[发明专利]一种有载分接开关故障检测方法及装置

权利要求书

1.一种有载分接开关故障检测方法，其特征在于，包括如下步骤：

步骤S101，获取所述开关在预设故障状态时的第一振动信号与所述开关在正常工作状态时的第二振动信号，预设的故障状态包括有载分接开关电气故障与机械故障，其包含触头磨损、弹簧松动、齿轮卡涩；

步骤S102，分别对所述第一振动信号和所述第二振动信号进行降噪，通过小波包算法对机械振动信号进行分解，剔除噪声部分后并进行重构，实现OLTC机械振动信号的降噪；

步骤S103，分别对降噪后的所述第一振动信号和所述第二振动信号进行分解，得到第一IMF分量和第二IMF分量，利用EEMD分解方法分别对降噪之后的不同工况的OLTC机械振动信号进行分解；

步骤S104，分别将所述第一IMF分量和所述第二IMF分量与设定阈值进行比较，以筛选出第一有效IMF分量和第二有效IMF分量；

步骤S105，分别对所述第一有效IMF分量和所述第二有效IMF分量的能量熵进行拼接，并通过计算信息熵来得到表征所述开关的振动信号频域复杂度的第一有效能量熵和第二有效能量熵，将所求得的各组有效IMF分量能量熵拼接成一个整体，计算信息熵得到能够表征OLTC机械振动信号时频域复杂度的有效能量熵；有效能量熵的构建根据IMF分量能量熵进行有效频带的筛选，将有效频带IMF分量的能量熵拼接成一个整体，计算信息熵；

假设某系统X可能出现几种不同的状态x₁,x₂,…,x_n，p(x_i)代表状态x_i出现的概率，则该系统的信息熵H(X)定义为

式中：0＝p(x_i)＝1且当p(x_i)＝0时，表示此状态没有出现；

步骤S106，利用所述第一有效能量熵和所述第二有效能量熵以及相应的开关工作状态信息对神经网络模型进行训练，以使所述神经网络模型能够根据所述第一有效能量熵和所述第二有效能量熵识别所述开关的工作状态，持续所述训练操作直至所述神经网络模型的识别准确率达到预定准确率；具体地，此步骤需要通过人力或者辅助系统对第一有效能量熵和所述第二有效能量熵进行标记，所标记的内容即为开关工作状态信息；对于第一有效能量熵可以标记其相应的具体故障种类，对于第二有效能量熵可以标记为正常，由此训练出的模型即可以根据能量熵识别开关是否存在故障，并可以进一步识别出故障种类；

神经网络识别过程为：根据输入特征向量构建网络，初始化网络后，利用训练样本对网络进行训练，训练结束后将测试样本输入到网络进行诊断识别并输出结果，使用概率神经网络进行故障模型的识别分类。