[發明專利]提升GIS設備故障診斷準確率的振動信號處理方法及裝置

在審

• 申請號: 202010844222.7
• 申請日: 2020-08-20
• 公開（公告）號: CN112069930A
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 劉志翔;周克堅;梅杰;朱明;李永祥;李艷鵬;晉濤;張申;張振宇;聶德鑫;程林;張靜
• 申請（專利權）人: 國網山西省電力公司電力科學研究院;華中科技大學;國網電力科學研究院武漢南瑞有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G01H17/00
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 李智

本發明公開了一種提升GIS設備故障診斷準確率的振動信號處理方法及裝置，方法包括采集不同健康等級下的GIS設備振動信號；將GIS設備振動信號以一個周期為時間長度劃分成多個樣本，構建振動信號數據集；對振動信號數據集中所有樣本做歸一化處理，然后做一維轉二維的圖像化操作，獲得圖像化的振動信號，得到振動圖像數據集；將振動圖像數據集按照預設比例劃分為訓練集和測試集，構建基于卷積神經網絡的GIS設備故障診斷模型；將實時采集到的GIS設備振動信號歸一化處理后做圖像化操作，得到圖像化的振動信號輸入GIS設備故障診斷模型，得到當前GIS設備的健康等級，實現GIS設備故障診斷。本發明對GIS設備具體運行狀態進行判斷且故障診斷準確性較高。

技術領域

本發明屬于GIS設備的狀態監測和故障診斷技術領域，更具體地，涉及一種提升GIS設備故障診斷準確率的振動信號處理方法及裝置。

背景技術

過往研究表明，電力系統中大多數嚴重事故是由一些設備故障引發的，近些年來，氣體絕緣全封閉開關(gas insulated switchgear,GIS)設備裝備量逐漸快速增長，其可靠性關系到電網的安全運行。研究如何對GIS設備故障建模從而及時準確地診斷故障，對電力系統而言意義重大。

GIS設備是當今電力系統中不可或缺的設備，被廣泛應用于高壓、超高壓領域。該設備是將斷路器、隔離開關、接地開關、互感器、避雷器、母線、連接件和出線終端等部件封閉在金屬接地的外殼中，并在其內部充入一定壓力的六氟化硫(SF₆)絕緣氣體。GIS設備的故障可分為放電性故障和機械類故障兩大類。目前針對GIS設備放電性故障的研究方法主要有脈沖電流法、超高頻法和氣體分解法，而針對機械類故障的相關研究還處于起步階段，主要方法為振動分析法。脈沖電流法是通過測量電路中電壓變化量來確定設備的放電量，從而判斷GIS設備的運行狀態，但由于GIS設備中存在的電磁脈沖干擾，該方法診斷精度不高；超高頻法是對處于GHz頻段的信號進行檢測從而判斷GIS設備的運行狀態，但該方法難以對局部放電狀態進行準確判斷；氣體分解法是根據SF₆氣體的分解產物來判斷GIS設備運行狀態，但該方法僅限檢修停電時使用，無法對設備運行狀態進行實時監測。與此同時，國網公司發布了若干個高壓設備智能化的指導性文件，其中狀態監測和故障診斷被視為智能電器的關鍵功能與難點所在。因此有必要針對GIS設備開展機械狀態檢測技術和診斷方法研究，及時發現設備內部潛伏性機械缺陷，保障設備安全穩定運行。

通過常規的電氣特征參量已經難以準確診斷GIS設備的潛伏性隱患。而GIS設備的振動信號是易測量的狀態信息，可反映其健康狀態的豐富動態信息。然而僅獲取到來自GIS設備的振動信號不足以解決故障診斷問題，還需對振動信號做很多后續處理然后建立模型從而達到故障識別的目的?；谡駝有盘栆呀洺霈F了很多傳統機器學習方法建立的模型，然而這些方法大多存在一定的局限性，性能上沒能取得巨大突破。卷積神經網絡采用了深層體系算法結構，可以學習與不同抽象級別相對應的多級數據表示。卷積神經網絡在計算機視覺等二維數據場景中已經取得了巨大的進展，但在一維振動信號上還沒有成熟模型。

發明內容

針對現有技術的缺陷，本發明的目的在于提供一種提升GIS設備故障診斷準確率的振動信號處理方法及裝置，旨在解決人工提取信號特征的困難以及識別質量不高的問題。

為實現上述目的，按照本發明的一方面，提供了一種提升GIS設備故障診斷準確率的振動信號處理方法，其特征在于，包括以下步驟：

步驟1，根據GIS設備的運行狀況，劃分成不同的健康等級，采集不同健康等級下的GIS設備振動信號；

步驟2，將GIS設備振動信號以一個GIS設備內部的電磁力周期為時間長度劃分成多個樣本，構建振動信號數據集；

步驟3，對振動信號數據集中所有樣本做歸一化處理，然后對歸一化處理后的樣本做一維轉二維的圖像化操作，獲得圖像化的振動信號，得到振動圖像數據集；