[发明专利]基于带时标测量的船舶区域配电电力系统故障检测系统与方法

说明书

本发明提供了一种基于带时标测量的船舶区域配电电力系统故障检测系统，包括：带时标测量与采集模块；信息融合处理模块；联合故障检测模块；神经网络识别与监督模块；神经网络识别与监督模块中的监督调整单元根据识别得到的工况与信息时序对比结果对带时标测量与采集模块、信息融合处理模块、联合故障检测模块、智能运算与保护执行模块进行参数调整。应用本发明实施例，提升准确率，实现了各处理模块的在线参数调整，本发明运用LSTM的记忆功能与CNN的特征提取能力，从故障前后一段时间内的信息中提取特征，而不是某个状态特征对网络进行训练，既加强了网络的鲁棒性，又能够在下次碰到同样故障时提前预报，增强系统可靠性。

技术领域

本发明涉及船舶区域配电电力系统故障检测技术领域，尤其涉及一种基于带时标测量的船舶区域配电电力系统故障检测系统及方法。

背景技术

随着我国船舶制造业的快速发展，船舶区域配电电力系统的容量规模不断增大，内部结构日趋复杂，其安全可靠性要求也越来越高。现代船舶区域配电电力系统要求对运行参数实时测量，对故障情况在线检测，实现对异常状况快速做出反应，并采取对应措施，避免船舶区域配电电力系统故障的发生；对故障快速隔离，减少故障对船舶区域配电电力系统带来的影响。卷积神经网络与长短时记忆网络是深度学习中两种用途最广泛的网络结构，分别在特征提取与时间属性运用方面效果优越，因此能够很好的运用到船舶区域配电电力系统的在线故障检测。

运用船舶区域配电电力系统故障检测方法，充分运用了运行参数的时空特性，实现了船舶区域配电电力系统的在线故障检测，具有较高的实时性与鲁棒性，提高了船舶区域配电电力系统的可靠性。

目前存在许多船舶区域配电电力系统故障检测技术，各有特点，应用的场景也多种多样。目前对船舶区域配电电力系统的故障检测方法可大致分为基于机理模型和数据驱动两类，两种方法各有各的优缺点。基于机理建模的故障检测方法根据电力系统各类故障的典型特征，建立检测标准知识库，典型有专家系统、故障树；数据驱动类根据大量数据进行学习，无需手动提取特征，通过数据特征来建立检测标准，典型有神经网络。考虑机理模型的复杂性与不灵活性，基于数据驱动的端对端模型对船舶区域配电电力系统的在线故障检测具备有较好的学习性能，且泛化能力强，因此可以很好地运用到船舶区域配电电力系统故障检测上。

基于机理模型的故障检测方法建模原理清晰，容易理解内涵，但是对于复杂系统机理模型故障特征难以得出。对于结构复杂、内部空间狭小的船舶区域配电电力系统，故障机理较为复杂，且有可能多处故障同时发生，因此也加剧了机理模型故障检测方法的局限性。对于专家系统，知识库较为庞大，维护起来较为困难，且很难做到所有故障全部涵盖。数据驱动类故障检测方法简单，准确率较高。但是目前使用的神经网络属于浅层网络，不能充分挖掘数据之间的耦合关系，因此限制了其在船舶区域配电电力系统故障检测的使用范围。同时现有方法对船舶区域配电电力系统运行参数的时间与空间属性考虑较少，这也影响了故障检测结果的准确率。

发明内容

本发明的目的在于克服现有技术之缺陷，提供了一种基于带时标测量的船舶区域配电电力系统故障检测系统及方法，适用于运行在复杂环境的船舶区域配电电力系统，能够实现对船舶区域配电电力系统中发电机相复励磁故障、发电机组并车时可能出现的环流过大或并车失败以及发电机并网运行时的故障如环流与逆功率等的在线检测，并及时做出保护措施，保障船舶区域配电电力系统的可靠性。

本发明是这样实现的：

本发明提供一种基于带时标测量的船舶区域配电电力系统故障检测系统，包括：

带时标测量与采集模块，用于对船舶区域配电电力系统的重要节点、母线处的电气量信息进行测量，对开关量信息进行采集，并加上时间标志；

信息融合处理模块：主要包括时标融合单元、信息补全单元、空间信息融合单元；

时标融合单元用于对所述开关量信息进行处理，将电气量与开关量转化到同一时标下；