CN112989573A - 一种计量柜状态检测方法、装置、设备及介质 - Google Patents

Abstract

本发明公开了一种计量柜状态检测方法、装置、设备及介质，该方法通过将特征信息划分为不同的模糊因素集，获取每一模糊因素集的模糊因素集权重矩阵和综合得分值，并通过模糊正态分布隶属度函数对每一模糊因素集的模糊因素集权重矩阵和综合得分值进行计算，获取各模糊因素集的状态得分；通过最小模糊算子选取最小得分值对应的特征标识作为目标标识；将最小得分值输入到正态分布隶属度函数模型中进行计算，得到各特征标识对应的隶属度值，将最大隶属度值对应的状态等级确定为待检测计量柜的状态等级；基于状态等级和目标标识确定检测结果，以屏蔽更多隶属度和评价价值较低的信息，提高评判结果的可信任度。

Description

一种计量柜状态检测方法、装置、设备及介质

技术领域

本发明涉及配电技术领域，具体涉及一种计量柜状态检测方法、装置、设备及介质。

背景技术

计量柜是配电系统的主要设备之一，主要起控制和保护其他电力设备的作用。在实际应用中，计量柜是配电网中故障率最髙的设备，对计量柜的状态进行检测是保证配电系统稳定运行的主要环节。目前，对计量柜的状态进行检测多采用阈值判别法和智能算法(神经网路、支持向量机、K近邻等)，但阈值判别法采用一刀切的模式，对于部分存在安全危害的潜伏性故障评判效果不佳；智能算法容易陷入局部最优解、超参数调节困难、需要计算全局距离和大量训练样本不利于工程实用。

发明内容

本发明要解决的技术问题是现有对计量柜的状态进行检测的方法无法实现对潜伏性故障进行准确评判的同时且容易在工程中应用，因此，本发明提供一计量柜状态检测方法、装置、设备及介质，以提高计量柜故障检测的准确性且实现过程简单，方便工程应用。

