CN112362987B - 一种基于稳健估计的避雷器故障诊断方法 - Google Patents

Abstract

本发明提供一种基于稳健估计的避雷器故障诊断方法，该方法采用阈值对比和差异化相似度对比相结合的诊断方式，首先通过纵向对比同一避雷器同一相别的历史检测数据判断避雷器状态是否异常，然后在纵向对比结果的基础上，横向对比不同避雷器同相别或相同避雷器不同相别之间检测数据的特征相似度，进一步判断避雷器状态是否异常，避免了相间干扰、系统电压波动、高次谐波、环境等对诊断结果的影响，提高了诊断结果的正确性。

Description

一种基于稳健估计的避雷器故障诊断方法

技术领域

本发明涉及避雷器状态检测技术领域，更具体地，涉及一种基于稳健估计的避雷器故障诊断方法。

背景技术

避雷器是一种用于保护电气设备免受雷击时高瞬态过电压、操作过电压、工频暂态过电压的危害，限制续流时间和续流幅值的一种电器，主要作用是释放雷电等过电压，避免电网及电力设备遭受过电压的破坏，从而保证电网及电力设备的安全运行。金属氧化物避雷器(MOA)与传统类型的避雷器相比具有过电压后残压低、无续流以及通流容量大等优点，在电力系统中得到广泛应用。由于MOA长期在高电压等级下运行以及受雨雪、风沙等自然环境的影响，使得MOA的电阻片老化和受潮，不仅会丧失保护设备及线路的基本功能，甚至还会造成电力系统过电压事故，可见检测或监测金属氧化物避雷器的运行状态，及时发现MOA的缺陷故障对电网的安全稳定运行具有重要的意义。

避雷器泄露电流为施加持续运行电压时流过避雷器的电流，在电压的作用下流过阀片的泄露电流可分为阻性电流和容性电流两部分，阻性电流占泄露电流的10％～20％。随着避雷器阀片逐渐老化，其等值电阻也随之减少，此时流过避雷器阀片的阻性电流增大，由于占比80％～90％的容性电流相对稳定，故泄漏电流总体变化不大，不能灵敏地反映避雷器的运行状态，所以通常将泄漏电流以及泄漏电流中的阻性电流基波变化情况作为判断避雷器内部是否受潮、金属氧化物阀片是否发生劣化的参考依据。

申请号为201610507586.X公开了一种氧化锌避雷器在线监测与诊断方法，对温度干扰和谐波干扰进行了修正，通过纵向对此方式进行诊断，该方法虽然修正了温度和谐波对阻性电流的干扰，但只通过纵向对比方式无法排除湿度、污秽、电磁感应、系统电压波动等干扰的影响，仍可导致结果误判；申请号为201710701987.3公开了一种避雷器阀片电阻运行状态诊断方法，对全电流、阻性电流、阻性三次谐波分量进行阈值对比，判断避雷器的绝缘受潮、老化等状态，该方法虽然避免了相间干扰和高次谐波对诊断结果的干扰，但同样仅通过纵向对比方式，诊断准确性低。以上提到的专利中第一步骤均为获取检测数据，但没有对数据的有效性进行判断。在实际应用中，带电检测作业的人工操作、传输环境中受电磁干扰的影响及检测装置的异常，会导致检测数据产生偶发异常，这些偶发异常值并不是由于被测设备状态异常导致的，如果将这些偶发异常值作为样本数据进行故障诊断，则会导致误判，所以在进行诊断前需判断检测数据的有效性，剔除偶发异常值，以提高诊断结果的准确性。

发明内容

本发明提供一种基于稳健估计的避雷器故障诊断方法，该方法避免了相间干扰、系统电压波动、高次谐波、环境等对诊断结果的影响，提高了诊断的准确性。

为了达到上述技术效果，本发明的技术方案如下：

一种基于稳健估计的避雷器故障诊断方法，包括以下步骤：

S1：采用稳健估计方法剔除偶发异常值，筛选出与避雷器故障相关的有效异常值；

S2：利用有效的异常值对避雷器状态进行诊断。

进一步地，步骤S1中，获取n个样本数据，从中随机抽取k个，计算k个样本数据的均值U_k1和协方差矩阵S_k1；计算n个样本数据的马氏距离，选取马氏距离最小的k个样本，重新计算这k个样本的均值矩阵U_k2和协方差矩阵S_k2；进行迭代计算，直到均值和协方差收敛，计算稳健的马氏距离，进行异常值的有效性判断。

