CN113721103B - 一种高压开关柜在线故障诊断方法及系统 - Google Patents

一种高压开关柜在线故障诊断方法及系统 Download PDF

Info

Publication number
CN113721103B
CN113721103B CN202111279357.4A CN202111279357A CN113721103B CN 113721103 B CN113721103 B CN 113721103B CN 202111279357 A CN202111279357 A CN 202111279357A CN 113721103 B CN113721103 B CN 113721103B
Authority
CN
China
Prior art keywords
switch
fault diagnosis
control switch
control
thread
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
Application number
CN202111279357.4A
Other languages
English (en)
Other versions
CN113721103A (zh
Inventor
万四维
陈世昌
徐卫东
李元佳
江栩铄
魏东亮
何俊达
李祺威
芦大伟
张雅洁
谢培成
王植
刘丽荣
陈冰心
王花蕊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202111279357.4A priority Critical patent/CN113721103B/zh
Publication of CN113721103A publication Critical patent/CN113721103A/zh
Application granted granted Critical
Publication of CN113721103B publication Critical patent/CN113721103B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了一种高压开关柜在线故障诊断方法及系统，包括以下步骤：步骤S1、为高压开关柜创建第一故障诊断线程和第二故障诊断线程两条耦合的故障诊断线程；步骤S2、利用第一故障诊断线程为高压开关柜中所有控制开关建立表征控制开关稳定性的信任度指标，并依据信任度指标对控制开关的开关参量采集的时序密度进行自适应调整；步骤S3、第一故障诊断线程按照时序密度对控制开关进行开关参量的采集；步骤S4、第二故障诊断线程依据自诊断因子实时判定出每个控制开关类别中处于故障运行的控制开关以完成高压开关柜的在线故障诊断。本发明为故障诊断创建两条线程，采集时长的自适应调整会提高故障检测的及时性，更为符合实时、在线、准确的要求。

