CN117972451A - 一种gis隔离开关分合位置确认方法 - Google Patents
一种gis隔离开关分合位置确认方法 Download PDFInfo
- Publication number
- CN117972451A CN117972451A CN202410363108.0A CN202410363108A CN117972451A CN 117972451 A CN117972451 A CN 117972451A CN 202410363108 A CN202410363108 A CN 202410363108A CN 117972451 A CN117972451 A CN 117972451A
- Authority
- CN
- China
- Prior art keywords
- probability distribution
- power curve
- data
- time
- power
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012790 confirmation Methods 0.000 title claims abstract description 8
- 238000009826 distribution Methods 0.000 claims abstract description 94
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000003745 diagnosis Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000013079 data visualisation Methods 0.000 claims abstract description 7
- 238000010276 construction Methods 0.000 claims abstract 2
- 230000006870 function Effects 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 230000008859 change Effects 0.000 abstract description 4
- 230000001360 synchronised effect Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 5
- 238000002955 isolation Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000007246 mechanism Effects 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
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000000739 chaotic effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000012774 diagnostic algorithm Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005191 phase separation Methods 0.000 description 1
- 238000004940 physical analysis method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种GIS隔离开关分合位置确认方法,属于电力设备监测技术领域;具体步骤包括:数据采集、确定标准功率曲线、时间序列数据同步处理、功率曲线离散化、概率分布模型构建、开关状态互信息分析、数据可视化与诊断结果展示,最终实现对开关状态的准确判断并展示。本发明方法实时性强:本发明方法可以在开关动作时实时进行状态判定,确保了电力系统的稳定运行;精确度高:利用互信息分析,可以捕获到功率曲线的细微变化,提供准确的开关状态判定;非接触式监测:本发明方法只需对比已有的功率曲线数据,不需要额外的物理接触或设备干预,减少了潜在的风险。
Description
技术领域
本发明涉及电力设备监测技术领域,具体涉及一种GIS隔离开关分合位置确认方法。
背景技术
气体绝缘全封闭组合电器(Gas Insulated Switchgear,简称GIS)是电力系统中实现电气设备分割和隔离的关键元件。然而,由于GIS隔离开关的机械结构容易受到装配失误和长时间使用导致结构损坏,从而引发故障。其中,分、合闸不到位问题对电力系统及人员安全构成最大威胁。
由于GIS隔离开关具有封闭的结构,分、合位置通常仅能通过与操动机构联动的分合闸指示牌进行确认。然而,分合闸指示牌信息无法有效判断导电部分脱相、连杆断裂等缺陷所导致的分合闸不到位问题。尽管存在一些辅助检测手段,如微动开关、姿态传感等,能够对操动机构及以前的传动路径故障进行检测,但它们同样无法满足可靠判断GIS分、合位置的需求。因此,在工业上迫切需要一种可靠的GIS隔离开关分、合位置检测手段。
文献[1]通过测量隔离开关触头在三种接触状态下的振动和表面温度信息,运用相似性分析和温差对比的方法,给出了特征相关系数,从而能够识别GIS隔离开关的触头接触状态。这种方法可以通过振动和温度信息的变化,辨别出触头是否处于良好的接触状态,从而为隔离开关的分、合状态提供重要参考。
文献[2]则利用外拐臂旋转角位移和驱动电机绕组电流信息,通过动态时间归整(DTW)对外拐臂角位移曲线进行处理,并结合电流曲线包络线信息,实现了对GIS内隔离开关的机械故障的检测。这种方法结合了位移和电流信息,能够较为准确地判断GIS隔离开关的故障状态。
另一方面,文献[3]提出了一种基于操作力矩波形的隔离开关机械状态智能诊断方法。通过多特征量提取和智能算法,实现了故障诊断,并且该方法在工业上可推广至GIS隔离开关。这种方法基于力矩波形的特征提取,能够有效地反映隔离开关的状态。
类似的,文献[4]通过实时测量开关过程中操作轴的输出扭矩和主轴转速,并对隔离开关机械故障条件下的输出扭矩信号进行分析,提出了夹紧停滞的诊断过程。这种方法能够通过扭矩信号的变化来判断隔离开关的状态,从而实现故障的诊断。
[1] 吴玖汕,赵壮民,杨玥坪等.GIS隔离开关接触状态振动–温度联合检测方法[J].高电压技术,2023,49(01):207-214.
[2] 白建伟,于力,丛培军等.GIS内隔离开关机械故障检测方法研究[J].高压电器,2022,58(04):137-144.
[3] 彭诗怡,刘衍,周涛涛等.基于操作力矩的高压隔离开关机械缺陷智能诊断[J].电工技术学报,2021,36(07):1356-1367.