进一步地，所述步骤S1的具体过程是：

S11：获取n组避雷器泄漏电流、阻性电流、三次谐波电流检测数据，得到样本矩阵；

S12：对样本矩阵中的泄漏电流特征序列、阻性电流特征序列、三次谐波电流特征序列进行归一化处理，得到标准化特征矩阵A_i；

S13：从标准化特征矩阵中随机抽取k个样本，得到标准化特征子矩阵；

其中，标准化特征子矩阵包含3个特征序列，分别为泄漏电流特征序列、阻性电流特征序列、三次谐波电流特征序列，每个特征序列包含k个样本；

S14：计算子矩阵的均值矩阵U_k1和协方差矩阵S_k1；

S15：计算标准化特征矩阵A_i的马氏距离d₁(A_i)：

S16：选取马氏距离d₁(A_i)中最小的k个样本，得到新的标准化特征子矩阵，重新计算子矩阵的均值矩阵U_k2和协方差矩阵S_k2，与U_k1和S_k1对比，判断均值矩阵和协方差矩阵是否收敛；

S17：如果收敛，则得到稳定的均值矩阵U_kc＝U_k2和协方差矩阵S_kc＝S_k2；如果不收敛，则重复步骤S15和步骤S16，直至均值矩阵和协方差矩阵收敛，得到稳定的均值矩阵U_kc和协方差矩阵S_kc；

S18：计算标准化特征矩阵A_i稳健的马氏距离d_c(A_i)：

S19：异常值判断：

当

时，判断第i个样本为异常值，式中

表示卡方检验的临界值；p为自由度，表示特征序列个数；a为置信度。

进一步地，异常值判断完成后就进行有效异常值筛选，具体过程是：

假设异常值为第i个样本，在区间[i-j，i+j]中，当

时，判断第i个样本为有效异常值，否则为偶发异常值；其中j为样本数量，y∈[i-j，i+j]，z为连续样本个数阈值。

进一步地，对样本矩阵中的泄漏电流特征序列、阻性电流特征序列、三次谐波电流特征序列进行归一化处理，归一化公式为：

式中，x_*为特征序列中各向量归一化后的值，x为特征序列中各向量的值，x_min为特征序列中向量的最小值，x_max为特征序列中向量的最大值；其中，标准化特征矩阵包含3个特征序列，分别为泄漏电流特征序列、阻性电流特征序列、三次谐波电流特征序列，每个特征序列包含n个样本。

进一步地，步骤S2中，当检测的第i组数据被判断为有效异常值后，采用阈值对比和差异化相似度对比方式对有效异常值进行分析，判断避雷器的运行状态。

进一步地，所述步骤S2的具体过程是：

S21：定义有效异常值对应的避雷器为异常避雷器，获取异常避雷器的泄漏电流I_i，当I_i＞I_max时，进入步骤S22，否则进入步骤S23，其中I_max＝k₁I_c，k₁为泄漏电流阈值系数，I_c为泄漏电流初值；

S22：获取异常避雷器的阻性电流Ir_i，当Ir_i＞Ir_max时，进行相似度1诊断，否则进入步骤S24，其中Ir_max＝k₂Ir_c，k₂为阻性电流阈值系数，Ir_c为阻性电流初值；

S23：获取异常避雷器的阻性电流Ir_i，当Ir_i＞Ir_max时，进行相似度2诊断，否则进入步骤S24，其中Ir_max为阻性电流阈值；

S24：获取异常避雷器的三次谐波电流It_i，当It_i＞It_max时，进行相似度3诊断，否则判断避雷器状态正常，其中It_max＝k₃It_c，k₃为三次谐波电流阈值系数，It_c为三次谐波电流初值。

进一步地，进行相似度1诊断的过程是：

S221：获取异常避雷器的泄漏电流特征序列和阻性电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个异常避雷器马氏距离包络线的特征向量S1_i；

S222：同一厂家、同一批次避雷器检测数据样本数量X≥2，则进入步骤S223，否则进入步骤S225；

S223：获取与异常避雷器对应的同一厂家、同一批次、同一相位的1台避雷器泄漏电流特征序列和阻性电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个对比避雷器的马氏距离包络线的特征向量T1_i；

