[发明专利]一种基于粒子群算法改进的GIS设备异响振动识别方法

说明书

本发明公开了一种基于粒子群算法改进的GIS设备异响振动识别方法，属于GIS设备故障检测与识别技术领域，包括采用ILPSO算法对LSSVM的参数优化获得ILPSO‑LSSVM算法，结合ILPSO‑LSSVM算法与所述训练样本集组合特征矩阵构建GIS设备隔离开关接触状态识别模型；采用构建的测试样本集组合特征矩阵对所述GIS设备隔离开关接触状态识别模型进行有效性验证等步骤。本发明通过对传统SVM模型优化设计，构建了基于粒子群算法改进的最小二乘支持向量机模型，该模型识别准确率较高、平均标准差较小。

技术领域

本发明涉及GIS设备故障检测与识别技术领域，具体为一种基于粒子群算法改进的GIS设备异响振动识别方法。

背景技术

随气体绝缘全封闭组合电器(gas insulated switchgear，GIS)在电网中广泛应用。它将断路器、隔离开关、接地开关、电压及电流互感器、避雷器、母线、套管等一次设备经过优化设计并有序地结合为整体，在金属壳内封装起来，并充SF6气体作为灭弧和绝缘介质而组成的封闭组合电器。与传统敞开式设备相比，GIS设备占地面积小、可靠性高、安全性强、运行维护工作量少。但由于其采用全封闭结构，一旦发生故障，准确定位及快速抢修较困难。近年来，国家电网公司和南方电网公司状态检修工作不断深化，对设备可靠性要求不断提高，及时、有效发现GIS设备内部潜伏性缺陷，保证GIS设备安全稳定运行、合理安排检修周期成为状态检修模式下的当务之急。

GIS设备机械振动的研究是从上世纪末逐渐起步的。中国电科院郭碧红等研究了自由导电粒子运动和毛刺局部放电引起的振动，提出采用振动信号频谱来分析GIS设备内部上述潜伏性缺陷。清华大学钱家骊等针对放电型缺陷引起的振动，提出了通过GIS壳体振动检测及振动特性分析判断缺陷的方法。国网电科院程林等分析了GIS设备在正常状态与隔离开关触头和导向环间存在公差配合过大导致的异常振动，发现异常状态下200Hz特征频率处振动幅值较大。国网陕西省电科院齐卫东等使用有限元分析法开展了GIS设备外壳振动特性的仿真研究，为了解GIS设备振动特性提供了参考。国网江苏省电科院黄清等测量了母线触头在正常和松动情况下的振动信号，通过提取400Hz与100Hz频率点对应幅值的比值来判断触头是否存在松动，后续仍需对触头不同接触状态下的振动特性深入研究，实现判断触头松动缺陷的严重程度。

综上所述，以往经典的传统检测方式有许多固有的不足，而通过机械振动信号来进行检测GIS设备的故障时比较新颖的，还非常值得进一步研究。因此本发明着眼于机械异响振动的故障检测与识别，为GIS设备的检测与故障识别提供了一种新的途径和方法。

发明内容

有鉴于背景技术中上述缺陷，本发明提供一种基于粒子群算法改进的GIS设备异响振动识别方法以解决背景技术中的问题。

为实现上述目的，本发明提供一种基于粒子群算法改进的GIS设备异响振动识别方法，包括以下步骤：

S1、构建GIS设备隔离开关不同接触状态的振动训练样本集和振动测试样本集；

S2、采用EEMD算法获取缺陷振动信号的IMF模态分量，所述缺陷振动信号来自GIS设备隔离开关不同接触状态的振动训练样本集和振动测试样本集；

S3、根据缺陷振动信号在IMF之间的相对大小和SVD衰减特性差异，提取能量比K1、K2、能量和S1以及奇异值σ20、σ100构成反映机械振动状态的组合特征量，多个所述组合特征量构成训练样本集组合特征矩阵和测试样本集组合特征矩阵；

S4、采用ILPSO算法对LSSVM的参数优化获得ILPSO-LSSVM算法，结合ILPSO-LSSVM算法与所述训练样本集组合特征矩阵构建GIS设备隔离开关接触状态识别模型；

S5、采用所述测试样本集组合特征矩阵对所述GIS设备隔离开关接触状态识别模型进行有效性验证。

在本发明的优选实施例中，所述EEMD算法步骤如下：