，难以适应小样本的情况，在进行神经网络模型的运算时，容易陷入局部极小值，因此导致基于神经网络的高压断路器的故障诊断结果并不准确。
发明内容
本发明的目的在于提供一种高压断路器故障诊断方法、装置及终端设备，以提高高压断路器故障诊断的准确性。
本发明实施例的第一方面，提供了一种高压断路器故障诊断方法，该方法包括：
获取故障高压断路器的参数样本，所述参数样本包括电力参数样本和状态参数样本；
分别对电力参数样本和状态参数样本进行分类，得到多个电力参数样本类和多个状态参数样本类；
将多个电力参数样本类和多个状态参数样本类按照预设组合方法组合，得到多个组合参数样本类；
基于组合参数样本类中的样本数据训练故障分类器，将待诊断的高压断路器的电力参数和状态参数输入至故障分类器中进行故障诊断。
本发明实施例的第二方面，提供了一种高压断路器故障诊断装置，包括：
样本获取模块，用于获取故障高压断路器的参数样本，所述参数样本包括电力参数样本和状态参数样本；
样本分类模块，用于分别对电力参数样本和状态参数样本进行分类，得到多个电力参数样本类和多个状态参数样本类；
样本组合模块，用于将多个电力参数样本类和多个状态参数样本类按照预设组合方法组合，得到多个组合参数样本类；
故障诊断模块，用于基于组合参数样本类中的样本数据训练故障分类器，将待诊断的高压断路器的电力参数和状态参数输入至故障分类器中进行故障诊断。
本发明实施例的第三方面，提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的高压断路器故障诊断方法的步骤。
本发明实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的高压断路器故障诊断方法的步骤。
本发明实施例提供的高压断路器故障诊断方法、装置及终端设备的有益效果在于：与现有技术相比，本发明实施例采用多类样本组合训练故障分类器，可以有效避免因某类样本较小导致训练得到的故障分类器分类准确度不高的问题，从而有效地提高了高压断路器故障诊断的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例，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为本发明一实施例提供的高压断路器故障诊断方法的流程示意图；
图2为本发明另一实施例提供的高压断路器故障诊断方法的流程示意图；
图3为本发明再一实施例提供的高压断路器故障诊断方法的流程示意图；
图4为本发明一实施例提供的高压断路器故障诊断装置的结构框图；
图5为本发明一实施例提供的终端设备的示意框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参考图1，图1为本发明一实施例提供的高压断路器故障诊断方法的流程示意图，该方法包括：
S101：获取故障高压断路器的参数样本，参数样本包括电力参数样本和状态参数样本。
在本实施例中，电力参数样本包括但不限于高压断路器合分闸线圈电压、合分闸线圈电流、合分闸线圈绝缘电阻等。状态参数样本包括但不限于失压脱扣线圈状态、过载保护动作状态、过流保护动作状态、欠压保护动作状态等。
S102：分别对电力参数样本和状态参数样本进行分类，得到多个电力参数样本类和多个状态参数样本类。
在本实施例中，可对参数样本进行分类，也即分别对电力参数样本和状态参数样本进行分类，得到多个电力参数样本类和多个状态参数样本类。
S103：将多个电力参数样本类和多个状态参数样本类按照预设组合方法组合，得到多个组合参数样本类。
在本实施例中，将多个电力参数样本类中的一个或多个电力参数样本类、多个状态参数样本类中的一个或多个状态参数样本类进行组合，可以得到多个组合参数样本类。
其中，每个组合参数样本类包括以下几种组合方式：
(1)一个电力参数样本类和一个状态参数样本类
(2)一个电力参数样本类和多个状态参数样本类
(3)多个电力参数样本类和一个状态参数样本类
(4)多个电力参数样本类和多个状态参数样本类
S104：基于组合参数样本类中的样本数据训练故障分类器，将待诊断的高压断路器的电力参数和状态参数输入至故障分类器中进行故障诊断。
在本实施例中，故障分类器用于接收待诊断高压断路器的电力参数和状态参数，并输出待诊断高压断路器的故障分类以及每个故障分类对应的故障分类概率。
从以上描述可知，本发明实施例提供的高压断路器故障诊断方法采用多类样本组合训练故障分类器，可以有效避免因某类样本较小导致训练得到的故障分类器分类准确度不高的问题，从而有效地提高了高压断路器故障诊断的准确性。
请一并参考图1及图2，图2为本申请另一实施例提供的高压断路器故障诊断方法的流程示意图。在上述实施例的基础上，该方法还可以包括参数样本的预处理过程：
S201：对参数样本进行数据清洗，清除参数样本的异常数据。
在本实施例中，可基于统计分析或者基于正态分布的离群点检测对参数样本进行数据清洗，以清除参数样本的离群点，也即异常数据。
S202：对数据清洗后的参数样本进行归一化处理。