S224：计算S1_i和T1_i的相似度R_ST1：

当R_ST1≥R_min时，判断避雷器状态正常，否则判断避雷器绝缘故障；

S225：获取异常避雷器另一相的泄漏电流特征序列和阻性电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个对比相的马氏距离包络线的特征向量P1_i，计算相似度R_SP1，当R_SP1≥R_min时，判断避雷器状态正常，否则判断避雷器绝缘故障。

进一步地，进行相似度2诊断的过程是：

S231：获取异常避雷器的阻性电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个异常避雷器马氏距离包络线的特征向量S2_i；

S232：同一厂家、同一批次避雷器检测数据样本数量X≥2，则进入步骤S233，否则进入步骤S235；

S233：获取与异常避雷器对应的同一厂家、同一批次、同一相位的1台避雷器阻性电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个对比避雷器的马氏距离包络线的特征向量T2_i；

S234：计算S2_i和T2_i的相似度R_ST2：

当R_ST2≥R_min时，判断避雷器状态正常，否则判断避雷器绝缘受潮或污秽；

S235：获取异常避雷器另一相的阻性电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个对比相的马氏距离包络线的特征向量P2_i，计算相似度R_SP2，当R_SP2≥R_min时，判断避雷器状态正常，否则判断避雷器绝缘受潮或污秽。

进一步地，进行相似度3诊断的过程是：

S241：获取异常避雷器的三次谐波电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个异常避雷器马氏距离包络线的特征向量S3_i；

S242：同一厂家、同一批次避雷器检测数据样本数量X≥2，则进入步骤S243，否则进入步骤S245；

S243：获取与异常避雷器对应的同一厂家、同一批次、同一相位的1台避雷器三次谐波电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个对比避雷器的马氏距离包络线的特征向量T3_i；

S244：计算S3_i和T3_i的相似度R_ST3：

当R_ST3≥R_min时，判断避雷器状态正常，否则判断避雷器绝缘老化；

S245：获取异常避雷器另一相的三次谐波电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个对比相的马氏距离包络线的特征向量P3_i，计算相似度R_SP3，当R_SP3≥R_min时，判断避雷器状态正常，否则判断避雷器绝缘老化。

与现有技术相比，本发明技术方案的有益效果是：

1、本发明引入稳健估计方法判断检测数据中的异常值，并对连续的有效异常值和孤立的偶发异常值进行区分，有效消除人工操作、环境干扰等对数据的影响，得到有效的用于判断避雷器运行状态的数据样本，提高了故障分析数据源的可靠性，降低了误判、错判概率；

2、本发明采用阈值对比和差异化相似度对比相结合的诊断方式，首先通过纵向对比同一避雷器同一相别的历史检测数据判断避雷器状态是否异常，然后在纵向对比结果的基础上，横向对比不同避雷器同相别或相同避雷器不同相别之间检测数据的特征相似度，进一步判断避雷器状态是否异常，避免了相间干扰、系统电压波动、高次谐波、环境等对诊断结果的影响，提高了诊断结果的正确性；

3、本发明中相似度的特征值采用检测数据的马氏距离，且针对不同的阈值对比结果，选择具有针对性的特征值进行相似度分析，提高了诊断的准确性。

附图说明

图1为有效异常值筛选流程图；

图2为避雷器故障诊断流程图；

图3为数据样本的稳健马氏距离。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1：

本申请提出了一种基于稳健估计的避雷器故障诊断方法，首先采用稳健估计方法剔除偶发异常值，筛选出与避雷器故障相关的有效异常值；然后利用有效的异常值对避雷器状态进行诊断。具体流程如下：

1、有效异常值筛选

获取n个样本数据，从中随机抽取k个，计算k个样本数据的均值U_k1和协方差矩阵S_k1；计算n个样本数据的马氏距离，选取马氏距离最小的k个样本，重新计算这k个样本的均值矩阵U_k2和协方差矩阵S_k2；进行迭代计算，直到均值和协方差收敛，计算稳健的马氏距离，进行异常值的有效性判断，如图1所示：

