CN111931839A - 开关设备在线监控的方法与装置 - Google Patents
开关设备在线监控的方法与装置 Download PDFInfo
- Publication number
- CN111931839A CN111931839A CN202010771292.4A CN202010771292A CN111931839A CN 111931839 A CN111931839 A CN 111931839A CN 202010771292 A CN202010771292 A CN 202010771292A CN 111931839 A CN111931839 A CN 111931839A
- Authority
- CN
- China
- Prior art keywords
- real
- time current
- curve
- distance
- current curve
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012544 monitoring process Methods 0.000 title claims abstract description 34
- 238000005070 sampling Methods 0.000 claims description 128
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Water Supply & Treatment (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种开关设备在线监控的方法与装置,所述开关设备包括多个被监控部件,方法包括:获取一个被监控部件的实时电流曲线;确定所述实时电流曲线和一个预设的参考曲线之间的豪斯多夫距离,所述参考曲线为所述被监控部件在正常状态下的电流曲线;根据所述豪斯多夫距离确定所述实时电流曲线与所述参考曲线的相似度;根据所述相似度判断所述被监控部件是否出现故障。
Description
技术领域
本发明涉及开关设备领域,特别是一种开关设备在线监控的方法与装置。
背景技术
开关设备是电力系统中的重要的输配电装置,因此需要对于开关设备的运行情况进行实时监控。例如中压开关柜,其包括多个需要动作的部件,例如底盘车、分合闸线圈、接地刀、储能电机等等,需要对这些可动作的部件实时进行监控,以尽快确定其是否出现故障。
发明内容
有鉴于此,本发明提供一种开关设备在线监控的方法,所述开关设备包括多个被监控部件,所述方法包括:
获取一个被监控部件的实时电流曲线;
确定所述实时电流曲线和一个预设的参考曲线之间的豪斯多夫距离,所述参考曲线为所述被监控部件在正常状态下的电流曲线;
根据所述豪斯多夫距离确定所述实时电流曲线与所述参考曲线的相似度;
根据所述相似度判断所述被监控部件是否出现故障。
根据如上所述的方法,可选地,确定所述实时电流曲线和一个预设的参考曲线之间的豪斯多夫距离包括:
获取所述实时电流曲线上的第i个采样点分别与所述参考曲线上的第i-n至第i+n个采样点之间各欧式距离,选择其中一个最小的作为第i个采样点对应的第一距离,并选取各采样点对应的第一距离中最大的一个作为所述实时电流曲线与所述参考曲线之间的第一单向距离,其中i∈(1,2,3…,p),p为所述实时电流曲线上的采样点的总数,n为正整数;
获取所述参考曲线上的第j个采样点分别与所述实时电流曲线上的第j-n至第j+n个采样点之间的各欧式距离,选择其中一个最小的作为第二距离,并选取各采样点对应的第二距离中最大的一个作为所述参考曲线与所述实时电流曲线之间的第二单向距离,其j∈(1,2,3…,q),q为所述参考曲线上的采样点的总数;
选取所述第一单向距离和所述第二单向距离中最大的一个作为所述豪斯多夫距离。
根据如上所述的方法,可选地,确定所述实时电流曲线和一个预设的参考曲线之间的豪斯多夫距离之前,还包括:
根据如下公式确定n:
n=[x*0.1%],其中,x=(p+q)/2;
若n=0,则令n=1。
根据如上所述的方法,可选地,根据所述豪斯多夫距离确定所述实时电流曲线与所述参考曲线的相似度包括:
若所述豪斯多夫距离为0,则确定所述实时电流曲线与所述参考曲线的相似度为100%;或
若所述所述豪斯多夫距离大于或等于一个预设门限值,则确定所述实时电流曲线与所述参考曲线的相似度为0;或
若所述所述豪斯多夫距离大于0且小于一个预设门限值,则对所述实时电流曲线和所述参考曲线进行线性拟合得到相似度。
根据如上所述的方法,可选地,所述实时电流曲线的起点为所述被监控部件进行操作的起始点,所述实时电流曲线的终点为该次操作的结束点。
根据如上所述的方法,可选地,根据所述相似度判断所述被监控部件是否出现故障包括:
判断所述相似度是否小于或等于一个预设阈值,若判断结果为是,则所述被监控部件出现故障。
本发明还提供一种开关设备在线监控的装置,所述开关设备包括多个被监控部件,所述装置包括:
一个获取单元,用于获取一个被监控部件的实时电流曲线;
