[发明专利]一种基于多信息融合的变流器的故障预警方法及装置

权利要求书

1.一种基于多信息融合的变流器的故障预警方法，包括：

建立所述变流器的性能参数数据库，所述性能参数数据库中包括所述变流器在至少一种故障发生时采集的所述变流器的多个功能部件的性能参数集；

对所述性能参数数据库中的性能参数集执行特征提取以获得故障特征参数数据库，所述故障特征参数数据库包括所述至少一种故障以及与每一故障对应的至少一个故障特征参数组，每个故障特征参数组包括关于所述变流器的所述多个功能部件的多个故障特征参数；以及

基于所述故障特征参数数据库中的所述至少一种故障及与每一故障对应的至少一个故障特征参数组执行神经网络建模以获得表现故障与故障特征参数之间的映射关系的故障预警模型。

2.如权利要求1所述的故障预警方法，其特征在于，还包括：

基于对应每种故障的故障程度的故障特征阈值对所述故障特征参数数据库中的故障特征参数进行标定以确定每一故障特征参数组所对应的故障的故障程度，

所述基于所述故障特征参数数据库中的所述至少一种故障及与每一故障对应的至少一个故障特征参数组执行神经网络建模包括：基于所述故障特征参数数据库中的所述至少一种故障的故障状态及与每一故障状态对应的至少一个故障特征参数组执行神经网络建模，所述故障状态包括故障类型和对应每种故障类型的故障程度。

3.如权利要求2所述的故障预警方法，其特征在于，所述执行神经网络建模包括使用BP神经网络模型执行建模，所述BP神经网络模型包括输入层、隐含层和输出层，所述输入层包括关于所述故障特征参数组中的多个故障特征参数所对应的多个故障特征的输入节点，所述输出层包括所述至少一种故障状态的输出节点。

4.如权利要求3所述的故障预警方法，其特征在于，所述隐含层中每个隐含节点的输出为x_i为所述输入层的输入节点的输入，w_ji和θ_j分别为每个隐含节点和每个输入节点之间的连接权值和阈值，i为所述输入节点的索引，j为所述隐含节点的索引，

所述输出层中每个输出节点的输出为w_kj和θ_k分别为每个输出节点和每个隐含节点之间的连接权值和阀值，k为所述输出节点的索引。

5.如权利要求4所述的故障预警方法，其特征在于，所述BP神经网络的激活函数为Sigmoid函数。

6.如权利要求4所述的故障预警方法，其特征在于，所述输出层的输出节点的输出值O_k与期望输出值t_k之间的误差为反向传递中的权值修正函数为阀值修正函数为其中η取0.01～0.8之间。

7.如权利要求6所述的故障预警方法，其特征在于，所述期望输出值包括指示故障状态的故障编号。

8.如权利要求1所述的故障预警方法，其特征在于，所述故障的类型包括以下一者或多者：轴承内圈故障、轴承外圈故障、轴承滚珠故障、轴承保持架故障、风机动平衡破坏故障、风机缺相故障、风机匝间短路故障、风机相不平衡故障、风机接地故障、风机喘振故障、电容超温故障、电容容值损失故障、IGBT超温故障、IGBT过流故障、滤网堵塞故障、水泵故障、热交换器故障、水冷板故障、变压器超温故障、变压器绝缘破坏故障。

9.如权利要求1所述的故障预警方法，其特征在于，所述故障特征参数对应的故障特征包括以下一者或多者：关于风机振动的总值特征、频谱特征、和包络特征、关于风机电流的功率因素、不平衡系数、负序电流、零序电流、频谱特征、包络特征、和能量特征、关于变压器温度的温度有效值和温度变化梯度、关于模块电流的电流有效值和电流时域特征、关于变流器中间电压的谐波特征、关于IGBT温度的温度有效值和温度变化梯度、关于电容电流的总值特征和频谱特征、关于变流器进出口水温的温度有效值和温度变化梯度、关于变流器进出口水压的水压有效值、关于滤网进出口空气温度的温度有效值。