Description

一种高压开关柜在线故障诊断方法及系统
技术领域
本发明涉及开关柜故障诊断技术领域，具体涉及一种高压开关柜在线故障诊断方法及系统。
背景技术
开关柜是电网中重要的电气设备，是一次设备与二次设备的连接媒介，若其故障持续时间较长可能导致开关柜内部设备烧毁甚至柜体爆炸等情况，同时使二次设备停止运行，造成重大停电事故。
目前开关柜故障主要分为三大类：分别为悬式针状物故障、吸附式片状金属物故障、绝缘内部绝缘缺陷故障。第一种故障是因为故障持续时间较长可导致电场畸变，形成尖端闪络放电，导致开关柜内部气体膨胀、柜内高温，损坏开关柜致使停电事故；第二类故障是因为污秽物吸附于绝缘子表面，造成绝缘性能降低，当空气湿度、环境颗粒浓度较高时，很产生沿面闪络，影响电能质量，威胁绝缘子工作情况，导致开关柜故障停止工作；第三类故障是因为开关柜由于工艺、精度、运输等不可抗拒因素导致绝缘内部存在气泡、裂痕等小气隙。开关柜工作时由于电场不断变化，导致气隙内叠加电场，会导致小气隙内不断放电，使绝缘损坏，威胁开关柜正常工作情况。
为了避免开关柜故障造成严重事故，所以进行开关柜故障检测和预防十分必要。目前主流开关柜检测方法是以高频电流检测技术、超声波检测技术、暂态地电压检测技术、化学分析检测技术为主。但由于开关柜小型化集成化发展，要求检测技术实时、在线、准确等方面，而以上主流检测技术很难达到要求，而且在检测时均采用固定时长的定期检测模式，对所有控制开关进行时长无差别式的采集开关参量，忽略了控制开关在使用时长以及发生故障后对控制开关的稳定性的影响，固定时长会导致在采集开关参量检测故障出现不及时性，不符合实时、在线、准确的要求。
发明内容
本发明的目的在于提供一种高压开关柜在线故障诊断方法及系统，以解决现有技术中对所有控制开关进行时长无差别式的采集开关参量，忽略了控制开关在使用时长以及发生故障后对控制开关的稳定性的影响，固定时长会导致在采集开关参量检测故障出现不及时性的技术问题。
为解决上述技术问题，本发明具体提供下述技术方案：
一种高压开关柜在线故障诊断方法，包括以下步骤：
步骤S1、为高压开关柜创建第一故障诊断线程和第二故障诊断线程两条耦合的故障诊断线程，其中，所述第一故障诊断线程用于控制采集高压开关柜中控制开关的开关参量的时序密度；所述第二故障诊断线程用于依据所述开关参量对所述控制开关进行故障检测；
步骤S2、利用第一故障诊断线程为所述高压开关柜中所有控制开关建立表征控制开关稳定性的信任度指标，并依据所述信任度指标对所述控制开关的开关参量采集的时序密度进行自适应调整，以使得稳定性高的控制开关的开关参量呈低频率采集以及稳定性低的控制开关的开关参量呈高频率采集，所述时序密度是表征对控制开关的开关参量的采集频率；
步骤S3、第一故障诊断线程按照所述时序密度对控制开关进行开关参量的采集，并将开关参量同步传输至第二故障诊断线程；
步骤S4、第二故障诊断线程实时接收由第一故障诊断线程采集的开关参量，并实时将所有控制开关按开关参量进行分类得到多个控制开关类别，在每个控制开关类别中设置自诊断因子，依据自诊断因子实时判定出每个控制开关类别中处于故障运行的控制开关以完成高压开关柜的在线故障诊断，再更新控制开关的信任度指标反馈至第一故障诊断线程。
作为本发明的一种优选方案，所述步骤S2中，所述信任度指标的建立方法包括：
设置初始信任度
Figure 50765DEST_PATH_IMAGE001
，并将控制开关的工作时长
Figure 688813DEST_PATH_IMAGE002
和控制开关被判定为处于故障运行的次数
Figure 92112DEST_PATH_IMAGE003
作为量化参数共同构建信任度指标
Figure 351055DEST_PATH_IMAGE004
，所述信任度指标
Figure 43068DEST_PATH_IMAGE004
的量化函数为：
Figure 780080DEST_PATH_IMAGE005
；
式中，
Figure 241148DEST_PATH_IMAGE006
表征为所述工作时长
Figure 670992DEST_PATH_IMAGE002
和所述次数
Figure 647039DEST_PATH_IMAGE003
的正比例函数体，所述工作时长
Figure 125424DEST_PATH_IMAGE002
或所述次数
Figure 768895DEST_PATH_IMAGE003
增大，则
Figure 104062DEST_PATH_IMAGE006
增大，所述工作时长
Figure 206885DEST_PATH_IMAGE002
且所述次数
Figure 285699DEST_PATH_IMAGE003
减小，则
Figure 721360DEST_PATH_IMAGE006
减小。
作为本发明的一种优选方案，所述步骤S2中，所述时序密度的调整方法包括：
在设置初始信任度
Figure 227427DEST_PATH_IMAGE001
的同时设置初始时序密度
Figure 443645DEST_PATH_IMAGE007
，基于所述信任度指标
Figure 326150DEST_PATH_IMAGE004
进行时序密度
Figure 616317DEST_PATH_IMAGE008
的更新，其中，
若信任度指标
Figure 558866DEST_PATH_IMAGE004
小于初始信任度
Figure 996800DEST_PATH_IMAGE001
，所述时序密度
Figure 844846DEST_PATH_IMAGE008
按
Figure 317416DEST_PATH_IMAGE009
进行更新，其中，
Figure 165286DEST_PATH_IMAGE010
表征为信任度指标
Figure 28200DEST_PATH_IMAGE011
的反比例函数体，所述信任度指标