一个第一确定单元,用于确定所述实时电流曲线和一个预设的参考曲线之间的豪斯多夫距离,所述参考曲线为所述被监控部件在正常状态下的电流曲线;
一个第二确定单元,用于根据所述豪斯多夫距离确定所述实时电流曲线与所述参考曲线的相似度;
一个判断单元,用于根据所述相似度判断所述被监控部件是否出现故障。
根据如上所述的装置,可选地,所述第一确定单元具体用于:
获取所述实时电流曲线上的第i个采样点分别与所述参考曲线上的第i-n至第i+n个采样点之间各欧式距离,选择其中一个最小的作为第i个采样点对应的第一距离,并选取各采样点对应的第一距离中最大的一个作为所述实时电流曲线与所述参考曲线之间的第一单向距离,其中i∈(1,2,3…,p),p为所述实时电流曲线上的采样点的总数,n为正整数;
获取所述参考曲线上的第j个采样点分别与所述实时电流曲线上的第j-n至第j+n个采样点之间的各欧式距离,选择其中一个最小的作为第二距离,并选取各采样点对应的第二距离中最大的一个作为所述参考曲线与所述实时电流曲线之间的第二单向距离,其j∈(1,2,3…,q),q为所述参考曲线上的采样点的总数;
选取所述第一单向距离和所述第二单向距离中最大的一个作为所述豪斯多夫距离。
根据如上所述的装置,可选地,还包括:
一个第三确定单元,用于根据如下公式确定n:
n=[x*0.1%],其中,x=(p+q)/2;
若n=0,则令n=1。
根据如上所述的装置,可选地,所述第二确定单元用于:
若所述豪斯多夫距离为0,则确定所述实时电流曲线与所述参考曲线的相似度为100%;或
若所述所述豪斯多夫距离大于或等于一个预设门限值,则确定所述实时电流曲线与所述参考曲线的相似度为0;或
若所述所述豪斯多夫距离大于0且小于一个预设门限值,则对所述实时电流曲线和所述参考曲线进行线性拟合得到相似度。
根据如上所述的装置,可选地,所述判断单元用于:
判断所述相似度是否小于或等于一个预设阈值,若判断结果为是,则所述被监控部件出现故障。
本发明再提供一种开关设备在线监控的装置,所述开关设备包括多个被监控部件,所述装置包括:
至少一个存储器,其用于存储指令;
至少一个处理器,其用于根据所述存储器存储的指令执行根据如上任一项所述的开关设备在线监控的方法。
本发明又提供一种可读存储介质,所述可读存储介质中存储有机器可读指令,所述机器可读指令当被一个机器执行时,所述机器执行根据如上任一项所述的开关设备在线监控的方法。
从上述方案中可以看出,本发明将实时电流曲线与正常状态下的参考曲线进行比较,获取两者的相似度以确定被监控部件是否出现故障,本发明中基于豪斯多夫距离的相似度算法能够保证较快的计算速度,进而能够及时确定出该被监控部件是否出现故障。该方法无需对采样数据做处理,对异常的采样点具有灵敏的确定能力,可以准确地判断出异常状态,避免遗漏。
附图说明
下面将通过参照附图详细描述本发明的优选实施例,使本领域的普通技术人员更清楚本发明的上述及其它特征和优点,附图中:
图1为根据本发明一实施例的开关设备在线监控的方法的流程示意图。
图2为根据本发明另一实施例的开关设备在线监控的方法的流程示意图。
图3A为根据本发明一实施例的分合闸线圈的参考曲线。
图3B为根据本发明一实施例的分合闸线圈的一个实时电流曲线。
图3C为根据本发明一实施例的分合闸线圈的另一个实时电流曲线。
图4为根据本发明一实施例的开关设备在线监控的装置的结构示意图。
图5为根据本发明另一实施例的开关设备在线监控的装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下举实施例对本发明进一步详细说明。
实施例一
本实施例提供一种开关设备在线监控的方法,该开关设备包括多个被监控部件,例如底盘车、分合闸线圈、接地刀、储能电机等,即需要被实时监控的部件都可以作为本申请的被监控部件。本实施例的执行主体为开关设备在线监控的装置,装置可以单独设置,也可以集成在继电保护装置中,在此不再赘述。
如图1所示,为根据本实施例的开关设备在线监控的方法的流程示意图,该方法包括:
步骤101,获取一个被监控部件的实时电流曲线。
该实时电流曲线可以通过一个能够录波的装置来获取,例如若继电保护装置能够执行录波功能,则可以由继电保护装置来获取该实时电流曲线。具体举例来说,当被监控部件开始一次操作时,继电保护装置开始录波,当被监控部件的该次操作完成时,录波结束,可以将该次录波的电流曲线作为该步骤101中的实时电流曲线。举例来说,假设被监控部件是底盘车,则底盘车从工作位置移动至断开位置的该次操作的电流录波,可以作为该步骤101的实时电流曲线。
当然,实时电流曲线的起点和终点也可以根据实际需要确定,在此不再赘述。
具体地,可以通过周期性采样被监控部件的电流来获取相应的实时电流曲线。即该实时电流曲线包括多个采样点。
步骤102,确定实时电流曲线和一个预设的参考曲线之间的豪斯多夫距离,参考曲线为被监控部件在正常状态下的电流曲线。
豪斯多夫(Hausdorff)距离是描述两组点集之间相似程度的一种量度。具体地,可以选择实时电流曲线上各个采样点,确定每个采样点与参考曲线上若干个采样点之间的距离,并选择其中最小的一个作为该采样点对应的第一距离,选取各第一距离中最大的一个作为实时电流曲线与参考曲线之间的单向豪斯多夫距离。两个采样点之间的距离例如为欧式距离。
