CN115951263B - 一种牵引系统主回路接地故障诊断方法 - Google Patents

一种牵引系统主回路接地故障诊断方法 Download PDF

Info

Publication number
CN115951263B
CN115951263B CN202310233361.XA CN202310233361A CN115951263B CN 115951263 B CN115951263 B CN 115951263B CN 202310233361 A CN202310233361 A CN 202310233361A CN 115951263 B CN115951263 B CN 115951263B
Authority
CN
China
Prior art keywords
fault
main loop
ground fault
probability
type
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
CN202310233361.XA
Other languages
English (en)
Other versions
CN115951263A (zh
Inventor
倪强
詹正凯
赵卓立
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.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202310233361.XA priority Critical patent/CN115951263B/zh
Publication of CN115951263A publication Critical patent/CN115951263A/zh
Application granted granted Critical
Publication of CN115951263B publication Critical patent/CN115951263B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/52—Outage or fault management, e.g. fault detection or location

Landscapes

  • Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)

Abstract

本发明提出一种牵引系统主回路接地故障诊断方法，涉及故障诊断的技术领域，首先对与牵引系统的主回路接地故障相关的系统信号进行预处理，得到第一故障特征指标和第二故障特征指标，然后离线构建不同工况信息下第一故障特征指标、第二故障特征指标与主回路接地故障类型的概率分配函数，组成概率分配函数库；再对待处理的系统信号进行预处理，得到第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率，并将分配概率进行融合，获得分配概率的组合结果，最后引入故障决策原则分析分配概率的组合结果，作出最终的主回路接地故障的决策结果，考虑了故障源与故障特征之间关系的不确定性，提高了故障诊断准确度。