[4] LIU Kai, "Mechanical Fault Diagnosis of High Voltage DisconnectorBased on Intelligent Live Test Technology," 2020 3rd International Conferenceon Electron Device and Mechanical Engineering (ICEDME), Suzhou, China, 2020,pp. 138-140.
中国专利CN113933567A公开了一种GIS隔离开关分合状态在线监测系统,中国专利CN115201673A提供了一种GIS设备隔离开关异常振动在线监测系统。
以上技术手段,分别存在以下缺点:
A,无法反映电压与电流的相位变化关系,且不同电机型号的电机电流具有一定程度的分散性,导致电流特征表现不明显。即使在电流特征比较明显的前提下,现有诊断算法也属于物理分析方法,通过对电流包络线的分析进行缺陷分析,属于阈值判断,这种判断会造成两个问题,第一,对于不同的隔离开关该阈值设置难以直接量化,都需要专家介入,对隔离开关的运动过程完成物理分析,然后再进行阈值对应,同时,也难以适应工业现场的因开关机械状态离散性造成的阈值因开关差异而产生的差异。
B,只考虑了隔离开关在电磁力作用下的振动频率,而忽略了GIS隔离开关本体结构的固有频率,所得出的结论难以与实测信号进行匹配。采集数据量大,信号传输时间长,耗费存储空间大。
以上技术手段都不能可靠的确认GIS隔离开关的分、合动作指令下达后,关键的关注点是设备是否完成相应的动作,并能够及时发现隔离开关分、合位置异常状态,以避免可能发生的运行事故。而这对于电力系统的安全稳定运行至关重要。
发明内容
基于背景技术存在的技术问题,本发明提出了一种GIS隔离开关分合位置确认方法。
本发明采用的技术方案是:
一种GIS隔离开关分合位置确认方法,其特征在于,具体包括以下步骤:
步骤一:数据采集,获取待处理功率曲线;
步骤二:确定标准功率曲线;
步骤三:时间序列数据同步处理,使待处理功率曲线和标准功率曲线的两时间序列长度一致;
步骤四:功率曲线离散化,将原本连续范围内的两时间序列数据转换为两个具有有限离散值的新时间序列;
步骤五:概率分布模型构建,先计算联合直方图,再计算联合概率分布,然后计算边缘概率分布;
步骤六:开关状态互信息分析,先依据边缘概率分布构造二维概率分布网格,再识别联合概率分布中的非零项,然后利用互信息公式,估算两时间序列之间的相似度,从而来判定开关的操作状态;
步骤七:数据可视化与诊断结果展示。
步骤一:数据采集,获取待处理功率曲线,具体实现步骤为:
GIS隔离开关工作时,现场采集电机的电压和电流数据,并计算GIS隔离开关驱动电机的实时功率;采用MATLAB的readmatrix函数,读取电压和电流的时间序列数据,绘制GIS隔离开关驱动电机的功率曲线,记为待处理功率曲线;
电机的实时功率 P 可以通过以下公式计算:V 是电机两端的电压,I 是电机的电流,θ 是电压与电流之间的相位差;
步骤二:确定标准功率曲线,具体实现步骤为:
从数据库中,获取GIS隔离开关驱动电机的合闸标准时间序列数据和分闸标准时间序列数据,合闸标准时间序列数据和分闸标准时间序列数据分别对应着GIS隔离开关驱动电机的功率的合闸指纹曲线和分闸指纹曲线,记为标准功率曲线;
步骤三:时间序列数据同步处理,具体实现步骤为:
为了确保相比较的待处理功率曲线和标准功率曲线在时间上是对齐的,具体采用以下方法:
(3.1)创建一个统一长度的时间向量t,将待处理功率曲线和标准功率曲线放在同一时间轴上进行比较;
(3.2)每条曲线都有其自己的时间向量,采用linspace函数为待处理功率曲线和标准功率曲线分别生成一个时间向量,生成的时间向量反映了该曲线的原始采样率和长度;
(3.3)利用线性插值法分别对待处理功率曲线和标准功率曲线的时间序列数据进行处理,具体采用MATLAB中的interp1函数来进行线性插值,根据已知的数据点在新的时间向量t上生成新的数据点,使待处理功率曲线和标准功率曲线的两时间序列长度一致;
步骤四:功率曲线离散化,具体实现步骤为:
为待处理功率曲线和标准功率曲线的时间序列数据分别确定一组均匀间隔的边界,利用discretize函数进行两时间序列数据离散化,将原本连续范围内的两时间序列数据转换为两个具有有限离散值的新时间序列;
在处理时间序列数据时,通常会遇到数据点连续且稠密的情况。为了更好地理解数据的分布和频率,需要将其离散化。这个过程首先需要为每个时间序列确定一组均匀间隔的边界,这通常基于预设的“箱数”。举例来说,假设选择了10作为箱数,那么就需要将整个功率曲线的数据范围分为10个等长的区间。这10个区间的边界就是所说的“均匀间隔的边界”。这样做的目的是确保每个区间内数据点的数量大致相同,这有助于更好地捕捉到数据的分布特性。在确定了均匀间隔的边界后,下一步就是实际地将连续的功率数据转换为离散值。MATLAB提供了一个非常方便的函数——discretize,它可以轻松完成这一任务。discretize函数的工作原理是:给定一组连续数据和一组边界值,该函数会根据这些边界值将连续数据转换为离散的“箱”编号。例如,假设有一个功率值为15的数据点,而且我们已经确定的边界是[10, 20, 30],那么该数据点将被转换为“箱”编号2,因为它位于10和20之间。这样,原本连续范围内的功率值就被转换为了一个具有有限离散值的新序列,这大大简化了后续的统计和分析工作。
