CN117313499B - 组合电器隔离开关状态信号多源传感器布置方法与系统 - Google Patents
组合电器隔离开关状态信号多源传感器布置方法与系统 Download PDFInfo
- Publication number
- CN117313499B CN117313499B CN202311615580.0A CN202311615580A CN117313499B CN 117313499 B CN117313499 B CN 117313499B CN 202311615580 A CN202311615580 A CN 202311615580A CN 117313499 B CN117313499 B CN 117313499B
- Authority
- CN
- China
- Prior art keywords
- matrix
- sensor
- freedom
- degree
- state signal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 239000011159 matrix material Substances 0.000 claims abstract description 97
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims abstract description 8
- 230000009467 reduction Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000002955 isolation Methods 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract 1
- 230000005540 biological transmission Effects 0.000 description 8
- 238000005259 measurement Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000007789 sealing Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06F18/2134—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis
- G06F18/21342—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis using statistical independence, i.e. minimising mutual information or maximising non-gaussianity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computer Hardware Design (AREA)
Abstract
本发明公开了一种组合电器隔离开关状态信号多源传感器布置方法与系统，属于电力设备状态监测技术领域，所述方法包括：计算组合电器隔离开关状态信号各传感器节点的信息熵，并进行传感器节点的信任度评价；基于传感器节点的信任度计算有效独立分量的加权系数，得到加权有效独立分配矩阵；根据加权有效独立分配矩阵，搜索出最合适的状态信号测量点，形成多源传感器的最优布置策略。本发明基于节点信息熵进行传感器信任度评价，通过引入信任度进行加权系数计算，以得到加权有效独立分配矩阵，进一步搜索出最合适的测量点，形成多源传感器的最优布置策略，可以很好的平均各阶振型的能量分布，包含较多的模态参数信息，有利于模态振型的识别。
Description
技术领域
本发明属于电器隔离开关状态感知技术领域，涉及一种组合电器隔离开关状态信号多源传感器布置方法与系统。
背景技术
气体绝缘金属封闭开关设备(Gas Insulated Switchgear，GIS)，具有占地面积小、元件全部密封不受环境干扰、运行可靠性高、检修周期长等优点，加之在技术上的先进性和经济上的优越性，在各电压等级的变电站中已得到广泛应用。目前变电站广泛采用组合电器，针对组合电器近几年维修情况看，设备锈蚀情况越来越严重。铁锈沿法兰间缝隙逐步向气室侵蚀，锈蚀往往会加快连接处密封胶圈的老化，使得密封胶圈弹性降低，最终导致漏气。同时由于雨水等原因使接线盒进水，拒分拒合时有发生。隔离开关作为GIS设备中重要的组成部分，其具有使用数量大、开合操作频繁的特点。在频繁的操作过程中，受环境的影响，隔离开关可能存在动静触头松动、传动机构卡涩、开合不到位等机械故障。组合电器隔离开关如不及时处理，随着机械故障的进一步扩大，会引发触头温度上升、出现悬浮放电等现象，进而导致组合电器隔离开关烧蚀，引发事故的发生。