Description

一种牵引系统主回路接地故障诊断方法
技术领域
本发明涉及故障诊断的技术领域，特别涉及一种牵引系统主回路接地故障诊断方法。
背景技术
牵引系统是列车的核心动力单元，由于列车运行环境复杂，牵引系统容易受到环境温度、湿度和供电浪涌等因素的影响，导致列车在行驶过程中发生故障。牵引系统主回路接地故障是在列车行驶过程中常见的故障之一，附图1为牵引系统主回路的电路图，据统计，牵引系统主回路接地故障通常发生在附图1中的①~⑥位置，当发生单点故障时，对列车的危害可以忽略，不会影响系统的正常工作，但两点或多点接地，就可能产生很大的短路电流，造成电传动系统部件的烧损，严重情况下甚至会导致机破，因此，为了避免形成多点故障，实时诊断出故障位置，实现故障溯源，对提高列车的行驶安全具有重要意义。
目前，主回路接地故障的检测方法主要采用基于硬件接地的信号检测法，通过检测信号的上下限超限报警方式实现接地故障检测，但无法准确定位故障发生位置，不能区分具体故障点，导致检修效率低，为解决上述问题，现有技术公开了一种主回路接地故障诊断方法，通过对故障特征向量的分析计算，来确定主回路接地故障发生的位置，从而对故障源进行定位，但该方法是利用故障特征向量决定故障发生位置，把故障源与故障特征向量的关系当作线性映射关系，而列车实际行驶过程中不同故障源与故障特征向量的关系往往属于非线性映射关系，即不同故障源与故障特征向量的关系不确定，这种不确定性是难以用线性方法描述的，所以利用故障的特征向量是无法精准确定位故障发生位置。
发明内容
为解决在当前主回路接地故障诊断方法中，未考虑故障源与故障特征之间关系的不确定性，导致故障诊断准确度低的问题，本发明提出一种牵引系统主回路接地故障诊断方法，考虑了故障源与故障特征之间关系的不确定性，提高了故障诊断准确度。
为了达到上述技术效果，本发明的技术方案如下：
一种牵引系统主回路接地故障诊断方法，包括以下步骤：
S1.获取与牵引系统的主回路接地故障相关的系统信号；
S2.对系统信号进行预处理，得到第一故障特征指标和第二故障特征指标；其中第一故障特征指标包括
Figure SMS_1
均值、/>
Figure SMS_2
方差、/>
Figure SMS_3
最大值和/>
Figure SMS_4
最大绝对值，第二故障特征指标为
Figure SMS_5
均值；
S3.离线构建不同工况信息下第一故障特征指标与主回路接地故障类型、第二故障特征指标与主回路接地故障类型的概率分配函数，具体包括：首先将主回路接地故障类型的故障集合记为F，将第一故障特征指标
Figure SMS_6
均值、/>
Figure SMS_7
方差、/>
Figure SMS_8
最大值和/>
Figure SMS_9
最大绝对值与第二故障特征指标/>
Figure SMS_10
均值依次记为证据J 1~J 5，然后建立不同运行工况下证据与故障集合F中主回路接地故障类型的隶属度函数，当输入为J 1，所述隶属度函数采用降半高斯分布函数、升半高斯分布函数和高斯模糊分布函数的组合表示；当输入为J 2，所述隶属度函数采用高斯模糊分布函数表示；当输入为J 3，所述隶属度函数采用升半高斯分布函数和高斯模糊分布函数的组合表示；当输入为J 4，所述隶属度函数采用升半高斯分布函数表示；当输入为J 5，所述隶属度函数采用高斯模糊分布函数表示；并利用所述隶属度函数，计算不同运行工况下证据对应主回路接地故障类型的概率值，再对概率值进行归一化，得到不同运行工况下证据与故障集合F中主回路接地故障类型的概率分配函数库；
S4.在线采集待处理的系统信号，对待处理的系统信号进行预处理；基于预处理完的待处理的系统信号，查找离线构建的概率分配函数库，得到第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率；
S5.将分配概率进行融合，得到第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率的组合结果；
S6.引入故障决策原则，基于故障决策原则，从组合结果中，判断出最终的主回路接地故障的决策结果。
优选地，S1所述的系统信号包括原边电压传感器采样信号
Figure SMS_11
、直流母线电压传感器采样信号/>
Figure SMS_12
、接地检测电压传感器采样信号/>
Figure SMS_13
和工况信息信号。
优选地，S2对系统信号进行预处理的具体步骤为：
S21.基于系统信号中的直流母线电压传感器采样信号
Figure SMS_14
和接地检测电压传感器采样信号/>
Figure SMS_15
，计算第一故障特征变量/>
Figure SMS_16
，/>
Figure SMS_17
的具体计算公式为：
Figure SMS_18
（1）
基于系统信号中的第一故障特征变量
Figure SMS_19
、直流母线电压传感器采样信号/>
Figure SMS_20
和原边电压传感器采样信号/>
Figure SMS_21
，计算第二故障特征变量/>
Figure SMS_22
，/>
Figure SMS_23
的具体计算公式为：
Figure SMS_24
（2）
S22.利用第一故障特征变量，计算第一故障特征变量的第一故障特征指标；利用第二故障特征变量，计算第二故障特征变量的第二故障特征指标。
优选地，S22所述的第一故障特征指标包括
Figure SMS_26
均值、/>
Figure SMS_28
方差、/>
Figure SMS_29
最大值和
Figure SMS_31
最大绝对值，将/>
Figure SMS_33
均值、/>
Figure SMS_35
方差、/>
Figure SMS_36
最大值和/>
Figure SMS_25
最大绝对值依次记为/>
Figure SMS_27
、
Figure SMS_30
、/>
Figure SMS_32
和/>
Figure SMS_34
；
Figure SMS_37
的具体计算公式为：
Figure SMS_38
（3）
Figure SMS_39
的具体计算公式为：
Figure SMS_40
（4）
Figure SMS_41
的具体计算公式为：
Figure SMS_42
