[发明专利]基于加窗特征希尔伯特图像化的电力设备诊断方法及系统

权利要求书

1.一种基于加窗特征希尔伯特图像化的电力设备诊断方法，其特征在于，包括：

(1)获取包含电力设备不同故障位置、故障类型及严重程度的若干组监测数据，对各组所述监测数据进行分析，获取对应的故障状态标签，令各组所述监测数据与对应的故障状态标签组成目标数据集，其中，所述故障状态包括故障类型及故障位置；

(2)将所述目标数据集进行考虑对数约束的加窗特征计算，提取出其中蕴含的故障特征，得到特征序列数据集；

其中，步骤(2)包括：

将电力设备正常状态时的监测曲线作为参照曲线，基于所述参照曲线进行考虑对数约束的加窗特征计算得到特征序列数据集，其中，特征值为自己定义的评价指标或者不同研究工作中提出的评价指标，具体地，包括以下步骤：

(2.1)定义具有指定长度W_w的窗口，该窗口从扫描频带范围的起点x₀以步长s逐步扫描频带直至末端x_n，窗口每移动一步，在窗口长度W_w频率区域内计算特征值，最终得到的特征序列长度为其中，s和W_w是监测点最短间隔的正整数倍数，要扫描所有监测数据，则W_w≥2s，floor表示向下取整函数，并返回最大的先前整数；

(2.2)由确定第k,k＝1,2,...,N'个窗口的对称轴横坐标，由确定左边界横坐标，由确定右边界横坐标，由确定每个窗口包含点数，其中，Δf是扫描频率间隔；

(2.3)基于选定的特征值评价指标，由所述对称轴横坐标、所述左边界横坐标、所述右边界横坐标及所述每个窗口包含点数得到考虑对数约束的加窗特征值，以此得到特征序列数据集；

(3)对所述特征序列数据集中的各组数据进行希尔伯特图像化处理，得到希尔伯特图像数据集；

其中，步骤(3)包括：

将扫频响应特征序列数据按照希尔伯特曲线的延伸方向排列，特征序列的数值用不同的颜色表示，最后将特征序列转换成图像，其中，所选希尔伯特曲线数据点数必须大于或等于特征序列数据点数，当希尔伯特点数较多时，后续的点可继续画一次特征序列或者置零，只要保证整个特征序列数据集的操作相同即可；

(4)构建故障诊断及定位模型，将所述希尔伯特图像数据集划分为训练集和验证集，利用所述训练集对所述故障诊断及定位模型进行训练，由所述验证集对训练后的故障诊断及定位模型进行验证；

(5)对待诊断数据进行同样的加窗特征计算及希尔伯特图像化后，即可由训练后的故障诊断及定位模型得到最终的诊断结果。

2.根据权利要求1所述的方法，其特征在于，所述电力设备的若干组监测数据为：data_i＝{a_i,1,a_i,2,...,a_i,j,...,a_i,N,s_i},i∈[1,K]，其中，K为K组电力设备监测数据，a_i,j为第i组电力设备监测数据中第j,j∈[1,N]点对应的监测值，s_i为第i组电力设备监测数据对应的电力设备故障状态，N为监测数据点数。

3.根据权利要求1或2所述的方法，其特征在于，进行加窗特征计算后得到的特征序列数据为：data_i'＝{b_i,1,b_i,2,...,b_i,j,...,b_i,N',s_i}，i∈[1,K]，其中，K为K组特征序列数据，b_i,j为第i组特征序列数据中第j,j∈[1,N']点对应的值，s_i为第i组特征序列数据对应的电力设备状态，N'为特征序列长度。

4.根据权利要求3所述的方法，其特征在于，对所述特征序列数据集中的各组数据进行希尔伯特图像化处理，得到希尔伯特图像数据集，所述希尔伯特图像数据集表示为：data_i”＝{c_i,s_i},i∈[1,K]，其中，K为K组希尔伯特图像数据，c_i为所述特征序列数据集中第i组数据参量转化的希尔伯特图像，s_i为第i组希尔伯特图像数据对应的电力设备状态。