專利名稱：基于援例的智能局部放電故障識(shí)別系統(tǒng)及識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種故障識(shí)別系統(tǒng)及識(shí)別方法，尤指基于援例的智能局部放電故障識(shí) 別系統(tǒng)及識(shí)別方法。
背景技術(shù)：
目前，局部放電檢測儀只能顯示現(xiàn)場采集上來的波形，沒有信號(hào)的分析功能。更不 能對局部放電故障進(jìn)行模式識(shí)別。只能在檢測的現(xiàn)場信號(hào)幅度異常后告警，具體故障的判 斷需要電力專家到現(xiàn)場試驗(yàn)分析，不利于現(xiàn)場問題的快速查找。并且故障模式識(shí)別完全依 賴現(xiàn)場專家的經(jīng)驗(yàn)和水平，給最終故障診定帶來很大的不確定性。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題和提出的技術(shù)任務(wù)是對現(xiàn)有技術(shù)方案進(jìn)行完善，提供一 種基于援例的智能局部放電故障識(shí)別系統(tǒng)及識(shí)別方法，以達(dá)到故障識(shí)別準(zhǔn)確、方便的目的。 為此，本發(fā)明采取以下技術(shù)方案。1、基于援例的智能局部放電故障識(shí)別系統(tǒng)，其特征在于它包括 信號(hào)采樣模塊，用于在信號(hào)發(fā)生異常時(shí)進(jìn)行采樣并連續(xù)不斷保存樣本；
范例檢索模塊，接受樣本作為目標(biāo)范本，調(diào)用檢索方法模塊獲得檢索方法，并根據(jù)檢索 方法對源范模塊檢索，得到一批與目標(biāo)范例相似的源范例，然后將源范例送入范例排序模 塊；
檢索方法模塊，接受范例檢索模塊的查詢?nèi)蝿?wù)返回援例識(shí)別方式； 范例排序模塊，范例排序模塊調(diào)用擇優(yōu)標(biāo)準(zhǔn)模塊獲取選擇標(biāo)準(zhǔn)，獲得選擇標(biāo)準(zhǔn)后對目 標(biāo)范例類似的源范例排序選優(yōu)；
擇優(yōu)標(biāo)準(zhǔn)模塊，用于存儲(chǔ)選擇標(biāo)準(zhǔn)，接受范例排序模塊的查詢?nèi)蝿?wù)返回選擇標(biāo)準(zhǔn)； 結(jié)論解釋模塊，與范例排序模塊相連，根據(jù)優(yōu)選源范例對目標(biāo)范本作出結(jié)論解釋； 范例保存模塊，用于存儲(chǔ)作出結(jié)論解釋的目標(biāo)范例；
源范例模塊，用于存儲(chǔ)來自于典型局部放電特高頻物理學(xué)模型仿真結(jié)果及大量已運(yùn)行 局部放電異常變壓器的典型案例。該系統(tǒng)從目標(biāo)范例的提示獲得記憶中的相似源范例，并由這些相這些相似源范例 來指導(dǎo)該目標(biāo)范例的求解過程，通過內(nèi)置的援例，可準(zhǔn)確可靠的識(shí)別局部放電的故障模式 類型和具體的故障部位及嚴(yán)重程度。作為對上述技術(shù)方案的進(jìn)一步完善和補(bǔ)充，本發(fā)明還包括以下附加技術(shù)特征。檢索方法模塊設(shè)有利用幾何圖形檢索方法確定放電類型的幾何檢索方法單元及 利用歐式距離算法確定具體故障部位和嚴(yán)重程序的歐式距離檢索單元?；谠闹悄芫植糠烹姽收献R(shí)別方法，其特征在于它包括以下步驟
1)采樣步驟，在信號(hào)發(fā)生異常時(shí)進(jìn)行采樣并連續(xù)不斷保存樣本；
2)范例檢索步驟，接受樣本作為目標(biāo)范本，調(diào)用檢索方法模塊獲得檢索方法，并根據(jù)檢索方法對源范模塊檢索，得到一批與目標(biāo)范例相似的源范例；
3)范例排序步驟，調(diào)用擇優(yōu)標(biāo)準(zhǔn)模塊獲取選擇標(biāo)準(zhǔn)，在獲得選擇標(biāo)準(zhǔn)后對目標(biāo)范例類 似的源范例排序選優(yōu)，得到最佳源范例；