因此，对组合电器隔离开关传动机构进行实时状态感知已势在必行，而实现状态感知的多传感器测量系统中，传感器的布置位置不当也会导致测试数据的缺失或者冗余，因而对传感器位置进行优化布置至关重要。
发明内容
为解决现有技术中存在的不足，本发明提供一种组合电器隔离开关状态信号多源传感器布置方法与系统。
本发明采用如下的技术方案。
一种组合电器隔离开关状态信号多源传感器布置方法，包括：
步骤1：计算组合电器隔离开关状态信号各传感器节点的信息熵，并根据传感器节点信息熵进行传感器节点的信任度评价；
步骤2：基于传感器节点的信任度计算有效独立分量的加权系数，进而得到加权有效独立分配矩阵；
步骤3：根据加权有效独立分配矩阵，通过逐步消减的方式搜索出最合适的状态信号测量点，形成多源传感器的最优布置策略。
优选地，所述传感器节点包括旋转式角位移传感器、振动传感器、声音传感器以及霍尔电流传感器节点。
优选地，步骤1中，各传感器节点的信息熵计算方式为：
1）假设组合电器隔离开关结构模态振型由m个自由度以及n阶模态组成，则第k个自由度的Fisher信息矩阵为：
(1)
其中表示/>中第k个自由度的振型，为1×n的矩阵；
表示第k个自由度的Fisher信息矩阵，为n×n的矩阵；
2）根据第k个自由度的Fisher信息矩阵与整体的Fisher信息矩阵/>，得到与结构整体模态信息相关的第k个自由度新的Fisher信息矩阵：
(2)
其中：为第k个自由度新的Fisher信息矩阵；
“./”表示矩阵内对应位置元素进行除法运算；
3）假定第k个自由度的Fisher信息矩阵，其中n表示模态阶数，先对矩阵/>内部元素进行绝对值处理：
(3)
然后计算第j阶模态参数下各个数据所占比重：
(4)
接着计算第k个自由度的信息熵：
(5)
式中：为前n阶模态下的第k个自由度的信息熵，为1*n的矩阵；
；
4）对的矩阵元素/>进行求和到第k个自由度的信息熵/>：
(6)
对进行归一化处理，得到传感器节点第k个自由度的信息熵/>：
(7)。
优选地，步骤1中，根据传感器节点信息熵进行传感器节点的信任度评价的评价函数为：
(8)
其中，为第k个自由度的信任度；
为第k个自由度的信息熵。
优选地，步骤2中，有效独立分量的加权系数计算公式为：
(9)
其中，Y为有效独立分量的加权系数矩阵；为信任度矩阵。
优选地，步骤2中，加权有效独立分配矩阵为：
（10）
其中，为加权有效独立分配矩阵；
为振型矩阵/>；
Y为有效独立分量的加权系数矩阵。
优选地，步骤3中，针对加权有效独立分配矩阵，通过逐步消减的方式搜索出最合适的测量点，形成多传感器最优布置策略具体为：
从加权有效独立分配矩阵中选出一个最小的对角线元素，取出该元素，即剔除该元素对应的传感器节点后重新计算加权有效独立分配矩阵，如此循环直到剩余传感器节点数量满足根据工程要求所预设的传感器节点数量，剩余传感器节点为多传感器最优布置位置。
一种组合电器隔离开关状态信号多源传感器布置系统，包括：
信任度评价模块，用于计算组合电器隔离开关状态信号各传感器节点的信息熵，并根据传感器节点信息熵进行传感器节点的信任度评价；
加权计算模块，用于基于传感器节点的信任度计算有效独立分量的加权系数，进而得到加权有效独立分配矩阵；
测量点搜索模块，用于根据加权有效独立分配矩阵，通过逐步消减的方式搜索出最合适的状态信号测量点，形成多源传感器的最优布置策略。
一种终端，包括处理器及存储介质，所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行所述方法的步骤。
计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述方法的步骤。
本发明的有益效果在于，与现有技术相比：
本发明基于节点信息熵进行传感器信任度评价，通过引入信任度进行加权系数计算，以得到加权有效独立分配矩阵，进一步结合逐步消减的方法搜索出最合适的测量点，形成多源传感器的最优布置策略，可以很好的平均各阶振型的能量分布，包含较多的模态参数信息，有利于模态振型的识别。
附图说明
图1是本发明组合电器隔离开关状态信号多源传感器布置方法流程图。
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，下面将结合本发明实施例中的附图，对本发明的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本发明一部分的实施例，而不是全部实施例。基于本发明精神，本领域普通技术人员在没有作出创造性劳动前提下所获得的有所其它实施例，都属于本发明的保护范围。
如图1所示，本发明实施例1提供一种组合电器隔离开关状态信号多源传感器布置方法，包括：