Figure 252508DEST_PATH_IMAGE012
减小，则时序密度
Figure 579584DEST_PATH_IMAGE008
增大，所述信任度指标
Figure 801618DEST_PATH_IMAGE012
增大，则时序密度
Figure 214145DEST_PATH_IMAGE008
减小；
若信任度指标
Figure 976565DEST_PATH_IMAGE012
等于初始信任度
Figure 95830DEST_PATH_IMAGE001
，所述时序密度
Figure 987301DEST_PATH_IMAGE008
按
Figure 887124DEST_PATH_IMAGE013
进行更新。
作为本发明的一种优选方案，所述步骤S2中，所述第一故障诊断线程按照所述时序密度对控制开关进行开关参量的采集方法包括：
所述第一故障诊断线程获取控制开关的信任度指标s，并将信任度指标s与初始信任度
Figure 453234DEST_PATH_IMAGE001
相比较，其中，
若信任度指标
Figure 427006DEST_PATH_IMAGE012
等于初始信任度
Figure 53160DEST_PATH_IMAGE001
，则第一故障诊断线程对控制开关按时序密度
Figure 440279DEST_PATH_IMAGE014
进行开关参量采集，形成的采集时序为
Figure 544501DEST_PATH_IMAGE015
；
若信任度指标
Figure 638359DEST_PATH_IMAGE012
小于初始信任度
Figure 435414DEST_PATH_IMAGE001
，则第一故障诊断线程对控制开关按时序密度
Figure 44250DEST_PATH_IMAGE016
进行开关参量采集，形成的采集时序为
Figure 155425DEST_PATH_IMAGE017
；
第一故障诊断线程在采集时序
Figure 166106DEST_PATH_IMAGE018
处得到的实时开关参量为
Figure 134062DEST_PATH_IMAGE019
，其中，i表征为计量常数，无实质含义，
Figure 669342DEST_PATH_IMAGE020
表征为控制开关投入工作的起始时刻。
作为本发明的一种优选方案，所述步骤S3中，所述第二故障诊断线程对控制开关的接收时序与所述第一故障诊断线程对控制开关的采集时序一致。
作为本发明的一种优选方案，所述步骤S4中，所述控制开关类别的分类方法包括：
第二故障诊断线程将同时接收到的所有控制开关的开关参量进行归一化处理，并利用归一化处理后的开关参量对控制开关进行距离运算，所述控制开关间的距离利用开关参量的欧式距离进行衡量，所述距离公式为：
Figure 115367DEST_PATH_IMAGE021
；
式中，
Figure 246134DEST_PATH_IMAGE022
、
Figure 322675DEST_PATH_IMAGE023
分别表征为任意两个控制开关的开关参量中的第j个元素，m表征为开关参量的元素总数目，j为计量常数，无实质含义；
利用K-means聚类算法基于所述控制开关的距离将第二故障诊断线程同时接收到的所有控制开关进行分类，其中，处于同一个控制开关类别中的所有控制开关具有一致的运行工况，分别处于不同控制开关类别中的任意两个控制开关具有不一致的运行工况。
作为本发明的一种优选方案，所述步骤S4中，所述控制开关处于故障运行的判定方法包括：
在单个控制开关类别中依次选中每一单个控制开关与剩余控制开关进行距离运算，设定距离阈值，并统计控制开关与剩余控制开关的距离低于距离阈值的剩余控制开关数目在剩余控制开关总数目中占比作为每一单个控制开关的自诊断因子；
设定占比阈值，其中，若所述自诊断因子低于占比阈值，则判定自诊断因子对应的控制开关处于故障运行状态；
若所述自诊断因子高于等于占比阈值，则判定自诊断因子对应的控制开关不处于故障运行状态。
作为本发明的一种优选方案，所述步骤S4中，所述控制开关的信任度指标的更新方法包括：
将判定为处于故障运行状态的控制开关进行所述次数c的加1，以及所述工作时长d更新为判定控制开关处于故障运行状态的时刻与控制开关投入工作的起始时刻的差值；
将所述控制开关的信任度指标s更新为
Figure 906103DEST_PATH_IMAGE024
，并将信任度指标s反馈至第一故障诊断线程。
作为本发明的一种优选方案，本发明提供了一种根据所述的高压开关柜在线故障诊断方法的诊断系统，包括：
线程创建单元，为高压开关柜创建第一故障诊断线程和第二故障诊断线程两条耦合的故障诊断线程，其中，所述第一故障诊断线程用于控制采集高压开关柜中控制开关的开关参量的时序密度；所述第二故障诊断线程用于依据所述开关参量对所述控制开关进行故障检测；第一故障诊断线程按照所述时序密度对控制开关进行开关参量的采集，并将开关参量同步传输至第二故障诊断线程；
第一线程执行单元，用于执行利用第一故障诊断线程为所述高压开关柜中所有控制开关建立表征控制开关稳定性的信任度指标，并依据所述信任度指标对所述控制开关的开关参量采集的时序密度进行自适应调整，以使得稳定性高的控制开关的开关参量呈低频率采集以及稳定性低的控制开关的开关参量呈高频率采集，所述时序密度是表征对控制开关的开关参量的采集频率；
第二线程执行单元，用于执行第二故障诊断线程实时接收由第一故障诊断线程采集的开关参量，并实时将所有控制开关按开关参量进行分类得到多个控制开关类别，在每个控制开关类别中设置自诊断因子，依据自诊断因子实时判定出每个控制开关类别中处于故障运行的控制开关以完成高压开关柜的在线故障诊断，再更新控制开关的信任度指标反馈至第一故障诊断线程。
本发明与现有技术相比较具有如下有益效果：