参考曲线与实时电流曲线之间的单向豪斯多夫距离也可以通过类似的方式获取,即选择参考曲线上的各个采样点,并确定每个采样点与实时电流曲线上若干个采样点之间的距离,并选取其中最小的一个作为该采样点对应的第二距离,从各第二距离中选择出最大的一个作为参考曲线与实时电流曲线之间的单向豪斯多夫距离。
从两个单向豪斯多夫距离中选择出较大的一个作为实时电流曲线和一个预设的参考曲线之间的豪斯多夫距离。
该步骤中的若干个采样点所代表的具体个数和位置可以根据实际需要确定,例如是靠近另外一条曲线上的对应采样点的位置,个数可以根据实时电流曲线的采样点的总数来确定。
步骤103,根据豪斯多夫距离确定实时电流曲线与参考曲线的相似度。
豪斯多夫距离的值越大,相似度越低。具体可以根据豪斯多夫距离的大小来确定实时电流曲线与参考曲线的相似度。
步骤104,根据相似度确定被监控部件是否出现故障。
举例来说,判断相似度是否小于或等于一个预设阈值,若判断结果为是,则被监控部件出现故障,否则可以确认被监控部件未出现故障。
当判断出被监控部件出现故障时,可以发出警报,例如通过发送信息或者发出报警音的方式发出警报,具体可以根据实际需要选择,在此不再赘述。
根据本实施例,通过将实时电流曲线与正常状态下的参考曲线进行比较,获取两者的相似度以确定被监控部件是否出现故障,本实施例中基于豪斯多夫距离的相似度算法能够保证较快的计算速度,进而能够及时确定出该被监控部件是否出现故障。该方法无需对采样数据做处理,对异常的采样点具有灵敏的确定能力,可以准确地判断出异常状态,避免遗漏。
实施例二
本实施例对实施例一的开关设备在线监控的方法做进一步补充说明。如图2所示,为根据本实施例的开关设备在线监控的方法的流程示意图,该方法包括:
步骤201,获取一个被监控部件的实时电流曲线。
该实时电流曲线的起点为被监控部件进行操作的起始点,实时电流曲线的终点为该次操作的结束点。例如将被监控部件的一次动作中的电流进行录波,并将录波的结果作为实时电流曲线。
步骤202,获取实时电流曲线上的第i个采样点分别与参考曲线上的第i-n至第i+n个采样点之间各欧式距离,并选择其中一个最小的作为第i个采样点对应的第一距离,并选取各采样点对应的第一距离中最大的一个作为实时电流曲线与参考曲线之间的第一单向距离,其中i∈(1,2,3…,p),p为实时电流曲线上的采样点的总数,n为正整数。
例如,获取实时电流曲线上的第1个采样点与参考曲线上的第1个采样点、第2个采样点、第3个采样点、…第1+n个采样点之间的欧式距离,并取得这些欧氏距离中的最小的一个作为该第1个采样点对应的第一距离,…,获取实时电流曲线上的第16个采样点与参考曲线上的第16-n个采样点、第17-n个采样点、第18-n个采样点、…第16+n个采样点之间的欧式距离,并取得这些欧氏距离中的最小的一个作为该第16个采样点对应的第一距离,获取实时电流曲线上的第17个采样点与参考曲线上的第17-n个采样点、第18-n个采样点、第19-n个采样点。。。第17+n个采样点之间的欧式距离,并取得这些欧氏距离中的最小一个作为该第17个采样点对应的第一距离,以此类推,直至获取了实时电流曲线上所有采样点对应的各第一距离。将各第一距离中最大的一个作为实时电流曲线与参考曲线之间的第一单向距离。
本实施例的n可以根据实际需要进行动态选择,例如根据实时电流曲线上的采样点的总数p来确定n。具体地,当实时电流曲线上采样点的总数较大时,例如有上万个采样点,n的值相对来说较大,当实时电流曲线上采样点的总数较小时,例如由几十个点,则n的值相对来说较小;或者,可以根据公式n=[x*0.1%]获得,即x*0.1%的结果取整数,其中x=(p+q)/2,p为实时电流曲线上的采样点的总数,q是参考曲线上的采样点的总数,若根据该公式的n的计算结果为0,则令n=1。当然,也可以将n确定为一个固定值,例如n的值为15。
具体如何获取两个点之间的欧式距离属于现有技术,在此不再赘述。
步骤203,获取参考曲线上的第j个采样点分别与实时电流曲线上的第j-n至第j+n个采样点之间的各欧式距离,选择其中一个最小的作为第二距离,并选取各采样点对应的第二距离中最大的一个作为参考曲线与实时电流曲线之间的第二单向距离,其j∈(1,2,3…,q),q为参考曲线上的采样点的总数。
该步骤203的具体实现方式与步骤202类似,即选取参考曲线上每个采样点并获取其与实时电流曲线上第j-n至第j+n个采样点之间的各欧式距离。
该步骤202与步骤203没有先后顺序,可以先执行步骤203再执行步骤202,也可以同时执行,具体不做限定。
步骤204,选取第一单向距离和第二单向距离中最大的一个作为实时电流曲线和一个预设的参考曲线之间的豪斯多夫距离。
举例来说,若第一单向距离较大,则将第一单向距离的值作为两个曲线之间的豪斯多夫距离;若第二单向距离较大,则将第二单向距离的值作为两个曲线之间的豪斯多夫距离。
步骤205,根据豪斯多夫距离确定实时电流曲线与参考曲线的相似度。
具体地,可以通过以下方式的至少一种获取相似度:
方式一:若豪斯多夫距离为0,则确定实时电流曲线与参考曲线的相似度为100%;