本发明通过下述技术方案实现：

一种计量柜状态检测方法，包括：

获取待检测计量柜的特征信息，并基于特征标识将所述特征信息划分为不同的模糊因素集；

获取每一所述模糊因素集的模糊因素集权重矩阵和综合得分值；

通过模糊正态分布隶属度函数对每一所述模糊因素集的模糊因素集权重矩阵和综合得分值进行计算，获取各模糊因素集的状态得分；

通过最小模糊算子，对各所述模糊因素集的状态得分进行计算，选取最小得分值对应的特征标识作为目标标识；

将所述最小得分值输入到正态分布隶属度函数模型中进行计算，得到各特征标识对应的隶属度值，将最大隶属度值对应的状态等级确定为所述待检测计量柜的状态等级；

基于所述状态等级和所述目标标识确定检测结果。

进一步地，所述获取每一所述模糊因素集的模糊因素集权重矩阵和综合得分值，包括：

采用层次分析法对每个模糊因素集和每个模糊因素集中的子因素进行打分，建立模糊因素集的权矩阵A1和模糊子因素集的权重矩阵A2；

通过模糊分层评价模型计算每一所述模糊因素集和对应的模糊子因素集的综合得分值。

进一步地，所述通过模糊分层评价模型计算所有所述模糊因素集的综合得分值，包括：

通过层次分析法和预设阈值获取所述模糊因素集中每一子因素的模糊子因素权重矩阵；

将同一模糊因素集中所有子因素对应的模糊子因素权重矩阵输入到所述模糊分层评价模型中进行计算，得到所述模糊因素集的综合得分值。

进一步地，所述通过模糊正态分布隶属度函数对每一所述模糊因素集的模糊因素集权重矩阵和综合得分值进行计算，获取各模糊因素集的状态得分，包括：

通过升半岭模型对每一所述模糊因素集进行归一化处理，得到各模糊因素集的归一化得分；

通过降半岭模型对每一所述模糊因素集进行归一化处理，得到各模糊因素集的归一化得分；

进一步地，所述升半岭模型具体为：

所述降半岭模型具体为：

其中，x表示综合得分值，a表示正常状态的阈值，b表示故障状态的阈值。

进一步地，所述计算所述隶属度矩阵的隶属度值包括：

通过正态分布隶属度函数对所述隶属度矩阵进行计算，得到隶属度值；所述正态分布隶属度函数模型为：

其中，μ表示不同状态等级的期望值，r表示隶属度值，u表示模糊因素集综合得分矩阵的归一化元素值。

进一步地，所基于所述状态等级和所述目标标识确定检测结果，包括：

当所述状态等级为正常，则所述目标标识的检测结果为正常；

当所述状态等级为注意，则所述目标标识的检测结果为采取关注；

当所述状态等级为异常，则所述目标标识的检测结果为及时采取关注和检修；

当所述状态等级为故障，则所述目标标识的检测结果为立即检修。

一种计量柜状态检测装置，包括：

模糊因素集创建模块，用于获取待检测计量柜的特征信息，并基于特征标识将所述特征信息划分为不同的模糊因素集；

模糊因素集计算模块，用于获取每一所述模糊因素集的模糊因素集权重矩阵和综合得分值；

状态得分计算模块，用于通过模糊正态分布隶属度函数对每一所述模糊因素集的模糊因素集权重矩阵和综合得分值进行计算，获取各模糊因素集的状态得分；

目标标识确定模块，用于通过最小模糊算子，对各所述模糊因素集的状态得分进行计算，选取最小得分值对应的特征标识作为目标标识；

计量柜状态等级确定模块，用于将所述最小得分值输入到正态分布隶属度函数模型中进行计算，得到各特征标识对应的隶属度值，将最大隶属度值对应的状态等级确定为所述待检测计量柜的状态等级；

检测结果确定模块，用于基于所述状态等级和所述目标标识确定检测结果。

一种计算机设备，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一种计量柜状态检测方法。

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一种计量柜状态检测方法。

本发明提供的一种计量柜状态检测方法、装置、设备及介质，通过获取待检测计量柜的特征信息，并基于特征标识将特征信息划分为不同的模糊因素集，以重点突出关注的运维目标；然后获取每一模糊因素集的模糊因素集权重矩阵和综合得分值；通过模糊正态分布隶属度函数对每一模糊因素集的模糊因素集权重矩阵和综合得分值进行计算，获取各模糊因素集的状态得分；通过最小模糊算子，对各模糊因素集的状态得分进行计算，选取最小得分值对应的特征标识作为目标标识；将最小得分值输入到正态分布隶属度函数模型中进行计算，得到各特征标识对应的隶属度值，将最大隶属度值对应的状态等级确定为待检测计量柜的状态等级；基于状态等级和目标标识确定检测结果，以实现计量柜高事故率组件的提前预警，通过采用降半岭模型和模糊正态分布函数对计量柜各因素集指标进行归一化并建立计量柜健康状态的隶属函数模型，可以屏蔽更多隶属度和评价价值较低的信息，提高评判结果的可信任度。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为本发明一种计量柜状态检测方法的流程图。

图2为图1中步骤S20的一具体流程图。

图3为图2中步骤S22的一具体流程图。

图4为图1中步骤S30的一具体流程图

图5本发明一种计量柜状态检测装置的原理框图。

图6是本发明计算机设备的一示意图。

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明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例1

如图1所示，本发明提供一种计量柜状态检测方法，具体包括如下步骤：

S10：获取待检测计量柜的特征信息，并基于特征标识将特征信息划分为不同的模糊因素集。

其中，待检测计量柜指需要进行检测的计量柜。

S20：获取每一模糊因素集的模糊因素集权重矩阵和综合得分值。

S30：通过模糊正态分布隶属度函数对每一模糊因素集的模糊因素集权重矩阵和综合得分值进行计算，获取各模糊因素集的状态得分。

S40：通过最小模糊算子，对各模糊因素集的状态得分进行计算，选取最小得分值对应的特征标识作为目标标识。

具体地，根据模糊权重矩阵A₁和A₂，模糊正态分布隶属函数R_f，可以建立因素集U到评语集V的一个模糊线性变换T_R(A)。采用M(.,+)和M(.,∨)算子分别对模糊因素子集和模糊因素集进行模糊运算。具体运算公式为：

