[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

说明书

本发明公开了一种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：1、对光纤电流互感器渐变故障劣化期间内的输出信号采样，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，构成故障序列；3、构建基于LSTM的故障信号预测模型并进行训练；4、利用SVM算法训练故障分类模型；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：采集待预测光纤电流互感器在时刻t之前的L个时刻的输出信号并进行处理构成故障序列，采用故障信号预测模型预测时刻t的故障信号；利用故障分类模型进行分类，得到时刻t的预测故障类型。该方法能够根据FOCT历史输出信号对其未来时刻的工作状态进行预测，以实现故障早期预警，避免出现重大故障事故。

技术领域

本发明属于智能电网中光纤电流互感器(FOCT)渐变性故障诊断领域，具体涉及一种FOCT渐变性故障预测方法。

背景技术

随着特高压技术的发展，传统电磁式电流互感器存在体积大、绝缘结构复杂、容易发生磁饱和、无法测量直流信号等缺点，无法满足当前电力环境的使用需求。光纤电流互感器(Fiber Optical Current Transformer，FOCT)以其体积小、重量轻、无磁饱和特性以及无二次侧开路危险等优势，正在逐步的取代传统的电磁式电流互感器。但是FOCT内部光学和电子器件在实际运行中受到恶劣环境影响时器件性能变差，导致设备出现故障，危害电网安全运行。随着FOCT的大规模应用，为保证设备安全稳定运行，急需开展光纤电流互感器在线状态监测和故障预测方法研究。

故障诊断是对被诊断系统的各项信息进行综合处理，确定当前时刻系统运行状态并及时发现故障的过程。故障预测是对未来时刻系统运行状态进行估计的过程。随着数据挖掘、计算机技术以及人工智能的发展，基于数据驱动方法的故障诊断技术以其不需要对复杂系统建模的优势，被广泛运用于设备的故障诊断。现有研究方法中，主要是针对FOCT突变性故障进行诊断。在实际应用中，FOCT突变故障特征明显，容易被诊断，但是渐变故障存在时域跨度大、短期特征不明显的特点，难以被诊断。申请号为201210411341.9的中国专利文献《一种电子式电流互感器的渐变性故障在线诊断方法》公开了对电子式电流互感器的渐变性故障进行诊断的方法，其利用当前时刻输电线路首末两端和变压器一二次侧电子式电流互感器的残差与设定阈值的比较来确定是否发生渐变性故障。每个时刻是否发生渐变性故障仅依据当前时刻的输出信号进行判断。而渐变性故障的特点是设备的输出信号短期特征变化不明显，因此判断的准确度有待提高。此外，该方法无法预测未来时刻FOCT的运行状态。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供了一种光纤电流互感器渐变性故障预测方法，该方法能够根据FOCT历史输出信号对其未来时刻的工作状态进行预测，并根据预测信号判断设备工作状态，以实现故障早期预警，避免出现重大故障事故。

技术方案：本发明采用如下技术方案：

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，所述训练阶段包括：

(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，构成故障序列；

(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时刻的故障预测L+1时刻的故障信号；采用步骤(2)构建的故障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：