[發(fā)明專利]一種基于特征融合和模型融合的故障指示器故障定位方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011158982.9
• 申請(qǐng)日: 2020-10-26
• 公開(kāi)（公告）號(hào): CN112285489B
• 公開(kāi)（公告）日: 2022-02-22
• 發(fā)明（設(shè)計(jì)）人: 范建華;曹乾磊;狄克松;李建賽;田煜坤
• 申請(qǐng)（專利權(quán)）人: 青島鼎信通訊股份有限公司
• 主分類號(hào): G01R31/08
• 分類號(hào): G01R31/08
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于特征融合和模型融合的故障指示器故障定位方法，其特征在于，包括以下步驟：

步驟1：故障指示器采集現(xiàn)場(chǎng)電壓電流數(shù)據(jù)，提取采集數(shù)據(jù)集的特征，將提取的特征作為基分類器的輸入；提取的特征包括相似度、暫態(tài)特征值、基波幅值、基波與電壓相位差、3次諧波幅值+5次諧波幅值及5次諧波與電壓相位差，其中相似度ρ計(jì)算公式如下：

式中，i₀₁和i₀₂分別為工頻零序電流數(shù)據(jù)和工頻零序電壓導(dǎo)數(shù)數(shù)據(jù)，n為采樣序列，采樣起始點(diǎn)n＝1為故障發(fā)生時(shí)刻，N為零序電流信號(hào)的數(shù)據(jù)長(zhǎng)度，m為零序電壓導(dǎo)數(shù)數(shù)據(jù)平移點(diǎn)數(shù)，改變m的值使相似度ρ(m)最大，ρ_max即為最終相似度計(jì)算結(jié)果；

暫態(tài)特征值W計(jì)算公式如下：

式中，i_0x為暫態(tài)零序電流值，u₀為暫態(tài)零序電壓值；

步驟2：結(jié)合現(xiàn)場(chǎng)拓?fù)鋱D及故障范圍實(shí)際判定結(jié)果，對(duì)采集數(shù)據(jù)集添加標(biāo)簽；

步驟3：將所有特征進(jìn)行歸一化處理，并將處理后的數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集；

步驟4：基分類器訓(xùn)練、測(cè)試，得到訓(xùn)練好的基分類器模型，并輸出初步判定結(jié)果作為元分類器的輸入；

步驟5：元分類器訓(xùn)練、測(cè)試，得到訓(xùn)練好的元分類器模型；

步驟6：對(duì)未定位的現(xiàn)場(chǎng)采集數(shù)據(jù)提取特征并做歸一化處理后輸入模型；

步驟7：結(jié)合模型輸出結(jié)果與現(xiàn)場(chǎng)拓?fù)鋵?shí)現(xiàn)故障定位。

2.根據(jù)權(quán)利要求1所述的一種基于特征融合和模型融合的故障指示器故障定位方法，其特征在于，所述基波幅值、基波與電壓相位差、3次諧波幅值+5次諧波幅值和5次諧波與電壓相位差的值獲取方法均為快速傅里葉變換(FFT)。

3.根據(jù)權(quán)利要求1所述的一種基于特征融合和模型融合的故障指示器故障定位方法，其特征在于，所述步驟2中對(duì)采集數(shù)據(jù)集添加標(biāo)簽，故障范圍內(nèi)標(biāo)記為1，故障范圍外標(biāo)記為-1。

4.根據(jù)權(quán)利要求1所述的一種基于特征融合和模型融合的故障指示器故障定位方法，其特征在于，所述步驟3中為解決數(shù)據(jù)不均衡問(wèn)題，劃分訓(xùn)練集和測(cè)試集時(shí)用到的方法為分層抽樣。

5.根據(jù)權(quán)利要求1所述的一種基于特征融合和模型融合的故障指示器故障定位方法，其特征在于，所述步驟4中的基分類器包括的算法有：K-緊鄰、支持向量機(jī)、決策樹(shù)和神經(jīng)網(wǎng)絡(luò)。

6.根據(jù)權(quán)利要求1所述的一種基于特征融合和模型融合的故障指示器故障定位方法，其特征在于，所述步驟5中的元分類器使用的算法為邏輯回歸算法。

7.根據(jù)權(quán)利要求1所述的一種基于特征融合和模型融合的故障指示器故障定位方法，其特征在于，所述步驟4、步驟5中基分類器和元分類器訓(xùn)練時(shí)采用的調(diào)參方法為網(wǎng)格搜索和交叉驗(yàn)證。

8.根據(jù)權(quán)利要求1所述的一種基于特征融合和模型融合的故障指示器故障定位方法，其特征在于，所述步驟7中的故障定位方法為：故障范圍內(nèi)數(shù)據(jù)最多的分支的最末一個(gè)故障范圍內(nèi)節(jié)點(diǎn)下游為故障發(fā)生區(qū)段。