其中，

为广义模糊运算符，“·”为乘法算子，u_i为样本模糊因素集指标输入，v_o是评语集V的一个模糊子集，即为模糊综合评判结果，R中的元素r_k表示得分最小项对于第k类评语的隶属程度。

S50：将最小得分值输入到正态分布隶属度函数模型中进行计算，得到各特征标识对应的隶属度值，将最大隶属度值对应的状态等级确定为待检测计量柜的状态等级。

具体地，通过正态分布隶属度函数对隶属度矩阵进行计算，得到隶属度值；正态分布隶属度函数模型为：

其中，μ表示不同状态等级的期望值，r表示隶属度值，u表示模糊因素集综合得分矩阵的归一化元素值。

进一步地，为提高计算结果的准确性，本实施例将正态分布隶属度函数模型划分为不同的区间的正态分布隶属度函数，具体如表1所示：

表1

其中，x表示对模糊因素集加权后的得分值，r表示隶属度，μ表示正态分布隶属度函数r(x)的期望值，σ表示正态分布隶属度函数r(x)的标准差。

σ₁，σ₂，σ₃均为根据3σ原则针对不同区间求取的正态分布隶属度函数的标准差。其中，

μ₁表示状态A的上限门槛值、μ₄表示状态B的下限门槛值、μ₂表示状态为注意时的期望值，μ₃表示状态为异常时的期望值。

其中，μ₂＝μ₁+0.25×(μ₄-μ₁)，μ₃＝μ₁+0.75×(μ₄-μ₁)。

上述不同状态等级对应的状态描述如表2所示：

表2

S60：基于状态等级和目标标识确定检测结果。

具体地，当状态等级为正常，则目标标识的检测结果为正常。当状态等级为注意，则目标标识的检测结果为采取关注。当状态等级为异常，则目标标识的检测结果为及时采取关注和检修。当状态等级为故障，则目标标识的检测结果为立即检修。

进一步地，如图2所示，步骤S20，获取每一模糊因素集的模糊因素集权重矩阵和综合得分值，具体包括如下步骤：

S21：采用层次分析法对每个模糊因素集和每个模糊因素集中的子因素进行打分，建立模糊因素集的权矩阵A1和模糊子因素集的权重矩阵A2。

S22：通过模糊分层评价模型计算每一模糊因素集和对应的模糊子因素集的综合得分值。

进一步地，如图3所示，步骤S22，通过模糊分层评价模型计算每一模糊因素集的综合得分值，具体包括如下步骤：

S221：通过层次分析法和预设阈值获取模糊因素集中每一子因素的模糊子因素权重矩阵。

S222：将同一模糊因素集中所有子因素对应的模糊子因素权重矩阵输入到模糊分层评价模型中进行计算，得到模糊因素集的综合得分值。

进一步地，半岭模型是一种基于正弦函数的归一化处理分段函数，其中上下限阈值分别和正弦的正负峰值对应。半岭模型分为降半岭模型和升半岭模型，按实际需求进行选取。若模糊因素集函数值与得分值呈正相关，则采用升半岭模型，反之则采用降半岭模型。如图4所示，步骤S30：通过模糊正态分布隶属度函数对每一模糊因素集的模糊因素集权重矩阵和综合得分值进行计算，获取各模糊因素集的状态得分，具体包括如下步骤：