步骤五: 概率分布模型构建,具体实现步骤为:
(5.1)计算联合直方图:
采用histcounts2函数,为给定的两个离散化时间序列 X 和 Y 计算联合直方图:其中,jointCounts表示 X 和 Y 的联合计数,xEdges和yEdges分别代表X 和 Y 的边界值;
(5.2)计算联合概率分布:
为了获得联合概率分布,按照以下方式进行转换:其中,total number of data points表示数据点数长度;
(5.3)计算边缘概率分布:
给定时间序列X 和 Y,它们的边缘概率分布通过以下方式从联合概率分布中获得:
对于 X:对于Y:/>x和y是时间序列X和Y内的具体元素,在MATLAB中,通过沿适当的维度对 jointCounts 进行求和,然后除以数据点总数来计算边缘概率分布;
步骤六:开关状态互信息分析,具体实现步骤为:
(6.1)依据边缘概率分布构造二维概率分布网格:
互信息需要计算两个随机变量的联合概率分布和它们的边缘概率分布,对于两个时间序列 X 和 Y,已有它们的边缘概率分布 P(X) 和 P(Y),创建一个二维概率分布网格,其中一个维度代表 X 的概率值,另一个维度代表 Y 的概率值,这个二维概率分布网格,被称作联合概率分布表:P(X,Y);
(6.2)识别联合概率分布中的非零项:
通过下列公式中条件检查来筛选出非零项,即:其中,/>和/>是时间序列X 和 Y 的具体事件;
(6.3)利用互信息公式,估算两时间序列之间的相似度:
互信息被定义为两个随机变量共享的信息量,用来度量这两个随机变量之间的相似度或相关性;对于离散随机变量,互信息 I 由以下公式给出:其中,/>是X和Y的联合概率分布,而和/>分别是X和Y的边缘概率分布;
当互信息的值接近于0时,表示两个时间序列之间几乎没有相关性;而当它的值较大时,说明两个时间序列有很强的相关性或相似性;
此外,通过对比计算出的互信息与事先设定的阈值,来判定开关的操作状态;当互信息超过设定的阈值,判定开关处于合闸状态;反之,则是分闸状态;
步骤七:数据可视化与诊断结果展示,具体实现步骤为:
(7.1)GIS隔离开关驱动电机的原始功率曲线:
利用MATLAB或Python中的绘图函数如plot(),输入时间和功率数据作为x和y参数,绘制出原始的功率曲线,设置x轴标签为“时间”,y轴标签为“功率”,并为图形加上标题:“原始功率曲线”;
(7.2)离散化后的功率曲线:
使用绘图函数,输入离散化后的功率数据,设置x轴标签为“时间”,y轴标签为“功率”,并为图形加上标题:“离散化后的功率曲线”;
(7.3)开关的边缘概率分布:
利用直方图绘图函数MATLAB的hist()或Python的hist(),输入离散化后的数据,设置x轴标签为“功率值”,y轴标签为“概率”,标题为“边缘概率分布”;
(7.4)两时间序列的联合概率分布:
使用热图函数MATLAB的imagesc()或Python的imshow(), 输入联合概率分布矩阵,配置颜色条以表示不同的概率值,设置轴标签,标题为“联合概率分布”;
(7.5)结果展示:
在联合概率分布图上,通过添加文本框或注释来标注互信息值。
本发明的优点是:
实时性强:本发明方法可以在开关动作时实时进行状态判定,确保了电力系统的稳定运行。此点主要是对比于利用振动信号的检测方式,利用振动信号的检测方式,需要采集的数据量较大,一般应按照50kHz及以上采样频率进行采集,而采用电机功率的方式采集频率可以控制在500-1000Hz,传输时间是振动信号的五十分之一。且算法处理高频数据需要更多时间,同时处理高频数据的算法(比如混沌吸引子形态识别算法)也较本发明所提到的互信息算法更为复杂。即使在不考虑算法复杂度的基础上,数据量增加一倍,在计算公式中出现矩阵计算时,计算量增加4倍,则按照振动信号最低要求50kHz以及电机功率最高1kHz进行计算,计算量增加2500倍。
精确度高:利用互信息分析,可以捕获到功率曲线的细微变化,提供准确的开关状态判定。这是互信息的独有优势,对比的是其他曲线相似度计算方式,现阶段,除本课题组以外,没有人提出以曲线相似度分析的方式,对隔离开关实施机械状态(分合位置)诊断,而在多种曲线相似度算法中,不同于其他如皮尔逊相似度,动态时间规整相似度或者弗雷歇相似度计算方式,单纯计算曲线两点之间的距离,互信息的方式分析了概率密度分布,从原理上可以说明其精度高于其他算法。
非接触式监测:本发明方法只需对比已有的功率曲线数据,不需要额外的物理接触或设备干预,减少了潜在的风险。对比于形成开关需要改造操动机构箱,姿态传感器要到一次设备主轴上去安装本发明的信号需求仅有功率曲线,可以在汇控柜中通过非侵入式传感器获取,不需要额外的物理接触或设备干预。而能够实现基于功率曲线的高精度监测的手段是采用了本发明提到的互信息算法,进一步,互信息算法的优势,在上两点优势中有详细介绍。且在汇控柜的安装中,信号线方便引出。电机功率曲线的监测也不受环境干扰。