方式二:若豪斯多夫距离大于或等于一个预设门限值,则确定实时电流曲线与参考曲线的相似度为0;
方式三:若豪斯多夫距离大于0且小于一个预设门限值,则对实时电流曲线和参考曲线进行线性拟合得到相似度。
对于方式三,如何对豪斯多夫距离与相似度进行线性拟合,现有技术中有很多种方式。本实施例可以采用一种基于梯度下降算法的一元线性拟合方式。
步骤206,根据相似度确定被监控部件是否出现故障。
具体地,判断相似度是否小于或等于一个预设阈值,若判断结果为是,则被监控部件出现故障,否则被监控部件未出现故障。该预设阈值可以根据实时电流曲线的采样点的总数来确定,当采样点的总数较多时,该预设阈值低一些,当采样点的总数较少时,该预设阈值高一些。例如,当被监控部件为底盘车时,其对应的实时电流曲线的采样点有可能达到上万个,此时预设阈值可以设置为80%,当被监控部件为分合闸线圈时,其对应的实时电流曲线的采样点一般为几十个,此时预设阈值可以设置为90%左右。
根据本实施例地方法,由于选取了另外一个曲线上的若干个采样点来确定豪斯多夫距离,大大减少了计算的复杂度。该方法还能够较好地获取两个曲线轮廓的相似度,不会因为曲线横坐标不一致、起始点延时等情况影响其计算的准确性。
实施例三
本实施例以具体距离的方式对前述实施例的开关设备在线监控的方法做进一步补充说明。
本实施例中,被监控部件为分合闸线圈。其预设的参考曲线如图3A所示,该参考曲线时根据历史数据所获取的被监控部件在正常工作时的电流曲线。本实施例的n为15,预设阈值为90%。
如图3B所示,为正常工作状态下的实时电流曲线;如图3C所示,为异常状态下的实时电流曲线。图3A至图3C的横坐标T为时间,单位时ms,纵坐标C为电流值,单位是A。
对于图3B所示出的实时电流曲线,其上的采样数据的总数为33个。获取该实时电流曲线上第i个采样点与图3A的参考曲线上第i-15至第i+15个之间的欧式距离,即实时电流曲线上第1个采样点与图3A的参考曲线上的第1个、第2个、第3个直至第16个采样点之间的各欧式距离,也就是实时电流曲线上第1个采样点对应着16个欧式距离,从各欧式距离中选择最小的一个作为该第1个采样点对应的第一距离,第2个采样点对应着参考曲线上的第1个、第2个、第3个直至第17个采样点之间的各欧式距离,从第2个采样点对应的各欧式距离中选择出最小的一个作为该第2个采样点对应的第一距离,。。。,第16个采样点对应着参考曲线上的第1个、第2个、第3个直至第31个采样点之间的各欧式距离,从第16个采样点对应的各欧式距离中选择出最小的一个作为该第16个采样点对应的第一距离,以此类推,实时电流曲线上的各采样点均对应着多个欧氏距离,从各欧氏距离中选择出最小的一个作为该采样点对应的第一距离。
相应地,获取图3A的参考曲线上的第1个采样点与图3B的实时电流曲线上的第1个、第2个、第3个至第16个采样点之间的各欧式距离,也就是参考曲线上第1个采样点对应16个欧式距离,第2个采样点对应着实时电流曲线上的第1个、第2个、第3个直至第17个采样点之间的各欧式距离,依次类推,参考曲线上的各采样点均对应着多个欧氏距离,从各欧氏距离中选择出最大的一个作为第二距离。第一距离和第二距离中最大的一个作为最终的豪斯多夫距离。
接下来根据豪斯多夫距离确定实时电流曲线与参考曲线的相似度,该相似度为98.5%,其大于预设阈值,这也就进一步印证了图3B的实时电流曲线下的分合闸线圈未出现故障。
下面根据实施例一和实施例二的方法获取图3C所示的实时电流曲线的相似度,最终获取到的相似度为83.3%,其小于预设阈值,这也就进一步印证了图3C的实时电流曲线下的分合闸线圈出现故障。
实施例四
本实施例提供一种开关设备在线监控的装置,用于执行实施例一的开关设备在线监控的方法。如图4所示,为根据本实施例的开关设备在线监控的装置的结构示意图。
该开关设备在线监控的装置包括一个获取单元401、一个第一确定单元402、一个第二确定单元403和一个判断单元404。其中,获取单元401用于获取一个被监控部件的实时电流曲线;第一确定单元402用于确定实时电流曲线和一个预设的参考曲线之间的豪斯多夫距离,参考曲线为被监控部件在正常状态下的电流曲线;第二确定单元403用于根据豪斯多夫距离确定实时电流曲线与参考曲线的相似度;判断单元404用于根据相似度判断被监控部件是否出现故障。
其中,实时电流曲线的起点为被监控部件进行操作的起始点,实时电流曲线的终点为该次操作的结束点。
可选地,第二确定单元403用于:
若豪斯多夫距离为0,则确定实时电流曲线与参考曲线的相似度为100%;或
若豪斯多夫距离大于或等于一个预设门限值,则确定实时电流曲线与参考曲线的相似度为0;或
若豪斯多夫距离大于0且小于一个预设门限值,则对实时电流曲线和参考曲线进行线性拟合得到相似度。
可选地,判断单元404用于:
判断相似度是否小于或等于一个预设阈值,若判断结果为是,则被监控部件出现故障。
本实施例的各个单元的工作方法与前述实施例相同,在此不再赘述。
根据本实施例,通过将实时电流曲线与正常状态下的参考曲线进行比较,获取两者的相似度以确定被监控部件是否出现故障,本实施例中基于豪斯多夫距离的相似度算法能够保证较快的计算速度,进而能够及时确定出该被监控部件是否出现故障。该方法无需对采样数据做处理,对异常的采样点具有灵敏的确定能力,可以准确地判断出异常状态,避免遗漏。
