CN116819158B - 一种隔离开关电机电流智能化监测系统及方法 - Google Patents
一种隔离开关电机电流智能化监测系统及方法 Download PDFInfo
- Publication number
- CN116819158B CN116819158B CN202310586781.6A CN202310586781A CN116819158B CN 116819158 B CN116819158 B CN 116819158B CN 202310586781 A CN202310586781 A CN 202310586781A CN 116819158 B CN116819158 B CN 116819158B
- Authority
- CN
- China
- Prior art keywords
- feature set
- cluster
- data feature
- isolating switch
- low
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000009467 reduction Effects 0.000 claims abstract description 18
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 230000009471 action Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000011897 real-time detection Methods 0.000 abstract description 6
- 230000008859 change Effects 0.000 description 10
- 238000001514 detection method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000012880 independent component analysis Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000009347 mechanical transmission Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
-
- 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
- G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
- G01R31/3271—Testing of circuit interrupters, switches or circuit-breakers of high voltage or medium voltage devices
- G01R31/3275—Fault detection or status indication
Abstract
本发明提供了一种隔离开关电机电流智能化监测系统及方法,该隔离开关电机电流智能化监测方法包括如下步骤:获取隔离开关电机多个不同的实时数据值;提取多个不同的实时数据值的实时数据特征值;根据多个实时数据特征值构建实时数据特征样本集;对实时数据特征样本集进行降维预处理,获取低维数据特征集;计算低维数据特征集与标准数据特征集的偏差数值;根据低维数据特征集与标准数据特征集的偏差数值,判断隔离开关电机电流是否正常以实现隔离开关电机电流智能化监测;其中,实时数据值至少包括隔离开关电机的实时电流。本发明能够更加快速准确地实现隔离开关电机电流智能化监测,为隔离开关机械故障的实时检测提供依据。
Description
技术领域
本发明涉及隔离开关技术领域,具体而言,涉及一种隔离开关电机电流智能化监测系统及方法。
背景技术
隔离开关是一种主要用于“隔离电源、倒闸操作、用以连通和切断小电流电路”,无灭弧功能的开关器件。隔离开关在分位置时,触头间有符合规定要求的绝缘距离和明显的断开标志,在合位置时,能承载正常回路条件下的电流及在规定时间内异常条件下的电流。对隔离开关动作时的电机电流进行监测,能够判断隔离开关是否存在机械故障,有利于隔离开关的维护。
