[发明专利]存储器、高压断路器机械故障诊断方法和装置

说明书

本发明公开了存储器、高压断路器机械故障诊断方法和装置，其所述方法包括步骤：通过传感器组中的多个传感器分别获取预设高压断路器的数据信号，构建包括预设高压断路器多路数据信号的信号数据库；将多路数据信号拼接为二维的数据阵列；以二维的数据阵列为训练样本通过卷积神经网络进行训练，生成用于判断预设高压断路器的工况种类的诊断模型；将预设高压断路器的多路实时数据信号分别进行预设处理，生成诊断模型的输入参数，并通过诊断模型获取预设高压断路器当前工况的诊断结果；本发明中的诊断模型，解决了现有技术中无法保障故障诊断的准确性的缺陷。

技术领域

本发明涉及电力设备领域，特别是涉及存储器、高压断路器机械故障诊断方法和装置。

背景技术

高压断路器是电网中的重要控制设备和保护设备；同时，它也是能够应对电力系统中最多种类任务和需求的开关装置。因此，如何对高压断路器的故障进行及时、准确地诊断，对于保障电网安全运行有着重要的现实意义。

根据2012年出版的高压设备可靠性国际调查报告(针对60kV及以上电压等级的SF6断路器)显示，导致高压断路器无法运行的严重故障中，机械故障仍然是高压断路器的主要故障类型。

高压断路器在操作过程中，从控制指令下达到电磁铁、传动部件等部位的动作，最后到触头的分合，这一动作过程都伴随着各种碰撞声音的发生，同一结构的高压断路器动作过程均有其独特的声音信号和振动信号，在该高压断路器机械部件发生劣化时，其声学特征和振动特征往往将发生细微的变化。随着传感器和语言识别技术的发展，区分上述细微变化已经成为可能。

现有技术中，通过在高压断路器的声音信号和振动信号中提取特征的方式来作为参数，对高压断路器进行故障的诊断；发明人经过研究发现，现有技术中高压断路器的故障诊断方式至少存在以下缺陷：

由于特征数的提取远大于模拟故障的类别数，所以，在小样本的情况下，特征向量提取的方法缺乏信服力，无法保障故障诊断的准确性。

发明内容

针对现有技术的不足，本发明提供存储器、高压断路器机械故障诊断方法和装置。本发明可以提高加故障诊断的准确性。

本发明提供一种高压断路器机械故障诊断方法，包括步骤：

S11、通过传感器组中的多个传感器分别获取预设高压断路器的数据信号，构建包括所述预设高压断路器多路数据信号的信号数据库；所述传感器包括声音传感器、振动传感器和电流传感器中的一种及其任意组合；所述数据信号包括预设工况下在各种机械状态之间进行转换时的数据信号；所述预设工况的种类包括正常工况和/或故障工况；所述数据信号为一维的数据序列；

S12、将多路数据信号拼接为二维的数据阵列；

S13、以所述二维的数据阵列为训练样本，通过卷积神经网络进行训练，生成用于判断所述预设高压断路器的工况种类的诊断模型；

S14、将所述预设高压断路器的多路实时数据信号分别进行预设处理，生成所述诊断模型的输入参数，并通过所述诊断模型获取所述预设高压断路器当前工况的诊断结果；所述预设处理包括将多路一维的数据序列拼接为二维的数据阵列。

优选的，在本发明中，在所将多路数据信号拼接为二维的数据阵列之前，还包括：

分别对每路所述数据信号进行下采样，将每路所述数据信号的样本的数量均扩增预设倍数。

优选的，在本发明中，所述卷积神经网络的主体结构包括输入层，卷积层，全连接层、输出层和池化层。

优选的，在本发明中，所述卷积神经网络的卷积层的卷积核的宽度等于所述传感器组中传感器的个数。

优选的，在本发明中，所述故障工况包括有多个故障子类型；

每个所述故障子类型对应不同的故障类型。