[發明專利]一種基于誤差逆傳播算法的斷路器故障診斷方法

有效

• 申請號: 201810114374.4
• 申請日: 2018-02-05
• 公開（公告）號: CN110118928B
• 公開（公告）日: 2020-07-10
• 發明（設計）人: 楊愛軍;駱挺;李韻佳;褚飛航;王小華;劉定新;榮命哲;王嬋瓊
• 申請（專利權）人: 西安交通大學;國網山西省電力公司長治供電公司
• 主分類號: G01R31/327
• 分類號: G01R31/327
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 覃婧嬋

本發明涉及一種基于誤差逆傳播算法的斷路器故障診斷方法，其包括以下步驟：提取故障診斷特征參量；建立并訓練基于誤差逆傳播算法的神經網絡故障診斷模型；利用訓練好的診斷模型對待診斷斷路器進行故障識別。本發明具有較高的計算精度與相對智能化的識別算法，能夠為斷路器故障診斷提供有效幫助。

技術領域

本發明屬于電力設備技術領域，特別涉及一種基于誤差逆傳播算法的斷路器故障診斷方法。

技術背景

斷路器主要用于配電系統中，是電力生產、輸送、傳輸中廣泛應用的重要設備，其作用主要為關合、承載和開斷正常回路電流，在規定時間內承載和開斷異常回路電流，切斷故障電路保障運行安全。斷路器的可靠關合、運行與分斷關乎整個配電系統的正常運行，因此，斷路器工作的穩定性與可靠性至關重要。

在實際工作中，由于斷路器在電力系統中的長期使用，隨著其分合閘次數增多以及室外高溫、高濕環境與生物影響，斷路器電壽命與機械壽命將逐漸下降，操作故障將逐漸增多，不斷影響電力系統穩定性以及現場操作運維人員人身安全。

目前對于斷路器故障診斷方法雖然較多，但大多數都過于單一，僅依靠提取斷路器分閘線圈電流信號中時間、電流等特征量作為特征參數進行比較評估。這種方法主要依靠的特征參數需要通過大量重復性實驗得出，尤其當斷路器型號較多時，工作量往往過于巨大且計算結果誤差較高。

因此，開發一種計算精度高，算法更具智能化的斷路器故障診斷方法對于提高斷路器利用率與電力系統穩定性具有十分重要的意義。

發明內容

鑒于此，為了克服傳統故障診斷方法計算準確率低、計算工作量大的缺點，本發明使用先進的機器學習思想，提取故障診斷特征參量(例如，斷路器分合閘線圈電流信號特征參數，其可用于故障診斷)，并結合誤差逆傳播算法，提出了一種計算精度高，更具智能化的斷路器故障診斷方法。

為實現上述發明目的，本發明采取以下技術方案：

一種基于誤差逆傳播算法的斷路器故障診斷方法，該方法包括以下步驟：

步驟1：提取故障診斷特征參量；

步驟2：建立并訓練基于誤差逆傳播算法的神經網絡故障診斷模型；

步驟3：利用訓練好的診斷模型對實際斷路器進行故障識別。

較佳的，所述步驟1中，針對正常工作情況與不同故障情況下的斷路器，采集多種情況下的斷路器線圈分合閘電流信號，作為樣本，并結合各類實際故障，提取每個樣本下電流信號波形中多個時間特征量與電流特征量作為診斷特征參量。

較佳的，在所述步驟2中，結合斷路器多種故障類型，建立基于誤差逆傳播算法的斷路器故障診斷模型；其中，該步驟2具體包含如下步驟：

步驟2-1：根據步驟1中提取的多個診斷特征參量，建立特征向量；

步驟2-2：建立基于誤差逆傳播算法的神經網絡故障診斷模型，建立一種擁有d個輸入神經元、l個輸出神經元、q個隱層神經元的神經網絡故障診斷模型；

步驟2-3：使用誤差逆傳播算法訓練上述建立的神經網絡故障診斷模型。

較佳的，在步驟2-2中，所述神經網絡故障診斷模型的建立過程具體包括如下步驟：

步驟2-2-1：根據步驟2-1中提取的特征向量建立訓練集，所建立訓練集如下：

其中，X_k作為輸入特征向量，X_k∈R^d，即輸入特征向量由d個屬性描述，d由特征向量中特征參量數目決定；Y_k作為輸出向量，Y_k∈R^l，即輸出l維實值向量，l由斷路器故障類型數目決定；m由樣本數決定；