申请人经过检索发现一些典型现有技术,专利公开号为CN115776174A的中国发明专利公开了一种隔离开关电机电流智能化监测方法,其能够通过实时监测隔离开关电机电流的状态,防止事故的发生,防止隔离开关受到损害,保障了电网安全可靠运行。又如公开号为CN217305435U的中国实用新型专利公开了一种基于驱动电机电流检测的高压隔离开关状态监测装置,能够及时将检测的信号处理后传递给远程上位机检测端,能够保证变电站运行的稳定性和可靠性,大大节省了检修时的人力物力。再如申请号为CN103454488A的中国发明专利公开了一种高压隔离开关电动操动机构电机电流测量系统及方法,其通过分析电机电流的实时特征参数及变化趋势,有助于判断隔离开关机械传动机构的运行状态,从而实现机械故障预警。
由此可见,对于隔离开关电机电流监测,其在实际应用中所存在的许多亟待解决的技术问题,还存在许多未提出的技术方案。
发明内容
基于此,为了实现对隔离开关电机电流的实时监测,本发明提供了一种隔离开关电机电流智能化监测系统及方法,其具体技术方案如下:
一种隔离开关电机电流智能化监测系统,其包括第一获取模块、降维处理模块以及判断模块。
第一获取模块用于获取隔离开关电机多个不同的实时数据值,并提取多个不同的实时数据值的实时数据特征值;降维处理模块用于根据多个所述实时数据特征值构建实时数据特征样本集,并对所述实时数据特征样本集进行降维预处理,获取低维数据特征集。
判断模块用于计算所述低维数据特征集与标准数据特征集的偏差数值,根据所述低维数据特征集与所述标准数据特征集的偏差数值,判断所述隔离开关电机电流是否正常以实现隔离开关电机电流智能化监测。
其中,所述实时数据值至少包括所述隔离开关电机的实时电流。
所述隔离开关电机电流智能化监测系统通过获取隔离开关电机多个不同的实时数据值,并提取多个不同的实时数据值的实时数据特征值,根据多个所述实时数据特征值构建实时数据特征样本集,并对所述实时数据特征样本集进行降维预处理,获取低维数据特征集,可以全面地获取隔离开关实时数据特征值。通过获取低维数据特征值,可以降低存储空间,减少计算资源,提高计算效率。基于此,根据所述低维数据特征集与所述标准数据特征集的偏差数值,判断所述隔离开关电机电流是否正常,所述隔离开关电机电流智能化监测系统,能够更加快速准确地实现隔离开关电机电流智能化监测,为隔离开关机械故障的实时检测提供依据。
进一步地,所述判断模块包括计算单元以及监测单元。
计算单元用于计算所述低维数据特征集与所述标准数据特征集的偏差数值;监测单元用于根据所述低维数据特征集与所述标准数据特征集的偏差数值,判断所述隔离开关电机电流是否正常。
进一步地,所述判断模块还包括系数获取单元。
系数获取单元用于获取温度相关系数、速度相关系数。
其中,监测单元根据所述低维数据特征集与所述标准数据特征集的偏差数值,判断所述隔离开关电机电流是否正常具体为:根据所述低维数据特征集与所述标准数据特征集的偏差数值、温度相关系数、速度相关系数,判断所述隔离开关电机电流是否正常。
进一步地,所述第一获取模块还用于获取与隔离开关分合闸动作相对应的标准数据特征集。
进一步地,一种隔离开关电机电流智能化监测方法,其包括如下步骤:
获取隔离开关电机多个不同的实时数据值;
提取多个不同的实时数据值的实时数据特征值;
根据多个所述实时数据特征值构建实时数据特征样本集;
对所述实时数据特征样本集进行降维预处理,获取低维数据特征集;
计算所述低维数据特征集与标准数据特征集的偏差数值;
根据所述低维数据特征集与所述标准数据特征集的偏差数值,判断所述隔离开关电机电流是否正常以实现隔离开关电机电流智能化监测;
其中,所述实时数据值至少包括所述隔离开关电机的实时电流。
进一步地,根据所述低维数据特征集与所述标准数据特征集的偏差数值,判断所述隔离开关电机电流是否正常以实现隔离开关电机电流智能化监测的具体方法包括如下步骤:
获取温度相关系数、速度相关系数;
根据所述低维数据特征集与所述标准数据特征集的所述偏差数值、所述温度相关系数、所述速度相关系数,判断所述隔离开关电机电流是否正常。
进一步地,根据所述低维数据特征集与所述标准数据特征集的所述偏差数值、所述温度相关系数、所述速度相关系数,判断所述隔离开关电机电流是否正常的具体方法包括如下步骤:
分别对所述低维数据特征集与所述标准数据特征集进行聚类处理;
获取聚类处理后的所述低维数据特征集与所述标准数据特征集的簇内相似度、簇间相似度、簇大小以及簇密度;
分别根据所述簇内相似度、所述簇间相似度、所述簇大小以及所述簇密度计算相应的偏差数值;
基于所述温度相关系数、所述速度相关系数,对所述偏差数值进行修正;
根据修正后的偏差数值以及预设偏差阈值,判断所述隔离开关电机电流是否正常。
一种计算机可读存储介质,其存储有计算机程序,当所述计算机程序被处理器执行时实现所述的隔离开关电机电流智能化监测方法。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制,而是将重点放在示出实施例的原理上。在不同的视图中,相同的附图标记指定对应的部分。