附图说明
图1为动作数据与分闸指纹曲线的互相关分析结果;
图2为动作数据与合闸指纹曲线的互相关分析结果。
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。
下面是本发明的实施例1。
一种GIS隔离开关分合位置确认方法,具体包括以下步骤:
步骤一:数据采集,获取待处理功率曲线;
步骤二:确定标准功率曲线;
步骤三:时间序列数据同步处理,使待处理功率曲线和标准功率曲线的两时间序列长度一致;
步骤四:功率曲线离散化,将原本连续范围内的两时间序列数据转换为两个具有有限离散值的新时间序列;
步骤五:概率分布模型构建,先计算联合直方图,再计算联合概率分布,然后计算边缘概率分布;
步骤六:开关状态互信息分析,先依据边缘概率分布构造二维概率分布网格,再识别联合概率分布中的非零项,然后利用互信息公式,估算两时间序列之间的相似度,从而来判定开关的操作状态;
步骤七:数据可视化与诊断结果展示
步骤一:数据采集,获取待处理功率曲线,具体实现步骤为:
GIS隔离开关工作时,现场采集电机的电压和电流数据,并计算GIS隔离开关驱动电机的实时功率;采用MATLAB的readmatrix函数,读取电压和电流的时间序列数据,绘制GIS隔离开关驱动电机的功率曲线,记为待处理功率曲线;
步骤二:确定标准功率曲线,具体实现步骤为:
从数据库中,获取GIS隔离开关驱动电机的合闸标准时间序列数据和分闸标准时间序列数据,合闸标准时间序列数据和分闸标准时间序列数据分别对应着GIS隔离开关驱动电机的功率的合闸指纹曲线和分闸指纹曲线,记为标准功率曲线;
步骤三:时间序列数据同步处理,具体实现步骤为:
为了确保相比较的待处理功率曲线和标准功率曲线在时间上是对齐的,具体采用以下方法:
(3.1)创建一个统一长度的时间向量t,将待处理功率曲线和标准功率曲线放在同一时间轴上进行比较;
(3.2)每条曲线都有其自己的时间向量,采用linspace函数为待处理功率曲线和标准功率曲线分别生成一个时间向量,生成的时间向量反映了该曲线的原始采样率和长度;
(3.3)利用线性插值法分别对待处理功率曲线和标准功率曲线的时间序列数据进行处理,具体采用MATLAB中的interp1函数来进行线性插值,根据已知的数据点在新的时间向量t上生成新的数据点,使待处理功率曲线和标准功率曲线的两时间序列长度一致;
步骤四:功率曲线离散化,具体实现步骤为:
为待处理功率曲线和标准功率曲线的时间序列数据分别确定一组均匀间隔的边界,利用discretize函数进行两时间序列数据离散化,将原本连续范围内的两时间序列数据转换为两个具有有限离散值的新时间序列;
步骤五:概率分布模型构建,具体实现步骤为:
(5.1)计算联合直方图:
采用histcounts2函数,为给定的两个离散化时间序列 X 和 Y 计算联合直方图:其中,jointCounts表示 X 和 Y 的联合计数,xEdges和yEdges分别代表X 和 Y 的边界值;
(5.2)计算联合概率分布:
为了获得联合概率分布,按照以下方式进行转换:其中,total number of data points表示数据点数长度;
(5.3)计算边缘概率分布:
给定时间序列X 和 Y,它们的边缘概率分布通过以下方式从联合概率分布中获得:
对于 X:对于Y:/>x和y是时间序列X和Y内的具体元素,在MATLAB中,通过沿适当的维度对 jointCounts 进行求和,然后除以数据点总数来计算边缘概率分布;
步骤六:开关状态互信息分析,具体实现步骤为:
(6.1)依据边缘概率分布构造二维概率分布网格:
互信息需要计算两个随机变量的联合概率分布和它们的边缘概率分布,对于两个时间序列 X 和 Y,已有它们的边缘概率分布 P(X) 和 P(Y),创建一个二维概率分布网格,其中一个维度代表 X 的概率值,另一个维度代表 Y 的概率值,这个二维概率分布网格,被称作联合概率分布表:P(X,Y);
(6.2)识别联合概率分布中的非零项:
通过下列公式中条件检查来筛选出非零项,即:其中,/>和/>是时间序列X 和 Y 的具体事件;
(6.3)利用互信息公式,估算两时间序列之间的相似度:
互信息被定义为两个随机变量共享的信息量,用来度量这两个随机变量之间的相似度或相关性;对于离散随机变量,互信息 I 由以下公式给出:其中,/>是X和Y的联合概率分布,而/>和分别是X和Y的边缘概率分布;
当互信息的值接近于0时,表示两个时间序列之间几乎没有相关性;而当它的值较大时,说明两个时间序列有很强的相关性或相似性;
此外,通过对比计算出的互信息与事先设定的阈值,来判定开关的操作状态;当互信息超过设定的阈值,判定开关处于合闸状态;反之,则是分闸状态;
步骤七:数据可视化与诊断结果展示,具体实现步骤为:
(7.1)GIS隔离开关驱动电机的原始功率曲线:
利用MATLAB或Python中的绘图函数如plot(),输入时间和功率数据作为x和y参数,绘制出原始的功率曲线,设置x轴标签为“时间”,y轴标签为“功率”,并为图形加上标题:“原始功率曲线”;