步骤一，获取n组避雷器泄漏电流、阻性电流、三次谐波电流检测数据，得到样本矩阵；

步骤二，对样本矩阵中的泄漏电流特征序列、阻性电流特征序列、三次谐波电流特征序列进行归一化处理，得到标准化特征矩阵A_i，归一化公式为：

式中，x_*为特征序列中各向量归一化后的值，x为特征序列中各向量的值，x_min为特征序列中向量的最小值，x_max为特征序列中向量的最大值；其中标准化特征矩阵包含3个特征序列，分别为泄漏电流特征序列、阻性电流特征序列、三次谐波电流特征序列，每个特征序列包含n个样；

步骤三：从标准化特征矩阵中随机抽取k个样本，得到标准化特征子矩阵，其中标准化特征子矩阵包含3个特征序列，分别为泄漏电流特征序列、阻性电流特征序列、三次谐波电流特征序列，每个特征序列包含k个样本；

步骤四：计算子矩阵的均值矩阵U_k1和协方差矩阵S_k1；

步骤五：计算标准化特征矩阵A_i的马氏距离d₁(A_i)：

步骤六：对d₁(A_i)进行排序，选取马氏距离最小的k个样本，得到新的标准化特征子矩阵，重新计算子矩阵的均值矩阵U_k2和协方差矩阵S_k2，分别与U_k1和S_k1对比，判断均值矩阵和协方差矩阵是否收敛，其中两矩阵的行列式相等则判断收敛。

步骤七：如果收敛，则得到稳定的均值矩阵U_kc＝U_k2和协方差矩阵S_kc＝S_k2；如果不收敛，则重复步骤五和步骤六，直至均值矩阵和协方差矩阵收敛，得到稳定的均值矩阵U_kc和协方差矩阵S_kc；

步骤八：计算标准化特征矩阵A_i稳健的马氏距离d_c(A_i)：

步骤九：异常值判断；

当

时，判断第i个样本为异常值。式中

表示卡方检验的临界值；p为自由度，表示特征序列个数；a为置信度；

步骤十：有效异常值筛选：

假设异常值为第i个样本，在区间[i-j，i+j]中，当

时，判断第i个样本为有效异常值，否则为偶发异常值；其中j为样本数量，y∈[i-j，i+j]，z为连续样本个数阈值，

表示

的个数。

2、避雷器故障诊断

本申请通过避雷器泄漏电流、阻性电流、三次谐波电流检测数据判断避雷器的运行状态。泄漏电流由于检测难度小、要求低，是目前避雷器主要的检测手段，能够反映严重的受潮和老化等绝缘问题，但对于早期的绝缘问题，无法通过检测泄漏电流进行有效判断。当避雷器受潮或者表面脏污时，阻性基波分量发生明显增大而阻性三次谐波分量变化不大，当避雷器阀片老化时阻性三次谐波分量会明显增加，所以阻性电流可有效反映早期的受潮或表面污秽问题，三次谐波电流可有效反映避雷器的老化问题。

本申请采用阈值对比和差异化相似度对比方式判断避雷器的运行状态。阈值对比即纵向对比，当避雷器的状态发生异常时，它的泄漏电流或阻性电流或三次谐波电流会发生改变，通过对比同一避雷器、同一相别不同时间的检测值，可有效判断避雷器的状态是否发生异常。根据《Q/GDW 11369-2014避雷器泄漏电流带电检测技术现场应用导则》规定，纵向比较是当前检测值与前次或初值检测值的比较，本实施例选用的比较对象为初值检测值。差异化相似度对比即横向对比，由于同一厂家、同一批次、同相位避雷器的参数大致相同，所以它们泄漏电流或阻性电流或三次谐波电流的变化趋势应无明显差异，当纵向对比发现避雷器出现异常时，可通过横向对比的方式排除系统级干扰对结果的影响。

本申请的避雷器故障诊断方法流程如图2所示，当检测的第i组数据被判断为有效异常值后，通过避雷器泄漏电流、阻性电流、三次谐波电流检测数据，采用阈值对比和差异化相似度对比方式对有效异常值进行分析，判断避雷器的运行状态。

步骤一：定义有效异常值对应的避雷器为异常避雷器，获取异常避雷器的泄漏电流I_i，当I_i＞I_max时，进入步骤二，否则进入步骤三；其中I_max＝k₁I_c，k₁为泄漏电流阈值系数，I_c为泄漏电流初值；

