[发明专利]基于机器学习算法的光纤电流互感器渐变性故障预测方法

权利要求书

1.基于机器学习算法的光纤电流互感器渐变性故障预测方法，包括训练阶段和预测阶段，其特征在于，所述训练阶段包括步骤：

(1)对光纤电流互感器渐变故障劣化期间内的输出信号进行采样，并根据工况对采集的信号进行状态划分；

(2)提取采样信号中的故障信号并计算均值，构成故障均值序列；

(3)构建基于LSTM的故障信号预测模型，所述故障信号预测模型用于根据1,2,…,L时刻的故障均值预测L+1时刻的故障信号的均值；采用步骤(2)构建的故障均值序列对所述故障信号预测模型进行训练；

(4)利用SVM算法，以采样信号中故障信号的均值、工频信号的均值和所述光纤电流互感器的工作额定电流构成的向量为输入，所述采样信号的工况状态为输出，训练故障分类模型；

所述预测阶段为对待预测光纤电流互感器在时刻t的工作状态进行预测，包括：

(5)采集待预测光纤电流互感器在时刻t之前的L个时刻的输出信号，提取其中的故障信号并计算均值，构成故障均值序列，采用故障信号预测模型预测时刻t的故障信号的均值；以时刻t的预测故障信号的均值、t-1时刻的工频信号的均值、待预测的光纤电流互感器的工作额定电流构成的向量为故障分类模型的输入，得到时刻t的预测故障类型；

所述步骤(5)具体包括：

对待预测的光纤电流互感器在时刻t之前每隔时间T截取时长为Δt的输出信号，共采集L个分段信号I_test(t-m)，m＝1,2,…,L；

按照步骤(2)中的方法对每个分段信号I_test(t-m)进行处理，获取标准化的故障均值序列将输入训练好的基于LTSM的故障信号预测模型，得到预测故障信号的均值x_c；

将x_c、I_test(t-1)中工频信号的均值y_t-1、待预测的光纤电流互感器的工作额定电流I_test作为基于SVM的故障分类模型的输入，其输出即为待预测的光纤电流互感器在当前时刻的故障类型。

2.根据权利要求1所述的光纤电流互感器渐变性故障预测方法，其特征在于，所述步骤(1)具体为：

在光纤电流互感器渐变故障劣化期间内每隔时间T截取时长为Δt的输出信号，构成分段信号I(t_i)，(i-1)*T＜t_i＜(i-1)*T+Δt，i＝1,2,…,n，n为采集到的分段信号个数；所述光纤电流互感器的工作额定电流为I_R；

根据故障的严重程度将所述光纤电流互感器的工作状态分为N种状态，并确定分段信号I(t_i)所处的状态s_i，s_i∈{1,2,…,N}。

3.根据权利要求2所述的光纤电流互感器渐变性故障预测方法，其特征在于，所述步骤(2)具体包括：

对每个分段信号I(t_i)以频率f_s采样，并进行小波包分解，提取故障信号，并计算所述故障信号的均值，构成故障均值序列X＝[x(1),x(2),…,x(n)]；对此序列进行标准化：

由此得到标准化的故障均值序列X^*＝[x(1)^*,x(2)^*,…,x(n)^*]，以X^*作为后续步骤处理的故障序列。