在本实施例中，可对参数样本进行归一化处理，以提高故障分类器的训练速度。
在本实施例中，为了进一步提高参数样本的可靠性，可对参数样本进行筛选得到可靠参数样本，筛选方法为：
S1：训练第一参数样本和预设可靠样本，得到样本分类器。
S2：获取第二参数样本，并将第二参数样本输入至样本分类器。
S3：若样本分类器的分类准确率达到预设阈值，则将第一参数样本加入至可靠参数样本。
在本实施例中，可不断获取第一参数样本，不断地基于预设可靠样本对第一参数样本进行筛选，直至可靠参数样本的样本量达到预设数量要求。其中，预设可靠样本的样本数量远远小于第一参数样本。
请一并参考图1及图3，图3为本申请再一实施例提供的高压断路器故障诊断方法的流程示意图。在上述实施例的基础上，对电力参数样本或状态参数样本进行分类的分类方法可以详述为：
S301：递归地对参数样本进行类别划分，得到多个样本类。其中，每个样本类中包含当前核心样本和当前邻居样本，当前核心样本为当前剩余样本中度中心性指标最大的样本，当前剩余样本为当前样本划分前未被划入任何一个样本类的样本，当前邻居样本为当前剩余样本中与当前核心样本的样本相似度大于第一预设阈值的样本。
在本实施例中，度中心性指标的确定方法可以为：
其中，O(x)为样本x的度中心性指标，deg(x)为样本x的度，N为当前样本x所在的样本类中样本的总数。
S302：对划分得到的多个样本类进行合并，直至任意两个样本类的样本类相似度小于第二预设阈值。
在本实施例中，在对多个样本类进行合并时，对于某两个样本类，若两者的样本类相似度不小于第二预设阈值，则对二者进行合并；若两者的样本类相似度小于第二预设阈值，则不对两者进行合并。在本实施例中，可循环检测任意两个样本类的样本类相似度，并基于检测结果确定是否进行合并，直至任意两个样本类的样本类相似度小于第二预设阈值。
其中，参数样本可以为电力参数样本或状态参数样本，相应的，样本类可以为电力参数样本类或状态参数样本类。
可选地，作为本发明实施例提供的高压断路器故障诊断方法的一种具体实施方式，在上述实施例的基础上，样本相似度的确定方法可以为：
其中，S(x,y)为样本x和样本y的相似度，Nx和Ny分别为样本x的邻居样本集合和样本y的邻居样本集合，|Nx∩Ny|为样本x和样本y的交集中所含元素的数目，|Nx∪Ny|为样本x和样本y的并集中所含元素的数目。
在本实施例中，样本类相似度确定方法可以为：从两个指定样本类中各取一个样本相比较所能得到的最大样本相似度。
可选地，作为本发明实施例提供的高压断路器故障诊断方法的一种具体实施方式，将多个电力参数样本类和多个状态参数样本类按照预设组合方法组合，得到多个组合参数样本类，包括：
从m个电力参数样本类中选取i个电力参数样本，从n个状态参数样本类中选取j个状态参数样本，进行组合得到
个组合参数样本类。
在本实施例中，假设有4个电力参数样本类，3个状态参数样本类。若从电力参数样本类和状态参数样本类中各选取1个样本类进行组合，则可以得到12个组合参数样本类。若从电力参数样本类中选取2个样本类，从状态参数样本类中选取2个样本类，
则可以得到个组合参数样本类。
可选地，作为本发明实施例提供的高压断路器故障诊断方法的一种具体实施方式，将待诊断的高压断路器的电力参数和状态参数输入至故障分类器中进行故障诊断，可以包括：
将待诊断的高压断路器的电力参数和状态参数输入至故障分类器，得到故障分类和故障分类概率，并根据故障分类和故障分类概率确定待诊断的高压断路器的故障类型。
在本实施例中，可将最大的故障分类概率对应的故障分类(名称)作为待诊断的高压短路器的诊断结果(即故障类型)。
对应于上文实施例的高压断路器故障诊断方法，图4为本发明一实施例提供的高压断路器故障诊断装置的结构框图。为了便于说明，仅示出了与本发明实施例相关的部分。参考图4，该装置包括：样本获取模块10，样本分类模块20，样本组合模块30，故障诊断模块40。
其中，样本获取模块10，用于获取故障高压断路器的参数样本，参数样本包括电力参数样本和状态参数样本。
样本分类模块20，用于分别对电力参数样本和状态参数样本进行分类，得到多个电力参数样本类和多个状态参数样本类。
样本组合模块30，用于将多个电力参数样本类和多个状态参数样本类按照预设组合方法组合，得到多个组合参数样本类。
故障诊断模块40，用于基于组合参数样本类中的样本数据训练故障分类器，将待诊断的高压断路器的电力参数和状态参数输入至故障分类器中进行故障诊断。
参考图4，在本发明的另一个实施例中，高压断路器故障诊断装置还包括预处理模块50，预处理模块50包括：
数据清洗单元51，用于对参数样本进行数据清洗，清除参数样本的异常数据。
归一化单元52，用于对数据清洗后的参数样本进行归一化处理。
参考图4，在本发明的再一个实施例中，样本分类模块20可以包括：
划分单元21，用于递归地对参数样本进行类别划分，得到多个样本类。其中，每个样本类中包含当前核心样本和当前邻居样本，当前核心样本为当前剩余样本中度中心性指标最大的样本，当前剩余样本为当前样本划分前未被划入任何一个样本类的样本，当前邻居样本为当前剩余样本中与当前核心样本的样本相似度大于第一预设阈值的样本。