步骤二：获取异常避雷器的阻性电流Ir_i，当Ir_i＞Ir_max时，进入步骤S201进行相似度1诊断，否则进入步骤四，其中Ir_max＝k₂Ir_c，k₂为阻性电流阈值系数，Ir_c为阻性电流初值；

S201：获取异常避雷器的泄漏电流特征序列和阻性电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个异常避雷器马氏距离包络线的特征向量S1_i；

S202：同一厂家、同一批次避雷器检测数据样本数量X≥2，则进入步骤S203，否则进入步骤S205；

S203：获取与异常避雷器对应的同一厂家、同一批次、同一相位的1台避雷器泄漏电流特征序列和阻性电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个对比避雷器的马氏距离包络线的特征向量T1_i；

S204：计算S1_i和T1_i的相似度R_ST1：

当R_ST1≥R_min时，判断避雷器状态正常，否则判断避雷器绝缘故障；

S205：获取异常避雷器另一相的泄漏电流特征序列和阻性电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个对比相的马氏距离包络线的特征向量P1_i，计算相似度R_SP1，当R_SP1≥R_min时，判断避雷器状态正常，否则判断避雷器绝缘故障；

步骤三：获取异常避雷器的阻性电流Ir_i，当Ir_i＞Ir_max时，进入步骤S301进行相似度2诊断，否则进入步骤四，其中Ir_max为阻性电流阈值：

S301：获取异常避雷器的阻性电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个异常避雷器马氏距离包络线的特征向量S2_i；

S302：同一厂家、同一批次避雷器检测数据样本数量X≥2，则进入步骤S303，否则进入步骤S305；

S303：获取与异常避雷器对应的同一厂家、同一批次、同一相位的1台避雷器阻性电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个对比避雷器的马氏距离包络线的特征向量T2_i；

S304：计算S2_i和T2_i的相似度R_ST2：

当R_ST２≥R_min时，判断避雷器状态正常，否则判断避雷器绝缘受潮或污秽；

S305：获取异常避雷器另一相的阻性电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个对比相的马氏距离包络线的特征向量P2_i，计算相似度R_SP2，当R_SP2≥R_min时，判断避雷器状态正常，否则判断避雷器绝缘受潮或污秽；

步骤四：获取异常避雷器的三次谐波电流It_i，当It_i＞It_max时，进入步骤S401进行相似度3诊断，否则判断避雷器状态正常，其中It_max＝k₃It_c，k₃为三次谐波电流阈值系数，It_c为三次谐波电流初值：

S401：获取异常避雷器的三次谐波电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个异常避雷器马氏距离包络线的特征向量S3_i；

S402：同一厂家、同一批次避雷器检测数据样本数量X≥2，则进入步骤S403，否则进入步骤S405；

S403：获取与异常避雷器对应的同一厂家、同一批次、同一相位的1台避雷器三次谐波电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个对比避雷器的马氏距离包络线的特征向量T3_i；

S404：计算S3_i和T3_i的相似度R_ST3：

当R_ST3≥R_min时，判断避雷器状态正常，否则判断避雷器绝缘老化；

S405：获取异常避雷器另一相的三次谐波电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个对比相的马氏距离包络线的特征向量P3_i，计算相似度R_SP3，当R_SP3≥R_min时，判断避雷器状态正常，否则判断避雷器绝缘老化。

实施例2：

取某站A相避雷器40个检测数据进行分析，判断该避雷器A相的绝缘状态。

1、有效异常值筛选

获取40组避雷器泄漏电流、阻性电流、三次谐波电流检测数据样本，进行归一化处理，得到标准化特征矩阵，随机取40个样本中的30个样本作为标准化特征子矩阵，通过不断迭代计算稳定的均值矩阵和协方差矩阵后，得到40个样本的稳健马氏距离如图3所示：

本实施例置信度取值为0.975，自由度为3，查卡方分布临界值表得到

得到d_c(A₁₆)、d_c(A₃₈)、d_c(A₃₉)、d_c(A₄₀)均大于3.06，由此判断第16、38、39、40数据样本为异常值。对稳健马氏距离进行连续性判断，设j＝2、z＝3，得到第38、39、40个样本为有效异常值，第16个样本为偶发异常值。