步骤1：计算组合电器隔离开关状态信号各传感器节点的信息熵，并根据传感器节点信息熵进行传感器节点的信任度评价；
具体实施时，一方面需要将测点布置在振动能量较高的位置，此处获取的信号信噪比高，能够更好地反映结构的低频振型；另一方面须通过较少的测点位置尽可能多的获取模态信息，可以通过比对每个候选传感器测点Fisher信息矩阵的信息量，信息量反映了结构在该测点布置传感器所获取的模态信息的多少。然而，如果只是考虑测点的振动能量进行传感器的布设，可能导致获取的模态线性独立性较低，模态向量之间线性无关程度低，对应获取的模态信息较少；如果只是以获取模态信息量较大的位置为目的进行布设，则可能导致测点处能量较低，信噪比低使得获取的模态信息误差增大。本发明提出一种基于融合信息熵改进的有效独立法。信息熵是用来描述信息信源的不确定度。在信息论的表述中，信息熵可以度量系统的混乱程度以及不确定度的大小。当信息熵越大时，系统的混乱程度即越高，不确定性越大，则对应的信息量也是越大；信息熵越小时则相反。因此，信息熵可以作为度量系统所包含信息量大小的工具。
熵值法首先输出结构的振型并构造各自由度的Fisher信息矩阵，并将其与整体的Fisher信息矩阵进行除法运算形成新的自由度Fisher信息矩阵，接着将新的Fisher信息矩阵作为原始数据矩阵进行熵值法计算，最后获得对应不同自由度的信息熵。
具体计算各节点信息熵的步骤如下：
模态振型由m个自由度以及n阶模态组成，则可以得到第k个自由度的Fisher信息矩阵可以表示为：
(1)
其中表示第k个自由度的振型，为1×n的矩阵，为/>矩阵第k行内容；/>表示第k个自由度的Fisher信息矩阵，为n×n的矩阵。
可以理解的是，结构模态是由结构本身的特性与材料特性所决定的，与外载荷和初始条件无关。在结构模态分析中，实际的结构可以看成是一个多自由度的振动系统。具体的m，n数值大小需要根据隔离开关结构分析得出。
具体实施时，m是指组合电器隔离开关所有待分析传感器节点（待分析状态信号）的所有自由度之和，表示组合电器隔离开关待分析的所有传感器节点的所有信息共m个。
将每个自由度的Fisher信息矩阵与整体的Fisher信息矩阵进行对应位置元素的除法运算，可得与结构整体模态信息相关的新的Fisher信息矩阵，可表示为：
(2)
其中：“./”表示矩阵内对应位置元素进行除法运算，为第k个自由度新的Fisher信息矩阵，代表表征隔离开关整体信息量的矩阵。
假定第k个自由度的Fisher信息矩阵，其中n表示模态阶数，先对矩阵/>内部元素进行绝对值处理:
(3)
为n*n的矩阵，xij为该矩阵第i行，第j列的元素，表示第i自由度，第j阶模态；
计算第j阶模态参数下各个数据所占比重：
(4)
计算第k个自由度的信息熵:
(5)
式中：，/>为前n阶模态下的第k个自由度的信息熵，为1*n的矩阵。
对的矩阵元素/>即第k个自由度得到的前n阶模态的信息熵进行求和可得到：
(6)
本文的i表示变化的下标，为1*n的矩阵，i表示矩阵里的第i个元素，共n个；
对该自由度信息熵进行归一化处理，可得到传感器节点第k个自由度的信息熵：
(7)
为了将信息熵参数融入到有效独立矩阵中，本发明通过信任度理论来计算。
在多传感器测量系统中，受到测试人员操作不规范、环境、仪器误差等影响，会导致传感器数据测量出现一定的误差，且传感器的布置位置不当也会导致测试数据的缺失或者冗余，因此需要对每一个传感器的可信度进行评价，保留信任度高的测点，舍去信任度低的测点。
由于节点Fisher信息矩阵的信息熵反应了节点所含信息量的多少信息熵越小，不确定度越小，信息量越小，应舍去；相反，信息熵越大，不确定度变大，信息量越大，则应保留。因此，可由节点信息熵来建立信任度函数。
当信息熵越大时，节点越容易被保留，说明该节点越被信任，故而节点信任度也随之增大。因此信任度函数为一个连续上升的函数，可定义信任度函数为指数形式，其表达式如下：
(8)
其中，为第k个自由度的信任度；
为第k个自由度的信息熵。
步骤2：基于传感器节点的信任度计算有效独立分量的加权系数，进而得到加权有效独立分配矩阵；
进一步优选地，有效独立分量的加权系数为：
(9)
其中，Y为有效独立分量的加权系数矩阵；为信任度矩阵。
式（9）表示所有自由度的组成对角线矩阵Y。
最终得到加权有效独立分配矩阵：
（10）
其中，为加权有效独立分配矩阵；
为振型矩阵/>，Y为有效独立分量的加权系数矩阵；
矩阵对角线上的元素可以分别代表对应自由度对矩阵EI秩的贡献度。
步骤3：根据加权有效独立分配矩阵，通过逐步消减的方式搜索出最合适的状态信号测量点，形成多源传感器的最优布置策略。