图1是本发明一实施例中一种隔离开关电机电流智能化监测方法的整体流程示意图;
图2是本发明另一实施例中一种隔离开关电机电流智能化监测方法的整体流程示意图。
具体实施方式
为了使得本发明的目的、技术方案及优点更加清楚明白,以下结合其实施例,对本发明进行进一步详细说明。应当理解的是,此处所描述的具体实施方式仅用以解释本发明,并不限定本发明的保护范围。
需要说明的是,当元件被称为“固定于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的,并不表示是唯一的实施方式。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本发明中所述“第一”、“第二”不代表具体的数量及顺序,仅仅是用于名称的区分。
本发明一实施例中的一种隔离开关电机电流智能化监测系统,其包括第一获取模块、降维处理模块以及判断模块。
第一获取模块用于获取隔离开关电机多个不同的实时数据值,并提取多个不同的实时数据值的实时数据特征值。
其中,所述实时数据值至少包括所述隔离开关电机的实时电流。除了所述实时电流,所述实时数据值包括但不限于隔离开关电机的转动速度值、声纹值以及机械振动值等。所述数据特征包括但不限于幅值、频率以及变化速率等。
降维处理模块用于根据多个所述实时数据特征值构建实时数据特征样本集,并对所述实时数据特征样本集进行降维预处理,获取低维数据特征集。
所构建的实时数据特征样本集包括多个不同实时数据特征值,其属于高维数据集。对所述实时数据特征样本集进行降维预处理的方法包括但不限于主成分分析、独立分量分析以及随机森林等。
由于对高维数据进行降维预处理以获取低维数据属于本领域常规技术手段,故而在此不再赘述。
判断模块用于计算所述低维数据特征集与标准数据特征集的偏差数值,根据所述低维数据特征集与所述标准数据特征集的偏差数值,判断所述隔离开关电机电流是否正常以实现隔离开关电机电流智能化监测。
所述偏差数值包括但不限于所述低维数据特征集与标准数据特征集之间的簇间相似度、簇内相似度、簇大小以及簇密度的偏差数值。
所述标准数据特征集可以基于大数据技术获取,具体而言,获取隔离开关电机在正常工作情况下的标准数据值,并获取标准数据值的标准数据特征值,基于所述标准数据特征值构建标准数据特征集。
一般情况下,若隔离开关电机处在正常工作情况下,实时数据特征集与标准数据特征值之间的偏差数值处在一个偏差阈值范围内。若所述偏差数值不处在偏差阈值范围,则可以判断隔离开关电机电流出现异常,进而判断隔离开关出现了机械故障。
所述隔离开关电机电流智能化监测系统通过获取隔离开关电机多个不同的实时数据值,并提取多个不同的实时数据值的实时数据特征值,根据多个所述实时数据特征值构建实时数据特征样本集,并对所述实时数据特征样本集进行降维预处理,获取低维数据特征集,可以全面地获取隔离开关实时数据特征值。通过获取低维数据特征值,可以降低存储空间,减少计算资源,提高计算效率。基于此,根据所述低维数据特征集与所述标准数据特征集的偏差数值,判断所述隔离开关电机电流是否正常,所述隔离开关电机电流智能化监测系统,能够更加快速准确地实现隔离开关电机电流智能化监测,为隔离开关机械故障的实时检测提供依据。
另外,相对于现有技术仅通过隔离开关电机实时电流的大小值又或者变化值来判断隔离开关是否存在机械故障,本发明所述智能化监测系统基于低维数据特征集与所述标准数据特征集的偏差数值,判断所述隔离开关电机电流是否正常,可以从多个不同维度对隔离开关进行实时监测,更加准确地判断隔离开关是否机械故障。
综上所述,所述隔离开关电机电流智能化监测系统通过获取低维数据特征集,并根据所述低维数据特征集与所述标准数据特征集的偏差数值,判断所述隔离开关电机电流是否正常以实现隔离开关电机电流智能化监测,可以全面地获取隔离开关实时数据特征值,提高系统计算效率,进而能够更加快速准确地实现隔离开关电机电流智能化监测,为隔离开关机械故障的实时检测提供依据。
在其中一个实施例中,所述判断模块包括计算单元、监测单元以及系数获取单元。
计算单元用于计算所述低维数据特征集与所述标准数据特征集的偏差数值;监测单元用于根据所述低维数据特征集与所述标准数据特征集的偏差数值,判断所述隔离开关电机电流是否正常。
系数获取单元用于获取温度相关系数、速度相关系数。所述第一获取模块还用于获取与隔离开关分合闸动作相对应的标准数据特征集。即是说,所述隔离开关在分闸动作以及合闸动作时,对应不同的标准数据特征集。
