[發(fā)明專利]一種基于遺傳卷積深度網(wǎng)絡(luò)的真空斷路器

在審

• 申請?zhí)枺?/td>: 202111039903.7
• 申請日: 2021-09-06
• 公開（公告）號: CN113611568A
• 公開（公告）日: 2021-11-05
• 發(fā)明（設(shè)計）人: 羅林;姜楠;王辛茹;石航碩;陳帥;王喬;侯維
• 申請（專利權(quán)）人: 遼寧石油化工大學
• 主分類號: H01H33/66
• 分類號: H01H33/66;G06K9/00;G06N3/04;G06N3/12
• 代理公司: 沈陽一諾君科知識產(chǎn)權(quán)代理事務所(普通合伙) 21266
• 代理人: 王建男

本發(fā)明公開了一種基于遺傳卷積深度網(wǎng)絡(luò)的真空斷路器，包括真空斷路器以及用于真空斷路器的卷積神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)是包含卷積運算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)，由輸入層、卷積層、池化層、展開層、全連接層和輸出層組成。本發(fā)明提出的基于遺傳卷積深度網(wǎng)絡(luò)的真空斷路器，采用卷積運算代替?zhèn)鹘y(tǒng)網(wǎng)絡(luò)中的矩陣乘積運算，并通過權(quán)值共享有效減少參數(shù)的方式降低了過擬合的概率；PR曲線橫軸為查全率(TPR)，縱軸為查準率，當TPR不斷增大時，AUC越大且曲線越接近于右上角，對高壓斷路器機械振動信號的診斷精度越高，同時曲線越平滑，則該模型的分類效果越明顯，具有較好的診斷性能，對斷路器測試樣本的故障識別能力強。

技術(shù)領(lǐng)域

本發(fā)明涉及斷路器技術(shù)領(lǐng)域，具體為一種基于遺傳卷積深度網(wǎng)絡(luò)的真空斷路器。

背景技術(shù)

高壓斷路器是電力系統(tǒng)中最關(guān)鍵的設(shè)備之一，主要負責電網(wǎng)的控制與保護。隨著對電力系統(tǒng)穩(wěn)定運行的要求不斷提高，高壓斷路器故障診斷的研究越來越重要。由國內(nèi)外調(diào)查研究表明，高壓斷路器出現(xiàn)的故障中有70％～80％是機械故障，可見能夠準確、及時地診斷出斷路器的機械故障是實現(xiàn)電網(wǎng)穩(wěn)定運行的關(guān)鍵。

高壓斷路器操作過程中產(chǎn)生的信號能夠反應斷路器的機械狀態(tài)。目前，高壓斷路器機械故障診斷相關(guān)的檢測信號有振動信號、分合閘電磁鐵線圈電流和電壓、動觸頭位移等。其中機械振動信號能反映出斷路器操作的瞬時變化，因而成為主要的檢測信號，也是近年來故障診斷研究的焦點。基于振動信號分析的高壓斷路器機械故障診斷主要包括振動信號預處理、特征提取與故障識別等內(nèi)容。信號預處理能消除信號的零點漂移，過濾高頻噪聲，將采集到的信號盡可能真實地還原成實際狀況，有小波分解重構(gòu)法、五點三次平滑法、零相位數(shù)字濾波等方法。特征提取中小波分析是一種線性時頻分析方法，與傅里葉變換相比，小波分析能夠?qū)Ω哳l部分提供更精細的分解，對斷路器振動信號的中、高頻信息進行更好的分析。隨后提出的經(jīng)驗模態(tài)分解方法，目前已廣泛用于非線性非平穩(wěn)信號的處理分析，特征提取還有希爾伯特變換等方法。隨著人工智能技術(shù)的發(fā)展，國內(nèi)外學者開始將智能診斷技術(shù)引入到故障診斷研究中來，主要包括人工神經(jīng)網(wǎng)絡(luò)、支持向量機、模糊理論、專家系統(tǒng)等，雖然解決了傳統(tǒng)的診斷方法存在的一些問題，提高了診斷精度，但同時存在一些缺點，如人工神經(jīng)網(wǎng)絡(luò)易發(fā)生過擬合，泛化能力較差；支持向量機難以直接處理多分類問題，對大樣本數(shù)據(jù)較為乏力；專家系統(tǒng)需要的大量專家經(jīng)驗難以獲得及表達，數(shù)學推理能力弱等。

傳統(tǒng)的高壓斷路器故障診斷方法泛化能力不足，診斷精確度低，基于上述存在的不足，提出一種基于遺傳卷積深度網(wǎng)絡(luò)的真空斷路器。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于遺傳卷積深度網(wǎng)絡(luò)的真空斷路器，采用卷積神經(jīng)網(wǎng)絡(luò)對斷路器的機械振動信號進行特征提取，通過預定步長的卷積核對輸入信號進行整個樣本的卷積運算，從中獲取故障信息，然后，將信息傳遞給池化層和展開層進行降維，最后，將信息傳遞給全連接層與之前的特征進行映射，最終進行故障診斷，解決了現(xiàn)有技術(shù)中的問題。

為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于遺傳卷積深度網(wǎng)絡(luò)的真空斷路器，包括真空斷路器以及用于真空斷路器的卷積神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)是包含卷積運算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)，由輸入層、卷積層、池化層、展開層、全連接層和輸出層組成，輸入層接收大量非線性數(shù)據(jù)，然后通過卷積層進行特征提取，運用卷積運算將卷積核與上一層的輸出特征進行卷積，輸出結(jié)果為：

式中，為卷積層第l層的第j個特征輸入信息；f為激活函數(shù)；為第l-1層的第i個特征輸出信息；Mj為輸入特征的集合；*為卷積運算；為第i到第l層第j個特征的卷積核；為神經(jīng)元偏置項；常用的非線性激活函數(shù)有sigmoid、tanh、relu等，sigmoid函數(shù)和tanh函數(shù)比較常見于全連接層，relu函數(shù)常見于卷積層，具體函數(shù)形式分別如下所示：