（5）
Figure SMS_43
的具体计算公式为：
Figure SMS_44
（6）
其中，N表示一个滑动窗内采样的最大点数，i表示一个滑动窗内采样点数，k表示采样时刻。
优选地，S22所述的第二故障特征指标为
Figure SMS_45
均值，将/>
Figure SMS_46
均值记为/>
Figure SMS_47
，/>
Figure SMS_48
的具体计算公式为：
Figure SMS_49
（7）。
优选地，S3所述的离线构建不同工况信息下第一故障特征指标与主回路接地故障类型、第二故障特征指标与主回路接地故障类型的概率分配函数
Figure SMS_50
的具体过程为：
S31.将主回路接地故障类型的故障集合记为
Figure SMS_51
，其中
Figure SMS_52
表示故障集合F中的第/>
Figure SMS_53
个故障事件，记主回路接地故障类型有5种，取/>
Figure SMS_54
；将/>
Figure SMS_55
记为证据；
S32.建立不同运行工况下证据
Figure SMS_56
与故障集合F中主回路接地故障类型的隶属度函数；
S33.利用隶属度函数计算证据
Figure SMS_57
对应主回路接地故障类型的概率值
Figure SMS_58
；
S34.对概率值
Figure SMS_59
进行归一化，得到J 1~J 5对应主回路接地故障类型的概率分配函数/>
Figure SMS_60
，具体归一化公式为：
Figure SMS_61
（8）。
优选地，所述概率分配函数
Figure SMS_62
满足以下条件：
Figure SMS_63
（9）
其中，
Figure SMS_64
表示空集。
优选地，利用Dempster-Shafer证据理论将分配概率进行融合，具体融合公式为：
Figure SMS_65
（10）
其中，
Figure SMS_67
表示第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率的组合结果，/>
Figure SMS_69
表示/>
Figure SMS_71
对应F上的主回路接地故障类型的分配概率，/>
Figure SMS_73
表示/>
Figure SMS_74
对应F上的主回路接地故障类型的分配概率，/>
Figure SMS_75
表示/>
Figure SMS_76
对应F上的主回路接地故障类型的分配概率，/>
Figure SMS_66
表示/>
Figure SMS_68
对应F上的对应主回路接地故障类型的分配概率，
Figure SMS_70
表示/>
Figure SMS_72
对应F上的对应主回路接地故障类型的分配概率。
优选地，S6所述故障决策原则为：
Figure SMS_77
，其中，/>
Figure SMS_78
和/>
Figure SMS_79
分别表示F的任意一种主回路接地故障类型，/>
Figure SMS_80
和/>
Figure SMS_81
为不同种主回路接地故障类型；
记F a的基本可信数
Figure SMS_82
表示为：
Figure SMS_83
（11）
记F b的基本可信数
Figure SMS_84
表示为：
Figure SMS_85
（12）
其中，p表示故障事件的个数；
若
Figure SMS_86
与/>
Figure SMS_87
满足：
Figure SMS_88
（13）
则主回路接地故障类型为
Figure SMS_89
。
优选地，所述决策结果包括主回路接地故障类型和主回路接地故障发生地点。
与现有技术相比，本发明技术方案的有益效果是：
本发明提出一种牵引系统主回路接地故障诊断方法，首先对与牵引系统的主回路接地故障相关的系统信号进行预处理，得到第一故障特征指标和第二故障特征指标，然后离线构建不同工况信息下第一故障特征指标与主回路接地故障类型、第二故障特征指标与主回路接地故障类型的概率分配函数，组成概率分配函数库；再通过对待处理的系统信号进行预处理，得到第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率，便于建立第一故障特征指标和第二故障特征指标与主回路接地故障类型的概率映射关系，进一步将分配概率进行融合，获得分配概率的组合结果，便于从分配概率中获得最具差异性的信息，消除了不同分配概率之间的相关性而产生的冗余信息，提高后续做出故障决策的准确度，最后引入故障决策原则分析分配概率的组合结果，作出最终的主回路接地故障的决策结果，溯源主回路接地故障发生的原因，考虑了故障源与故障特征之间关系的不确定性，提高了故障诊断准确度。
附图说明
图1表示本发明实施例中提出的牵引系统主回路的电路图；
图2表示本发明实施例中提出的一种牵引系统主回路接地故障诊断方法的流程图；
图3表示本发明实施例中提出的一种牵引系统主回路接地故障诊断方法的算法流程图。
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；
为了更好地说明本实施例，附图某些部位会有省略、放大或缩小，并不代表实际尺寸，“上”“下”等部位方向的描述非对本专利的限制；
对于本领域技术人员来说，附图中某些公知内容说明可能省略是可以理解的；
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；
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
参见图2及图3，一种牵引系统主回路接地故障诊断方法，包括以下步骤：
S1.获取与牵引系统的主回路接地故障相关的系统信号；
在步骤S1中，根据故障机理，数量出接地点与主回路接地故障类型的对应关系如表1所示，并从牵引系统的采集信号中，获取牵引系统的主回路接地故障相关的系统信号；所述系统信号包括原边电压传感器采样信号
Figure SMS_90
、直流母线电压传感器采样信号/>
Figure SMS_91
以及接地检测电压传感器采样信号/>
Figure SMS_92
和工况信息信号。
表1 牵引系统常见主回路接地故障点
Figure SMS_93