其中,监测单元根据所述低维数据特征集与所述标准数据特征集的偏差数值,判断所述隔离开关电机电流是否正常具体为:根据所述低维数据特征集与所述标准数据特征集的偏差数值、温度相关系数、速度相关系数,判断所述隔离开关电机电流是否正常。
对于隔离开关电机而言,其通过驱动传动结构来实现隔离开关的分合闸操作,在分闸和合闸操作过程中,实时数据特征值(比如实时电流)的变化趋势截然不同。
另外,隔离开关电机以及传动结构的实时温度的差异还有电机转动速度(即分合闸速度)的差异,也会导致实时数据特征值变化趋势的改变。
因此,隔离开关电机的实时温度、转动速度以及具体操作的不同,会导致得到的低维数据集的改变。根据所述低维数据特征集与所述标准数据特征集的偏差数值、温度相关系数、速度相关系数,判断所述隔离开关电机电流是否正常,所述电流智能化监测系统将影响隔离开关电机实时数据值变化的因素考虑在内,可以提高隔离开关机械故障判断的准确度。
在其中一个实施例中,如图1所示,一种隔离开关电机电流智能化监测方法,其包括如下步骤:
S1,获取隔离开关电机多个不同的实时数据值。
其中,所述实时数据值至少包括所述隔离开关电机的实时电流。除了实时电流外,所述实时数据值包括但不限于隔离开关电机的声纹数据值、机械振动值、实时电压值以及实时输出功率值。
S2,提取多个不同的实时数据值的实时数据特征值。所述数据特征包括但不限于数据的幅值、变化率以及频率。
S3,根据多个所述实时数据特征值构建实时数据特征样本集。实时数据特征样本集为高维数据样本集,其包括了隔离开关电机在动作过程中的丰富实时数据特征,可以方便所述智能化监测系统从多维角度来实现隔离开关机械故障的检测判断。
S4,对所述实时数据特征样本集进行降维预处理,获取低维数据特征集。
具体而言,对所述实时数据特征样本集进行降维预处理的方法包括但不限于随机森林、主成分分析以及独立分量分析等。
S5,计算所述低维数据特征集与标准数据特征集的偏差数值,根据所述低维数据特征集与所述标准数据特征集的偏差数值,判断所述隔离开关电机电流是否正常以实现隔离开关电机电流智能化监测。
具体而言,在步骤S5中,根据所述低维数据特征集与所述标准数据特征集的偏差数值,判断所述隔离开关电机电流是否正常以实现隔离开关电机电流智能化监测的具体方法包括如下步骤:
S50,获取温度相关系数、速度相关系数。在这里,可以先获取隔离开关电机的实时温度、转动速度,根据实时温度、转动速度,分别获取温度相关系数、速度相关系数。
根据实时温度获取温度相关系数的方法可以为:先获取标准温度下隔离开关的低维数据特征集,计算标准温度下的低维数据特征集与标准数据特征集之间的标准偏差数值,然后改变隔离开关的实时温度值,获取不同实时温度值下的实时低维数据特征集,并计算实时低维数据特征集与标准数据特征集之间的实时温度偏差数值,根据实时温度偏差数值与标准偏差数值计算温度偏差比例值,对温度偏差比例值进行拟合获取温度偏差曲线,该温度偏差曲线为偏差比例值对实时温度值的函数曲线,最后根据温度偏差曲线以及实时温度获取实时温度偏差比例值,该实时温度偏差比例值即为温度相关系数。
根据转送速度获取速度相关系数的方法可以为:先获取标准速度下隔离开关的低维数据特征集,计算标准速度下的低维数据特征集与标准数据特征集之间的标准偏差数值,然后改变隔离开关的实时转动速度,获取不同实时转动速度下的实时低维数据特征集,并计算实时低维数据特征集与标准数据特征集之间的实时速度偏差数值,根据实时速度偏差数值与标准偏差数值计算速度偏差比例值,对速度度偏差比例值进行拟合获取速度偏差曲线,该速度偏差曲线为偏差比例值对实时转动速度的函数曲线,最后根据速度偏差曲线以及实时转动速度获取实时速度偏差比例值,该实时速度偏差比例值即为速度相关系数。
S51,根据所述低维数据特征集与所述标准数据特征集的所述偏差数值、所述温度相关系数、所述速度相关系数,判断所述隔离开关电机电流是否正常。
如图2所示,在步骤S51中,根据所述低维数据特征集与所述标准数据特征集的所述偏差数值、所述温度相关系数、所述速度相关系数,判断所述隔离开关电机电流是否正常的具体方法包括如下步骤:
S510,分别对所述低维数据特征集与所述标准数据特征集进行聚类处理。
S511,获取聚类处理后的所述低维数据特征集与所述标准数据特征集的簇内相似度、簇间相似度、簇大小以及簇密度。
所述簇间相似度,指的是所述低维数据特征集内每两个聚类簇之间的相似度以及标准数据特征集内两两聚类簇之间的相似度。
S512,分别根据所述簇内相似度、所述簇间相似度、所述簇大小以及所述簇密度计算相应的偏差数值。
具体地,所述偏差数值
