本發(fā)明涉及開(kāi)關(guān)柜故障診斷，具體為一種優(yōu)化svm的開(kāi)關(guān)柜故障診斷方法及系統(tǒng)。

背景技術(shù)：

1、開(kāi)關(guān)柜作為電力系統(tǒng)中關(guān)鍵的設(shè)備之一，在線路開(kāi)合、電力設(shè)備控制和保護(hù)方面擁有重要作用，其安全穩(wěn)定的運(yùn)行直接決定了用戶(hù)供電的可靠性。中低壓開(kāi)關(guān)柜故障頻發(fā)，主要故障類(lèi)型為絕緣、機(jī)械、溫升、誤操作和電弧故障。尤其是由于長(zhǎng)期運(yùn)行引起的絕緣老化、潮濕過(guò)高等原因，導(dǎo)致電暈放電、觸點(diǎn)和母線溫升，嚴(yán)重時(shí)甚至引發(fā)斷電或火災(zāi)，造成巨大的經(jīng)濟(jì)損失。

2、目前雖然部分開(kāi)關(guān)柜配備了監(jiān)測(cè)傳感器，收集運(yùn)行數(shù)據(jù)，但數(shù)據(jù)分析往往停留在表面，缺乏深度學(xué)習(xí)和人工智能算法的支持，難以有效挖掘數(shù)據(jù)中的隱含信息，實(shí)現(xiàn)故障的精準(zhǔn)預(yù)測(cè)和定位。并且微弱故障信號(hào)難以進(jìn)行診斷識(shí)別，往往導(dǎo)致故障發(fā)展至嚴(yán)重程度才發(fā)現(xiàn)，錯(cuò)過(guò)最佳干預(yù)時(shí)機(jī)。綜上所述，開(kāi)關(guān)柜的故障診斷方法在實(shí)時(shí)性、智能化、跨領(lǐng)域融合以及標(biāo)準(zhǔn)化等方面仍有待進(jìn)一步優(yōu)化和發(fā)展，以適應(yīng)電網(wǎng)日益增長(zhǎng)的安全穩(wěn)定運(yùn)行需求。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述存在的問(wèn)題，提出了本發(fā)明。

2、因此，本發(fā)明解決的技術(shù)問(wèn)題是：目前雖然部分開(kāi)關(guān)柜配備了監(jiān)測(cè)傳感器，收集運(yùn)行數(shù)據(jù)，但數(shù)據(jù)分析往往停留在表面，缺乏深度學(xué)習(xí)和人工智能算法的支持，難以有效挖掘數(shù)據(jù)中的隱含信息，實(shí)現(xiàn)故障的精準(zhǔn)預(yù)測(cè)和定位。并且微弱故障信號(hào)難以進(jìn)行診斷識(shí)別，往往導(dǎo)致故障發(fā)展至嚴(yán)重程度才發(fā)現(xiàn)，錯(cuò)過(guò)最佳干預(yù)時(shí)機(jī)。

3、為解決上述技術(shù)問(wèn)題，本發(fā)明提供如下技術(shù)方案：一種優(yōu)化svm的開(kāi)關(guān)柜故障診斷方法，包括：采集開(kāi)關(guān)柜不同運(yùn)行狀態(tài)下的特征量，構(gòu)建開(kāi)關(guān)柜故障診斷數(shù)據(jù)集。

4、將故障診斷數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集，引入自適應(yīng)權(quán)重調(diào)整策略和反向?qū)W習(xí)策略對(duì)禿鷹搜索算法進(jìn)行改進(jìn)，采用禿鷹搜索算法對(duì)支持向量機(jī)進(jìn)行參數(shù)尋優(yōu)。

5、在最優(yōu)參數(shù)條件下利用訓(xùn)練集的故障特征量對(duì)故障診斷模型進(jìn)行訓(xùn)練，利用測(cè)試集的故障特征量進(jìn)行開(kāi)關(guān)柜故障診斷。

6、作為本發(fā)明所述的優(yōu)化svm的開(kāi)關(guān)柜故障診斷方法的一種優(yōu)選方案，其中：所述開(kāi)關(guān)柜不同運(yùn)行狀態(tài)包括正常運(yùn)行狀態(tài)，柜內(nèi)電弧故障，機(jī)械故障和柜內(nèi)絕緣損壞四種運(yùn)行狀態(tài)，四種運(yùn)行狀態(tài)下的特征量分別為：母線室內(nèi)溫度、母線室內(nèi)濕度、母線與斷路器連接處溫度、電壓有效值、電流有效值、閃光信號(hào)、斷路器手車(chē)室內(nèi)溫度、斷路器手車(chē)室內(nèi)濕度、斷路器觸頭溫度、斷路器分合閘線圈電流、電纜室內(nèi)溫度和電纜室內(nèi)濕度。

7、作為本發(fā)明所述的優(yōu)化svm的開(kāi)關(guān)柜故障診斷方法的一種優(yōu)選方案，其中：所述禿鷹搜索算法是新型元啟發(fā)式算法，分為三個(gè)階段，包括選擇搜索空間階段、搜索空間獵物階段和俯沖捕獲獵物階段。