实施例五
本实施例对实施例四的开关设备在线监控的装置做进一步补充说明。
本实施例的第一确定单元402具体用于:
获取实时电流曲线上的第i个采样点分别与参考曲线上的第i-n至第i+n个采样点之间各欧式距离,选择其中一个最小的作为第i个采样点对应的第一距离,并选取各采样点对应的第一距离中最大的一个作为实时电流曲线与参考曲线之间的第一单向距离,其中i∈(1,2,3…,p),p为实时电流曲线上的采样点的总数,n为正整数;
获取参考曲线上的第j个采样点分别与实时电流曲线上的第j-n至第j+n个采样点之间的各欧式距离,选择其中一个最小的作为第二距离,并选取各采样点对应的第二距离中最大的一个作为参考曲线与实时电流曲线之间的第二单向距离,其j∈(1,2,3…,q),q为参考曲线上的采样点的总数;
选取第一单向距离和第二单向距离中最大的一个作为豪斯多夫距离。
可选地,如图5所示,本实施例的开关设备在线监控的装置还包括一个第三确定单元501。该第三确定单元501具体用于根据如下公式确定n:
n=[x*0.1%],其中,x=(p+q)/2;
若n=0,则令n=1。
本实施例的各个单元的工作方法与前述实施例相同,在此不再赘述。
根据本实施例地方法,由于选取了另外一个曲线上的若干个采样点来确定豪斯多夫距离,大大减少了计算的复杂度。该方法还能够较好地获取两个曲线轮廓的相似度,不会因为曲线横坐标不一致、起始点延时等情况影响其计算的准确性。
本发明还提供一种开关设备在线监控的装置,开关设备包括多个被监控部件,该装置包括至少一个存储器和至少一个处理器。其中,存储器用于存储指令。处理器用于根据存储器存储的指令执行前述任意实施例所描述的的开关设备在线监控的方法。
本发明的实施例还提供一种可读存储介质。该可读存储介质中存储有机器可读指令,机器可读指令当被一个机器执行时,机器执行前述任意实施例所描述的开关设备在线监控的装置。
该可读介质上存储有机器可读指令,该机器可读指令在被处理器执行时,使处理器执行前述的任一种方法。具体地,可以提供配有可读存储介质的系统或者装置,在该可读存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码,且使该系统或者装置的计算机或处理器读出并执行存储在该可读存储介质中的机器可读指令。
在这种情况下,从可读介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能,因此机器可读代码和存储机器可读代码的可读存储介质构成了本发明的一部分。
可读存储介质的实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机上或云上下载程序代码。
本领域技术人员应当理解,上面公开的各个实施例可以在不偏离发明实质的情况下做出各种变形和修改。因此,本发明的保护范围应当由所附的权利要求书来限定。
需要说明的是,上述各流程和各系统结构图中不是所有的步骤和单元都是必须的,可以根据实际的需要忽略某些步骤或单元。各步骤的执行顺序不是固定的,可以根据需要进行调整。上述各实施例中描述的装置结构可以是物理结构,也可以是逻辑结构,即,有些单元可能由同一物理实体实现,或者,有些单元可能分由多个物理实体实现,或者,可以由多个独立设备中的某些部件共同实现。
以上各实施例中,硬件单元可以通过机械方式或电气方式实现。例如,一个硬件单元或处理器可以包括永久性专用的电路或逻辑(如专门的处理器,FPGA或ASIC)来完成相应操作。硬件单元或处理器还可以包括可编程逻辑或电路(如通用处理器或其它可编程处理器),可以由软件进行临时的设置以完成相应操作。具体的实现方式(机械方式、或专用的永久性电路、或者临时设置的电路)可以基于成本和时间上的考虑来确定。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (13)
1.开关设备在线监控的方法,所述开关设备包括多个被监控部件,其特征在于,所述方法包括:
获取一个被监控部件的实时电流曲线;
确定所述实时电流曲线和一个预设的参考曲线之间的豪斯多夫距离,所述参考曲线为所述被监控部件在正常状态下的电流曲线;
根据所述豪斯多夫距离确定所述实时电流曲线与所述参考曲线的相似度;
根据所述相似度判断所述被监控部件是否出现故障。
2.根据权利要求1所述的方法,其特征在于,确定所述实时电流曲线和一个预设的参考曲线之间的豪斯多夫距离包括:
获取所述实时电流曲线上的第i个采样点分别与所述参考曲线上的第i-n至第i+n个采样点之间各欧式距离,选择其中一个最小的作为第i个采样点对应的第一距离,并选取各采样点对应的第一距离中最大的一个作为所述实时电流曲线与所述参考曲线之间的第一单向距离,其中i∈(1,2,3…,p),p为所述实时电流曲线上的采样点的总数,n为正整数;
获取所述参考曲线上的第j个采样点分别与所述实时电流曲线上的第j-n至第j+n个采样点之间的各欧式距离,选择其中一个最小的作为第二距离,并选取各采样点对应的第二距离中最大的一个作为所述参考曲线与所述实时电流曲线之间的第二单向距离,其j∈(1,2,3…,q),q为所述参考曲线上的采样点的总数;