S2.对系统信号进行预处理，得到第一故障特征指标和第二故障特征指标；其中第一故障特征指标包括
Figure SMS_94
均值、/>
Figure SMS_95
方差、/>
Figure SMS_96
最大值和/>
Figure SMS_97
最大绝对值，第二故障特征指标为
Figure SMS_98
均值；
在步骤S2中，对系统信号进行预处理的具体步骤为：
S21.基于系统信号中的直流母线电压传感器采样信号
Figure SMS_99
和接地检测电压传感器采样信号/>
Figure SMS_100
，计算第一故障特征变量/>
Figure SMS_101
，/>
Figure SMS_102
的具体计算公式为：
Figure SMS_103
（1）
基于系统信号中的第一故障特征变量
Figure SMS_104
、直流母线电压传感器采样信号/>
Figure SMS_105
和原边电压传感器采样信号/>
Figure SMS_106
，计算第二故障特征变量/>
Figure SMS_107
，/>
Figure SMS_108
的具体计算公式为：
Figure SMS_109
（2）
在步骤S22中，基于主回路接地故障的历史现场案例数据，设定滑动窗长度，每次滑动为一个采样点，通过计算一个滑动窗内的统计域的特征，分别得到第一故障特征变量的第一故障特征指标和第二故障特征变量的第二故障特征指标；所述的第一故障特征指标包括
Figure SMS_111
均值、/>
Figure SMS_113
方差、/>
Figure SMS_115
最大值和/>
Figure SMS_117
最大绝对值，将/>
Figure SMS_118
均值、/>
Figure SMS_120
方差、/>
Figure SMS_121
最大值和/>
Figure SMS_110
最大绝对值依次记为/>
Figure SMS_112
、/>
Figure SMS_114
、/>
Figure SMS_116
和/>
Figure SMS_119
；
Figure SMS_122
的具体计算公式为：
Figure SMS_123
（3）
Figure SMS_124
的具体计算公式为：
Figure SMS_125
（4）
Figure SMS_126
的具体计算公式为：
Figure SMS_127
（5）
Figure SMS_128
的具体计算公式为：
Figure SMS_129
（6）
其中，N表示一个滑动窗内采样的最大点数，i表示一个滑动窗内采样点数，k表示采样时刻；
S22所述的第二故障特征指标为
Figure SMS_130
均值，将/>
Figure SMS_131
均值记为/>
Figure SMS_132
，/>
Figure SMS_133
的具体计算公式为：
Figure SMS_134
（7）。
在第一故障特征指标和第二故障特征指标实际计算过程中，并不局限于上述
Figure SMS_135
，还可设置多个第一故障特征指标和第二故障特征指标，在本实施例中仅以
Figure SMS_136
为例说明。
S3.离线构建不同工况信息下第一故障特征指标与主回路接地故障类型、第二故障特征指标与主回路接地故障类型的概率分配函数，具体包括：首先将主回路接地故障类型的故障集合记为F，将第一故障特征指标
Figure SMS_137
均值、/>
Figure SMS_138
方差、/>
Figure SMS_139
最大值和/>
Figure SMS_140
最大绝对值与第二故障特征指标/>
Figure SMS_141
均值依次记为证据J 1~J 5，然后建立不同运行工况下证据与故障集合F中主回路接地故障类型的隶属度函数，当输入为J 1，所述隶属度函数采用降半高斯分布函数、升半高斯分布函数和高斯模糊分布函数的组合表示；当输入为J 2，所述隶属度函数采用高斯模糊分布函数表示；当输入为J 3，所述隶属度函数采用升半高斯分布函数和高斯模糊分布函数的组合表示；当输入为J 4，所述隶属度函数采用升半高斯分布函数表示；当输入为J 5，所述隶属度函数采用高斯模糊分布函数表示；并利用所述隶属度函数，计算不同运行工况下证据对应主回路接地故障类型的概率值，再对概率值进行归一化，得到不同运行工况下证据与故障集合F中主回路接地故障类型的概率分配函数库；
S4.在线采集待处理的系统信号，对待处理的系统信号进行预处理；基于预处理完的待处理的系统信号，查找离线构建的概率分配函数库，得到第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率；
S4对待处理的系统信号进行预处理的具体步骤为：首先基于采集待处理的系统信号中的直流母线电压传感器采样信号
Figure SMS_142
和接地检测电压传感器采样信号/>
Figure SMS_143
，计算第一故障特征变量/>
Figure SMS_144
；并基于采集待处理的系统信号中的的第一故障特征变量/>
Figure SMS_145
、直流母线电压传感器采样信号/>
Figure SMS_146
和原边电压传感器采样信号/>
Figure SMS_147
，计算第二故障特征变量
Figure SMS_148
；然后利用实时的第一故障特征变量，计算第一故障特征变量的第一故障特征指标，利用实时的第二故障特征变量，计算第二故障特征变量的第二故障特征指标；再根据实时计算的第一故障特征指标、第二故障特征指标与工况信息，查找离线构建的概率分配函数库，得到第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率；
S5.将分配概率进行特征规则融合，得到主回路接地故障类型的初步分类结果；
S6.引入故障决策原则，基于故障决策原则，从主回路接地故障类型的初步分类结果中，判断出最终的主回路接地故障的决策结果。
步骤S所述的决策结果包括主回路接地故障类型和主回路接地故障发生地点。