本发明为故障诊断创建两条线程，分别用于根据控制开关的使用时长、处于故障运行的次数进行自适应调整，以实现对所有控制开关进行时长有差别式的采集开关参量，考虑了控制开关在使用时长以及发生故障后对控制开关的稳定性的影响，采集时长的自适应调整会提高故障检测的及时性，更为符合实时、在线、准确的要求，同时将控制开关进行类别内的自诊断，无需对控制开关的开关参量进行连续性记忆，只需要对开关参量进行诊断时刻的单一保存，控制开关的故障检测不依赖前序时刻的开关参量，降低了数据处理量，提高了故障检测效率。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式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示例性的，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，还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明实施例提供的高压开关柜在线故障诊断方法流程图；
图2为本发明实施例提供的诊断系统结构框图。
图中的标号分别表示如下：
1-线程创建单元；2-第一线程执行单元；3-第二线程执行单元。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，高压开关柜中包含有各种控制外部设备的控制开关，控制开关在高压开关柜的电学线路中处于控制节点的作用，控制开关处出现故障则表明其控制的外部设备存在故障运行，控制开关发生故障与否决定了高压开关柜发生故障与否，因此可通过对控制开关的开关参量检测来对高压开关柜进行故障检测，因此本发明提供了一种高压开关柜在线故障诊断方法，利用对控制开关的检测来完成高压开关柜的故障检测，故障检测效率高。
一种高压开关柜在线故障诊断方法，包括以下步骤：
步骤S1、为高压开关柜创建第一故障诊断线程和第二故障诊断线程两条耦合的故障诊断线程，其中，第一故障诊断线程用于控制采集高压开关柜中控制开关的开关参量的时序密度；第二故障诊断线程用于依据开关参量对控制开关进行故障检测；
步骤S2、利用第一故障诊断线程为高压开关柜中所有控制开关建立表征控制开关稳定性的信任度指标，并依据信任度指标对控制开关的开关参量采集的时序密度进行自适应调整，以使得稳定性高的控制开关的开关参量呈低频率采集以及稳定性低的控制开关的开关参量呈高频率采集，时序密度是表征对控制开关的开关参量的采集频率；
由于控制开关的工作时长越长，控制开关的器件老化程度越高，则控制开关出现故障的可能性越高，控制开关的稳定性越低，而控制开关发生过故障的次数越多，则控制开关的可靠程度越低，控制开关出现故障的可能性越高，控制开关的稳定性越低。
对于出现故障可能性较高（稳定性越低）的控制开关需要进行更为频繁的检测，而对于出现故障可能性较低（稳定性越高）的控制开关可以降低检测的频繁程度，即将控制开关检测频率设定为跟随控制开关出现故障的可能性进行自适应调整，从而实现控制开关出现故障可能性越高，则对于控制开关的检测频率设置的越高，检测频率是指对控制开关进行的相邻两次检测之间的时间间隔，检测频率越高，则时间间隔越短，则在相同时间内对控制开关的检测次数更多，从而能够更为及时的发现控制开关是否处于故障运行，由于每次检测都需要进行一次开关参数的采集，因此检测频率又可同等量化为对开关参量的采集频率，对检测频率越高，则采集频率越高。
本实施例将采集频率作为时序密度，则稳定性越低的控制开关的时序密度越大，稳定性越高的控制开关的时序密度越小，有助于更为及时的发现稳定性较低的控制开关是否处于故障运行，并且对于稳定性较高的控制开关的开关参量采集量减小，则需要进行处理的开关参量数据量少，提高处理效率，具体本实施例提供了对时序密度进行自适应调整的方法，具体如下：
步骤S2中，信任度指标的建立方法包括：
设置初始信任度
Figure 155818DEST_PATH_IMAGE001
，并将控制开关的工作时长
Figure 78775DEST_PATH_IMAGE002
和控制开关被判定为处于故障运行的次数
Figure 388534DEST_PATH_IMAGE003
作为量化参数共同构建信任度指标
Figure 396941DEST_PATH_IMAGE004
，信任度指标
Figure 450348DEST_PATH_IMAGE004
的量化函数为：
Figure 290128DEST_PATH_IMAGE024
；
式中，
Figure 207006DEST_PATH_IMAGE006
表征为工作时长
Figure 499447DEST_PATH_IMAGE002
和次数
Figure 356544DEST_PATH_IMAGE003
的正比例函数体，工作时长
Figure 988514DEST_PATH_IMAGE002
或次数
Figure 640075DEST_PATH_IMAGE003
增大，则
Figure 685392DEST_PATH_IMAGE006
增大，工作时长
Figure 80601DEST_PATH_IMAGE002
且次数
Figure 567077DEST_PATH_IMAGE003
减小，则
Figure 655119DEST_PATH_IMAGE006
减小。
反比例函数
Figure 922152DEST_PATH_IMAGE006
可为任意一切满足“工作时长
Figure 793156DEST_PATH_IMAGE002
或次数
Figure 462035DEST_PATH_IMAGE003
增大，则
Figure 720978DEST_PATH_IMAGE006
增大，工作时长
Figure 648876DEST_PATH_IMAGE002
且次数
Figure 651467DEST_PATH_IMAGE003
减小，则
Figure 174852DEST_PATH_IMAGE006
减小”条件的反比例函数。
步骤S2中，时序密度的调整方法包括：