具体实施时，采用传感器采集信号，布置在电气设备上的传感器数量是有限的，所以希望采用有限个传感器采集尽可能多的线性无关的振动响应数据。本发明先通过前面步骤选出了传感器的优选布置位置（即传感器节点/测点），此时的传感器节点数量往往是超过实际的工程要求的，需要在此基础上逐个剔除掉影响小的测点直到剩余传感器节点数量满足根据工程要求所预设的传感器节点数量，以确定符合工程要求的传感器布置位置的最优解。
加权有效独立分配矩阵主对角线数值大的点不但对目标振型的空间分辨率贡献高，而且具有较大的平均响应。通过这一步骤我们基本可以确定传感器布置位置的最优解。
在有效独立－信息熵融合法的基础上，本发明通过逐步消减的方法搜索出最合适的测量点。具体为通过加权有效独立分配矩阵选出一个最小的分配矩阵对角线元素，取出该元素，即剔除该元素对应的传感器节点后重新计算分配矩阵，如此循环直到剩余传感器节点数量满足根据工程要求所预设的传感器节点数量，剩余传感器节点为多传感器最优布置位置。即加权有效独立分配矩阵为m*m矩阵，对角线数值大小代表每一个自由度的信息量大小，取出最小元素代表剔除掉信息量最小的传感器，剔除最小元素所对应的传感器后，将剩下的传感器重新重复之前计算。
利用这种方法选出的测量点可以较好地平均各阶振型的能量分布，包含较多的模态参数信息，有利于模态振型的识别。
具体实施时，所述多源传感器节点包括旋转式角位移传感器、振动传感器、声音传感器以及霍尔电流传感器节点等。
隔离开关由于操作灵活方便，被广泛应用于变电站中。剪刀式隔离开关一般包括底层支承、传动机构、动触头以及静触头，因为本实施例仅考虑剪刀式隔离开关闭合时的模态参数，为了分析方便，将底层支承与传动机构简化为固定约束，建立的有限元模型。通过有限元分析可知剪刀式隔离开关的前5阶振型分为x向与y向2个方向。因此，模态试验也需要分为x向与y向2组试验。基于模态分析的前5阶振型，利用传感器布置位置优化程序得到x向与y向2组试验中的最优测点都集中于静触头右支撑的底部。因此在模态试验中应将传感器布置于静触头的右下端。
本发明实施例2提供一种组合电器隔离开关状态信号多源传感器布置系统，包括：
信任度评价模块，用于计算组合电器隔离开关状态信号各传感器节点的信息熵，并根据传感器节点信息熵进行传感器节点的信任度评价；
加权计算模块，用于基于传感器节点的信任度计算有效独立分量的加权系数，进而得到加权有效独立分配矩阵；
测量点搜索模块，用于根据加权有效独立分配矩阵，通过逐步消减的方式搜索出最合适的状态信号测量点，形成多源传感器的最优布置策略。
一种终端，包括处理器及存储介质；所述存储介质用于存储指令；所述处理器用于根据所述指令进行操作以执行所述方法的步骤。
计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述方法的步骤。
本发明的有益效果在于，与现有技术相比：
本发明基于节点信息熵进行传感器信任度评价，通过引入信任度进行加权系数计算，以得到加权有效独立分配矩阵，进一步结合逐步消减的方法搜索出最合适的测量点，形成多源传感器的最优布置策略，可以很好的平均各阶振型的能量分布，包含较多的模态参数信息，有利于模态振型的识别。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、静态随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD-ROM）、数字多功能盘（DVD）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其它自由传播的电磁波、通过波导或其它传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构（ISA）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（FPGA）或可编程逻辑阵列（PLA），该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (9)
1.一种组合电器隔离开关状态信号多源传感器布置方法，其特征在于：
所述方法包括：
步骤1：计算组合电器隔离开关状态信号各传感器节点的信息熵，并根据传感器节点信息熵进行传感器节点的信任度评价；
组合电器隔离开关状态信号各传感器节点的信息熵计算方式为：
1）假设组合电器隔离开关结构模态振型由m个自由度以及n阶模态组成，则第k个自由度的Fisher信息矩阵为：
(1)
其中表示/>中第k个自由度的振型，为1×n的矩阵；
表示第k个自由度的Fisher信息矩阵，为n×n的矩阵；
2）根据第k个自由度的Fisher信息矩阵与整体的Fisher信息矩阵/>，得到与结构整体模态信息相关的第k个自由度新的Fisher信息矩阵：
(2)
其中：为第k个自由度新的Fisher信息矩阵；
“./”表示矩阵内对应位置元素进行除法运算；
3）假定第k个自由度的Fisher信息矩阵，其中n表示模态阶数，先对矩阵内部元素进行绝对值处理：
