[發明專利]一種非侵入式電氣集群負載故障識別方法

在審

• 申請號: 202010165826.9
• 申請日: 2020-03-11
• 公開（公告）號: CN111259869A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 黃小菲;李智勇
• 申請（專利權）人: 北京慧颯科技有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京世譽鑫誠專利代理事務所(普通合伙) 11368
• 代理人: 郭官厚

本發明公開的非侵入式電氣集群負載故障識別方法，涉及電力技術領域，通過獲取負載總線上的電氣負荷信號，對電氣負荷信號進行去噪，采用基于改進的K最近鄰分類算法，識別電氣負荷信號，得到電氣負荷信號對應的負載類型，根據負載類型，得到發生故障的負載，根據發生故障的負載，識別負載發生的故障，提高了對負載故障識別的精度，實現了對負載存在的故障及隱患進行預警，改善了電器火災監控系統存在的不能及時預警的問題。

技術領域

本發明涉及電力技術領域，具體涉及一種非侵入式電氣集群負載故障識別方法。

背景技術

目前對負載故障的識別主要通過K最近鄰分類算法，該算法存在以下缺陷：

K最近鄰分類算法雖然考慮K個樣本中最大概率的種類作為未知樣本所屬種類，這從一定程度上降低了依賴單一樣本的距離判斷所屬種類的風險，但由于該算法沒有提出K值的確定依據，導致了K值確定的盲目性。由于K值直接決定了K最近鄰分類算法的準確率，如果K值過小，則存在誤識別的高風險；若K值過大，則有可能包含了太多非正確種類的樣本，也有可能導致誤識別。

綜上可知，采用K最近鄰分類算法對負載故障的識別的精確度不高。

發明內容

為解決現有技術的不足，本發明實施例提供了一種非侵入式電氣集群負載故障識別方法。

本發明實施例提供的非侵入式電氣集群負載故障識別方法包括以下步驟：

獲取負載總線上的電氣負荷信號；

對所述電氣負荷信號進行去噪；

采用基于改進的K最近鄰分類算法，識別所述電氣負荷信號，得到所述電氣負荷信號對應的負載類型；

根據所述負載類型，得到發生故障的負載；

根據發生故障的負載，識別所述負載發生的故障。

優選地，采用基于改進的K最近鄰分類算法，識別所述電氣負荷信號，得到電氣負荷信號的類型還包括：

將未識別的電氣負荷信號推送用戶端進行輔助處理，通過用戶端判斷是否存在負載啟停或者用電異常情況。

優選地，在根據發生故障的負載，識別所述負載發生的故障之后，所述方法還包括：

利用多因素耦合分析方法，對所述負載的性能特征進行分析并利用利用小波包與匹配跟蹤方法提取所述性能特征；

利用基于BP神經網絡的曲線擬合技術，對所述性能特征分布以及時域進行預測，實現對所述性能特征的分布預警。

優選地，在根據發生故障的負載，識別所述負載發生的故障之后，所述方法還包括：

利用人工智能技術，對所述性能特征的發展趨勢進行分析，實現對所述性能特征的極早期預警。

本發明實施例提供的非侵入式電氣集群負載故障識別方法具有以下有益效果：

采用基于改進的K最近鄰分類算法，提高了對負載故障識別的精度，實現了對負載存在的故障及隱患進行預警，改善了電器火災監控系統存在的不能及時預警的問題。

附圖說明

圖1為本發明實施例提供的非侵入式電氣集群負載故障識別方法流程示意圖；

圖2為本發明實施例提供的對功率的時間分布預警示意圖；

圖3為本發明實施例提供的對功率的預測預警示意圖。

具體實施方式

以下結合附圖和具體實施例對本發明作具體的介紹。

參照圖1，本發明實施例提供的非侵入式電氣集群負載故障識別方法包括以下步驟：