合并单元22，用于对划分得到的多个样本类进行合并，直至任意两个样本类的样本类相似度小于第二预设阈值。
可选地，作为本发明实施例提供的高压断路器故障诊断装置的一种具体实施方式，样本相似度的确定方法为：
其中，S(x,y)为样本x和样本y的相似度，Nx和Ny分别为样本x的邻居样本集合和样本y的邻居样本集合，|Nx∩Ny|为样本x和样本y的交集中所含元素的数目，|Nx∪Ny|为样本x和样本y的并集中所含元素的数目。
可选地，作为本发明实施例提供的高压断路器故障诊断装置的一种具体实施方式，将多个电力参数样本类和多个状态参数样本类按照预设组合方法组合，得到多个组合参数样本类，包括：
从m个电力参数样本类中选取i个电力参数样本，从n个状态参数样本类中选取j个状态参数样本，进行组合得到
个组合参数样本类。
可选地，作为本发明实施例提供的高压断路器故障诊断装置的一种具体实施方式，将待诊断的高压断路器的电力参数和状态参数输入至故障分类器中进行故障诊断，包括：
将待诊断的高压断路器的电力参数和状态参数输入至故障分类器，得到故障分类和故障分类概率。
根据故障分类和故障分类概率确定待诊断的高压断路器的故障类型。
参见图5，图5为本发明一实施例提供的终端设备的示意框图。如图5所示的本实施例中的终端500可以包括：一个或多个处理器501、一个或多个输入设备502、一个或多个输出设备503及一个或多个存储器504。上述处理器501、输入设备502、则输出设备503及存储器504通过通信总线505完成相互间的通信。存储器504用于存储计算机程序，计算机程序包括程序指令。处理器501用于执行存储器504存储的程序指令。其中，处理器501被配置用于调用程序指令执行以下操作上述各装置实施例中各模块/单元的功能，例如图4所示模块10至50的功能。
应当理解，在本发明实施例中，所称处理器501可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备502可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等，输出设备503可以包括显示器(LCD等)、扬声器等。
该存储器504可以包括只读存储器和随机存取存储器，并向处理器501提供指令和数据。存储器504的一部分还可以包括非易失性随机存取存储器。例如，存储器504还可以存储设备类型的信息。
具体实现中，本发明实施例中所描述的处理器501、输入设备502、输出设备503可执行本发明实施例提供的高压断路器故障诊断方法的第一实施例和第二实施例中所描述的实现方式，也可执行本发明实施例所描述的终端的实现方式，在此不再赘述。
在本发明的另一实施例中提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序包括程序指令，程序指令被处理器执行时实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
计算机可读存储介质可以是前述任一实施例的终端的内部存储单元，例如终端的硬盘或内存。计算机可读存储介质也可以是终端的外部存储设备，例如终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，计算机可读存储介质还可以既包括终端的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序及终端所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的终端和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的终端和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种高压断路器故障诊断方法，其特征在于，包括：
获取故障高压断路器的参数样本，所述参数样本包括电力参数样本和状态参数样本；
分别对电力参数样本和状态参数样本进行分类，得到多个电力参数样本类和多个状态参数样本类；包括：递归地对参数样本进行类别划分，得到多个样本类；其中，每个样本类中包含当前核心样本和当前邻居样本，当前核心样本为当前剩余样本中度中心性指标最大的样本，当前剩余样本为当前样本划分前未被划入任何一个样本类的样本，当前邻居样本为当前剩余样本中与当前核心样本的样本相似度大于第一预设阈值的样本；度中心性指标的确定方法为：
其中，O(x)为样本x的度中心性指标，deg(x)为样本x的度，N为当前样本x所在的样本类中样本的总数；对划分得到的多个样本类进行合并，直至任意两个样本类的样本类相似度小于第二预设阈值；
将多个电力参数样本类和多个状态参数样本类按照预设组合方法组合，得到多个组合参数样本类；包括：从m个电力参数样本类中选取i个电力参数样本，从n个状态参数样本类中选取j个状态参数样本，进行组合得到
个组合参数样本类；
基于组合参数样本类中的样本数据训练故障分类器，将待诊断的高压断路器的电力参数和状态参数输入至故障分类器中进行故障诊断。