其中,δ1i表示低维数据特征集第i个簇的簇内相似度,δ2i表示标准数据特征集第i个簇的簇内相似度,λ1ij表示低维数据特征集第i个簇与第j个簇的簇间相似度,δ2ij表示标准数据特征集第i个簇与第j个簇的簇间相似度,ε1i表示低维数据特征集第i个簇的簇大小,ε2i表示标准数据特征集第i个簇的簇大小,η1i表示低维数据特征集第i个簇的簇密度,η2i表示标准数据特征集第i个簇的簇密度,n表示低维数据特征集的簇数量,低维数据特征集的簇数量与标准数据特征集的簇数量相等,低维数据特征集第i个簇与标准数据特征集第i个簇所对应的数据特征值类型相同,表示从n个不同元素取2个元素的组合数。
S513,基于所述温度相关系数、所述速度相关系数,对所述偏差数值进行修正。具体地,根据公式Dev'=(Dev*α+Dev*β)/2对所述偏差数值进行修正。在这里,α表示温度相关系数,β表示速度相关系数,Dev'表示修正后的偏差数值。
S514,根据修正后的偏差数值以及预设偏差阈值,判断所述隔离开关电机电流是否正常。若修正后的偏差数值大于预设偏差阈值,则判断隔离开关电机电流故障,否则判断隔离开关电机电流正常。
通过根据所述簇内相似度、所述簇间相似度、所述簇大小以及所述簇密度计算相应的偏差数值,并基于所述温度相关系数、所述速度相关系数,对所述偏差数值进行修正,不仅可以将影响隔离开关电机实时数据值变化的因素考虑在内,还可以结合包括电机电流在内的多个不同维度的电机实时数据值综合判断隔离开关机械故障,可以很好地提高隔离开关机械故障判断的准确度。
优选地,计算相应的偏差数值的具体方法还可以是:基于所述温度相关系数、所述速度相关系数、所述簇内相似度、所述簇间相似度、所述簇大小以及所述簇密度计算相应的偏差数值,并根据所述偏差数值以及预设偏差阈值,判断所述隔离开关电机电流是否正常。若修正后的偏差数值大于预设偏差阈值,则判断隔离开关电机电流故障,否则判断隔离开关电机电流正常;偏差数值的计算公式为Dev=(Dev1+Dev2)/2,
在这里,先将影响隔离开关电机实时数据值变化的温度相关系数以及速度相关系数代入公式计算Dev1以及Dev2,最后结合Dev1以及Dev2计算偏差数值,可以更进一步地结合包括电机电流在内的多个不同维度的电机实时数据值综合判断隔离开关机械故障,无需技术人员根据自身经验去判断隔离开关机械故障,进而进一步自动化地智能化地提高隔离开关机械故障判断的准确度。
所述隔离开关电机电流智能化监测方法通过获取隔离开关电机多个不同的实时数据值,并提取多个不同的实时数据值的实时数据特征值,根据多个所述实时数据特征值构建实时数据特征样本集,并对所述实时数据特征样本集进行降维预处理,获取低维数据特征集,可以全面地获取隔离开关实时数据特征值。通过获取低维数据特征值,可以降低存储空间,减少计算资源,提高计算效率。基于此,根据所述低维数据特征集与所述标准数据特征集的偏差数值,判断所述隔离开关电机电流是否正常,所述隔离开关电机电流智能化监测方法,能够更加快速准确地实现隔离开关电机电流智能化监测,为隔离开关机械故障的实时检测提供依据。
另外,相对于现有技术仅通过隔离开关电机实时电流的大小值又或者变化值来判断隔离开关是否存在机械故障,本发明所述智能化监测方法基于低维数据特征集与所述标准数据特征集的偏差数值,判断所述隔离开关电机电流是否正常,可以从多个不同维度对隔离开关进行实时监测,更加准确地判断隔离开关是否机械故障。
综上所述,所述隔离开关电机电流智能化监测方法通过获取低维数据特征集,并根据所述低维数据特征集与所述标准数据特征集的偏差数值,判断所述隔离开关电机电流是否正常以实现隔离开关电机电流智能化监测,可以全面地获取隔离开关实时数据特征值,提高系统计算效率,进而能够更加快速准确地实现隔离开关电机电流智能化监测,为隔离开关机械故障的实时检测提供依据
在其中一个实施例中,本发明提供一种计算机可读存储介质,其存储有计算机程序,当所述计算机程序被处理器执行时实现所述的隔离开关电机电流智能化监测方法。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (4)
1.一种隔离开关电机电流智能化监测系统,其特征在于,所述隔离开关电机电流智能化监测系统包括:
第一获取模块,用于获取隔离开关电机多个不同的实时数据值,并提取多个不同的实时数据值的实时数据特征值;
降维处理模块,用于根据多个所述实时数据特征值构建实时数据特征样本集,并对所述实时数据特征样本集进行降维预处理,获取低维数据特征集;
判断模块,用于计算所述低维数据特征集与标准数据特征集的偏差数值,根据所述低维数据特征集与所述标准数据特征集的偏差数值,判断所述隔离开关电机电流是否正常以实现隔离开关电机电流智能化监测;