选取所述第一单向距离和所述第二单向距离中最大的一个作为所述豪斯多夫距离。
3.根据权利要求2所述的方法,其特征在于,确定所述实时电流曲线和一个预设的参考曲线之间的豪斯多夫距离之前,还包括:
根据如下公式确定n:
n=[x*0.1%],其中,x=(p+q)/2;
若n=0,则令n=1。
4.根据权利要求1所述的方法,其特征在于,根据所述豪斯多夫距离确定所述实时电流曲线与所述参考曲线的相似度包括:
若所述豪斯多夫距离为0,则确定所述实时电流曲线与所述参考曲线的相似度为100%;或
若所述所述豪斯多夫距离大于或等于一个预设门限值,则确定所述实时电流曲线与所述参考曲线的相似度为0;或
若所述所述豪斯多夫距离大于0且小于一个预设门限值,则对所述实时电流曲线和所述参考曲线进行线性拟合得到相似度。
5.根据权利要求1所述的方法,其特征在于,所述实时电流曲线的起点为所述被监控部件进行操作的起始点,所述实时电流曲线的终点为该次操作的结束点。
6.根据权利要求1-5中任一项所述的方法,其特征在于,根据所述相似度判断所述被监控部件是否出现故障包括:
判断所述相似度是否小于或等于一个预设阈值,若判断结果为是,则所述被监控部件出现故障。
7.开关设备在线监控的装置,所述开关设备包括多个被监控部件,其特征在于,所述装置包括:
一个获取单元,用于获取一个被监控部件的实时电流曲线;
一个第一确定单元,用于确定所述实时电流曲线和一个预设的参考曲线之间的豪斯多夫距离,所述参考曲线为所述被监控部件在正常状态下的电流曲线;
一个第二确定单元,用于根据所述豪斯多夫距离确定所述实时电流曲线与所述参考曲线的相似度;
一个判断单元,用于根据所述相似度判断所述被监控部件是否出现故障。
8.根据权利要求7所述的装置,其特征在于,所述第一确定单元具体用于:
获取所述实时电流曲线上的第i个采样点分别与所述参考曲线上的第i-n至第i+n个采样点之间各欧式距离,选择其中一个最小的作为第i个采样点对应的第一距离,并选取各采样点对应的第一距离中最大的一个作为所述实时电流曲线与所述参考曲线之间的第一单向距离,其中i∈(1,2,3…,p),p为所述实时电流曲线上的采样点的总数,n为正整数;
获取所述参考曲线上的第j个采样点分别与所述实时电流曲线上的第j-n至第j+n个采样点之间的各欧式距离,选择其中一个最小的作为第二距离,并选取各采样点对应的第二距离中最大的一个作为所述参考曲线与所述实时电流曲线之间的第二单向距离,其j∈(1,2,3…,q),q为所述参考曲线上的采样点的总数;
选取所述第一单向距离和所述第二单向距离中最大的一个作为所述豪斯多夫距离。
9.根据权利要求8所述的装置,其特征在于,还包括:
一个第三确定单元,用于根据如下公式确定n:
n=[x*0.1%],其中,x=(p+q)/2;
若n=0,则令n=1。
10.根据权利要求7所述的装置,其特征在于,所述第二确定单元用于:
若所述豪斯多夫距离为0,则确定所述实时电流曲线与所述参考曲线的相似度为100%;或
若所述所述豪斯多夫距离大于或等于一个预设门限值,则确定所述实时电流曲线与所述参考曲线的相似度为0;或
若所述所述豪斯多夫距离大于0且小于一个预设门限值,则对所述实时电流曲线和所述参考曲线进行线性拟合得到相似度。
11.根据权利要求7-10中任一项所述的装置,其特征在于,所述判断单元用于:
判断所述相似度是否小于或等于一个预设阈值,若判断结果为是,则所述被监控部件出现故障。
12.开关设备在线监控的装置,所述开关设备包括多个被监控部件,其特征在于,所述装置包括:
至少一个存储器,其用于存储指令;
至少一个处理器,其用于根据所述存储器存储的指令执行根据权利要求1-7中任一项所述的开关设备在线监控的方法。
13.可读存储介质,其特征在于,所述可读存储介质中存储有机器可读指令,所述机器可读指令当被一个机器执行时,所述机器执行根据权利要求1-7中任一项所述的开关设备在线监控的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010771292.4A CN111931839A (zh) | 2020-08-04 | 2020-08-04 | 开关设备在线监控的方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010771292.4A CN111931839A (zh) | 2020-08-04 | 2020-08-04 | 开关设备在线监控的方法与装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111931839A true CN111931839A (zh) | 2020-11-13 |
Family