2、避雷器故障诊断

对第40个样本数据进行分析，首先进行泄漏电流阈值判断：本实施例中I₄₀＝3.408mA，I_c＝2.87mA，本实施例中取k₁＝1.2，则I_max＝k₁I_c＝3.444mA，得I₄₀＜I_max，进入阻性电流阈值判断步骤。

阻性电流阈值判断：本实施例中Ir₄₀＝0.574mA，Ir_c＝0.33mA，本实施例中取k₂＝1.5，则Ir_max＝k₁I_c＝0.495mA，得Ir₄₀＞Ir_max，进行相似度2诊断步骤。

相似度2诊断：获取异常避雷器的阻性电流特征序列，得到标准化特征矩阵，计算第40个样本及其前20个点的马氏距离，得到21个异常避雷器马氏距离包络线的特征向量S2₄₀；获取与异常避雷器相邻的同一厂家、同一批次、A相位的避雷器阻性电流特征序列，得到标准化特征矩阵，计算第40个样本及其前20个点的马氏距离，得到21个对比避雷器的马氏距离包络线的特征向量T2₄₀；计算S2₄₀和T2₄₀的相似度为R_ST2＝0.72，本实施例中R_min＝0.9，则R_ST2＜R_min，判断避雷器绝缘受潮或污秽。

相同或相似的标号对应相同或相似的部件；

附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制；

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。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。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (3)

1.一种基于稳健估计的避雷器故障诊断方法，其特征在于，包括以下步骤：

S1：采用稳健估计方法剔除偶发异常值，筛选出与避雷器故障相关的有效异常值；

S2：利用有效的异常值对避雷器状态进行诊断；

步骤S1中，获取n个样本数据，从中随机抽取k个，计算k个样本数据的均值U_k1和协方差矩阵S_k1；计算n个样本数据的马氏距离，选取马氏距离最小的k个样本，重新计算这k个样本的均值矩阵U_k2和协方差矩阵S_k2；进行迭代计算，直到均值和协方差收敛，计算稳健的马氏距离，进行异常值的有效性判断；

所述步骤S1的具体过程是：

S11：获取n组避雷器泄漏电流、阻性电流和三次谐波电流检测数据，得到样本矩阵；

S12：对样本矩阵中的泄漏电流特征序列、阻性电流特征序列和三次谐波电流特征序列进行归一化处理，得到标准化特征矩阵A_i；

S13：从标准化特征矩阵中随机抽取k个样本，得到标准化特征子矩阵；

其中，标准化特征子矩阵包含3个特征序列，分别为泄漏电流特征序列、阻性电流特征序列和三次谐波电流特征序列，每个特征序列包含k个样本；

S14：计算子矩阵的均值矩阵U_k1和协方差矩阵S_k1；

S15：计算标准化特征矩阵A_i的马氏距离d₁(A_i)：

S16：选取马氏距离d₁(A_i)中最小的k个样本，得到新的标准化特征子矩阵，重新计算子矩阵的均值矩阵U_k2和协方差矩阵S_k2，与U_k1和S_k1对比，判断均值矩阵和协方差矩阵是否收敛；

S17：如果收敛，则得到稳定的均值矩阵U_kc＝U_k2和协方差矩阵S_kc＝S_k2；如果不收敛，则重复步骤S15和步骤S16，直至均值矩阵和协方差矩阵收敛，得到稳定的均值矩阵U_kc和协方差矩阵S_kc；

S18：计算标准化特征矩阵A_i稳健的马氏距离d_c(A_i)：

S19：异常值判断：

当

时，判断第i个样本为异常值，式中

表示卡方检验的临界值；p为自由度，表示特征序列个数；a为置信度；

异常值判断完成后就进行有效异常值筛选，具体过程是：

假设异常值为第i个样本，在区间[i-j，i+j]中，当

时，判断第i个样本为有效异常值，否则为偶发异常值；其中j为样本数量，y∈[i-j，i+j]，z为连续样本个数阈值；

对样本矩阵中的泄漏电流特征序列、阻性电流特征序列和三次谐波电流特征序列进行归一化处理，归一化公式为：

式中，x_*为特征序列中各向量归一化后的值，x为特征序列中各向量的值，x_min为特征序列中向量的最小值，x_max为特征序列中向量的最大值；其中，标准化特征矩阵包含3个特征序列，分别为泄漏电流特征序列、阻性电流特征序列和三次谐波电流特征序列，每个特征序列包含n个样本；