S31：当模糊因素集与综合得分值呈正相关关系，则通过升半岭模型对每一模糊因素集进行归一化处理，得到各模糊因素集的归一化得分。

升半岭模型具体为：

其中，x表示综合得分值，a表示正常状态的阈值，b表示故障状态的阈值。

S32：当模糊因素集与综合得分值呈负相关关系，则通过降半岭模型对每一模糊因素集进行归一化处理，得到各模糊因素集的归一化得分。

降半岭模型具体为：

其中，x表示综合得分值，a表示正常状态的阈值，b表示故障状态的阈值。

具体地，对某变电站的某10kV计量柜为例，从其运维检修记录中获取模型所需模糊子因素集指标数据见表3，表3表示计量柜试验数据及其加权得分表。通过表4可知，计量柜的模糊因素集(局部放电、断路器过热、环境湿度、电气、柜门状态信息等)与综合得分值呈负相关关系，因此，选择根据降半岭模型进行数据归一化处理，得出每个项目子因素的归一化得分值。采用AHP法和专家经验获取模糊子因素权重矩阵A₁，带入模糊分层评价模型可得到模糊因素集综合得分值。

表3

表4

根据模糊因素集权重矩阵A₂和模糊正态隶属度模型获取对应的模糊因素集加权得到状态得分和状态等级，根据取小模糊算子M(.,∨)，得到各部分中模糊因素加权状态的最小得分项目为断路器，分值为0.6591。结果代入正态分布隶属度函数模型模型，得出计量柜整体的状态评价等级的隶属度矩阵分别为[0.0000,0.0001,0.4050,0.2540]，根据最大隶属度原则，该计量柜的状态等级为C。但有很大概率转化为D，即故障状态，应及时采取关注和检修模式。

实施例2

如图5所示，本实施例与实施例1的区别在于，提供一种计量柜状态检测装置，包括：

模糊因素集创建模块10，用于获取待检测计量柜的特征信息，并基于特征标识将特征信息划分为不同的模糊因素集；

模糊因素集计算模块20，用于获取每一模糊因素集的模糊因素集权重矩阵和综合得分值；

状态得分计算模块30，用于通过模糊正态分布隶属度函数对每一模糊因素集的模糊因素集权重矩阵和综合得分值进行计算，获取各模糊因素集的状态得分；

目标标识确定模块40，用于通过最小模糊算子，对各模糊因素集的状态得分进行计算，选取最小得分值对应的特征标识作为目标标识；

计量柜状态等级确定模块50，用于将最小得分值输入到正态分布隶属度函数模型中进行计算，得到各特征标识对应的隶属度值，将最大隶属度值对应的状态等级确定为待检测计量柜的状态等级；

检测结果确定模块60，用于基于状态等级和目标标识确定检测结果。

实施例3

本实施例提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括计算机可读存储介质、内存储器。该计算机可读存储介质存储有操作系统、计算机程序和数据库。该内存储器为计算机可读存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储一种计量柜状态检测方法中涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种计量柜状态检测方法。

本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中一种计量柜状态检测方法的步骤，例如图1所示的步骤10至步骤S60。或者，处理器执行计算机程序时实现上述实施例中一种计量柜状态检测装置的各模块/单元的功能，例如图5所示模块10至模块60的功能。为避免重复，这里不再赘述。

实施例4

在一实施例中，提供一计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中一种计量柜状态检测方法的步骤，例如图1所示的步骤S10-S60。或者，处理器执行计算机程序时实现一种计量柜状态检测装置这一实施例中的各模块/单元的功能，例如图5所示的模块10至模块60的功能。为避免重复，这里不再赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

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，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种计量柜状态检测方法，其特征在于，包括：