(3)
然后计算第j阶模态参数下各个数据所占比重：
(4)
接着计算第k个自由度的信息熵：
(5)
式中：为前n阶模态下的第k个自由度的信息熵，为1*n的矩阵；
；
4）对的矩阵元素/>进行求和到第k个自由度的信息熵/>：
(6)
对进行归一化处理，得到传感器节点第k个自由度的信息熵/>：
(7)
步骤2：基于传感器节点的信任度计算有效独立分量的加权系数，进而得到加权有效独立分配矩阵；
步骤3：根据加权有效独立分配矩阵，通过逐步消减的方式搜索出最合适的状态信号测量点，形成多源传感器的最优布置策略。
2.根据权利要求1所述的一种组合电器隔离开关状态信号多源传感器布置方法，其特征在于：
所述传感器节点包括旋转式角位移传感器、振动传感器、声音传感器以及霍尔电流传感器节点。
3.根据权利要求1所述的一种组合电器隔离开关状态信号多源传感器布置方法，其特征在于：
步骤1中，根据传感器节点信息熵进行传感器节点的信任度评价的评价函数为：
(8)
其中，为第k个自由度的信任度；
为传感器节点第k个自由度的信息熵。
4.根据权利要求1所述的一种组合电器隔离开关状态信号多源传感器布置方法，其特征在于：
步骤2中，有效独立分量的加权系数计算公式为：
(9)
其中，Y为有效独立分量的加权系数矩阵；为信任度矩阵。
5.根据权利要求1所述的一种组合电器隔离开关状态信号多源传感器布置方法，其特征在于：
步骤2中，加权有效独立分配矩阵为：
（10）
其中，为加权有效独立分配矩阵；
为振型矩阵/>；
Y为有效独立分量的加权系数矩阵。
6.根据权利要求1所述的一种组合电器隔离开关状态信号多源传感器布置方法，其特征在于：
步骤3中，针对加权有效独立分配矩阵，通过逐步消减的方式搜索出最合适的测量点，形成多传感器最优布置策略具体为：
从加权有效独立分配矩阵中选出一个最小的对角线元素，取出该元素，即剔除该元素对应的传感器节点后重新计算加权有效独立分配矩阵，如此循环直到剩余传感器节点数量满足根据工程要求所预设的传感器节点数量，剩余传感器节点为多传感器最优布置位置。
7.一种组合电器隔离开关状态信号多源传感器布置系统，利用权利要求1-6任意一项所述的方法，其特征在于：所述系统包括：
信任度评价模块，用于计算组合电器隔离开关状态信号各传感器节点的信息熵，并根据传感器节点信息熵进行传感器节点的信任度评价；
加权计算模块，用于基于传感器节点的信任度计算有效独立分量的加权系数，进而得到加权有效独立分配矩阵；
测量点搜索模块，用于根据加权有效独立分配矩阵，通过逐步消减的方式搜索出最合适的状态信号测量点，形成多源传感器的最优布置策略。
8.一种终端，包括处理器及存储介质；其特征在于：
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1-6任一项所述方法的步骤。
9.计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-6任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311615580.0A CN117313499B (zh) | 2023-11-30 | 2023-11-30 | 组合电器隔离开关状态信号多源传感器布置方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311615580.0A CN117313499B (zh) | 2023-11-30 | 2023-11-30 | 组合电器隔离开关状态信号多源传感器布置方法与系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117313499A CN117313499A (zh) | 2023-12-29 |
| CN117313499B true CN117313499B (zh) | 2024-02-13 |
Family
ID=89285186
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311615580.0A Active CN117313499B (zh) | 2023-11-30 | 2023-11-30 | 组合电器隔离开关状态信号多源传感器布置方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117313499B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101799367A (zh) * | 2010-01-27 | 2010-08-11 | 北京信息科技大学 | 一种机电设备神经网络故障趋势预测方法 |