ID=73306645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010771292.4A Pending CN111931839A (zh) | 2020-08-04 | 2020-08-04 | 开关设备在线监控的方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111931839A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112798896A (zh) * | 2021-03-02 | 2021-05-14 | 西门子电力自动化有限公司 | 开关柜故障诊断的方法与装置 |
CN112950023A (zh) * | 2021-03-02 | 2021-06-11 | 西门子电力自动化有限公司 | 在线监控开关设备的方法及装置 |
CN113011472A (zh) * | 2021-02-26 | 2021-06-22 | 广东电网有限责任公司电力调度控制中心 | 一种多段电力报价曲线相似性判断方法及装置 |
CN113179571A (zh) * | 2021-04-08 | 2021-07-27 | 北京戴纳实验科技有限公司 | 一种紫外照明管控系统 |
CN113376496A (zh) * | 2021-05-21 | 2021-09-10 | 南京航空航天大学 | 基于豪斯多夫距离的自耦变压整流器二极管故障诊断方法 |
CN115356013A (zh) * | 2022-08-15 | 2022-11-18 | 桂林师范高等专科学校 | 回流焊温度曲线异常检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001109882A (ja) * | 1999-10-05 | 2001-04-20 | Sony Corp | 画像処理方法及び画像処理装置 |
CN104280668A (zh) * | 2014-11-05 | 2015-01-14 | 广东电网有限责任公司佛山供电局 | 配电网故障类型识别方法和系统 |
CN106126919A (zh) * | 2016-06-23 | 2016-11-16 | 武汉大学 | 一种任意类型点集数据之间的精确豪斯多夫距离计算方法 |
KR20180124570A (ko) * | 2017-05-12 | 2018-11-21 | 연세대학교 산학협력단 | 케이블 고장점 탐지 신뢰도 측정 시스템 및 방법 |
CN109127478A (zh) * | 2018-10-19 | 2019-01-04 | 合肥澎湃能源技术有限公司 | 用于筛选电池组的单体电池的方法 |
-
2020
- 2020-08-04 CN CN202010771292.4A patent/CN111931839A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001109882A (ja) * | 1999-10-05 | 2001-04-20 | Sony Corp | 画像処理方法及び画像処理装置 |
CN104280668A (zh) * | 2014-11-05 | 2015-01-14 | 广东电网有限责任公司佛山供电局 | 配电网故障类型识别方法和系统 |
CN106126919A (zh) * | 2016-06-23 | 2016-11-16 | 武汉大学 | 一种任意类型点集数据之间的精确豪斯多夫距离计算方法 |
KR20180124570A (ko) * | 2017-05-12 | 2018-11-21 | 연세대학교 산학협력단 | 케이블 고장점 탐지 신뢰도 측정 시스템 및 방법 |
CN109127478A (zh) * | 2018-10-19 | 2019-01-04 | 合肥澎湃能源技术有限公司 | 用于筛选电池组的单体电池的方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011472A (zh) * | 2021-02-26 | 2021-06-22 | 广东电网有限责任公司电力调度控制中心 | 一种多段电力报价曲线相似性判断方法及装置 |
CN113011472B (zh) * | 2021-02-26 | 2023-09-01 | 广东电网有限责任公司电力调度控制中心 | 一种多段电力报价曲线相似性判断方法及装置 |
CN112798896A (zh) * | 2021-03-02 | 2021-05-14 | 西门子电力自动化有限公司 | 开关柜故障诊断的方法与装置 |
CN112950023A (zh) * | 2021-03-02 | 2021-06-11 | 西门子电力自动化有限公司 | 在线监控开关设备的方法及装置 |
CN113179571A (zh) * | 2021-04-08 | 2021-07-27 | 北京戴纳实验科技有限公司 | 一种紫外照明管控系统 |
CN113376496A (zh) * | 2021-05-21 | 2021-09-10 | 南京航空航天大学 | 基于豪斯多夫距离的自耦变压整流器二极管故障诊断方法 |