8、作為本發(fā)明所述的優(yōu)化svm的開(kāi)關(guān)柜故障診斷方法的一種優(yōu)選方案，其中：所述自適應(yīng)權(quán)重調(diào)整策略添加在禿鷹搜索算法的搜索空間獵物階段，采取的自適應(yīng)權(quán)重公式表示為：

9、

10、其中，wmax表示初始慣性權(quán)重，wmin表示最終慣性權(quán)重，t表示當(dāng)前迭代次數(shù)，t表示最大迭代次數(shù)。

11、改進(jìn)后的搜索空間獵物階段的位置更新公式表示為：

12、pi,new(t)＝w(t)×pi(t)+x(i)×(w(t)×pi(t)-pmean(t))+y(i)×(w(t)×pi(t)-pi+1(t))

13、其中，t表示算法的迭代次數(shù)。x(i)表示x坐標(biāo)中禿鷹的位置，y(i)表示y坐標(biāo)中禿鷹的位置，取值范圍均為(-1,1)。pmean(t)表示搜索結(jié)束之前所有禿鷹的平均分布位置，pi(t)表示第i只禿鷹的搜索位置，pi+1(t)表示第i只禿鷹的下一次搜索位置。

14、作為本發(fā)明所述的優(yōu)化svm的開(kāi)關(guān)柜故障診斷方法的一種優(yōu)選方案，其中：所述反向?qū)W習(xí)策略添加在禿鷹搜索算法的俯沖捕獲獵物階段，反向解公式為：

15、xi′＝r×(xmin+xmax-xi)

16、其中，xmin表示搜索空間的最小邊界，xmax表示搜索空間的最小與最大邊界，r表示(0,1)內(nèi)的隨機(jī)數(shù)。

17、俯沖捕獲獵物階段的禿鷹搜索位置的反向解為：

18、p′i,new＝r×(max(pi,new)+min(pi,new)-pi,new)

19、其中，pi,new表示代表第i只禿鷹完成捕獲獵物的更新位置。

20、作為本發(fā)明所述的優(yōu)化svm的開(kāi)關(guān)柜故障診斷方法的一種優(yōu)選方案，其中：所述采用禿鷹搜索算法對(duì)支持向量機(jī)進(jìn)行參數(shù)尋優(yōu)包括，采用改進(jìn)禿鷹搜索算法對(duì)支持向量機(jī)的核函數(shù)參數(shù)和懲罰因子進(jìn)行參數(shù)尋優(yōu)。

21、作為本發(fā)明所述的優(yōu)化svm的開(kāi)關(guān)柜故障診斷方法的一種優(yōu)選方案，其中：所述在最優(yōu)參數(shù)條件下利用訓(xùn)練集的故障特征量對(duì)故障診斷模型進(jìn)行訓(xùn)練包括，利用訓(xùn)練集對(duì)故障診斷模型訓(xùn)練過(guò)程中，設(shè)置四種運(yùn)行狀態(tài)分別為不同編號(hào)類(lèi)別進(jìn)行訓(xùn)練，通過(guò)最終模型分類(lèi)準(zhǔn)確率判斷算法有效性。

22、一種優(yōu)化svm的開(kāi)關(guān)柜故障診斷系統(tǒng)，其特征在于：包括，

23、采集數(shù)據(jù)模塊，采集開(kāi)關(guān)柜不同運(yùn)行狀態(tài)下的特征量，構(gòu)建開(kāi)關(guān)柜故障診斷數(shù)據(jù)集。

24、改進(jìn)算法模塊，將故障診斷數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集，引入自適應(yīng)權(quán)重調(diào)整策略和反向?qū)W習(xí)策略對(duì)禿鷹搜索算法進(jìn)行改進(jìn)，采用禿鷹搜索算法對(duì)支持向量機(jī)進(jìn)行參數(shù)尋優(yōu)。

25、訓(xùn)練測(cè)試模塊，在最優(yōu)參數(shù)條件下利用訓(xùn)練集的故障特征量對(duì)故障診斷模型進(jìn)行訓(xùn)練，利用測(cè)試集的故障特征量進(jìn)行開(kāi)關(guān)柜故障診斷。

26、一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如上所述的方法的步驟。

27、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上所述的方法的步驟。

28、本發(fā)明的有益效果：本發(fā)明利用改進(jìn)后的禿鷹搜索算法對(duì)支持向量機(jī)的懲罰因子和核函數(shù)參數(shù)進(jìn)行尋優(yōu)，從而提高支持向量機(jī)的分類(lèi)精度。最終利用開(kāi)關(guān)柜故障診斷模型對(duì)開(kāi)關(guān)柜運(yùn)行狀態(tài)特征量進(jìn)行故障診斷，能夠有效的識(shí)別出不同種類(lèi)的運(yùn)行狀態(tài)。本發(fā)明提出的技術(shù)方案能夠以較高精度準(zhǔn)確診斷出開(kāi)關(guān)柜運(yùn)行的不同狀態(tài)，可為技術(shù)人員進(jìn)行開(kāi)關(guān)柜的維護(hù)提供技術(shù)支持。

