[发明专利]基于改进仿射传播聚类的高压断路器故障诊断方法

说明书

本发明提供一种基于改进仿射传播聚类的高压断路器故障诊断方法，包括下列步骤：(1)收集训练样本数据；(2)应用改进仿射传播聚类算法对训练样本集合X进行聚类，计算过程如下：确定聚类算法内的相关参数；构造相似度矩阵；将相似度矩阵作为输入数据进行仿射传播聚类；计算聚类结果综合评估指标，包含聚类密集性指标和聚类临近性指标；在所有的聚类结果中，选择综合评估指标最小时对应的聚类结果作为最优聚类结果，从而获得最优聚类中心及最优宽度系数；(3)判断测试样本故障类别。

技术领域

本发明涉及电气设备及电气工程领域,尤其涉及一种基于改进仿射传播聚类的高压断路器故障诊断方法。

背景技术

高压断路器是由保护与控制装置驱动去隔离故障元件的关键设备，在电力系统中起着保护与控制双重作用，是最重要的电力设备之一。断路器的不正确动作会引发电网事故或扩大事故范围，甚至导致电力系统瓦解，造成重大经济损失，因此对其进行在线监测与故障诊断对于提升电网运行的可靠性与稳定性具有现实意义。

调查报告显示，造成断路器故障的原因很多，其中机械故障(包括操作机构和控制回路)占全部故障的80％以上。而断路器跳/合闸线圈电流信号提取方式简单同时不会降低原有设备的可靠性。并且分析线圈电流特征可以有效识别断路器控制回路和操作机构中出现的各类故障征兆。近年来，越来越多先进的智能算法已被用于实现各种电力设备的故障诊断，也为断路器的故障诊断提供了一种新的途径。

但是，应用智能算法需要提前收集完备的线圈电流训练样本。而目前可收集到的断路器故障样本数量较少，且很难收集到所有可能发生的故障类别的样本。因此现有的断路器故障诊断方法在小样本条件下诊断正确率不高。同时已有的诊断方法大多基于监督学习算法，这类算法只能诊断训练样本中已经包含的故障类别，当遇到训练样本中所不包含的未知故障样本时，会错误的将其归类到某一种已知故障类中。因此，研究具有更高适用性与准确性的断路器故障诊断方法，对保证电力系统安全稳定运行具有十分重要的意义。

发明内容

针对上述问题，本发明提出一种基于改进仿射传播聚类的高压断路器故障诊断方法。本方法首先应用改进的仿射传播聚类算法对线圈电流训练样本进行聚类，获得高质量的聚类个数与聚类中心。并通过计算待测样本与各聚类中心的相似度，判断该样本属于正常、某一类已知故障或是一种未知故障类别。不仅克服了传统方法无法有效识别未知故障的不足，而且在小样本条件下仍具有较高的诊断准确率。为实现上述目的，本发明采取以下技术方案：

一种基于改进仿射传播聚类的高压断路器故障诊断方法，包括下列步骤：

(1)收集训练样本数据

收集断路器正常和各类故障状态下的线圈电流波形特征值样本共n个组成训练样本集合X＝{x₁,x₂,……,x_n}；

(2)应用改进仿射传播聚类算法对训练样本集合X进行聚类，计算过程如下：

(2.1)确定聚类算法内的相关参数：

确定样本集合X中的样本个数N以及各样本维度m；确定首选项p的扫描空间与扫描步长p_step；宽度系数σ的扫描空间与扫描步长σ_step；确定仿射传播聚类最大迭代次数T；聚类阻尼因子η；确定高斯常数σ_s，评估指标权重ζ；

(2.2)构造相似度矩阵

基于样本集合X与参数p_l、σ_l根据下式构造相似度矩阵S_l，其中p_l为首选项p的扫描空间中某一步的取值，σ_l为宽度系数σ扫描空间中的某一步取值：