在设置初始信任度
Figure 339117DEST_PATH_IMAGE001
的同时设置初始时序密度
Figure 518426DEST_PATH_IMAGE007
，基于信任度指标s进行时序密度
Figure 59129DEST_PATH_IMAGE008
的更新，其中，
若信任度指标
Figure 437020DEST_PATH_IMAGE004
小于初始信任度
Figure 975449DEST_PATH_IMAGE001
，时序密度
Figure 438792DEST_PATH_IMAGE008
按
Figure 783185DEST_PATH_IMAGE009
进行更新，其中，
Figure 218846DEST_PATH_IMAGE025
表征为信任度指标
Figure 724913DEST_PATH_IMAGE004
的反比例函数体，信任度指标
Figure 941131DEST_PATH_IMAGE004
减小，则时序密度
Figure 259855DEST_PATH_IMAGE008
增大，信任度指标
Figure 612339DEST_PATH_IMAGE004
增大，则时序密度
Figure 289308DEST_PATH_IMAGE008
减小；
若信任度指标
Figure 727242DEST_PATH_IMAGE004
等于初始信任度
Figure 351122DEST_PATH_IMAGE001
，时序密度
Figure 558112DEST_PATH_IMAGE008
按
Figure 671562DEST_PATH_IMAGE026
进行更新。
反比例函数
Figure 534475DEST_PATH_IMAGE027
可为一切满足“信任度指标
Figure 758783DEST_PATH_IMAGE004
减小，则时序密度
Figure 23543DEST_PATH_IMAGE008
增大，信任度指标
Figure 307893DEST_PATH_IMAGE004
增大，则时序密度
Figure 454841DEST_PATH_IMAGE008
减小”条件的反比例函数。
步骤S2中，第一故障诊断线程按照时序密度对控制开关进行开关参量的采集方法包括：
第一故障诊断线程获取控制开关的信任度指标s，并将信任度指标s与初始信任度
Figure 921988DEST_PATH_IMAGE001
相比较，其中，
若信任度指标
Figure 103570DEST_PATH_IMAGE004
等于初始信任度
Figure 558823DEST_PATH_IMAGE001
，则第一故障诊断线程对控制开关按时序密度
Figure 396329DEST_PATH_IMAGE014
进行开关参量采集，形成的采集时序为
Figure 962439DEST_PATH_IMAGE015
；
若信任度指标
Figure 998528DEST_PATH_IMAGE004
小于初始信任度
Figure 562365DEST_PATH_IMAGE001
，则第一故障诊断线程对控制开关按时序密度
Figure 683904DEST_PATH_IMAGE016
进行开关参量采集，形成的采集时序为
Figure 991389DEST_PATH_IMAGE017
；
第一故障诊断线程在采集时序
Figure 147564DEST_PATH_IMAGE018
处得到的实时开关参量为
Figure 380837DEST_PATH_IMAGE019
，其中，i表征为计量常数，无实质含义，
Figure 927356DEST_PATH_IMAGE028
表征为控制开关投入工作的起始时刻。
步骤S4中，控制开关的信任度指标的更新方法包括：
将判定为处于故障运行状态的控制开关进行次数c的加1，以及工作时长d更新为判定控制开关处于故障运行状态的时刻与控制开关投入工作的起始时刻的差值；
将控制开关的信任度指标s更新为
Figure 772952DEST_PATH_IMAGE024
，并将信任度指标s反馈至第一故障诊断线程。
本实施例提供了一种时序密度的自适应调整举例，比如某一控制开关A在刚安装至高压开关柜中时，即为控制开关投入工作的起始时刻，对于控制开关的信任度指标s为初始信任度
Figure 783633DEST_PATH_IMAGE029
，时序密度为
Figure 751589DEST_PATH_IMAGE030
，则对开关参量的第一个采集时序为
Figure 785405DEST_PATH_IMAGE028
，第二个采集时序为
Figure 497009DEST_PATH_IMAGE031
，第三个采集时序为
Figure 627776DEST_PATH_IMAGE032
，依次类推，比如在第十个采集时序为
Figure 766633DEST_PATH_IMAGE033
时，基于
Figure 535348DEST_PATH_IMAGE034
判定控制开关A处于故障运行，则此时对高压开关柜进行故障排除以保障控制开关A恢复正常运行，此时，将故障次数c进行加1处理，第十个采集时序
Figure 50643DEST_PATH_IMAGE035
与控制开关投入工作的起始时刻
Figure 35917DEST_PATH_IMAGE028
的差值作为工作时长d，将控制开关A的信任度指标更新为
Figure 283359DEST_PATH_IMAGE036
，则时序密度更新为
Figure 88504DEST_PATH_IMAGE037
，则第十一个采集时序为
Figure 141910DEST_PATH_IMAGE038
，第十二个采集时序为
Figure 981690DEST_PATH_IMAGE039
，依次类推。
步骤S3、第一故障诊断线程按照时序密度对控制开关进行开关参量的采集，并将开关参量同步传输至第二故障诊断线程；
