[發(fā)明專利]基于電信號深度學習的斷路器故障診斷方法和電路

在審

• 申請?zhí)枺?/td>: 202110272436.6
• 申請日: 2021-03-12
• 公開（公告）號: CN113030717A
• 公開（公告）日: 2021-06-25
• 發(fā)明（設計）人: 李通;李順堯;萬四維;鄭風雷;陳果華;陳世昌;李兆偉
• 申請（專利權）人: 廣東電網有限責任公司;廣東電網有限責任公司東莞供電局
• 主分類號: G01R31/327
• 分類號: G01R31/327;G06N3/04
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發(fā)明公開了一種基于電信號深度學習的斷路器故障診斷方法和電路，一種基于電信號深度學習的斷路器故障診斷方法，包括：使用電信號傳感器采集配電網中待檢測斷路器的電信號數據，電信號傳感器包括電壓互感器和/或電流互感器；對采集到的電信號數據進行調節(jié)；將調節(jié)后的電信號數據輸入基于電信號深度學習的斷路器故障診斷模型，得到待檢測斷路器的故障診斷分類結果。本發(fā)明實施例公開的基于電信號深度學習的斷路器故障診斷方法和電路，能夠提高斷路器故障診斷的準確性，降低斷路器故障的診斷時間。

技術領域

本發(fā)明實施例電力技術，尤其涉及一種基于電信號深度學習的斷路器故障診斷方法和電路。

背景技術

斷路器是能夠關合、承載和開斷正?；芈窏l件下的電流并能在規(guī)定的時間內關合、承載和開斷異?；芈窏l件下的電流的開關裝置。在配電網中存在眾多的斷路器，由于斷路器數目眾多且分散，造成斷路器的維護困難。

配電網中的斷路器由于長期處于合閘狀態(tài)，當斷路器內部機械元器件存在卡阻等問題，機構拒動或者慢分等故障，導致故障無法及時切除，進而引起越級跳閘，造成負荷大量損失的嚴重后果，嚴重影響了電網的安全穩(wěn)定運行。

目前對斷路器故障進行診斷主要通過經驗模態(tài)分解提取斷路器電信號的特征參數，然后從信號的多個IMF分量中選取前幾個IMF分量能量作為支持向量機、徑向基函數(Radial Basis Function，RBF)神經網絡、粒子群RBF神經網絡的輸入。但僅是提取前幾個IMF分量作為輸入，使得信號缺失一部分信息，故障診斷出現失誤的概率較大。而若采用信號的全部IMF分量作為輸入，則對于故障分析來說，所花費的時間較長。

發(fā)明內容

本發(fā)明提供一種基于電信號深度學習的斷路器故障診斷方法和電路，能夠提高斷路器故障診斷的準確性，降低斷路器故障的診斷時間。

第一方面，本發(fā)明實施例提供一種基于電信號深度學習的斷路器故障診斷方法，包括：

使用電信號傳感器采集配電網中待檢測斷路器的電信號數據，電信號傳感器包括電壓互感器和/或電流互感器；

對采集到的電信號數據進行調節(jié)；

將調節(jié)后的電信號數據輸入基于電信號深度學習的斷路器故障診斷模型，得到待檢測斷路器的故障診斷分類結果。

在第一方面一種可能的實現方式中，將調節(jié)后的電信號數據輸入基于電信號深度學習的斷路器故障診斷模型之前，還包括：

提取調節(jié)后的電信號數據的電信號特征參數；

將調節(jié)后的電信號數據輸入基于電信號深度學習的斷路器故障診斷模型，包括：

將電信號特征參數輸入基于電信號深度學習的斷路器故障診斷模型。

在第一方面一種可能的實現方式中，提取調節(jié)后的電信號數據的電信號特征參數，包括：

對調節(jié)后的電信號數據進行EMD處理，并計算分解后的各IMF的邊際譜；

計算各IMF的邊際譜能量。

在第一方面一種可能的實現方式中，將電信號特征參數輸入基于電信號深度學習的斷路器故障診斷模型，包括：

將電信號特征參數輸入基于電信號深度學習的斷路器故障診斷模型的粗糙集簡約層進行處理；

將處理后的數據輸入基于電信號深度學習的斷路器故障診斷模型的RBF神經網絡。

在第一方面一種可能的實現方式中，基于電信號深度學習的斷路器故障診斷方法還包括：

根據斷路器處于不同故障時的電信號數據和斷路器的不同故障作為訓練數據，訓練基于電信號深度學習的斷路器故障診斷模型。