(7.2)离散化后的功率曲线:
使用绘图函数,输入离散化后的功率数据,设置x轴标签为“时间”,y轴标签为“功率”,并为图形加上标题:“离散化后的功率曲线”;
(7.3)开关的边缘概率分布:
利用直方图绘图函数MATLAB的hist()或Python的hist(),输入离散化后的数据,设置x轴标签为“功率值”,y轴标签为“概率”,标题为“边缘概率分布”;
(7.4)两时间序列的联合概率分布:
使用热图函数MATLAB的imagesc()或Python的imshow(), 输入联合概率分布矩阵,配置颜色条以表示不同的概率值,设置轴标签,标题为“联合概率分布”;
(7.5)结果展示:
在联合概率分布图上,通过添加文本框或注释来标注互信息值。
此可视化步骤使得分析结果更加直观明了,帮助用户迅速识别开关的操作状态是否正常。对于可能存在的异常情况,它也为进一步的故障诊断提供了有价值的线索。
利用上述步骤,对某GIS隔离开关提取分、合闸电机功率指纹曲线后,再次动作该隔离开关,将新的动作功率数据与指纹曲线进行相似度分析,结果如图1、2所示,图1中时间序列2 为新的动作数据,时间序列1为分闸指纹曲线,互信息相关系数为7.0648;图2中时间序列2为新的动作数据(与图1相同),时间序列1为合闸指纹曲线,互信息相关系数为49.334。
实际的隔离开关动作为合闸,由图1与图2分析可知,
本台GIS隔离开关的分合闸曲线本身相似度较高(图1时间序列1与图2时间序列1),在这种情况下,即使人工诊断,也很难直接分析得出其分合状态。
在本发明所提出的算法中,互信息相似性差距明显,7.0648与49.334,可以在这两个数值之间选取一个阈值,以用来区分GIS隔离开挂实际动作的分合状态。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种GIS隔离开关分合位置确认方法,其特征在于,具体包括以下步骤:
步骤一:数据采集,获取待处理功率曲线;
步骤二:确定标准功率曲线;
步骤三:时间序列数据同步处理,使待处理功率曲线和标准功率曲线的两时间序列长度一致;
步骤四:功率曲线离散化,将原本连续范围内的两时间序列数据转换为两个具有有限离散值的新时间序列;
步骤五:概率分布模型构建,先计算联合直方图,再计算联合概率分布,然后计算边缘概率分布;
步骤六:开关状态互信息分析,先依据边缘概率分布构造二维概率分布网格,再识别联合概率分布中的非零项,然后利用互信息公式,估算两时间序列之间的相似度,从而来判定开关的操作状态;
步骤七:数据可视化与诊断结果展示。
2.根据权利要求1所述的一种GIS隔离开关分合位置确认方法,其特征在于,步骤一所述的数据采集,获取待处理功率曲线,具体实现步骤为:
GIS隔离开关工作时,现场采集电机的电压和电流数据,并计算GIS隔离开关驱动电机的实时功率;采用MATLAB的readmatrix函数,读取电压和电流的时间序列数据,绘制GIS隔离开关驱动电机的功率曲线,记为待处理功率曲线。
3.根据权利要求1所述的一种GIS隔离开关分合位置确认方法,其特征在于,步骤二所述的确定标准功率曲线,具体实现步骤为:
从数据库中,获取GIS隔离开关驱动电机的合闸标准时间序列数据和分闸标准时间序列数据,合闸标准时间序列数据和分闸标准时间序列数据分别对应着GIS隔离开关驱动电机的功率的合闸指纹曲线和分闸指纹曲线,记为标准功率曲线。
4.根据权利要求1所述的一种GIS隔离开关分合位置确认方法,其特征在于,步骤三所述的时间序列数据同步处理,具体实现步骤为:
为了确保相比较的待处理功率曲线和标准功率曲线在时间上是对齐的,具体采用以下方法:(3.1)创建一个统一长度的时间向量t,将待处理功率曲线和标准功率曲线放在同一时间轴上进行比较;
(3.2)每条曲线都有其自己的时间向量,采用linspace函数为待处理功率曲线和标准功率曲线分别生成一个时间向量,生成的时间向量反映了该曲线的原始采样率和长度;
(3.3)利用线性插值法分别对待处理功率曲线和标准功率曲线的时间序列数据进行处理,具体采用MATLAB中的interp1函数来进行线性插值,根据已知的数据点在新的时间向量t上生成新的数据点,使待处理功率曲线和标准功率曲线的两时间序列长度一致。
5.根据权利要求1所述的一种GIS隔离开关分合位置确认方法,其特征在于,步骤四所述的功率曲线离散化,具体实现步骤为:
为待处理功率曲线和标准功率曲线的时间序列数据分别确定一组均匀间隔的边界,利用discretize函数进行两时间序列数据离散化,将原本连续范围内的两时间序列数据转换为两个具有有限离散值的新时间序列。
6.根据权利要求1所述的一种GIS隔离开关分合位置确认方法,其特征在于,步骤五所述的概率分布模型构建,具体实现步骤为:
(5.1)计算联合直方图:
采用histcounts2函数,为给定的两个离散化时间序列 X 和 Y 计算联合直方图:其中,jointCounts表示 X 和 Y 的联合计数,xEdges和yEdges分别代表X 和 Y 的边界值;
(5.2)计算联合概率分布:
为了获得联合概率分布,按照以下方式进行转换:其中,total number of data points表示数据点数长度;
(5.3)计算边缘概率分布:
给定时间序列X 和 Y,它们的边缘概率分布通过以下方式从联合概率分布中获得:
对于 X:对于Y:/>x和y是时间序列X和Y内的具体元素,在MATLAB中,通过沿适当的维度对 jointCounts 进行求和,然后除以数据点总数来计算边缘概率分布。
7.根据权利要求1所述的一种GIS隔离开关分合位置确认方法,其特征在于,步骤六所述的开关状态互信息分析,具体实现步骤为:
(6.1)依据边缘概率分布构造二维概率分布网格:
互信息需要计算两个随机变量的联合概率分布和它们的边缘概率分布,对于两个时间序列 X 和 Y,已有它们的边缘概率分布 P(X) 和 P(Y),创建一个二维概率分布网格,其中一个维度代表 X 的概率值,另一个维度代表 Y 的概率值,这个二维概率分布网格,被称作联合概率分布表:P(X,Y);
(6.2)识别联合概率分布中的非零项:
通过下列公式中条件检查来筛选出非零项,即:其中,/>和/>是时间序列X和 Y 的具体事件;(6.3)利用互信息公式,估算两时间序列之间的相似度:
互信息被定义为两个随机变量共享的信息量,用来度量这两个随机变量之间的相似度或相关性;对于离散随机变量,互信息 I 由以下公式给出:其中,/>是X和Y的联合概率分布,而/>和分别是X和Y的边缘概率分布;
当互信息的值接近于0时,表示两个时间序列之间几乎没有相关性;而当它的值较大时,说明两个时间序列有很强的相关性或相似性;
此外,通过对比计算出的互信息与事先设定的阈值,来判定开关的操作状态;当互信息超过设定的阈值,判定开关处于合闸状态;反之,则是分闸状态。
8.根据权利要求1所述的一种GIS隔离开关分合位置确认方法,其特征在于,步骤七所述的数据可视化与诊断结果展示,具体实现步骤为:
(7.1)GIS隔离开关驱动电机的原始功率曲线:
利用MATLAB或Python中的绘图函数如plot(),输入时间和功率数据作为x和y参数,绘制出原始的功率曲线,设置x轴标签为“时间”,y轴标签为“功率”,并为图形加上标题:“原始功率曲线”;
(7.2)离散化后的功率曲线:
使用绘图函数,输入离散化后的功率数据,设置x轴标签为“时间”,y轴标签为“功率”,并为图形加上标题:“离散化后的功率曲线”;
(7.3)开关的边缘概率分布:
利用直方图绘图函数MATLAB的hist()或Python的hist(),输入离散化后的数据,设置x轴标签为“功率值”,y轴标签为“概率”,标题为“边缘概率分布”;
(7.4)两时间序列的联合概率分布:
使用热图函数MATLAB的imagesc()或Python的imshow(), 输入联合概率分布矩阵,配置颜色条以表示不同的概率值,设置轴标签,标题为“联合概率分布”;
(7.5)结果展示:
在联合概率分布图上,通过添加文本框或注释来标注互信息值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410363108.0A CN117972451B (zh) | 2024-03-28 | 2024-03-28 | 一种gis隔离开关分合位置确认方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410363108.0A CN117972451B (zh) | 2024-03-28 | 2024-03-28 | 一种gis隔离开关分合位置确认方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117972451A true CN117972451A (zh) | 2024-05-03 |
CN117972451B CN117972451B (zh) | 2024-06-11 |
Family
ID=90861530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410363108.0A Active CN117972451B (zh) | 2024-03-28 | 2024-03-28 | 一种gis隔离开关分合位置确认方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117972451B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU1119801A (en) * | 1999-11-02 | 2001-05-14 | Commonwealth Of Australia, The | Enhanced direct digitising array arrangement |
US20110224922A1 (en) * | 2010-03-15 | 2011-09-15 | Sergey Kirillov | Method for preprocessing vibro-sensor signals for engine diagnostics and device for carrying out thereof |