其中,所述实时数据值至少包括所述隔离开关电机的实时电流;
其中,所述判断模块包括:
计算单元,用于计算所述低维数据特征集与所述标准数据特征集的偏差数值;
监测单元,用于根据所述低维数据特征集与所述标准数据特征集的偏差数值,判断所述隔离开关电机电流是否正常;
所述判断模块还包括:
系数获取单元,用于获取温度相关系数、速度相关系数;
其中,监测单元根据所述低维数据特征集与所述标准数据特征集的偏差数值,判断所述隔离开关电机电流是否正常具体为:根据所述低维数据特征集与所述标准数据特征集的偏差数值、温度相关系数、速度相关系数,判断所述隔离开关电机电流是否正常;
其中,根据所述低维数据特征集与所述标准数据特征集的所述偏差数值、所述温度相关系数、所述速度相关系数,判断所述隔离开关电机电流是否正常的具体方法包括如下步骤:
分别对所述低维数据特征集与所述标准数据特征集进行聚类处理;
获取聚类处理后的所述低维数据特征集与所述标准数据特征集的簇内相似度、簇间相似度、簇大小以及簇密度;
分别根据所述簇内相似度、所述簇间相似度、所述簇大小以及所述簇密度计算相应的偏差数值,其中,所述偏差数值
式中,δ1i为低维数据特征集第i个簇的簇内相似度,δ2i为标准数据特征集第i个簇的簇内相似度,λ1ij为低维数据特征集第i个簇与第j个簇的簇间相似度,λ2ij为标准数据特征集第i个簇与第j个簇的簇间相似度,ε1i为低维数据特征集第i个簇的簇大小,ε2i为标准数据特征集第i个簇的簇大小,η1i为低维数据特征集第i个簇的簇密度,η2i为标准数据特征集第i个簇的簇密度,n为低维数据特征集的簇数量,低维数据特征集的簇数量与标准数据特征集的簇数量相等,低维数据特征集第i个簇与标准数据特征集第i个簇所对应的数据特征值类型相同,为从n个不同元素取2个元素的组合数;
基于所述温度相关系数、所述速度相关系数和公式Dev'=(Dev*α+Dev*β)/2,对所述偏差数值进行修正,其中,α为温度相关系数,β为速度相关系数,Dev'为修正后的偏差数值;
根据修正后的偏差数值以及预设偏差阈值,判断所述隔离开关电机电流是否正常。
2.如权利要求1所述的一种隔离开关电机电流智能化监测系统,其特征在于,所述第一获取模块还用于获取与隔离开关分合闸动作相对应的标准数据特征集。
3.一种隔离开关电机电流智能化监测方法,其特征在于,所述隔离开关电机电流智能化监测方法包括如下步骤:
获取隔离开关电机多个不同的实时数据值;
提取多个不同的实时数据值的实时数据特征值;
根据多个所述实时数据特征值构建实时数据特征样本集;
对所述实时数据特征样本集进行降维预处理,获取低维数据特征集;
计算所述低维数据特征集与标准数据特征集的偏差数值;
根据所述低维数据特征集与所述标准数据特征集的偏差数值,判断所述隔离开关电机电流是否正常以实现隔离开关电机电流智能化监测;
其中,所述实时数据值至少包括所述隔离开关电机的实时电流;
其中,根据所述低维数据特征集与所述标准数据特征集的偏差数值,判断所述隔离开关电机电流是否正常以实现隔离开关电机电流智能化监测的具体方法包括如下步骤:
获取温度相关系数、速度相关系数;
根据所述低维数据特征集与所述标准数据特征集的所述偏差数值、所述温度相关系数、所述速度相关系数,判断所述隔离开关电机电流是否正常;
其中,根据所述低维数据特征集与所述标准数据特征集的所述偏差数值、所述温度相关系数、所述速度相关系数,判断所述隔离开关电机电流是否正常的具体方法包括如下步骤:
分别对所述低维数据特征集与所述标准数据特征集进行聚类处理;
获取聚类处理后的所述低维数据特征集与所述标准数据特征集的簇内相似度、簇间相似度、簇大小以及簇密度;
分别根据所述簇内相似度、所述簇间相似度、所述簇大小以及所述簇密度计算相应的偏差数值,其中,所述偏差数值
式中,δ1i为低维数据特征集第i个簇的簇内相似度,δ2i为标准数据特征集第i个簇的簇内相似度,λ1ij为低维数据特征集第i个簇与第j个簇的簇间相似度,λ2ij为标准数据特征集第i个簇与第j个簇的簇间相似度,ε1i为低维数据特征集第i个簇的簇大小,ε2i为标准数据特征集第i个簇的簇大小,η1i为低维数据特征集第i个簇的簇密度,η2i为标准数据特征集第i个簇的簇密度,n为低维数据特征集的簇数量,低维数据特征集的簇数量与标准数据特征集的簇数量相等,低维数据特征集第i个簇与标准数据特征集第i个簇所对应的数据特征值类型相同,为从n个不同元素取2个元素的组合数;
基于所述温度相关系数、所述速度相关系数和公式Dev'=(Dev*α+Dev*β)/2,对所述偏差数值进行修正,其中,α为温度相关系数,β为速度相关系数,Dev'为修正后的偏差数值;