在本实施例中，首先对与牵引系统的主回路接地故障相关的系统信号进行预处理，得到第一故障特征指标和第二故障特征指标，然后离线构建不同工况信息下第一故障特征指标与主回路接地故障类型、第二故障特征指标与主回路接地故障类型的概率分配函数，组成概率分配函数库；再通过对待处理的系统信号进行预处理，得到第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率，便于建立第一故障特征指标和第二故障特征指标与主回路接地故障类型的概率映射关系，进一步将分配概率进行融合，获得分配概率的组合结果，便于从分配概率中获得最具差异性的信息，消除了不同分配概率之间的相关性而产生的冗余信息，提高后续做出故障决策的准确度，最后引入故障决策原则分析分配概率的组合结果，作出最终的主回路接地故障的决策结果，溯源主回路接地故障发生的原因，考虑了故障源与故障特征之间关系的不确定性，提高了故障诊断准确度。
实施例2
参见图2及图3，S3所述的离线构建不同工况信息下第一故障特征指标与主回路接地故障类型、第二故障特征指标与主回路接地故障类型的概率分配函数
Figure SMS_149
的具体过程为：
S31.将主回路接地故障类型的故障集合记为
Figure SMS_150
，其中
Figure SMS_151
表示故障集合F中的第k个故障事件，记主回路接地故障类型有5种，取/>
Figure SMS_152
；将
Figure SMS_153
记为证据；
在步骤S31中，
Figure SMS_154
对是基于第一故障特征变量和第二故障特征变量提取的；
S32.建立不同运行工况下证据
Figure SMS_155
与故障集合F中主回路接地故障类型的隶属度函数；
在步骤S32中，参见图1及图2，以四象限运行和逆变运行工况为例，在四象限运行和逆变运行工况下，基于历史数据的统计特征以及模糊逻辑，建立证据
Figure SMS_156
与故障集合F中主回路接地故障类型的隶属度函数共有三种，分别为降半高斯分布函数/>
Figure SMS_157
、升半高斯分布函数/>
Figure SMS_158
和高斯模糊分布函数/>
Figure SMS_159
，用于拟合不同工况下相关故障特征指标与主回路接地故障类型的概率隶属关系；
降半高斯分布函数
Figure SMS_160
的具体计算表达式为：
Figure SMS_161
（7.1）
升半高斯分布函数
Figure SMS_162
的具体计算表达式为：
Figure SMS_163
（7.2）
高斯模糊分布函数
Figure SMS_164
的具体计算表达式为：
Figure SMS_165
（7.3）
其中，x表示实时输入的
Figure SMS_167
，a表示阀值；当x输入/>
Figure SMS_169
时，/>
Figure SMS_172
与故障集合F中主回路接地故障类型的隶属度函数采用式（7.1）、（7.2）和（7.3）表示；当x输入/>
Figure SMS_173
时，
Figure SMS_174
与故障集合中F主回路接地故障类型的隶属度函数采用式（7.3）表示；当x输入/>
Figure SMS_175
时，
Figure SMS_176
与故障集合F中主回路接地故障类型的隶属度函数采用式（7.2）和（7.3）表示；当x输入
Figure SMS_166
时，/>
Figure SMS_168
与故障集合F中主回路接地故障类型的隶属度函数采用式（7.2）；当x输入/>
Figure SMS_170
时，/>
Figure SMS_171
与故障集合F中主回路接地故障类型的隶属度函数采用式（7.3）表示。
S33.利用隶属度函数计算证据
Figure SMS_177
对应主回路接地故障类型的概率值
Figure SMS_178
；
在步骤S33中，根据
Figure SMS_179
与故障集合F中主回路接地故障类型的隶属度函数，计算得出/>
Figure SMS_180
值对应各事件的概率值/>
Figure SMS_181
。
S34.对概率值
Figure SMS_182
进行归一化，得到J 1~J 5对应主回路接地故障类型的概率分配函数/>
Figure SMS_183
，具体归一化公式为：
Figure SMS_184
（8）。
所述概率分配函数
Figure SMS_185
满足以下条件：
Figure SMS_186
（9）
其中，
Figure SMS_187
表示空集。
实施例3
参见图2及图3，步骤S5利用Dempster-Shafer证据理论将分配概率进行融合，具体融合公式为：
Figure SMS_188
（10）
其中，
Figure SMS_190
表示第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率的组合结果，/>
Figure SMS_193
表示/>
Figure SMS_195
对应F上的主回路接地故障类型的分配概率，/>
Figure SMS_196
表示/>
Figure SMS_197
对应F上的主回路接地故障类型的分配概率，/>
Figure SMS_198
表示/>
Figure SMS_199
对应F上的主回路接地故障类型的分配概率，/>
Figure SMS_189
表示/>
Figure SMS_191
对应F上的对应主回路接地故障类型的分配概率，
Figure SMS_192
表示/>
Figure SMS_194
对应F上的对应主回路接地故障类型的分配概率。
S6所述故障决策原则为：
Figure SMS_200
，其中，/>
Figure SMS_201
和/>
Figure SMS_202
分别表示F的任意一种主回路接地故障类型，/>
Figure SMS_203
和/>
Figure SMS_204
为不同种主回路接地故障类型；
记F a的基本可信数
Figure SMS_205
表示为：
Figure SMS_206
（11）
记F b的基本可信数
Figure SMS_207
表示为：
Figure SMS_208
（12）
其中，p表示故障事件的个数；
若
Figure SMS_209
与/>
Figure SMS_210
满足：
Figure SMS_211
（13）
则主回路接地故障类型为
Figure SMS_212
。
显然，本发明的上述实施例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 (10)