获取待检测计量柜的特征信息，并基于特征标识将所述特征信息划分为不同的模糊因素集；

获取每一所述模糊因素集的模糊因素集权重矩阵和综合得分值；

通过模糊正态分布隶属度函数对每一所述模糊因素集的模糊因素集权重矩阵和综合得分值进行计算，获取各模糊因素集的状态得分；

通过最小模糊算子，对各所述模糊因素集的状态得分进行计算，选取最小得分值对应的特征标识作为目标标识；

将所述最小得分值输入到正态分布隶属度函数模型中进行计算，得到各特征标识对应的隶属度值，将最大隶属度值对应的状态等级确定为所述待检测计量柜的状态等级；

基于所述状态等级和所述目标标识确定检测结果。

2.根据权利要求1所述的计量柜状态检测方法，其特征在于，所述获取每一所述模糊因素集的模糊因素集权重矩阵和综合得分值，包括：

采用层次分析法对每个模糊因素集和每个模糊因素集中的子因素进行打分，建立模糊因素集的权矩阵A1和模糊子因素集的权重矩阵A2；

通过模糊分层评价模型计算每一所述模糊因素集和对应的模糊子因素集的综合得分值。

3.根据权利要求2所述的计量柜状态检测方法，其特征在于，所述通过模糊分层评价模型计算所有所述模糊因素集的综合得分值，包括：

通过层次分析法和预设阈值获取所述模糊因素集中每一子因素的模糊子因素权重矩阵；

将同一模糊因素集中所有子因素对应的模糊子因素权重矩阵输入到所述模糊分层评价模型中进行计算，得到所述模糊因素集的综合得分值。

4.根据权利要求1所述的计量柜状态检测方法，其特征在于，所述通过模糊正态分布隶属度函数对每一所述模糊因素集的模糊因素集权重矩阵和综合得分值进行计算，获取各模糊因素集的状态得分，包括：

当模糊因素集与综合得分值呈正相关关系，则通过升半岭模型对每一所述模糊因素集进行归一化处理，得到各模糊因素集的归一化得分；

当模糊因素集与综合得分值呈负相关关系，则通过降半岭模型对每一所述模糊因素集进行归一化处理，得到各模糊因素集的归一化得分。

5.根据权利要求4所述的计量柜状态检测方法，其特征在于，

所述升半岭模型具体为：

所述降半岭模型具体为：

其中，x表示综合得分值，a表示正常状态的阈值，b表示故障状态的阈值。

6.根据权利要求1所述的计量柜状态检测方法，其特征在于，所述计算所述隶属度矩阵的隶属度值包括：

通过正态分布隶属度函数对所述隶属度矩阵进行计算，得到隶属度值；所述正态分布隶属度函数模型为：

其中，μ表示不同状态等级的期望值，r表示隶属度值，u表示模糊因素集综合得分矩阵的归一化元素值。

7.根据权利要求1所述的计量柜状态检测方法，其特征在于，所基于所述状态等级和所述目标标识确定检测结果，包括：

当所述状态等级为正常，则所述目标标识的检测结果为正常；

当所述状态等级为注意，则所述目标标识的检测结果为采取关注；

当所述状态等级为异常，则所述目标标识的检测结果为及时采取关注和检修；

当所述状态等级为故障，则所述目标标识的检测结果为立即检修。

8.一种计量柜状态检测装置，其特征在于，包括：

模糊因素集创建模块，用于获取待检测计量柜的特征信息，并基于特征标识将所述特征信息划分为不同的模糊因素集；

模糊因素集计算模块，用于获取每一所述模糊因素集的模糊因素集权重矩阵和综合得分值；

状态得分计算模块，用于通过模糊正态分布隶属度函数对每一所述模糊因素集的模糊因素集权重矩阵和综合得分值进行计算，获取各模糊因素集的状态得分；

目标标识确定模块，用于通过最小模糊算子，对各所述模糊因素集的状态得分进行计算，选取最小得分值对应的特征标识作为目标标识；

计量柜状态等级确定模块，用于将所述最小得分值输入到正态分布隶属度函数模型中进行计算，得到各特征标识对应的隶属度值，将最大隶属度值对应的状态等级确定为所述待检测计量柜的状态等级；

检测结果确定模块，用于基于所述状态等级和所述目标标识确定检测结果。

9.一种计算机设备，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7任一项所述一种计量柜状态检测方法。

10.一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7任一项所述一种计量柜状态检测方法。

Images