2.如权利要求1所述的高压断路器故障诊断方法，其特征在于，还包括参数样本的预处理过程：
对参数样本进行数据清洗，清除参数样本的异常数据；
对数据清洗后的参数样本进行归一化处理。
3.如权利要求1所述的高压断路器故障诊断方法，其特征在于，样本相似度的确定方法为：
其中，S(x,y)为样本x和样本y的相似度，Nx和Ny分别为样本x的邻居样本集合和样本y的邻居样本集合，|Nx∩Ny|为样本x和样本y的交集中所含元素的数目，|Nx∪Ny|为样本x和样本y的并集中所含元素的数目。
4.如权利要求1所述的高压断路器故障诊断方法，其特征在于，所述将待诊断的高压断路器的电力参数和状态参数输入至故障分类器中进行故障诊断，包括：
将待诊断的高压断路器的电力参数和状态参数输入至故障分类器，得到故障分类和故障分类概率；
根据故障分类和故障分类概率确定待诊断的高压断路器的故障类型。
5.一种高压断路器故障诊断装置，其特征在于，包括：
样本获取模块，用于获取故障高压断路器的参数样本，所述参数样本包括电力参数样本和状态参数样本；
样本分类模块，用于分别对电力参数样本和状态参数样本进行分类，得到多个电力参数样本类和多个状态参数样本类；包括：递归地对参数样本进行类别划分，得到多个样本类；其中，每个样本类中包含当前核心样本和当前邻居样本，当前核心样本为当前剩余样本中度中心性指标最大的样本，当前剩余样本为当前样本划分前未被划入任何一个样本类的样本，当前邻居样本为当前剩余样本中与当前核心样本的样本相似度大于第一预设阈值的样本；度中心性指标的确定方法为：
其中，O(x)为样本x的度中心性指标，deg(x)为样本x的度，N为当前样本x所在的样本类中样本的总数；对划分得到的多个样本类进行合并，直至任意两个样本类的样本类相似度小于第二预设阈值；
样本组合模块，用于将多个电力参数样本类和多个状态参数样本类按照预设组合方法组合，得到多个组合参数样本类；包括：从m个电力参数样本类中选取i个电力参数样本，从n个状态参数样本类中选取j个状态参数样本，进行组合得到
个组合参数样本类；
故障诊断模块，用于基于组合参数样本类中的样本数据训练故障分类器，将待诊断的高压断路器的电力参数和状态参数输入至故障分类器中进行故障诊断。
6.如权利要求5所述的高压断路器故障诊断装置，其特征在于，还包括预处理模块，所述预处理模块包括：
数据清洗单元，用于对参数样本进行数据清洗，清除参数样本的异常数据；
归一化单元，用于对数据清洗后的参数样本进行归一化处理。
7.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910814803.3A CN110376519B (zh) | 2019-08-30 | 2019-08-30 | 高压断路器故障诊断方法、装置及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910814803.3A CN110376519B (zh) | 2019-08-30 | 2019-08-30 | 高压断路器故障诊断方法、装置及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110376519A CN110376519A (zh) | 2019-10-25 |
| CN110376519B true CN110376519B (zh) | 2021-11-16 |
Family
ID=68261087
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910814803.3A Active CN110376519B (zh) | 2019-08-30 | 2019-08-30 | 高压断路器故障诊断方法、装置及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110376519B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111458630B (zh) * | 2020-04-09 | 2022-09-06 | 广东电网有限责任公司 | 一种高压断路器故障诊断方法 |
| CN113033889B (zh) * | 2021-03-19 | 2022-12-20 | 国网河北省电力有限公司邢台供电分公司 | 高压输电线路故障预测方法、装置及终端设备 |
| CN114544184B (zh) * | 2022-02-25 | 2024-06-04 | 湖南道依茨动力有限公司 | 故障诊断方法、装置、电子设备、存储介质及发动机 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103914735A (zh) * | 2014-04-17 | 2014-07-09 | 北京泰乐德信息技术有限公司 | 一种基于神经网络自学习的故障识别方法及系统 |
