[发明专利]一种高压开关柜故障诊断方法、装置及存储介质

说明书

本发明公开一种高压开关柜故障诊断方法，通过根据采集的高压开关柜的已知声音信号训练构建的初始卷积神经网络模型，得到目标卷积神经网络模型，并将采集的待诊断高压开关柜的声音信号，输入所述目标卷积神经网络模型，得到待诊断高压开关柜的故障诊断结果。本发明还公开一种高压开关柜故障诊断装置和存储介质。本发明实施例通过采集高压开关柜的声学指纹信息并开展高压开关柜的动作声学指纹特性研究，提出了基于卷积神经网络的高压开关柜机械故障诊断算法，能够及时发现高压开关柜的机械安全隐患。

技术领域

本发明涉及机械故障诊断领域，尤其涉及一种高压开关柜故障诊断方法、装置及存储介质。

背景技术

高压开关柜是电网中大量运用的设备，与用户供电直接相关，在电力系统发电、输电、配电、电能转换和消耗中起通断、控制或保护作用。高压开关柜厂家繁多、结构复杂多样，缺陷故障频发，机械故障不仅会影响到供电的稳定性，还关乎人们的人身安全和财产安全，因此必须对高压开关柜进行监测以及时发现机械故障。据统计，南方电网公司高压开关柜近两年共发生55起故障，其中15起为机械故障，目前尚未有一套成熟有效的电动操作高压开关柜机械状态检测技术能够及时发现高压开关柜的安全隐患。

发明内容

本发明实施例的目的是提供一种高压开关柜故障诊断方法、装置及存储介质，能基于高压开关柜的声学指纹及时发现高压开关柜的机械安全隐患。

为实现上述目的，本发明实施例提供了一种高压开关柜故障诊断方法，包括：

构建初始卷积神经网络模型；

采集高压开关柜的已知声音信号；其中，所述已知声音信号为若干种已知工况下的声音信号；

根据所述已知声音信号对所述初始卷积神经网络模型进行训练，得到目标卷积神经网络模型；

采集待诊断高压开关柜的声音信号；将待诊断高压开关柜的声音信号输入所述目标卷积神经网络模型，得到待诊断高压开关柜的故障诊断结果。

作为上述方案的改进，在所述采集高压开关柜的已知声音信号之后，还包括：

对所述已知声音信号进行滤波，得到有效已知声音信号；

对所述有效已知声音信号进行K-S检验，得到所述有效已知声音信号的特征向量；

采用Relief-F算法对所述特征向量进行降维，得到降维后的特征向量。

则，所述根据所述已知工况下的声音信号对所述初始卷积神经网络模型进行训练，得到目标卷积神经网络模型，具体为：

根据降维后的特征向量对所述初始卷积神经网络模型进行训练，得到目标卷积神经网络模型。

作为上述方案的改进，所述初始卷积神经网络模型，具体包括输入层、卷积层、池化层、全连接层和输出层。

作为上述方案的改进，所述已知工况包括正常工况、手车导轨卡涩工况、触头对中不良、线圈卡涩中的至少一种。

为实现上述目的，本发明实施例还提供了一种高压开关柜故障诊断装置，包括：

初始模型构建模块，用于构建初始卷积神经网络模型；

已知声音信号采集模块，用于采集高压开关柜的已知声音信号；其中，所述已知声音信号为若干种已知工况下的声音信号；

目标模型获取模块，用于根据所述已知声音信号对所述初始卷积神经网络模型进行训练，得到目标卷积神经网络模型；

故障诊断模块，用于采集待诊断高压开关柜的声音信号；将待诊断高压开关柜的声音信号输入所述目标卷积神经网络模型，得到待诊断高压开关柜的故障诊断结果。

作为上述方案的改进，所述装置还包括：