技術(shù)特征：

1.一種優(yōu)化svm的開(kāi)關(guān)柜故障診斷方法，其特征在于，包括：

2.如權(quán)利要求1所述的優(yōu)化svm的開(kāi)關(guān)柜故障診斷方法，其特征在于：所述開(kāi)關(guān)柜不同運(yùn)行狀態(tài)包括正常運(yùn)行狀態(tài)，柜內(nèi)電弧故障，機(jī)械故障和柜內(nèi)絕緣損壞四種運(yùn)行狀態(tài)，四種運(yùn)行狀態(tài)下的特征量分別為：母線室內(nèi)溫度、母線室內(nèi)濕度、母線與斷路器連接處溫度、電壓有效值、電流有效值、閃光信號(hào)、斷路器手車(chē)室內(nèi)溫度、斷路器手車(chē)室內(nèi)濕度、斷路器觸頭溫度、斷路器分合閘線圈電流、電纜室內(nèi)溫度和電纜室內(nèi)濕度。

3.如權(quán)利要求2所述的優(yōu)化svm的開(kāi)關(guān)柜故障診斷方法，其特征在于：所述禿鷹搜索算法是新型元啟發(fā)式算法，分為三個(gè)階段，包括選擇搜索空間階段、搜索空間獵物階段和俯沖捕獲獵物階段。

4.如權(quán)利要求3所述的優(yōu)化svm的開(kāi)關(guān)柜故障診斷方法，其特征在于：所述自適應(yīng)權(quán)重調(diào)整策略添加在禿鷹搜索算法的搜索空間獵物階段，采取的自適應(yīng)權(quán)重公式表示為：

5.如權(quán)利要求4所述的優(yōu)化svm的開(kāi)關(guān)柜故障診斷方法，其特征在于：所述反向?qū)W習(xí)策略添加在禿鷹搜索算法的俯沖捕獲獵物階段，反向解公式為：

6.如權(quán)利要求5所述的優(yōu)化svm的開(kāi)關(guān)柜故障診斷方法，其特征在于：所述采用禿鷹搜索算法對(duì)支持向量機(jī)進(jìn)行參數(shù)尋優(yōu)包括，采用改進(jìn)禿鷹搜索算法對(duì)支持向量機(jī)的核函數(shù)參數(shù)和懲罰因子進(jìn)行參數(shù)尋優(yōu)。

7.如權(quán)利要求6所述的優(yōu)化svm的開(kāi)關(guān)柜故障診斷方法，其特征在于：所述在最優(yōu)參數(shù)條件下利用訓(xùn)練集的故障特征量對(duì)故障診斷模型進(jìn)行訓(xùn)練包括，利用訓(xùn)練集對(duì)故障診斷模型訓(xùn)練過(guò)程中，設(shè)置四種運(yùn)行狀態(tài)分別為不同編號(hào)類(lèi)別進(jìn)行訓(xùn)練，通過(guò)最終模型分類(lèi)準(zhǔn)確率判斷算法有效性。

8.一種采用如權(quán)利要求1-7任一所述方法的一種油浸式電力變壓器動(dòng)態(tài)載荷能力管理系統(tǒng)，其特征在于：

9.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的方法的步驟。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的方法的步驟。

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種優(yōu)化SVM的開(kāi)關(guān)柜故障診斷方法及系統(tǒng)，包括：采集開(kāi)關(guān)柜不同運(yùn)行狀態(tài)下的特征量，構(gòu)建開(kāi)關(guān)柜故障診斷數(shù)據(jù)集。將故障診斷數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集，引入自適應(yīng)權(quán)重調(diào)整策略和反向?qū)W習(xí)策略對(duì)禿鷹搜索算法進(jìn)行改進(jìn)，采用禿鷹搜索算法對(duì)支持向量機(jī)進(jìn)行參數(shù)尋優(yōu)。在最優(yōu)參數(shù)條件下利用訓(xùn)練集的故障特征量對(duì)故障診斷模型進(jìn)行訓(xùn)練，利用測(cè)試集的故障特征量進(jìn)行開(kāi)關(guān)柜故障診斷。本發(fā)明利用改進(jìn)后的禿鷹搜索算法對(duì)支持向量機(jī)的懲罰因子和核函數(shù)參數(shù)進(jìn)行尋優(yōu)，從而提高支持向量機(jī)的分類(lèi)精度。最終利用開(kāi)關(guān)柜故障診斷模型對(duì)開(kāi)關(guān)柜運(yùn)行狀態(tài)特征量進(jìn)行故障診斷，能夠有效的識(shí)別出不同種類(lèi)的運(yùn)行狀態(tài)。

技術(shù)研發(fā)人員：居一峰,龍瑞華,周丹,伍婷婷,李乾元,曾智
受保護(hù)的技術(shù)使用者：海南電網(wǎng)有限責(zé)任公司?？诠╇娋?br/>技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15