| CN103955489A (zh) * | 2014-04-15 | 2014-07-30 | 华南理工大学 | 基于信息熵特征权重量化的海量短文本分布式knn分类算法及系统 |
| CN104753461A (zh) * | 2015-04-10 | 2015-07-01 | 福州大学 | 基于粒子群优化支持向量机的光伏发电阵列故障诊断与分类方法 |
| CN105843818A (zh) * | 2015-01-15 | 2016-08-10 | 富士通株式会社 | 训练设备和训练方法、判断设备、以及推荐设备 |
| CN106199412A (zh) * | 2016-07-01 | 2016-12-07 | 太原理工大学 | 一种永磁机构高压真空断路器故障模式识别方法 |
| CN106777984A (zh) * | 2016-12-19 | 2017-05-31 | 福州大学 | 一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法 |
| CN107179502A (zh) * | 2017-07-11 | 2017-09-19 | 平顶山学院 | 一种高压断路器机械状态的故障诊断方法 |
| CN108828441A (zh) * | 2018-06-12 | 2018-11-16 | 江苏镇安电力设备有限公司 | 高压断路器故障诊断方法 |
| CN109100646A (zh) * | 2018-08-17 | 2018-12-28 | 国网江苏省电力有限公司检修分公司 | 一种高压断路器故障诊断方法 |
| CN109739209A (zh) * | 2018-12-11 | 2019-05-10 | 深圳供电局有限公司 | 一种基于分类数据挖掘的电网故障诊断方法 |
| CN110084148A (zh) * | 2019-04-09 | 2019-08-02 | 东南大学 | 一种高压断路器机械故障诊断方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3376454B2 (ja) * | 1999-11-19 | 2003-02-10 | アンリツ株式会社 | 信号分析装置 |
| US7317324B2 (en) * | 2003-11-04 | 2008-01-08 | Canon Kabushiki Kaisha | Semiconductor integrated circuit testing device and method |
| US9810729B2 (en) * | 2013-02-28 | 2017-11-07 | Advantest Corporation | Tester with acceleration for packet building within a FPGA block |
| US9118174B2 (en) * | 2013-03-14 | 2015-08-25 | Hubbell Incorporation | GFCI with voltage level comparison and indirect sampling |
| CN103439593B (zh) * | 2013-07-31 | 2016-05-11 | 国家电网公司 | 基于电气回路故障特性的分布式电网风险评估方法 |
| CN103487749B (zh) * | 2013-09-18 | 2016-04-13 | 国家电网公司 | 高压断路器机械状态在线监测诊断系统及方法 |
| CN104268588B (zh) * | 2014-06-19 | 2018-02-27 | 江苏大学 | 铁路货车闸瓦钎丢失故障的自动检测方法 |
| US9891275B2 (en) * | 2015-06-24 | 2018-02-13 | International Business Machines Corporation | Integrated circuit chip reliability qualification using a sample-specific expected fail rate |
| CN107016507A (zh) * | 2017-04-07 | 2017-08-04 | 国网技术学院 | 基于数据挖掘技术的电网故障追踪方法 |
-
2019
- 2019-08-30 CN CN201910814803.3A patent/CN110376519B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103955489A (zh) * | 2014-04-15 | 2014-07-30 | 华南理工大学 | 基于信息熵特征权重量化的海量短文本分布式knn分类算法及系统 |
| CN103914735A (zh) * | 2014-04-17 | 2014-07-09 | 北京泰乐德信息技术有限公司 | 一种基于神经网络自学习的故障识别方法及系统 |