US20170276718A1 (en) * | 2016-03-22 | 2017-09-28 | Siemens Aktiengesellschaft | Method, device and system for determining the fault location of a fault on a line of an electrical energy supply network |
CN110442833A (zh) * | 2019-06-10 | 2019-11-12 | 内蒙古工业大学 | 一种基于多维度scada数据评估风电机组健康状态评估方法 |
CN110824310A (zh) * | 2019-11-21 | 2020-02-21 | 深圳供电局有限公司 | 局部放电类型判断方法及装置 |
CN115271423A (zh) * | 2022-07-25 | 2022-11-01 | 中国电建集团成都勘测设计研究院有限公司 | 基于混合相似度的风力发电机组运行状态评估方法 |
CN115909028A (zh) * | 2022-11-16 | 2023-04-04 | 昭通学院 | 一种基于梯度图像融合的高压隔离开关状态识别方法 |
CN116184182A (zh) * | 2022-12-15 | 2023-05-30 | 国网安徽省电力有限公司电力科学研究院 | 一种基于曲线相似度的gis隔离开关机械状态识别方法 |
CN117269751A (zh) * | 2023-11-22 | 2023-12-22 | 国网江西省电力有限公司电力科学研究院 | 一种gis隔离开关分合位置确认方法 |
CN117422299A (zh) * | 2023-10-20 | 2024-01-19 | 国网湖北省电力有限公司电力科学研究院 | 一种含多状态风电场的输变电系统风险评估方法 |
CN117471303A (zh) * | 2023-11-10 | 2024-01-30 | 国网福建省电力有限公司电力科学研究院 | 一种高压隔离开关故障诊断方法及终端 |
-
2024
- 2024-03-28 CN CN202410363108.0A patent/CN117972451B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU1119801A (en) * | 1999-11-02 | 2001-05-14 | Commonwealth Of Australia, The | Enhanced direct digitising array arrangement |
US20110224922A1 (en) * | 2010-03-15 | 2011-09-15 | Sergey Kirillov | Method for preprocessing vibro-sensor signals for engine diagnostics and device for carrying out thereof |
US20170276718A1 (en) * | 2016-03-22 | 2017-09-28 | Siemens Aktiengesellschaft | Method, device and system for determining the fault location of a fault on a line of an electrical energy supply network |
CN110442833A (zh) * | 2019-06-10 | 2019-11-12 | 内蒙古工业大学 | 一种基于多维度scada数据评估风电机组健康状态评估方法 |
CN110824310A (zh) * | 2019-11-21 | 2020-02-21 | 深圳供电局有限公司 | 局部放电类型判断方法及装置 |
CN115271423A (zh) * | 2022-07-25 | 2022-11-01 | 中国电建集团成都勘测设计研究院有限公司 | 基于混合相似度的风力发电机组运行状态评估方法 |
CN115909028A (zh) * | 2022-11-16 | 2023-04-04 | 昭通学院 | 一种基于梯度图像融合的高压隔离开关状态识别方法 |
CN116184182A (zh) * | 2022-12-15 | 2023-05-30 | 国网安徽省电力有限公司电力科学研究院 | 一种基于曲线相似度的gis隔离开关机械状态识别方法 |
CN117422299A (zh) * | 2023-10-20 | 2024-01-19 | 国网湖北省电力有限公司电力科学研究院 | 一种含多状态风电场的输变电系统风险评估方法 |
CN117471303A (zh) * | 2023-11-10 | 2024-01-30 | 国网福建省电力有限公司电力科学研究院 | 一种高压隔离开关故障诊断方法及终端 |