根据修正后的偏差数值以及预设偏差阈值,判断所述隔离开关电机电流是否正常。
4.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,当所述计算机程序被处理器执行时实现如权利要求3所述的隔离开关电机电流智能化监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310586781.6A CN116819158B (zh) | 2023-05-19 | 2023-05-19 | 一种隔离开关电机电流智能化监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310586781.6A CN116819158B (zh) | 2023-05-19 | 2023-05-19 | 一种隔离开关电机电流智能化监测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116819158A CN116819158A (zh) | 2023-09-29 |
CN116819158B true CN116819158B (zh) | 2024-02-09 |
Family
ID=88124920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310586781.6A Active CN116819158B (zh) | 2023-05-19 | 2023-05-19 | 一种隔离开关电机电流智能化监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116819158B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103454488A (zh) * | 2013-09-18 | 2013-12-18 | 武汉大学 | 一种高压隔离开关电动操动机构电机电流测量系统及方法 |
CN104049207A (zh) * | 2014-06-27 | 2014-09-17 | 国家电网公司 | 一种隔离开关分合卡涩情况状态检修方法 |
CN109100641A (zh) * | 2017-06-20 | 2018-12-28 | 平高集团有限公司 | 一种高压隔离开关故障检测方法和装置 |
CN111382809A (zh) * | 2020-06-01 | 2020-07-07 | 国网江西省电力有限公司电力科学研究院 | 一种基于电机输出功率的隔离开关机械故障诊断方法 |
CN111783835A (zh) * | 2020-06-04 | 2020-10-16 | 苏宁金融科技(南京)有限公司 | 一种数据降维方法、装置及系统 |
CN113379026A (zh) * | 2021-06-10 | 2021-09-10 | 南京欣智湾软件科技有限公司 | 一种基于大数据挖掘的隔离开关状态诊断算法 |
CN114325365A (zh) * | 2021-11-26 | 2022-04-12 | 国网辽宁省电力有限公司电力科学研究院 | 一种gis内隔离开关动态特性评价方法 |
CN115144743A (zh) * | 2022-07-12 | 2022-10-04 | 国网安徽省电力有限公司合肥供电公司 | 一种gis隔离开关分合状态在线监测系统 |
CN115825551A (zh) * | 2022-11-22 | 2023-03-21 | 国网安徽省电力有限公司超高压分公司 | 一种隔离开关电机输出功率检测装置及方法 |
-
2023
- 2023-05-19 CN CN202310586781.6A patent/CN116819158B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103454488A (zh) * | 2013-09-18 | 2013-12-18 | 武汉大学 | 一种高压隔离开关电动操动机构电机电流测量系统及方法 |
CN104049207A (zh) * | 2014-06-27 | 2014-09-17 | 国家电网公司 | 一种隔离开关分合卡涩情况状态检修方法 |
CN109100641A (zh) * | 2017-06-20 | 2018-12-28 | 平高集团有限公司 | 一种高压隔离开关故障检测方法和装置 |
CN111382809A (zh) * | 2020-06-01 | 2020-07-07 | 国网江西省电力有限公司电力科学研究院 | 一种基于电机输出功率的隔离开关机械故障诊断方法 |