步骤S3中，第二故障诊断线程对控制开关的接收时序与第一故障诊断线程对控制开关的采集时序一致。
步骤S4、第二故障诊断线程实时接收由第一故障诊断线程采集的开关参量，并实时将所有控制开关按开关参量进行分类得到多个控制开关类别，在每个控制开关类别中设置自诊断因子，依据自诊断因子实时判定出每个控制开关类别中处于故障运行的控制开关以完成高压开关柜的在线故障诊断，再更新控制开关的信任度指标反馈至第一故障诊断线程。
步骤S4中，控制开关类别的分类方法包括：
第二故障诊断线程将同时接收到的所有控制开关的开关参量进行归一化处理，并利用归一化处理后的开关参量对控制开关进行距离运算，控制开关间的距离利用开关参量的欧式距离进行衡量，距离公式为：
Figure 400033DEST_PATH_IMAGE040
；
式中，
Figure 958054DEST_PATH_IMAGE022
、
Figure 549572DEST_PATH_IMAGE023
分别表征为任意两个控制开关的开关参量中的第j个元素，m表征为开关参量的元素总数目，j为计量常数，无实质含义；
开关参量包括但不限于控制开关的电学参量、光弧参量，电学参量中有包括电压、电流等，因此开关参量包含有多种参量。
利用K-means聚类算法基于控制开关的距离将第二故障诊断线程同时接收到的所有控制开关进行分类，其中，处于同一个控制开关类别中的所有控制开关具有一致的运行工况，分别处于不同控制开关类别中的任意两个控制开关具有不一致的运行工况。
步骤S4中，控制开关处于故障运行的判定方法包括：
在单个控制开关类别中依次选中每一单个控制开关与剩余控制开关进行距离运算，设定距离阈值，并统计控制开关与剩余控制开关的距离低于距离阈值的剩余控制开关数目在剩余控制开关总数目中占比作为每一单个控制开关的自诊断因子；
设定占比阈值，其中，若自诊断因子低于占比阈值，则判定自诊断因子对应的控制开关处于故障运行状态；
若自诊断因子高于等于占比阈值，则判定自诊断因子对应的控制开关不处于故障运行状态。
本实施例提供了一种控制开关故障运行判定举例，比如，高压开关柜中的控制开关包括控制开关A~Z，其中，控制开关A~G的时序密度
Figure 447121DEST_PATH_IMAGE008
相同，则控制开关A~G采集时序为
Figure 98682DEST_PATH_IMAGE041
，控制开关A~G的
Figure 878419DEST_PATH_IMAGE028
可相同可不同，在采集时序
Figure 709847DEST_PATH_IMAGE042
处进行故障判定，采集时序t处第一故障诊断线程仅采集控制开关A~G的开关参量，因此，第二故障诊断线程仅接收到控制开关A~G的开关参量，则对控制开关A~G基于开关参量利用K-means聚类算法进行分类得到第一个控制开关类别{A,C,E}，第二个控制开关类别{B,D,F,G}，则此时在第一个控制开关类别{A,C,E}中计算A的自诊断因子，C的自诊断因子，E的自诊断因子，并分别与占比阈值进行比较，判断出A、C、E是否处于故障运行状态，同理，判断出B、D、F、G是否处于故障运行状态，在此不进行赘述。
控制开关H~N的信任度指标比控制开关A~G高，并且控制开关A~G的时序密度为控制开关H~N时序密度的两倍，因此在控制开关A~G采集时序为
Figure 524219DEST_PATH_IMAGE043
时，等于控制开关H~N采集时序为
Figure 346681DEST_PATH_IMAGE044
，k=2i，k为计量常数，无实质含义，即在控制开关A~G第二次进行控制开关采集时，控制开关H~N进行第一次进行控制开关采集，此时第一故障诊断线程采集控制开关A~N的开关参量，并进行故障判定，在此不进行赘述，因此信任度指标更高的控制开关进行的检测次数越少，即需要处理的开关参量也越少，符合实际上的稳定性越高的控制开关发生故障的可能性越低，可给与一定的信任程度高，适当降低检测频率，并不会影响检测及时性，反而能够大量减少数据处理量，提高故障检测效率。
如图2所示，基于上述高压开关柜在线故障诊断方法，本发明提供了一种诊断系统，包括：
线程创建单元1，为高压开关柜创建第一故障诊断线程和第二故障诊断线程两条耦合的故障诊断线程，其中，第一故障诊断线程用于控制采集高压开关柜中控制开关的开关参量的时序密度；第二故障诊断线程用于依据开关参量对控制开关进行故障检测；
第一线程执行单元2，用于执行第一故障诊断线程为高压开关柜中所有控制开关建立表征控制开关稳定性的信任度指标，并依据信任度指标对控制开关的开关参量采集的时序密度进行自适应调整，以使得稳定性高的控制开关的开关参量呈低频率采集以及稳定性低的控制开关的开关参量呈高频率采集，时序密度是表征对控制开关的开关参量的采集频率；
第二线程执行单元3，用于执行第二故障诊断线程实时接收由第一故障诊断线程采集的开关参量，并实时将所有控制开关按开关参量进行分类得到多个控制开关类别，在每个控制开关类别中设置自诊断因子，依据自诊断因子实时判定出每个控制开关类别中处于故障运行的控制开关以完成高压开关柜的在线故障诊断，再更新控制开关的信任度指标反馈至第一故障诊断线程。
本发明为故障诊断创建两条线程，分别用于根据控制开关的使用时长、处于故障运行的次数进行自适应调整，以实现对所有控制开关进行时长有差别式的采集开关参量，考虑了控制开关在使用时长以及发生故障后对控制开关的稳定性的影响，采集时长的自适应调整会提高故障检测的及时性，更为符合实时、在线、准确的要求，同时将控制开关进行类别内的自诊断，无需对控制开关的开关参量进行连续性记忆，只需要对开关参量进行诊断时刻的单一保存，控制开关的故障检测不依赖前序时刻的开关参量，降低了数据处理量，提高了数据检测效率。
以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本申请做出各种修改或等同替换，这种修改或等同替换也应视为落在本申请的保护范围内。

