[發明專利]一種斷路器缺陷識別方法

在審

• 申請號: 201911297701.5
• 申請日: 2019-12-17
• 公開（公告）號: CN111079647A
• 公開（公告）日: 2020-04-28
• 發明（設計）人: 戴鋒;車凱;陳昊;陳韜;陳軒;葉昱媛;鄧凱;張海華;趙英浩;楊海銘
• 申請（專利權）人: 國網江蘇省電力有限公司檢修分公司;國網江蘇省電力有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京智繪未來專利代理事務所(普通合伙) 11689
• 代理人: 肖繼軍

本申請公開了一種斷路器缺陷識別方法，包括采集斷路器分合閘線圈電流數據，將采集的斷路器分合閘線圈電流數據分為訓練集和測試集；預處理步驟1采集的分合閘線圈電流數據；提取預處理后數據的波形特征；基于提取的波形特征，識別斷路器缺陷。本申請利用CNN中的卷積層與池化層實現斷路器缺陷特征自提取，基于RF算法實現網絡訓練過程，解決了傳統人工提取特征過度依賴專家經驗，及傳統閾值法受諧波影響較大因此準確率波動大的問題；采用的隨機森林預測算法，其訓練過程中，克服了傳統方法中在監測到未知波形時無法正確辨識的問題，因此不僅能夠識別多種已知缺陷，還可隔離未知缺陷，同時識別準確率高。

技術領域

本發明屬于斷路器缺陷識別技術領域，涉及一種斷路器缺陷識別技術，尤其涉及一種基于卷積神經網絡(Convolutional Neural Networks,CNN)與隨機森林(RandomForest,RF)預測算法的斷路器缺陷識別方法。

背景技術

斷路器以其龐大的數量、廣泛的運用范圍，及其在電力系統中通斷負荷、切除故障的控制與保護功能，成為了電網中不可或缺的重要組成部分。因此，研究斷路器機械狀態特征提取技術、機械缺陷診斷方法，對于規避斷路器各類事故的發生意義重大。

傳統的機械故障(缺陷)診斷技術包括基于解析模型的方法、時域頻域分析方法、多元統計方法和基于知識的方法等。在監測故障的主要信號的選擇上，主要有振動信號、分合閘線圈電流、觸頭位移或主軸轉角和電力設備圖像等。其中，分合閘線圈電流作為涵蓋斷路器在操作過程關鍵特征的重要標志信號，不僅監測方便，并且相較其他幾種信號，其包含的斷路器操作機構信息較為全面。通過該信號可識別的故障類型較為廣泛，如：操作機構中控制回路故障、鐵芯卡澀、線圈老化等；同時該信號對操作機構的缺陷變化趨勢也較為敏感。所以采用分合閘線圈電流作為本發明中的電氣監測量。

隨著科技的進步，國內外學者提出了多種斷路器故障診斷研究方法，如傳統的特征提取方法和閾值法。但斷路器類型繁多，傳統的特征提取方法多是針對于特定型號的斷路器，診斷方法不具有普適性，無法滿足各類型斷路器的狀態監測。同時，近年來操作機構作為斷路器中機械故障率最高的部件，是狀態監測的重點對象，而狀態監測的目的，不僅是對機械缺陷與故障的精確判斷，更應該重視對缺陷狀態變化的趨勢與程度的反應與識別，因此針對斷路器操作機構缺陷的診斷方法長期以來都是亟待優化的重要課題。傳統的閾值法在實際應用中，由于依賴于采樣的精度、諧波與噪聲強度以及濾波算法的準確度，抗干擾性不高，不利于在線應用。

發明內容

為解決現有技術中的不足，本申請提供一種斷路器缺陷識別方法，與傳統算法相比，采用本發明方法抗干擾能力強，準確率高，適用于現場作業。

為了實現上述目標，本申請采用如下技術方案：

一種斷路器缺陷識別方法，包括以下步驟：

步驟1：采集斷路器分合閘線圈電流數據，將采集的斷路器分合閘線圈電流數據分為訓練集和測試集；

步驟2：預處理步驟1采集的分合閘線圈電流數據；

步驟3：提取預處理后數據的波形特征；

步驟4：基于步驟3提取的波形特征，識別斷路器缺陷。

本發明進一步包括以下優選方案：

優選地，所述方法還包括步驟5：測試集校核斷路器缺陷識別準確率。

優選地，步驟2所述預處理步驟1采集的分合閘線圈電流數據，包括：

步驟201：對所有分合閘線圈電流數據進行二次采樣，統一數據維度并歸一化；

步驟202：對歸一化的數據進行特征波形粗提取，并對提取出的信號進行濾波和消噪。