1.一种牵引系统主回路接地故障诊断方法，其特征在于，包括以下步骤：
S1.获取与牵引系统的主回路接地故障相关的系统信号；
S2.对系统信号进行预处理，得到第一故障特征指标和第二故障特征指标；其中第一故障特征指标包括
Figure QLYQS_1
均值、/>
Figure QLYQS_2
方差、/>
Figure QLYQS_3
最大值和/>
Figure QLYQS_4
最大绝对值，第二故障特征指标为/>
Figure QLYQS_5
均值；
S3.离线构建不同工况信息下第一故障特征指标与主回路接地故障类型、第二故障特征指标与主回路接地故障类型的概率分配函数，具体包括：首先将主回路接地故障类型的故障集合记为F，将第一故障特征指标
Figure QLYQS_6
均值、/>
Figure QLYQS_7
方差、/>
Figure QLYQS_8
最大值和/>
Figure QLYQS_9
最大绝对值与第二故障特征指标/>
Figure QLYQS_10
均值依次记为证据J 1~J 5，然后建立不同运行工况下证据与故障集合F中主回路接地故障类型的隶属度函数，当输入为J 1，所述隶属度函数采用降半高斯分布函数、升半高斯分布函数和高斯模糊分布函数的组合表示；当输入为J 2，所述隶属度函数采用高斯模糊分布函数表示；当输入为J 3，所述隶属度函数采用升半高斯分布函数和高斯模糊分布函数的组合表示；当输入为J 4，所述隶属度函数采用升半高斯分布函数表示；当输入为J 5，所述隶属度函数采用高斯模糊分布函数表示；并利用所述隶属度函数，计算不同运行工况下证据对应主回路接地故障类型的概率值，再对概率值进行归一化，得到不同运行工况下证据与故障集合F中主回路接地故障类型的概率分配函数库；
S4.在线采集待处理的系统信号，对待处理的系统信号进行预处理；基于预处理完的待处理的系统信号，查找离线构建的概率分配函数库，得到第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率；
S5.将分配概率进行融合，得到第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率的组合结果；
S6.引入故障决策原则，基于故障决策原则，从组合结果中，判断出最终的主回路接地故障的决策结果。
2.根据权利要求1所述的牵引系统主回路接地故障诊断方法，其特征在于，S1所述的系统信号包括原边电压传感器采样信号
Figure QLYQS_11
、直流母线电压传感器采样信号/>
Figure QLYQS_12
、接地检测电压传感器采样信号/>
Figure QLYQS_13
和工况信息信号。
3.根据权利要求2所述的牵引系统主回路接地故障诊断方法，其特征在于，S2对系统信号进行预处理的具体步骤为：
S21.基于系统信号中的直流母线电压传感器采样信号
Figure QLYQS_14
和接地检测电压传感器采样信号/>
Figure QLYQS_15
，计算第一故障特征变量/>
Figure QLYQS_16
，/>
Figure QLYQS_17
的具体计算公式为：
Figure QLYQS_18
（1）
基于系统信号中的第一故障特征变量
Figure QLYQS_19
、直流母线电压传感器采样信号/>
Figure QLYQS_20
和原边电压传感器采样信号/>
Figure QLYQS_21
，计算第二故障特征变量/>
Figure QLYQS_22
，/>
Figure QLYQS_23
的具体计算公式为：
Figure QLYQS_24
（2）
S22.利用第一故障特征变量，计算第一故障特征变量的第一故障特征指标；利用第二故障特征变量，计算第二故障特征变量的第二故障特征指标。
4.根据权利要求3所述的牵引系统主回路接地故障诊断方法，其特征在于，S22所述的第一故障特征指标包括
Figure QLYQS_25
均值、/>
Figure QLYQS_27
方差、/>
Figure QLYQS_28
最大值和/>
Figure QLYQS_30
最大绝对值，将/>
Figure QLYQS_32
均值、
Figure QLYQS_33
方差、/>
Figure QLYQS_34
最大值和/>
Figure QLYQS_26
最大绝对值依次记为/>
Figure QLYQS_29
、/>
Figure QLYQS_31
、/>
Figure QLYQS_35
和/>
Figure QLYQS_36
；
Figure QLYQS_37
的具体计算公式为：
Figure QLYQS_38
（3）
Figure QLYQS_39
的具体计算公式为：
Figure QLYQS_40
（4）
Figure QLYQS_41
的具体计算公式为：
Figure QLYQS_42
（5）
Figure QLYQS_43
的具体计算公式为：
Figure QLYQS_44