Claims (9)

1.一种高压开关柜在线故障诊断方法，其特征在于：包括以下步骤：
步骤S1、为高压开关柜创建第一故障诊断线程和第二故障诊断线程两条耦合的故障诊断线程，其中，所述第一故障诊断线程用于控制采集高压开关柜中控制开关的开关参量的时序密度；所述第二故障诊断线程用于依据所述开关参量对所述控制开关进行故障检测；
步骤S2、利用第一故障诊断线程为所述高压开关柜中所有控制开关建立表征控制开关稳定性的信任度指标，并依据所述信任度指标对所述控制开关的开关参量采集的时序密度进行自适应调整，以使得稳定性高的控制开关的开关参量呈低频率采集以及稳定性低的控制开关的开关参量呈高频率采集，所述时序密度是表征对控制开关的开关参量的采集频率；
步骤S3、第一故障诊断线程按照所述时序密度对控制开关进行开关参量的采集，并将开关参量同步传输至第二故障诊断线程；
步骤S4、第二故障诊断线程实时接收由第一故障诊断线程采集的开关参量，并实时将所有控制开关按开关参量进行分类得到多个控制开关类别，在每个控制开关类别中设置自诊断因子，依据自诊断因子实时判定出每个控制开关类别中处于故障运行的控制开关以完成高压开关柜的在线故障诊断，再更新控制开关的信任度指标反馈至第一故障诊断线程。
2.根据权利要求1所述的一种高压开关柜在线故障诊断方法，其特征在于：所述步骤S2中，所述信任度指标的建立方法包括：
设置初始信任度
Figure 173981DEST_PATH_IMAGE001
，并将控制开关的工作时长
Figure 722774DEST_PATH_IMAGE002
和控制开关被判定为处于故障运行的次数
Figure 748499DEST_PATH_IMAGE003
作为量化参数共同构建信任度指标
Figure 15532DEST_PATH_IMAGE004
，所述信任度指标
Figure 152115DEST_PATH_IMAGE004
的量化函数为：
Figure 493098DEST_PATH_IMAGE005
；
式中，
Figure 752041DEST_PATH_IMAGE006
表征为所述工作时长
Figure 506370DEST_PATH_IMAGE002
和所述次数
Figure 243382DEST_PATH_IMAGE003
的正比例函数体，所述工作时长
Figure 202986DEST_PATH_IMAGE002
或所述次数
Figure 632830DEST_PATH_IMAGE003
增大，则
Figure 608876DEST_PATH_IMAGE006
增大，所述工作时长
Figure 87262DEST_PATH_IMAGE002
且所述次数
Figure 730733DEST_PATH_IMAGE003
减小，则
Figure 3583DEST_PATH_IMAGE006
减小。
3.根据权利要求2所述的一种高压开关柜在线故障诊断方法，其特征在于：所述步骤S2中，所述时序密度的调整方法包括：
在设置初始信任度
Figure 732504DEST_PATH_IMAGE001
的同时设置初始时序密度
Figure 811319DEST_PATH_IMAGE007
，基于所述信任度指标s进行时序密度
Figure 246979DEST_PATH_IMAGE008
的更新，其中，
若信任度指标
Figure 753047DEST_PATH_IMAGE004
小于初始信任度
Figure 420131DEST_PATH_IMAGE001
，所述时序密度
Figure 302637DEST_PATH_IMAGE008
按
Figure 655121DEST_PATH_IMAGE009
进行更新，其中，
Figure 535352DEST_PATH_IMAGE010
表征为信任度指标
Figure 973286DEST_PATH_IMAGE004
的反比例函数体，所述信任度指标
Figure 331587DEST_PATH_IMAGE004
减小，则时序密度
Figure 804156DEST_PATH_IMAGE008
增大，所述信任度指标
Figure 589710DEST_PATH_IMAGE004
增大，则时序密度
Figure 514940DEST_PATH_IMAGE008
减小；
若信任度指标
Figure 739248DEST_PATH_IMAGE011
等于初始信任度
Figure 502543DEST_PATH_IMAGE012
，所述时序密度
Figure 786893DEST_PATH_IMAGE013
按
Figure 199420DEST_PATH_IMAGE014
进行更新。
4.根据权利要求3所述的一种高压开关柜在线故障诊断方法，其特征在于：所述步骤S2中，所述第一故障诊断线程按照所述时序密度对控制开关进行开关参量的采集方法包括：
所述第一故障诊断线程获取控制开关的信任度指标s，并将信任度指标s与初始信任度
Figure 899523DEST_PATH_IMAGE015
相比较，其中，
若信任度指标
Figure 81106DEST_PATH_IMAGE004
等于初始信任度
Figure 536358DEST_PATH_IMAGE015
，则第一故障诊断线程对控制开关按时序密度
Figure 373864DEST_PATH_IMAGE016
进行开关参量采集，形成的采集时序为
Figure 939974DEST_PATH_IMAGE017
；
若信任度指标
Figure 976063DEST_PATH_IMAGE018
小于初始信任度
Figure 602217DEST_PATH_IMAGE019
，则第一故障诊断线程对控制开关按时序密度
Figure 927019DEST_PATH_IMAGE020
进行开关参量采集，形成的采集时序为
Figure 31241DEST_PATH_IMAGE021
；
第一故障诊断线程在采集时序
Figure 187416DEST_PATH_IMAGE022
处得到的实时开关参量为
Figure 423619DEST_PATH_IMAGE023
，其中，i表征为计量常数，无实质含义，
Figure 32455DEST_PATH_IMAGE024
表征为控制开关投入工作的起始时刻。
5.根据权利要求4所述的一种高压开关柜在线故障诊断方法，其特征在于：所述步骤S3中，所述第二故障诊断线程对控制开关的接收时序与所述第一故障诊断线程对控制开关的采集时序一致。
6.根据权利要求5所述的一种高压开关柜在线故障诊断方法，其特征在于：所述步骤S4中，所述控制开关类别的分类方法包括：
第二故障诊断线程将同时接收到的所有控制开关的开关参量进行归一化处理，并利用归一化处理后的开关参量对控制开关进行距离运算，所述控制开关间的距离利用开关参量的欧式距离进行衡量，所述距离公式为：
Figure 205947DEST_PATH_IMAGE025
；
式中，
Figure 216628DEST_PATH_IMAGE026
、
Figure 122267DEST_PATH_IMAGE027
分别表征为任意两个控制开关的开关参量中的第j个元素，m表征为开关参量的元素总数目，j为计量常数，无实质含义；
利用K-means聚类算法基于所述控制开关的距离将第二故障诊断线程同时接收到的所有控制开关进行分类，其中，处于同一个控制开关类别中的所有控制开关具有一致的运行工况，分别处于不同控制开关类别中的任意两个控制开关具有不一致的运行工况。
7.根据权利要求6所述的一种高压开关柜在线故障诊断方法，其特征在于，所述步骤S4中，所述控制开关处于故障运行的判定方法包括：
在单个控制开关类别中依次选中每一单个控制开关与剩余控制开关进行距离运算，设定距离阈值，并统计控制开关与剩余控制开关的距离低于距离阈值的剩余控制开关数目在剩余控制开关总数目中占比作为每一单个控制开关的自诊断因子；
设定占比阈值，其中，若所述自诊断因子低于占比阈值，则判定自诊断因子对应的控制开关处于故障运行状态；
若所述自诊断因子高于等于占比阈值，则判定自诊断因子对应的控制开关不处于故障运行状态。
8.根据权利要求7所述的一种高压开关柜在线故障诊断方法，其特征在于，所述步骤S4中，所述控制开关的信任度指标的更新方法包括：
将判定为处于故障运行状态的控制开关进行所述次数c的加1，以及所述工作时长d更新为判定控制开关处于故障运行状态的时刻与控制开关投入工作的起始时刻的差值；
将所述控制开关的信任度指标s更新为
Figure 218399DEST_PATH_IMAGE028
，并将信任度指标s反馈至第一故障诊断线程。
9.一种诊断系统，用于执行权利要求1-8任一项所述的高压开关柜在线故障诊断方法，其特征在于，包括：
线程创建单元，为高压开关柜创建第一故障诊断线程和第二故障诊断线程两条耦合的故障诊断线程，其中，所述第一故障诊断线程用于控制采集高压开关柜中控制开关的开关参量的时序密度；所述第二故障诊断线程用于依据所述开关参量对所述控制开关进行故障检测；第一故障诊断线程按照所述时序密度对控制开关进行开关参量的采集，并将开关参量同步传输至第二故障诊断线程；
第一线程执行单元，用于执行利用第一故障诊断线程为所述高压开关柜中所有控制开关建立表征控制开关稳定性的信任度指标，并依据所述信任度指标对所述控制开关的开关参量采集的时序密度进行自适应调整，以使得稳定性高的控制开关的开关参量呈低频率采集以及稳定性低的控制开关的开关参量呈高频率采集，所述时序密度是表征对控制开关的开关参量的采集频率；
第二线程执行单元，用于执行第二故障诊断线程实时接收由第一故障诊断线程采集的开关参量，并实时将所有控制开关按开关参量进行分类得到多个控制开关类别，在每个控制开关类别中设置自诊断因子，依据自诊断因子实时判定出每个控制开关类别中处于故障运行的控制开关以完成高压开关柜的在线故障诊断，再更新控制开关的信任度指标反馈至第一故障诊断线程。
CN202111279357.4A 2021-11-01 2021-11-01 一种高压开关柜在线故障诊断方法及系统 Active CN113721103B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111279357.4A CN113721103B (zh) 2021-11-01 2021-11-01 一种高压开关柜在线故障诊断方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111279357.4A CN113721103B (zh) 2021-11-01 2021-11-01 一种高压开关柜在线故障诊断方法及系统