CN115356013A (zh) * | 2022-08-15 | 2022-11-18 | 桂林师范高等专科学校 | 回流焊温度曲线异常检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111931839A (zh) | 开关设备在线监控的方法与装置 | |
Abdallah et al. | Stator winding inter‐turn short‐circuit detection in induction motors by parameter identification | |
CN110579682B (zh) | 一种故障录波数据暂态同源对比方法及装置 | |
Khayam Hoseini et al. | Extended Kalman filter‐based method for inter‐turn fault detection of the switched reluctance motors | |
Zeng et al. | Inter‐turn fault diagnosis of permanent magnet synchronous machine based on tooth magnetic flux analysis | |
CN109932646B (zh) | 同期并网中导前时间的在线检测方法、装置与系统 | |
Izadi et al. | Supervisory algorithm based on reaction wheel modelling and spectrum analysis for detection and classification of electromechanical faults | |
CN106019045B (zh) | 一种永磁同步电机匝间短路故障诊断的方法 | |
CN105067963A (zh) | 基于暂态波形的配网故障预警方法和系统 | |
Meinguet et al. | Change‐detection algorithm for short‐circuit fault detection in closed‐loop AC drives | |
CN112670957B (zh) | 车载dc/dc的过流诊断方法、装置及计算机可读存储介质 | |
KR102100488B1 (ko) | 전자기 액추에이터 타입의 장비를 모니터링하는 방법 | |
EP3879549B1 (en) | Method and device for determining closing time of circuit breaker, and computer-readable medium | |
Pasqualotto et al. | A comprehensive approach to convolutional neural networks‐based condition monitoring of permanent magnet synchronous motor drives | |
JP4275426B2 (ja) | 永久磁石の減磁の評価方法、評価プログラム及び評価システム | |
Aubert et al. | Stator inter-turn short-circuit detection in permanent magnet synchronous generators using extended Kalman filtering | |
CN116359723A (zh) | 机械开关状态判断方法、装置、设备及介质 | |
CN115859088A (zh) | 一种高压断路器振动信号特征提取方法 | |
Strobl et al. | Refined fault detection in LVDC-grids with signal processing, system identification and machine learning methods | |
Fonseca et al. | On-line inter-turn short-circuit fault diagnosis in switched reluctance motors | |
JP3305493B2 (ja) | 電力系統故障時の電気量情報収集方法 | |
Griffo et al. | Computationally efficient modelling of permanent magnet synchronous motor drives for real-time hardware-in-the-loop simulation | |
CN112950023A (zh) | 在线监控开关设备的方法及装置 | |
CN109932594B (zh) | 用于电力设备的故障检测的方法与装置 | |
CN111562493B (zh) | 确定断路器熄弧时刻的方法与装置 |
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 |