（6）
其中，N 表示一个滑动窗内采样的最大点数，i表示一个滑动窗内采样点数，k表示采样时刻。
5.根据权利要求4所述的牵引系统主回路接地故障诊断方法，其特征在于，S22所述的第二故障特征指标为
Figure QLYQS_45
均值，将/>
Figure QLYQS_46
均值记为/>
Figure QLYQS_47
，/>
Figure QLYQS_48
的具体计算公式为：
Figure QLYQS_49
（7）。
6.根据权利要求5所述的牵引系统主回路接地故障诊断方法，其特征在于，S3所述的离线构建不同工况信息下第一故障特征指标与主回路接地故障类型、第二故障特征指标与主回路接地故障类型的概率分配函数
Figure QLYQS_50
的具体过程为：
S31.将主回路接地故障类型的故障集合记为
Figure QLYQS_51
，其中/>
Figure QLYQS_52
表示故障集合F中的第/>
Figure QLYQS_53
个故障事件，记主回路接地故障类型有5种，取/>
Figure QLYQS_54
；将
Figure QLYQS_55
记为证据；
S32.建立不同运行工况下证据
Figure QLYQS_56
与故障集合F中主回路接地故障类型的隶属度函数；
S33.利用隶属度函数计算证据
Figure QLYQS_57
对应主回路接地故障类型的概率值
Figure QLYQS_58
；
S34.对概率值
Figure QLYQS_59
进行归一化，得到J 1~J 5对应主回路接地故障类型的概率分配函数/>
Figure QLYQS_60
，具体归一化公式为：
Figure QLYQS_61
（8）。
7.根据权利要求6所述的牵引系统主回路接地故障诊断方法，其特征在于，所述概率分配函数
Figure QLYQS_62
满足以下条件：
Figure QLYQS_63
（9）
其中，
Figure QLYQS_64
表示空集。
8.根据权利要求7所述的牵引系统主回路接地故障诊断方法，其特征在于，利用Dempster-Shafer证据理论将分配概率进行融合，具体融合公式为：
Figure QLYQS_65
（10）
其中，
Figure QLYQS_67
表示第一故障特征指标和第二故障特征指标对应主回路接地故障类型的分配概率的组合结果，/>
Figure QLYQS_69
表示/>
Figure QLYQS_71
对应F上的主回路接地故障类型的分配概率，/>
Figure QLYQS_73
表示
Figure QLYQS_74
对应F上的主回路接地故障类型的分配概率，/>
Figure QLYQS_75
表示/>
Figure QLYQS_76
对应F上的主回路接地故障类型的分配概率，/>
Figure QLYQS_66
表示/>
Figure QLYQS_68
对应F上的对应主回路接地故障类型的分配概率，/>
Figure QLYQS_70
表示/>
Figure QLYQS_72
对应F上的对应主回路接地故障类型的分配概率。
9.根据权利要求8所述的牵引系统主回路接地故障诊断方法，其特征在于，S6所述故障决策原则为：
Figure QLYQS_77
，其中，/>
Figure QLYQS_78
和/>
Figure QLYQS_79
分别表示F的任意一种主回路接地故障类型，
Figure QLYQS_80
和/>
Figure QLYQS_81
为不同种主回路接地故障类型；
记F a的基本可信数
Figure QLYQS_82
表示为：
Figure QLYQS_83
（11）
记F b的基本可信数
Figure QLYQS_84
表示为：
Figure QLYQS_85
（12）
其中，p表示故障事件的个数；
若
Figure QLYQS_86
与/>
Figure QLYQS_87
满足：
Figure QLYQS_88
（13）
则主回路接地故障类型为
Figure QLYQS_89
。
10.根据权利要求1-9任一项所述的牵引系统主回路接地故障诊断方法，其特征在于，所述决策结果包括主回路接地故障类型和主回路接地故障发生地点。
CN202310233361.XA 2023-03-13 2023-03-13 一种牵引系统主回路接地故障诊断方法 Active CN115951263B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310233361.XA CN115951263B (zh) 2023-03-13 2023-03-13 一种牵引系统主回路接地故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310233361.XA CN115951263B (zh) 2023-03-13 2023-03-13 一种牵引系统主回路接地故障诊断方法