4)結(jié)論解釋步驟，根據(jù)優(yōu)選源范例對目標(biāo)范本作出結(jié)論解釋并輸出；
5)范例保存步驟，存儲(chǔ)作出結(jié)論解釋的目標(biāo)范例至范例保存模塊和源范例模塊。該方 法從目標(biāo)范例的提示獲得記憶中的相似源范例，并由這些相這些相似源范例來指導(dǎo)該目標(biāo) 范例的求解過程，通過內(nèi)置的援例，可準(zhǔn)確可靠的識(shí)別局部放電的故障模式類型和具體的 故障部位及嚴(yán)重程度。檢索方法包括用于確定放電類型的幾何圖形檢索方法、用于確定具體故障部位和 嚴(yán)重程度的歐式距離算法。有益效果該系統(tǒng)從目標(biāo)范例的提示獲得記憶中的相似源范例，并由這些相這些 相似源范例來指導(dǎo)該目標(biāo)范例的求解過程，通過內(nèi)置的援例，采用科學(xué)的幾何圖形檢索方 法和歐式距離算法，利用幾何圖形檢索方法確定故障模式，利用歐式距離算法確定具體的 故障部位及嚴(yán)重程度，提高了故障診斷的準(zhǔn)確、可靠性。


圖1是本發(fā)明結(jié)構(gòu)原理圖。圖2是本發(fā)明流程圖。
具體實(shí)施例方式以下結(jié)合說明書附圖對本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)說明。基于援例的智能局部放電故障識(shí)別系統(tǒng)包括信號(hào)采樣模塊，用于在信號(hào)發(fā)生異 常時(shí)進(jìn)行采樣并連續(xù)不斷保存樣本；范例檢索模塊，接受樣本作為目標(biāo)范本，調(diào)用檢索方法 模塊獲得檢索方法，并根據(jù)檢索方法對源范例模塊檢索，得到一批與目標(biāo)范例相似的源范 例，然后將源范例送入范例排序模塊；檢索方法模塊，接受范例檢索模塊的查詢?nèi)蝿?wù)返回援 例識(shí)別方式；范例排序模塊，范例排序模塊調(diào)用擇優(yōu)標(biāo)準(zhǔn)模塊獲取選擇標(biāo)準(zhǔn)，獲得選擇標(biāo)準(zhǔn) 后對目標(biāo)范例類似的源范例排序選優(yōu)；擇優(yōu)標(biāo)準(zhǔn)模塊，用于存儲(chǔ)選擇標(biāo)準(zhǔn)，接受范例排序模 塊的查詢?nèi)蝿?wù)返回選擇標(biāo)準(zhǔn)；結(jié)論解釋模塊，與范例排序模塊相連，根據(jù)優(yōu)選源范例對目標(biāo) 范本作出結(jié)論解釋；范例保存模塊，用于存儲(chǔ)作出結(jié)論解釋的目標(biāo)范例；源范例模塊，用于 存儲(chǔ)來自于典型局部放電特高頻物理學(xué)模型仿真結(jié)果及大量已運(yùn)行局部放電異常變壓器 的典型案例。其中檢索方法模塊設(shè)有利用幾何圖形檢索方法確定放電類型的幾何檢索方法單 元及利用歐式距離算法確定具體故障部位和嚴(yán)重程序的歐式距離檢索單元?；谠闹悄芫植糠烹姽收献R(shí)別方法，如圖2所示，其包括以下步驟
1)采樣步驟，在信號(hào)發(fā)生異常時(shí)進(jìn)行采樣并連續(xù)不斷保存樣本；
2)范例檢索步驟，接受樣本作為目標(biāo)范本，調(diào)用檢索方法模塊獲得檢索方法，并根據(jù)檢 索方法對源范模塊檢索，得到一批與目標(biāo)范例相似的源范例；
3)范例排序步驟，調(diào)用擇優(yōu)標(biāo)準(zhǔn)模塊獲取選擇標(biāo)準(zhǔn)，在獲得選擇標(biāo)準(zhǔn)后對目標(biāo)范例類 似的源范例排序選優(yōu)，得到最佳源范例；4)結(jié)論解釋步驟，根據(jù)優(yōu)選源范例對目標(biāo)范本作出結(jié)論解釋并輸出；
5)范例保存步驟，存儲(chǔ)作出結(jié)論解釋的目標(biāo)范例至范例保存模塊和源范例模塊。
權(quán)利要求
1.基于援例的智能局部放電故障識(shí)別系統(tǒng)，其特征在于它包括信號(hào)采樣模塊，用于在信號(hào)發(fā)生異常時(shí)進(jìn)行采樣并連續(xù)不斷保存樣本；范例檢索模塊，接受樣本作為目標(biāo)范本，調(diào)用檢索方法模塊獲得檢索方法，并根據(jù)檢索 方法對源范例模塊檢索，得到一批與目標(biāo)范例相似的源范例，然后將源范例送入范例排序 模塊；檢索方法模塊，接受范例檢索模塊的查詢?nèi)蝿?wù)返回援例識(shí)別方式；范例排序模塊，范例排序模塊調(diào)用擇優(yōu)標(biāo)準(zhǔn)模塊獲取選擇標(biāo)準(zhǔn)，獲得選擇標(biāo)準(zhǔn)后對目 標(biāo)范例類似的源范例排序選優(yōu)；擇優(yōu)標(biāo)準(zhǔn)模塊，用于存儲(chǔ)選擇標(biāo)準(zhǔn)，接受范例排序模塊的查詢?nèi)蝿?wù)返回選擇標(biāo)準(zhǔn)；結(jié)論解釋模塊，與范例排序模塊相連，根據(jù)優(yōu)選源范例對目標(biāo)范本作出結(jié)論解釋；范例保存模塊，用于存儲(chǔ)作出結(jié)論解釋的目標(biāo)范例；源范例模塊，用于存儲(chǔ)來自于典型局部放電特高頻物理學(xué)模型仿真結(jié)果及大量已運(yùn)行 局部放電異常變壓器的典型案例。
2.根據(jù)權(quán)利要求1所述的基于援例的智能局部放電故障識(shí)別系統(tǒng)，其特征在于檢索 方法模塊設(shè)有利用幾何圖形檢索方法確定放電類型的幾何檢索方法單元及利用歐式距離 算法確定具體故障部位和嚴(yán)重程序的歐式距離檢索單元。
3.根據(jù)權(quán)利要求1所述的基于援例的智能局部放電故障識(shí)別方法，其特征在于它包括 以下步驟1)采樣步驟，在信號(hào)發(fā)生異常時(shí)進(jìn)行采樣并連續(xù)不斷保存樣本；2)范例檢索步驟，接受樣本作為目標(biāo)范本，調(diào)用檢索方法模塊獲得檢索方法，并根據(jù)檢 索方法對源范模塊檢索，得到一批與目標(biāo)范例相似的源范例；3)范例排序步驟，調(diào)用擇優(yōu)標(biāo)準(zhǔn)模塊獲取選擇標(biāo)準(zhǔn)，在獲得選擇標(biāo)準(zhǔn)后對目標(biāo)范例類 似的源范例排序選優(yōu)，得到最佳源范例；4)結(jié)論解釋步驟，根據(jù)優(yōu)選源范例對目標(biāo)范本作出結(jié)論解釋并輸出；5)范例保存步驟，存儲(chǔ)作出結(jié)論解釋的目標(biāo)范例至范例保存模塊和源范例模塊。
4.根據(jù)權(quán)利要求3所述的基于援例的智能局部放電故障識(shí)別方法，其特征在于檢索 方法包括用于確定放電類型的幾何圖形檢索方法、用于確定具體故障部位和嚴(yán)重程度的歐 式距離算法。
全文摘要
基于援例的智能局部放電故障識(shí)別系統(tǒng)及識(shí)別方法，涉及一種故障識(shí)別系統(tǒng)和識(shí)別方法。局部放電檢測儀只能顯示現(xiàn)場采集上來的波形，無信號(hào)的分析功能，故障的判斷需要電力專家到現(xiàn)場試驗(yàn)分析，查找慢，并且故障模式識(shí)別完全依賴現(xiàn)場專家的經(jīng)驗(yàn)和水平，給最終故障診定帶來很大的不確定性。本發(fā)明包括信號(hào)采樣模塊；范例檢索模塊；檢索方法模塊；范例排序模塊；擇優(yōu)標(biāo)準(zhǔn)模塊；結(jié)論解釋模塊；范例保存模塊；源范例模塊。本系統(tǒng)從目標(biāo)范例中獲得相似源范例，通過內(nèi)置的援例，采用科學(xué)的幾何圖形檢索方法和歐式距離算法，利用幾何圖形檢索方法確定故障模式，利用歐式距離算法確定具體的故障部位及嚴(yán)重程度，提高了故障診斷的準(zhǔn)確、可靠性。
文檔編號(hào)G01R31/12GK102129017SQ20101061577
公開日2011年7月20日 申請日期2010年12月30日 優(yōu)先權(quán)日2010年12月30日
發(fā)明者汪業(yè), 謝東, 謝煒 申請人:杭州柯林電力設(shè)備有限公司