本發(fā)明屬于電纜故障診斷，具體涉及一種基于機(jī)器學(xué)習(xí)的高壓電纜智能化故障診斷方法及系統(tǒng)。

背景技術(shù)：

1、在現(xiàn)代電力系統(tǒng)中，高壓電纜的可靠性和穩(wěn)定性至關(guān)重要。然而，由于高壓電纜在運(yùn)行過程中可能會(huì)受到各種因素的影響，在過負(fù)荷運(yùn)行或者絕緣老化等作用下，導(dǎo)致各種電纜故障的發(fā)生：如絕緣局部損傷、絕緣氣泡、閃絡(luò)故障或故障電弧。這些故障不僅會(huì)影響電力系統(tǒng)的正常運(yùn)行，還可能造成嚴(yán)重的經(jīng)濟(jì)損失和安全隱患。然而，傳統(tǒng)故障診斷方法具有一定的局限性：

2、其主要依賴于人工檢測(cè)和經(jīng)驗(yàn)判斷，效率低下且容易出現(xiàn)誤判。且該經(jīng)驗(yàn)判斷方法需要復(fù)雜的測(cè)尋方法，如：電橋法、脈沖法、故障點(diǎn)燒穿法等進(jìn)行故障測(cè)試并診斷，診斷過程復(fù)雜多變，導(dǎo)致故障處理不及時(shí)。

3、伴隨著機(jī)器學(xué)習(xí)等技術(shù)的研究發(fā)展，現(xiàn)有的機(jī)器學(xué)習(xí)方法在處理高壓電纜故障診斷時(shí)，模型的穩(wěn)定性和魯棒性較差，容易出現(xiàn)過擬合或欠擬合的情況。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述背景技術(shù)中存在的技術(shù)問題，本發(fā)明提供了一種基于機(jī)器學(xué)習(xí)的高壓電纜智能化故障診斷方法及系統(tǒng)。

2、本發(fā)明的目的可以通過以下技術(shù)方案實(shí)現(xiàn)：一種基于機(jī)器學(xué)習(xí)的高壓電纜智能化故障診斷系統(tǒng)，包括數(shù)據(jù)采集模塊、工控機(jī)模塊和上位機(jī)模塊；數(shù)據(jù)采集模塊包含電流互感器、高頻電流傳感器和溫度傳感器；分別采集電纜的采集電纜中的電流信號(hào)、高頻電流信號(hào)和電纜溫度信號(hào)；通過這些傳感器，系統(tǒng)能夠獲取電纜的運(yùn)行狀態(tài)數(shù)據(jù)，為故障診斷提供基礎(chǔ)數(shù)據(jù)支持。

3、工控機(jī)模塊包含stc89c51單片機(jī)、ad轉(zhuǎn)換器和通訊電路；工控機(jī)模塊通過通訊電路接收數(shù)據(jù)采集模塊發(fā)送的信號(hào)數(shù)據(jù)并進(jìn)行初步處理；

4、所述stc89c51單片機(jī)固化了數(shù)據(jù)采集程序和串口通訊程序；

5、所述ad轉(zhuǎn)換器ad轉(zhuǎn)換器用于將模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，便于后續(xù)處理；

6、所述通訊電路分為兩路，一路是與數(shù)據(jù)采集模塊連接的rs232通訊電路，另一路是與上位機(jī)模塊連接的can總線電路。

7、上位機(jī)模塊包含xilinx芯片和可拓展存儲(chǔ)器；xilinx芯片用于對(duì)電流信號(hào)進(jìn)行數(shù)據(jù)處理和數(shù)據(jù)建模；可拓展存儲(chǔ)器用于存儲(chǔ)相關(guān)的數(shù)據(jù)和機(jī)器學(xué)習(xí)應(yīng)用程序。

8、基于上述高壓電纜智能化故障診斷系統(tǒng)，利用機(jī)器學(xué)習(xí)程序?qū)崿F(xiàn)高壓電纜故障診斷的方法，具體步驟如下：

9、s1)電流波形信號(hào)分解：收集高壓電纜在高壓電纜已知故障狀態(tài)下的電流波形信號(hào)；采用局部均值(lmd)的時(shí)頻分析方法提取電流波形信號(hào)的特征信息，進(jìn)而被分解為多個(gè)解調(diào)信號(hào)分量，即pf分量；

10、s2)構(gòu)建聚類預(yù)測(cè)的高斯混合模型，具體步驟如下：

11、s21)將lmd處理后的多個(gè)pf分量作為聚類因素，以構(gòu)建特征矩陣[x]，并輸入到高斯混合模型中進(jìn)行訓(xùn)練；通過期望最大化(em)算法，用于最大化觀測(cè)數(shù)據(jù)的對(duì)數(shù)似然函數(shù)，進(jìn)而確定最佳的數(shù)據(jù)分類結(jié)果，即聚類標(biāo)簽；

12、s22)初始化高斯混合模型模型，設(shè)定高斯混合模型的參數(shù)，包括高斯分布數(shù)量k和協(xié)方差類型；

13、s23)采集高壓電纜在未知故障時(shí)間段的電流波形信號(hào)輸入到訓(xùn)練好的高斯混合模型中進(jìn)行聚類預(yù)測(cè)，得到每個(gè)數(shù)據(jù)點(diǎn)的聚類標(biāo)簽；并計(jì)算每個(gè)數(shù)據(jù)點(diǎn)屬于各個(gè)高斯分量的后驗(yàn)概率；

14、s24)根據(jù)聚類標(biāo)簽和后驗(yàn)概率，識(shí)別并判定故障類型為絕緣局部損傷、絕緣氣泡、閃絡(luò)故障或故障電弧。

15、優(yōu)選地，可以設(shè)定一個(gè)故障類型閾值，當(dāng)某個(gè)聚類標(biāo)簽的后驗(yàn)概率超過該故障類型閾值時(shí)，判定為該故障類型。

16、優(yōu)選地，所述步驟s22)中定義高斯分布數(shù)量k,選用電流波形信號(hào)分解后其中一個(gè)pf分量數(shù)據(jù)的樣本熵、排列熵或多尺度熵作為定量值。

17、優(yōu)選地，在定量值初選的基礎(chǔ)上，通過交叉驗(yàn)證的方法繼續(xù)驗(yàn)證其余pf分量數(shù)據(jù)的樣本熵，進(jìn)而選取最優(yōu)的高斯分布數(shù)量k的值，以提高模型性能。

18、優(yōu)選地，所述絕緣局部損傷的故障類型閾值為0.8；絕緣氣泡的故障類型閾值為0.86；閃絡(luò)故障的故障類型閾值為0.9。

19、優(yōu)選地，所述故障電弧的故障類型閾值為0.85，并且采集到的高壓電纜溫度達(dá)到并且采集到的高壓電纜溫度達(dá)到1200℃以上。

20、優(yōu)選地，所述電流波形信號(hào)的樣本熵的計(jì)算方法如下：

21、定義樣本序列：原始電流波形信號(hào)被分解成多個(gè)pf分量，選取其中一個(gè)pf分量數(shù)據(jù)作為樣本序列，則樣本序列可以表示為：x(t)＝{pf(t)}；其中t＝1,2,…,n；

22、構(gòu)建嵌入向量：對(duì)于任意一個(gè)時(shí)間序列{pf(t)}，構(gòu)建嵌入維度為(m)的向量：xm(t)＝{x(t)，x(t+1)，...，x(t+m-1)}；

23、計(jì)算相似向量對(duì)數(shù)：計(jì)算所有嵌入向量對(duì)xm(t)和xm(j)之間的距離：并統(tǒng)計(jì)滿足d[xm(t)，xm(j)]≤r的向量對(duì)數(shù)

24、計(jì)算樣本熵：其中，m表示嵌入維度；r表示相似度閾值；n表示時(shí)間序列的長(zhǎng)度；

25、表示在嵌入維度為(m+1)和相似度閾值為(r)條件下的相似向量對(duì)數(shù)；

26、表示在嵌入維度為(m+1)和相似度閾值為(r)的條件下，所有嵌入向量的相似向量對(duì)數(shù)之和。

27、本發(fā)明的有益效果：

28、1、收集已知故障狀態(tài)下高壓電纜電流波形信號(hào),分別進(jìn)行l(wèi)md處理；然后，構(gòu)建高斯混合模型(gmm)進(jìn)行聚類分析；進(jìn)而使用訓(xùn)練好的模型對(duì)新的信號(hào)數(shù)據(jù)進(jìn)行聚類預(yù)測(cè)，得出新數(shù)據(jù)所屬簇(即對(duì)應(yīng)高斯分量的標(biāo)簽)，進(jìn)而識(shí)別出高壓電纜的故障類型；提高電力系統(tǒng)的可靠性和穩(wěn)定性，減少故障停電時(shí)間和經(jīng)濟(jì)損失。

29、2、本發(fā)明利用電流波形的樣本熵、排列熵或多尺度熵等指標(biāo)來作為高斯分布數(shù)量k的值，提高模型的穩(wěn)定性和魯棒性，減少過擬合或欠擬合的風(fēng)險(xiǎn)。

30、3、另一方面，通過實(shí)時(shí)采集高壓電纜的電流波形信號(hào)并進(jìn)行聚類預(yù)測(cè)，可以實(shí)現(xiàn)對(duì)高壓電纜故障的實(shí)時(shí)監(jiān)測(cè)和預(yù)警，及時(shí)發(fā)現(xiàn)和處理故障。

技術(shù)特征：

1.一種基于機(jī)器學(xué)習(xí)的高壓電纜智能化故障診斷方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于機(jī)器學(xué)習(xí)的高壓電纜智能化故障診斷方法，其特征在于：所述后驗(yàn)概率設(shè)定一個(gè)故障類型閾值，當(dāng)某個(gè)聚類標(biāo)簽的后驗(yàn)概率超過該故障類型閾值時(shí)，判定為該故障類型。

3.根據(jù)權(quán)利要求1所述的一種基于機(jī)器學(xué)習(xí)的高壓電纜智能化故障診斷方法，其特征在于：所述步驟s2)中定義高斯分布數(shù)量k,選用電流波形信號(hào)分解后其中一個(gè)pf分量數(shù)據(jù)的樣本熵作為定量值。

4.根據(jù)權(quán)利要求3所述的一種基于機(jī)器學(xué)習(xí)的高壓電纜智能化故障診斷方法，其特征在于：在定量值初選的基礎(chǔ)上，通過交叉驗(yàn)證的方法繼續(xù)驗(yàn)證其余pf分量數(shù)據(jù)的樣本熵，進(jìn)而選取最優(yōu)的高斯分布數(shù)量k的值。

5.根據(jù)權(quán)利要求3所述的一種基于機(jī)器學(xué)習(xí)的高壓電纜智能化故障診斷方法，其特征在于：所述電流波形信號(hào)的樣本熵的計(jì)算方法如下：

6.根據(jù)權(quán)利要求1所述的一種基于機(jī)器學(xué)習(xí)的高壓電纜智能化故障診斷方法及系統(tǒng)，其特征在于：所述步驟s2中協(xié)方差類型選用‘full’、‘ti?ed’、‘diag’或‘spherical’。

7.根據(jù)權(quán)利要求2所述的一種基于機(jī)器學(xué)習(xí)的高壓電纜智能化故障診斷方法及系統(tǒng)，其特征在于：所述絕緣局部損傷的故障類型閾值為0.8；絕緣氣泡的故障類型閾值為0.86；閃絡(luò)故障的故障類型閾值為0.9。

8.根據(jù)權(quán)利要求2所述的一種基于機(jī)器學(xué)習(xí)的高壓電纜智能化故障診斷方法及系統(tǒng)，其特征在于：所述故障電弧的故障類型閾值為0.85，并且采集到的高壓電纜溫度達(dá)到1200℃以上。

9.根據(jù)權(quán)利要求1所述的一種基于機(jī)器學(xué)習(xí)的高壓電纜智能化故障診斷方法的系統(tǒng)，其特征在于：包括數(shù)據(jù)采集模塊、工控機(jī)模塊和上位機(jī)模塊；數(shù)據(jù)采集模塊包含電流互感器、高頻電流傳感器和溫度傳感器；分別采集電纜的采集電纜中的電流信號(hào)、高頻電流信號(hào)和電纜溫度信號(hào)；

10.根據(jù)權(quán)利要求9所述的一種基于機(jī)器學(xué)習(xí)的高壓電纜智能化故障診斷方法的系統(tǒng)，其特征在于：所述上位機(jī)模塊包含xilinx芯片和可拓展存儲(chǔ)器；xilinx芯片用于對(duì)電流信號(hào)進(jìn)行數(shù)據(jù)處理和數(shù)據(jù)建模；可拓展存儲(chǔ)器用于存儲(chǔ)相關(guān)的數(shù)據(jù)和機(jī)器學(xué)習(xí)應(yīng)用程序。

技術(shù)總結(jié)
本發(fā)明屬于電纜故障診斷技術(shù)領(lǐng)域，具體涉及一種基于機(jī)器學(xué)習(xí)的高壓電纜智能化故障診斷方法及系統(tǒng)。利用機(jī)器學(xué)習(xí)程序?qū)崿F(xiàn)高壓電纜故障診斷的方法，具體步驟如下：S1)電流波形信號(hào)分解：收集高壓電纜已知故障狀態(tài)下的電流波形信號(hào)；采用局部均值的時(shí)頻分析方法提取電流波形信號(hào)的特征信息；進(jìn)而被分解為多個(gè)解調(diào)信號(hào)分量，即PF分量；S2)構(gòu)建高斯混合模型的聚類預(yù)測(cè)：將LMD處理后的多個(gè)解調(diào)信號(hào)分量數(shù)據(jù)作為聚類因素，以構(gòu)建特征矩陣[X]，并輸入到高斯混合模型中進(jìn)行訓(xùn)練；進(jìn)而確定最佳的數(shù)據(jù)分類結(jié)果，即聚類標(biāo)簽。進(jìn)而識(shí)別出高壓電纜的故障類型；提高電力系統(tǒng)的可靠性和穩(wěn)定性，減少故障停電時(shí)間和經(jīng)濟(jì)損失。

技術(shù)研發(fā)人員：張彥軍,張志軍,劉銀磊
受保護(hù)的技術(shù)使用者：上海緦電智能科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19