[發明專利]基于分合閘線圈電流信號的斷路器故障診斷方法

有效

• 申請號: 201310273548.9
• 申請日: 2013-07-01
• 公開（公告）號: CN103336243A
• 公開（公告）日: 2013-10-02
• 發明（設計）人: 梅軍;鄭建勇;梅飛;張思宇;王逸萍
• 申請（專利權）人: 東南大學
• 主分類號: G01R31/327
• 分類號: G01R31/327
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.基于分合閘線圈電流信號的斷路器故障診斷方法，其特征在于：包括以下幾個步驟：

步驟1、在真空斷路器上安裝分合閘線圈電流傳感器，所述電流傳感器為霍爾傳感器；

步驟2、模擬5類真空斷路器故障，利用霍爾傳感器采集真空斷路器分合閘線圈的電流大小；

步驟3、提取線圈電流的特征值數據，包括5個特征時刻點t₁,t₂,t₃,t₄,t₅，令t₀=0作為參照點計算時間參數，以及三個特征電流值i₁,i₂,i₃。將所有的采集到的故障數據都提取8個特征值構造特征空間，原始故障數據集；

步驟4、定義核函數K(x,y)=φ(x)^Tφ(y)。利用P-KFCM算法，假設輸入故障樣本為x_k(k=1,2,…,n)，輸入空間聚類中心為ν_i(i=1,2,…,c)，加權指數為m，則可以得到原始故障樣本的隸屬度矩陣uik=(1/(K(xk,xk)+K(vi,vi)-2K(xk,vi)))1/(m-1)Σj=1c(1/(K(xk,xk)+K(vj,vj)-2K(xk,vj)))1/(m-1),]]>最后根據隸屬度矩陣將數據集分為C類；

步驟5、通過聚類有效性指標MPC對聚類數C進行校核，以MPC最大值所對應的聚類數C作為最佳聚類數，MPC=1-C1-C(1-1NΣc=1CΣi=1Nuic),]]>聚類數C選擇的范圍為[2，Cmax]，Cmax不超過N為數據樣本個數；

步驟6、將最優分類中每兩類的數據樣本建立一個SVM預測訓練器，得到C×(C-1)/2個SVM訓練模型；

步驟7、將采集到的測試樣本分別輸入SVM訓練器，得到初步測試結果；

步驟8、綜合所有的測試結果得到最終的故障診斷結論。

2.根據權利要求1所述的基于分合閘線圈電流信號的斷路器故障診斷方法，其特征在于：P-KFCM具體算法如下：

步驟1、對原始故障數據集數據歸一化處理，采用極值標準化公式：

xik=xik′′-xikmin′′xikmax′′-xikmin′′]]>

其中x″_ik為故障數據集第i行第k列參數，x″_ikmax、x″_ikmin分別為第k列參數中最大及最小值；

步驟2、算法參數設定，包括加速常數c₁與c₂、PSO最大迭代次數k_max、粒子群規模l、速度及位置最大值、慣性權重系數ω_max與ω_min、KFCM最大迭代次數、高斯核參數b、隸屬度矩陣加權指數m以及迭代終止條件；

步驟3、初始化粒子群，隨機生成l個初始聚類中心作為第一代粒子群，得到每個粒子的當前最優位置pbest與全局最優位置gbest，計算粒子適應度fit與全局最優適應度fitbest；

步驟4、利用所生成的粒子群作為KFCM算法的初始聚類中心進行迭代計算，得到新的聚類中心及其相應的隸屬度矩陣、目標函數值，KFCM采用的核函數為高斯核函數，其具體公式為：

K(x_k,ν_i)=exp(-||x_k-ν_i||/(2σ²))

其中，σ為高斯核參數；

步驟5、更新全局最優位置gbest與全局最優適應度fitbest；

步驟6、采用粒子群優化算法更新粒子群位置與速度。更新公式如下：

vidk+1=ωvidk+c1r1(Pidk-xidk)+c2r2(Pgdk-xidk)]]>

xidk+1=xidk+vidk]]>

其中，c₁、c₂為加速常數，r₁、r₂為[0,1]區間內的隨機數，X_i(x_i1,x_i2,…x_id)和V_i(v_i1,v_i2,…v_id)表示粒子i當前的位置與速度，P_i(p_i1,p_i2,…p_id)為粒子當前的最優位置，P_g(p_g1,p_g2,…p_gd)為整個粒子群的全局最優位置，k為迭代次數；

粒子群算法中的慣性權重系數ω；ω選擇線性函數形式：

ω=ωmax-ωminkmax(kmax-k)+ωmin]]>

步驟7、重復執行步驟4與步驟5；直到樣本的隸屬度滿足時，輸出最終的原始故障樣本隸屬度矩陣；否則重復執行步驟6。