CN111783835A (zh) * | 2020-06-04 | 2020-10-16 | 苏宁金融科技(南京)有限公司 | 一种数据降维方法、装置及系统 |
CN113379026A (zh) * | 2021-06-10 | 2021-09-10 | 南京欣智湾软件科技有限公司 | 一种基于大数据挖掘的隔离开关状态诊断算法 |
CN114325365A (zh) * | 2021-11-26 | 2022-04-12 | 国网辽宁省电力有限公司电力科学研究院 | 一种gis内隔离开关动态特性评价方法 |
CN115144743A (zh) * | 2022-07-12 | 2022-10-04 | 国网安徽省电力有限公司合肥供电公司 | 一种gis隔离开关分合状态在线监测系统 |
CN115825551A (zh) * | 2022-11-22 | 2023-03-21 | 国网安徽省电力有限公司超高压分公司 | 一种隔离开关电机输出功率检测装置及方法 |
Non-Patent Citations (2)
Title |
---|
基于K-means聚类法的牵引供电隔离开关故障状态监测;刘仕兵;葛俊祥;;华东交通大学学报(第03期);全文 * |
电动隔离开关状态监测及诊断系统的研究;杨永雄;龚森;陈延秋;郑奕辉;;电力安全技术(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116819158A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107395121B (zh) | 基于格拉布斯准则及离群点检测光伏阵列故障检测方法 | |
CN104135074B (zh) | 基于离群点检测的超高压变电站设备温度监测告警方法 | |
CN109787979B (zh) | 一种电力网络事件和入侵的检测方法 | |
CN115048591B (zh) | 一种基于人工智能的配电网全息数据可视化智能展示分析系统 | |
CN107340459A (zh) | 一种直流故障电弧检测方法及系统 | |
CN104020754A (zh) | 一种变电站一次主设备状态监测信息接入调控系统的方法 | |
CN115201616B (zh) | 一种基于大数据的充电机运行在线监测方法 | |
CN111381163A (zh) | 电机群组故障预警方法及装置 | |
CN113739846A (zh) | 一种基于多参数检测的开关柜及通用型监测管理系统 | |
CN116819158B (zh) | 一种隔离开关电机电流智能化监测系统及方法 | |
CN109655715A (zh) | 一种基于电网故障智能识别设备的电网故障识别方法 | |
CN105548873A (zh) | 用于在线监测装置实现开关设备健康诊断的方法及系统 | |
CN205594062U (zh) | 一种辅助电路开关的突变监控报警装置 | |
CN110849419A (zh) | 一种开关柜状态监测诊断方法及系统 | |
GU et al. | Research on intelligent early warning algorithm for distribution network considering extreme climate conditions | |
CN107482783B (zh) | 一种厂用电监测及控制综合智能化系统 | |
CN113917323B (zh) | 一种智能柱上开关监测系统及方法 | |
CN115632379A (zh) | 一种多途径检测的vcs隔离开关箱用电弧光保护系统 | |
CN210952934U (zh) | 一种开关柜状态监测诊断系统 | |
CN112381130A (zh) | 一种基于聚类分析的配电房多元数据异常检测方法 | |
CN114113995A (zh) | 一种gis用隔离开关机械故障检测方法及系统 | |
CN114325228A (zh) | 一种储能系统绝缘故障点定位方法、系统及存储介质 | |
CN108228800B (zh) | 一种基于数据挖掘的光伏发电系统异常检测系统及方法 | |
CN113744483B (zh) | 一种电气火灾监测的物联网总线系统及控制方法 | |
CN110548701B (zh) | 一种适用于空心电抗器的质量检测装置及质量检测方法 |
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 |