CN117269751A (zh) * | 2023-11-22 | 2023-12-22 | 国网江西省电力有限公司电力科学研究院 | 一种gis隔离开关分合位置确认方法 |
Non-Patent Citations (4)
Title |
---|
HENGYANG ZHAO 等: "GIS Fault Prediction Approach Based on IPSO-LSSVM Algorithm", 《SUSTAINABILITY 2023》, vol. 15, no. 1, 23 December 2022 (2022-12-23), pages 1 - 11 * |
刘俊;王旭;孙惠文;牛拴保;张振宇;: "采用FJPD互信息的电力系统暂态稳定性预测特征选择分析", 智慧电力, no. 10, 20 October 2018 (2018-10-20), pages 84 - 91 * |
刘宇飞 等: "水平伸缩式隔离开关机械状态诊断方法研究与应用", 《高压电器》, vol. 59, no. 12, 31 December 2023 (2023-12-31), pages 27 - 35 * |
宋福海;: "智能变电站断链告警机制及其应用分析研究", 电气应用, no. 03, 5 February 2018 (2018-02-05), pages 21 - 26 * |
Also Published As
Publication number | Publication date |
---|---|
CN117972451B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Runde et al. | Acoustic diagnosis of high voltage circuit-breakers | |
CN112505511B (zh) | 一种非侵入式低压故障电弧检测与定位方法及系统 | |
CN104215901B (zh) | 一种高压断路器弧触头故障诊断方法 | |
KR101300047B1 (ko) | 전력설비의 부분방전신호 검출장치 | |
CN106597231A (zh) | 基于多源信息融合和深度学习网络的gis故障检测系统及方法 | |
CN110470465B (zh) | 一种基于振动信号分析的断路器测试方法及系统 | |
CN109974986A (zh) | 一种基于振动检测的gis设备机械缺陷诊断系统及方法 | |
CN108828406A (zh) | 非侵入式用户用电的故障识别方法及其系统 | |
CN115327369A (zh) | 一种开关柜断路器分合闸电流在线监测分析系统 | |
CN116184182B (zh) | 一种基于曲线相似度的gis隔离开关机械状态识别方法 | |
CN107589320A (zh) | 功率模块的录波方法及录波装置 | |
CN117269751B (zh) | 一种gis隔离开关分合位置确认方法 | |
CN112149569A (zh) | 变压器基于模糊c均值聚类算法的声纹故障诊断方法 | |
US20200278397A1 (en) | Method for monitoring circuit breaker and apparatus and internet of things using the same | |
CN117972451B (zh) | 一种gis隔离开关分合位置确认方法 | |
CN117471303A (zh) | 一种高压隔离开关故障诊断方法及终端 | |
CN110716133B (zh) | 一种基于物联网及大数据技术的高压断路器故障研判方法 | |
CN110426192A (zh) | 一种断路器的声学指纹检测系统和方法 | |
CN115855754A (zh) | 关联于断路器动作状态的gis中潜伏性金属微粒在线监测系统及方法 | |
CN112904226B (zh) | 一种基于感应电的快速判断高压母线短路故障的方法 | |
CN115238733A (zh) | 一种高压断路器合分闸线圈运行状态评估方法及相关设备 | |
EP3833992B1 (en) | Method and system for monitoring a fleet of circuit breakers | |
Rao et al. | Testing of circuit breakers using coil current characteristics analysis | |
Georgoulas et al. | Rotor fault diagnosis in asynchronous machines via analysis of the start-up transient into intrinsic mode functions | |
CN116625667B (zh) | 一种10kV真空断路器的机械特性在线监测方法 |
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 |