步骤S2中，当检测的第i组数据被判断为有效异常值后，采用阈值对比和差异化相似度对比方式对有效异常值进行分析，判断避雷器的运行状态；

所述步骤S2的具体过程是：

S21：定义有效异常值对应的避雷器为异常避雷器，获取异常避雷器的泄漏电流I_i，当I_i＞I_max时，进入步骤S22，否则进入步骤S23，其中I_max＝k₁I_c，k₁为泄漏电流阈值系数，I_c为泄漏电流初值；

S22：获取异常避雷器的阻性电流Ir_i，当Ir_i＞Ir_max时，进行相似度1诊断，否则进入步骤S24，其中阻性电流阈值Ir_max＝k₂Ir_c，k₂为阻性电流阈值系数，Ir_c为阻性电流初值；

S23：获取异常避雷器的阻性电流Ir_i，当Ir_i＞Ir_max时，进行相似度2诊断，否则进入步骤S24，其中阻性电流阈值Ir_max＝k₂Ir_c；

S24：获取异常避雷器的三次谐波电流It_i，当It_i＞It_max时，进行相似度3诊断，否则判断避雷器状态正常，其中It_max＝k₃It_c，k₃为三次谐波电流阈值系数，It_c为三次谐波电流初值；

进行相似度1诊断的过程是：

S221：获取异常避雷器的泄漏电流特征序列和阻性电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个异常避雷器马氏距离包络线的特征向量S1_i；

S222：同一厂家且同一批次避雷器检测数据样本数量X≥2，则进入步骤S223，否则进入步骤S225；

S223：获取与异常避雷器对应的同一厂家、同一批次且同一相位的1台避雷器泄漏电流特征序列和阻性电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个对比避雷器的马氏距离包络线的特征向量T1_i；

S224：计算S1_i和T1_i的相似度R_ST1：

当R_ST1≥R_min时，判断避雷器状态正常，否则判断避雷器绝缘故障；

S225：获取异常避雷器另一相的泄漏电流特征序列和阻性电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个对比相的马氏距离包络线的特征向量P1_i，计算相似度R_SP1，当R_SP1≥R_min时，判断避雷器状态正常，否则判断避雷器绝缘故障。

2.根据权利要求1所述的基于稳健估计的避雷器故障诊断方法，其特征在于，进行相似度2诊断的过程是：

S231：获取异常避雷器的阻性电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个异常避雷器马氏距离包络线的特征向量S2_i；

S232：同一厂家且同一批次避雷器检测数据样本数量X≥2，则进入步骤S233，否则进入步骤S235；

S233：获取与异常避雷器对应的同一厂家、同一批次且同一相位的1台避雷器阻性电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个对比避雷器的马氏距离包络线的特征向量T2_i；

S234：计算S2_i和T2_i的相似度R_ST2：

当R_ST2≥R_min时，判断避雷器状态正常，否则判断避雷器绝缘受潮或污秽；

S235：获取异常避雷器另一相的阻性电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个对比相的马氏距离包络线的特征向量P2_i，计算相似度R_SP2，当R_SP2≥R_min时，判断避雷器状态正常，否则判断避雷器绝缘受潮或污秽。

3.根据权利要求2所述的基于稳健估计的避雷器故障诊断方法，其特征在于，进行相似度3诊断的过程是：

S241：获取异常避雷器的三次谐波电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个异常避雷器马氏距离包络线的特征向量S3_i；

S242：同一厂家且同一批次避雷器检测数据样本数量X≥2，则进入步骤S243，否则进入步骤S245；

S243：获取与异常避雷器对应的同一厂家、同一批次且同一相位的1台避雷器三次谐波电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个对比避雷器的马氏距离包络线的特征向量T3_i；

S244：计算S3_i和T3_i的相似度R_ST3：

当R_ST3≥R_min时，判断避雷器状态正常，否则判断避雷器绝缘老化；

S245：获取异常避雷器另一相的三次谐波电流特征序列，得到标准化特征矩阵，计算有效异常值第i点及其前m个点的马氏距离，得到m+1个对比相的马氏距离包络线的特征向量P3_i，计算相似度R_SP3，当R_SP3≥R_min时，判断避雷器状态正常，否则判断避雷器绝缘老化。

Images