Publications (2)

Publication Number Publication Date
CN113721103A CN113721103A (zh) 2021-11-30
CN113721103B true CN113721103B (zh) 2022-02-11

Family

ID=78686224

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111279357.4A Active CN113721103B (zh) 2021-11-01 2021-11-01 一种高压开关柜在线故障诊断方法及系统

Country Status (1)

Country Link
CN (1) CN113721103B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115980531B (zh) * 2023-03-16 2023-06-02 江苏大全长江电器股份有限公司 一种特定环境下的gis开关柜质量检测方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105095675A (zh) * 2015-09-07 2015-11-25 浙江群力电气有限公司 一种开关柜故障特征选择方法及装置
CN105388414A (zh) * 2015-10-23 2016-03-09 国网山西省电力公司大同供电公司 一种隔离开关的全方位故障自动识别方法
CN105656210A (zh) * 2015-08-05 2016-06-08 南京大全电气有限公司 一种开关柜的智能监测运维系统
CN106556758A (zh) * 2016-11-03 2017-04-05 云南电网有限责任公司昭通供电局 一种开关柜运行监测评估系统
CN109031069A (zh) * 2018-08-16 2018-12-18 国网山西省电力公司临汾供电公司 高压开关柜局放信号的诊断系统
CN111682585A (zh) * 2020-06-19 2020-09-18 国网经济技术研究院有限公司 一种配电网智能储能软开关综合规划方法和系统
CN111830405A (zh) * 2020-07-14 2020-10-27 广东石油化工学院 一种利用频率差异量的负荷开关事件检测方法和系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10355523B2 (en) * 2014-08-01 2019-07-16 Siemens Aktiengesellschaft Power distribution terminal capable of determining fault type and determination method thereof
EP3484004A1 (en) * 2017-11-08 2019-05-15 Electricity North West Property Limited Control system for and method of fault location, isolation and supply restoration
US11081963B2 (en) * 2019-11-27 2021-08-03 Infineon Technologies Austria Ag Slope detection and correction for current sensing using on-state resistance of a power switch

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105656210A (zh) * 2015-08-05 2016-06-08 南京大全电气有限公司 一种开关柜的智能监测运维系统
CN105095675A (zh) * 2015-09-07 2015-11-25 浙江群力电气有限公司 一种开关柜故障特征选择方法及装置
CN105388414A (zh) * 2015-10-23 2016-03-09 国网山西省电力公司大同供电公司 一种隔离开关的全方位故障自动识别方法
CN106556758A (zh) * 2016-11-03 2017-04-05 云南电网有限责任公司昭通供电局 一种开关柜运行监测评估系统
CN109031069A (zh) * 2018-08-16 2018-12-18 国网山西省电力公司临汾供电公司 高压开关柜局放信号的诊断系统
CN111682585A (zh) * 2020-06-19 2020-09-18 国网经济技术研究院有限公司 一种配电网智能储能软开关综合规划方法和系统
CN111830405A (zh) * 2020-07-14 2020-10-27 广东石油化工学院 一种利用频率差异量的负荷开关事件检测方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Fault Diagnosis in Gas Insulated Switchgear;Yuan Yang et al.;《IEEE SENSORS JOURNAL》;20210115;第965-973页 *
基于最优等级数的多维特征量开关柜;杨帆 等;《高电压技术》;20201130;第3934-3942页 *

Also Published As

Publication number Publication date
CN113721103A (zh) 2021-11-30

Similar Documents

Publication Publication Date Title
CN108037460B (zh) 一种批产锂离子电池容量实时评估方法
WO2018137324A1 (zh) 基于系统参数相关系数的系统升级评估方法
CN110596506A (zh) 基于时间卷积网络的变换器故障诊断方法
CN113721103B (zh) 一种高压开关柜在线故障诊断方法及系统
CN106154180A (zh) 储能电池充/放电异常行为检测方法及检测系统
JP7532723B2 (ja) 低電圧不良電池の選別方法
CN113406502B (zh) 基于机器学习的缺陷电池筛选方法、设备及介质
CN108919104B (zh) 一种基于Fisher判别分类法的断路器故障诊断方法
CN115867815A (zh) 电池异常诊断装置和方法
US20220166075A1 (en) Method for Enhancing a Battery Module Model of a Battery Module Type
CN112507605A (zh) 基于AnoGAN的配电网异常检测方法
CN117301949A (zh) 车辆及其异常电芯的识别方法、存储介质以及电子设备
CN117517966A (zh) 一种电池组的故障诊断方法
CN114371384A (zh) 电迁移测试电路、测试装置和方法
CN111638460B (zh) 电池测试设备、系统和方法
CN113379005A (zh) 一种电网电力设备能源智能管理系统及方法
JP2005209528A (ja) 二次電池の検査方法
CN111861141A (zh) 一种基于模糊故障率预测的配电网可靠性评估方法
CN111585542A (zh) 一种功率信号脉冲噪声滤除的方法及滤波器
CN116125260A (zh) 一种基于多元数据融合的断路器机电故障边缘诊断方法
McMenemy et al. A machine learning approach for adaptive classification of power mosfet failures
CN109213010A (zh) 一种具有优先级的继电器多路选择开关电路及测试系统
CN114578686A (zh) 一种高压开关柜电压自适应采样方法
CN110208658B (zh) 一种对局部放电诊断结果进行多元互补交叉验证的方法
CN116243165A (zh) 确定电池一致性的方法、装置、计算设备及车辆

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