[发明专利]一种基于向量机的开关柜过热故障诊断方法有效

专利信息
申请号: 201910548283.6 申请日: 2019-06-24
公开(公告)号: CN110320468B 公开(公告)日: 2022-04-12
发明(设计)人: 饶夏锦;苏毅;夏小飞;芦宇峰;黄辉敏;杨健;陈庆发;吕泽承;黄金剑;王飞风;雷一鸣 申请(专利权)人: 广西电网有限责任公司电力科学研究院
主分类号: G01R31/327 分类号: G01R31/327;G01K13/00;G06K9/62;G06N3/00
代理公司: 南宁东智知识产权代理事务所(特殊普通合伙) 45117 代理人: 巢雄辉;裴康明
地址: 530023 广西*** 国省代码: 广西;45
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 向量 开关柜 过热 故障诊断 方法
【权利要求书】:

1.一种基于向量机的开关柜过热故障诊断方法,其特征在于:包括以下步骤:

S1、在开关柜的内部及柜体表面布置温度传感器,通过所述温度传感器获取所述开关柜在故障及正常运行时内部及柜体表面的温度数据;

S2、根据所述开关柜的具体参数及运行的物理过程,通过计算流体力学软件建立开关柜电-磁-流体耦合仿真模型,并将S1采集到的温度数据带入所述开关柜电-磁-流体耦合仿真模型进行仿真,并将仿真结果与S1采集到的温度数据进行对比,进一步修正开关柜电-磁-流体耦合仿真模型;

S3、通过修正后的开关柜电-磁-流体耦合仿真模型分别对多种开关柜过热故障类型进行模拟得到训练样本;

所述训练样本包括:开关柜柜体内部温度、开关柜所处的环境温湿度、开关柜的运行模式、开关柜负荷、日照时间及风速;

S4、根据已有的故障类型数据库或S3模拟得到的大量样本对粒子群算法优化多分类支持向量机识别算法进行训练、测试和验证得到支持向量机分类器;

S5、采用所述支持向量机分类器对开关柜过热故障识别,将识别的结果进行汇总对比,进而确定故障的类型并进行存储;

所述开关柜过热故障类型包括:负荷过大、接触不良及故障电弧。

2.根据权利要求1所述的基于向量机的开关柜过热故障诊断方法,其特征在于:所述S4包括以下步骤:

S41、将所述训练样本划分为测试集和训练集;

S42、计算支持向量机的核函数,根据所述核函数计算最优分类面得到分类判别函数;

S43、根据S42的分类判别函数构建相应的支持向量机分类器;

S44、通过所述训练集对S43得到的支持向量机的参数优化;

S45、将所述测试集带入所述S44得到支持向量机的进行测试,根据测试结果判断所述支持向量机是否可行,若可行则能够进行S5,否则重新获取训练样本进行计算。

3.根据权利要求2所述的基于向量机的开关柜过热故障诊断方法,其特征在于:所述核函数采用高斯径向基核函数。

4.根据权利要求3所述的基于向量机的开关柜过热故障诊断方法,其特征在于:采用高斯径向基核函数计算最优分类面得到分类判别函数包括以下步骤:

S421、采用高斯径向基核函数计算最优分类面的公式为:

上式中,为定样本集,xi∈Rn,xi为第i个输入向量,xj为第j个输入向量,yi∈{±1}为类标号,σ为核函数参数,高斯径向基核函数k(xi,yj);

S422、根据KKT条件得到最优分界面的偏移量b*

上式中,ξi为松弛因子,w为超平面的法向量,b为偏移量,φ(x)为输入向量在高维空间F中对应的向量,αi、βi为拉格朗日乘子,yi∈{±1}为类标号;

S423、根据S422得到最优分类面f(x)=(w*·φ(x))+b*,其中w=w*,b=b*,w*为最优分界面的法向量,b*为最优分界面的偏移量,x为输入向量;

S443、根据所述最优分类面可以得到分类判别函数为:

上式中,N为样本个数,K(xi·x)为核函数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广西电网有限责任公司电力科学研究院,未经广西电网有限责任公司电力科学研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910548283.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top