| KR20110031752A (ko) * | 2009-09-21 | 2011-03-29 | 부산대학교 산학협력단 | 유비쿼터스 센서 네트워크에서의 위치 정보 및 해쉬 체인을 이용한 시빌 공격 노드 탐지 방법 및 장치 |
| CN107231250A (zh) * | 2017-04-25 | 2017-10-03 | 全球能源互联网研究院 | 一种基于电网信息物理系统感知数据压缩采样方法及装置 |
| CN108875178A (zh) * | 2018-06-04 | 2018-11-23 | 大连理工大学 | 用于减小结构模态识别不确定性的传感器布置方法 |
| CN108959722A (zh) * | 2018-06-11 | 2018-12-07 | 国网宁夏电力有限公司检修公司 | 一种用于有载调压分接开关在模态试验中传感器位置优化的方法 |
| CN112019373A (zh) * | 2020-07-10 | 2020-12-01 | 浙江工业大学 | 一种基于动态信任评估模型的智能家居安全数据采集方法 |
| CN112733305A (zh) * | 2020-12-18 | 2021-04-30 | 东风汽车集团有限公司 | 一种传感器测点位置确定方法及装置 |
| CN114666795A (zh) * | 2022-04-01 | 2022-06-24 | 西北工业大学 | 一种基于节点行为的水声传感网络节点可信度评估方法 |
| CN117094164A (zh) * | 2023-08-28 | 2023-11-21 | 浙江大学 | 一种基于混合信息熵的传感器布局优化方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2002316210A1 (en) * | 2001-06-11 | 2002-12-23 | Hrl Laboratories, Llc | Method and apparatus for determining and assessing information to be collected based on information-theoretic measures |
| US8116243B2 (en) * | 2006-10-05 | 2012-02-14 | Electronics And Telecommunications Research Institute | Wireless sensor network and adaptive method for monitoring the security thereof |
-
2023
- 2023-11-30 CN CN202311615580.0A patent/CN117313499B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110031752A (ko) * | 2009-09-21 | 2011-03-29 | 부산대학교 산학협력단 | 유비쿼터스 센서 네트워크에서의 위치 정보 및 해쉬 체인을 이용한 시빌 공격 노드 탐지 방법 및 장치 |
| CN101799367A (zh) * | 2010-01-27 | 2010-08-11 | 北京信息科技大学 | 一种机电设备神经网络故障趋势预测方法 |
| CN107231250A (zh) * | 2017-04-25 | 2017-10-03 | 全球能源互联网研究院 | 一种基于电网信息物理系统感知数据压缩采样方法及装置 |
| CN108875178A (zh) * | 2018-06-04 | 2018-11-23 | 大连理工大学 | 用于减小结构模态识别不确定性的传感器布置方法 |
| CN108959722A (zh) * | 2018-06-11 | 2018-12-07 | 国网宁夏电力有限公司检修公司 | 一种用于有载调压分接开关在模态试验中传感器位置优化的方法 |
| CN112019373A (zh) * | 2020-07-10 | 2020-12-01 | 浙江工业大学 | 一种基于动态信任评估模型的智能家居安全数据采集方法 |
| CN112733305A (zh) * | 2020-12-18 | 2021-04-30 | 东风汽车集团有限公司 | 一种传感器测点位置确定方法及装置 |
| CN114666795A (zh) * | 2022-04-01 | 2022-06-24 | 西北工业大学 | 一种基于节点行为的水声传感网络节点可信度评估方法 |