| CN105843818A (zh) * | 2015-01-15 | 2016-08-10 | 富士通株式会社 | 训练设备和训练方法、判断设备、以及推荐设备 |
| CN104753461A (zh) * | 2015-04-10 | 2015-07-01 | 福州大学 | 基于粒子群优化支持向量机的光伏发电阵列故障诊断与分类方法 |
| CN106199412A (zh) * | 2016-07-01 | 2016-12-07 | 太原理工大学 | 一种永磁机构高压真空断路器故障模式识别方法 |
| CN106777984A (zh) * | 2016-12-19 | 2017-05-31 | 福州大学 | 一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法 |
| CN107179502A (zh) * | 2017-07-11 | 2017-09-19 | 平顶山学院 | 一种高压断路器机械状态的故障诊断方法 |
| CN108828441A (zh) * | 2018-06-12 | 2018-11-16 | 江苏镇安电力设备有限公司 | 高压断路器故障诊断方法 |
| CN109100646A (zh) * | 2018-08-17 | 2018-12-28 | 国网江苏省电力有限公司检修分公司 | 一种高压断路器故障诊断方法 |
| CN109739209A (zh) * | 2018-12-11 | 2019-05-10 | 深圳供电局有限公司 | 一种基于分类数据挖掘的电网故障诊断方法 |
| CN110084148A (zh) * | 2019-04-09 | 2019-08-02 | 东南大学 | 一种高压断路器机械故障诊断方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110376519A (zh) | 2019-10-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108090567B (zh) | 电力通信系统故障诊断方法及装置 | |
| CN110376519B (zh) | 高压断路器故障诊断方法、装置及终端设备 | |
| CN109034244B (zh) | 基于电量曲线特征模型的线损异常诊断方法及装置 | |
| CN110365703B (zh) | 物联网终端异常状态检测方法、装置及终端设备 | |
| CN110221145B (zh) | 电力设备故障诊断方法、装置及终端设备 | |
| CN112598537B (zh) | 电力设备故障诊断方法、装置及终端设备 | |
| CN115841255B (zh) | 基于在线分析的建筑工程现场预警方法及系统 | |
| CN113591393A (zh) | 智能变电站的故障诊断方法、装置、设备和存储介质 | |
| CN109409661A (zh) | 电子装置、基于cusum算法的建筑物用电安全识别方法及存储介质 | |
| CN116258484B (zh) | 设备的预测性运维方案生成方法、装置、终端设备和介质 | |
| CN114839556A (zh) | 动力电池异常检测方法、装置、存储介质及电子装置 | |
| CN109858548A (zh) | 异常耗电的判断方法及装置、存储介质、通信终端 | |
| CN115794578A (zh) | 一种电力系统的数据管理方法、装置、设备及介质 | |
| CN110796039B (zh) | 一种面部瑕疵检测方法、装置、电子设备及存储介质 | |
| CN112730654B (zh) | 六氟化硫电气设备故障检测方法、装置及终端设备 | |
| CN113033889B (zh) | 高压输电线路故障预测方法、装置及终端设备 | |
| CN110704614B (zh) | 对应用中的用户群类型进行预测的信息处理方法及装置 | |
| CN116757870A (zh) | 一种能源物联网的智慧能源监控数据处理方法及系统 | |
| CN117192416A (zh) | 基于bms系统的蓄电池监测系统及方法 | |
| CN115185724A (zh) | 故障处理方法、装置、电子设备以及存储介质 | |
| CN110715799B (zh) | 断路器机械状态检测方法、装置及终端设备 | |
| CN114566964A (zh) | 一种配电网馈线自动化控制方法、装置、设备及存储介质 | |
| CN114091702A (zh) | 一种事件监测方法、装置、电子设备及存储介质 | |
| CN113435609B (zh) | 线损异常检测方法、装置及终端设备 | |
| CN116994609B (zh) | 应用于智能生产线的数据分析方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |