[发明专利]基于异常样本识别的高压断路器自诊断方法

说明书

基于异常样本识别的高压断路器自诊断方法，方法为：（1）通过高压断路器生产厂家、江苏省检修部门等收集高压断路器电流特征数据；（2）初始化自诊断模型的存储区域（包括实时数据库、可识别区域、不可识别区域）；（3）设定自诊断模型以下模块的相关参数，包括：PSO优化模块、KFCM识别模块等；（4）将初始训练数据集放入自诊断模型可识别区域中，并将基于训练数据集的KFCM聚类结果添加至实时数据库，PSO优化模块据此计算SVDD检测模块的初始参数；（5）自诊断模型循环运作，对测试样本进行处理，处理类型包括：可识别样本的处理、不可识别样本的处理、新故障类型出现的处理）。利用本发明可以实现对高压断路器电流数据的有效归类总结，所得结论可以为电力检修部门的管理和高压电气设备生产厂家的生产、改进提供较为科学的依据。

技术领域

本发明属于电气设备故障诊断领域，涉及数据挖掘技术中的PSO、KFCM和SVDD，为一种基于异常样本识别的高压断路器自诊断方法。

背景技术

断路器是电力开关设备的核心部分，承担着开断和关合电力线路、线路故障保护、监测运行电量数据等重要作用，断路器的运行维护是保障电力系统安全稳定运行的前提和基础。当前，传统的电气设备的定期巡检方式已不能适应现代智能电网发展的需要，急需向状态检修转变。状态检修是指根据先进的状态监测和诊断技术提供的设备状态信息，判断设备的异常，预知设备的故障，在故障发生前进行检修的方式，即根据设备的健康状态来安排检修计划，实施设备检修。所以，状态检修更能符合现代智能电网对安全性与经济性的要求。

然而，传统的断路器却存在着数字化及智能化程度低下，自动化水平不高的缺陷，并不能为状态检修提供及时与可靠的信息与技术支持。因此，迫切需要对断路器运行状态进行实时在线监测，及时反映设备运行状况，预测其潜在故障，以便采取预防措施，避免发生停电事故，确保配电网安全稳定运行。断路器在线监测与故障诊断技术，是指利用现代精密传感技术和数据采集技术，对断路器机械特性与电气特性的基本信息进行采集，并存储记录；利用先进的数字信号处理技术对采样信号进行处理，提取信号中含有的特征量；同时将其运行状态及主要运行参数以图形和数据的形式显示出来，并提供及时的预警及分合控制功能；根据运行参数对断路器的运行状况进行判别，通过人工智能算法对其进行状态评估，并判断其潜在故障。目标是为现场运行人员提供直观的断路器运行状态指示以及为状态检修提供依据。这无论在理论上还是实践上都具有巨大的经济和社会价值。

断路器故障诊断技术就是通过对断路器实际运行信息的监测、分析以及处理，根据运行参数对其工作状况进行判别，分析故障产生部位及成因，预测其劣化的趋势，目标为状态检修提供科学依据，提高断路器运行可靠性与工作效率。故障诊断或模式识别作为断路器在线监测与故障诊断系统的核心以及最终目标，近年来成为研究的重点。断路器监测参数众多，操动机构结构复杂，许多故障的表征与故障成因之间并没有直接的因果关系，难以建立直接联系，这些都给故障诊断的实际应用带来了困难。

因此，发明一种适用于断路器在线监测系统的故障诊断新方法成为亟需解决的课题。

发明内容

本发明要解决的问题是：现有的故障诊断理论都是针对固定的训练样本集来建立故障诊断模型，很少牵涉到诊断模型的新知识获取以及模型的实时更新。事实上，在诊断模型形成之初，诊断范围不一定包含所有的故障类型，模型应具有识别新状态的能力；而且随着数据样本的积累，最初诊断规则确定的故障分类与真实分类往往存在差异，影响了诊断的准确性。