| CN117094164A (zh) * | 2023-08-28 | 2023-11-21 | 浙江大学 | 一种基于混合信息熵的传感器布局优化方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于多传感器联合诊断的GIS外部局部放电识别算法;罗颖婷等;广东电力;第35卷(第6期);107-115 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117313499A (zh) | 2023-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Frizzo Stefenon et al. | Analysis of training techniques of ANN for classification of insulators in electrical power systems | |
| Illias et al. | Estimation of transformer parameters from nameplate data by imperialist competitive and gravitational search algorithms | |
| KR20220101195A (ko) | 협력 위치결정 방법, 장치, 디바이스 및 저장 매체 | |
| CN107561397B (zh) | Gis触头系统的电接触状态检测方法和系统 | |
| CN115878963B (zh) | 电容式电压互感器计量误差预测方法、系统、终端及介质 | |
| CN111505740A (zh) | 气象预测方法、装置、计算机设备和存储介质 | |
| Diaz‐Aguiló et al. | Adaptive soil model for real‐time thermal rating of underground power cables | |
| CN116070302A (zh) | 一种电缆绝缘状态的预测方法及装置 | |
| CN115269928B (zh) | 基于数字孪生的变压器故障预测方法、装置、设备及介质 | |
| JP2018194497A (ja) | 気象予測システム、気象予測方法、気象予測プログラム | |
| CN117313499B (zh) | 组合电器隔离开关状态信号多源传感器布置方法与系统 | |
| Nag et al. | Fault location in underground cable system using optimization technique | |
| Sikorski et al. | Power transformer diagnostics based on acoustic emission method | |
| CN112986766B (zh) | 一种局部放电定位方法、装置、存储介质和设备 | |
| CN117791856A (zh) | 一种基于巡检机器人的电网故障预警方法及装置 | |
| Mohammadpour et al. | Dispersion reduction of the analyses data for more reliable fragility curves of selected electric substations equipment | |
| CN117436334A (zh) | 一种油浸式电力变压器温度场的仿真方法及系统 | |
| CN117458699A (zh) | 一种自适应场景的电力参数控制方法及系统 | |
| CN117592209A (zh) | 基于分层元重要抽样的涡轮轴疲劳寿命可靠性分析方法 | |
| JP7492567B2 (ja) | ツインネットワーク及び超音波誘導波に基づくケーブルアルミニウムシース腐食損傷画像化方法及び装置 | |
| Cai et al. | Residual life prediction of marine EPR cable under discontinuous operation | |
| Tan et al. | Cable joint fault detection for the ring main unit based on an adaptive TNPE algorithm | |
| CN112784218B (zh) | 一种非高斯随机振动信号的峭度估计方法 | |
| CN111401624A (zh) | 一种风功率预测的方法、装置及计算机可读存储介质 | |
| WO2024047754A1 (ja) | 計測装置、計測システム及び方法 |
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 |