Publications (2)

Publication Number Publication Date
CN115951263A CN115951263A (zh) 2023-04-11
CN115951263B true CN115951263B (zh) 2023-06-16

Family

ID=85906942

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310233361.XA Active CN115951263B (zh) 2023-03-13 2023-03-13 一种牵引系统主回路接地故障诊断方法

Country Status (1)

Country Link
CN (1) CN115951263B (zh)

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100437072C (zh) * 2006-08-01 2008-11-26 东北电力大学 离心泵振动故障融合诊断方法及振动信号采集装置
CN102737468A (zh) * 2012-07-11 2012-10-17 重庆大学 基于无线多传感器信息融合的火灾检测系统及方法
CN103557884B (zh) * 2013-09-27 2016-06-29 杭州银江智慧城市技术集团有限公司 一种输电线路杆塔监控的多传感器数据融合预警方法
CN104655423B (zh) * 2013-11-19 2017-09-15 北京交通大学 一种基于时频域多维振动特征融合的滚动轴承故障诊断方法
CN105067940A (zh) * 2015-08-06 2015-11-18 株洲南车时代电气股份有限公司 一种机车牵引变流器主回路的接地诊断方法
CN106932670B (zh) * 2017-02-08 2019-05-14 国家电网公司 一种基于d-s证据理论的配电自动化终端状态诊断方法
CN108318249B (zh) * 2018-01-24 2020-04-17 广东石油化工学院 一种旋转机械轴承的故障诊断方法
CN108680808A (zh) * 2018-05-18 2018-10-19 浙江新能量科技股份有限公司 电气设备故障诊断方法及装置
CN110879372B (zh) * 2019-12-03 2021-04-23 中南大学 基于特征相关的牵引系统主回路接地故障诊断方法及系统
CN113219329B (zh) * 2021-04-01 2023-12-22 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融合诊断方法
CN115524573A (zh) * 2021-06-25 2022-12-27 株洲中车时代电气股份有限公司 故障检测方法、装置、存储介质及电子设备
CN113988188A (zh) * 2021-10-29 2022-01-28 株洲中车时代软件技术有限公司 故障诊断方法、装置、电子设备及存储介质
CN114372693B (zh) * 2021-12-31 2024-05-14 新疆大学 一种基于云模型和改进ds证据理论的变压器故障诊断方法
CN115018247A (zh) * 2022-04-20 2022-09-06 贵州电网有限责任公司 基于模糊层次分析和改进加权组合的输变电工程评估方法

Also Published As

Publication number Publication date
CN115951263A (zh) 2023-04-11

Similar Documents

Publication Publication Date Title
CA2931624A1 (en) Systems and methods for event detection and diagnosis
CN110598851A (zh) 一种融合lstm和gan的时间序列数据异常检测方法
CN109933905B (zh) 一种基于多维预警分析的机械设备健康状态评估方法
CN113344134B (zh) 一种低压配电监控终端数据采集异常检测方法及系统
CN111562108A (zh) 一种基于cnn和fcmc的滚动轴承智能故障诊断方法
CN111209934B (zh) 风机故障预报警方法及系统
CN106907927A (zh) 一种核灵活流形嵌入电熔镁炉故障监测方法
KR102398046B1 (ko) 비지도 도메인 적응 기법을 통한 고장 진단 장치 및 이를 이용한 고장 진단 방법
CN116629627A (zh) 输电在线监测装置的智能检测系统
US20220039716A1 (en) Calibration method for critical point of mental fatigue based on self-organized criticality
CN111678699B (zh) 一种面向滚动轴承早期故障监测与诊断方法及系统
CN115951263B (zh) 一种牵引系统主回路接地故障诊断方法
CN114666117A (zh) 一种面向电力互联网的网络安全态势度量和预测方法
CN117671818A (zh) 一种车辆数据的管理系统
CN110059413B (zh) 一种故障诊断方法
CN116383750A (zh) 一种基于加窗差分健康指标的滚动轴承早期异常检测方法
CN114547796B (zh) 一种基于优化bn网络的球磨机特征融合故障诊断方法
CN114167837B (zh) 一种铁路信号系统的智能故障诊断方法及系统
US11867763B2 (en) Method for monitoring circuit breaker and apparatus and internet of things using the same
CN114597886A (zh) 基于区间二型模糊聚类分析的配电网运行状态评估方法
CN113177484A (zh) 基于lof自编码的机械故障智能诊断方法
CN114637793B (zh) 一种基于大数据分析的装备故障频发区域定位方法
CN117330952B (zh) 一种基于持久同调分析的隔离开关故障诊断方法
CN115834364B (zh) 一种基于电力大数据的用电信息监测系统及方法
CN113079043B (zh) 一种基于码本的网络故障诊断方法

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