[发明专利]一种电容式电压互感器故障原因智能诊断方法

说明书

本发明涉及一种电容式电压互感器故障原因智能诊断方法，包括：采集数据生成训练集D；训练集D为输入数据集X映射到输出数据集Y的键值对数据，输入数据集X为误差评估值数据，输出数据集Y为互感器故障原因数据；基于LOF（Local Outlier Factor，局部异常因子）算法对训练集中的输入数据集X进行异常错误数据剔除的预处理；基于预处理后的训练集进行WOA（Whale Optimization Algorithm，鲸鱼优化）算法参数调优的RNN模型训练；基于训练完成的RNN模型训练进行电容式电压互感器故障原因预测；有助于运维人员及时发现互感器的超差原因，并针对性进行维修，提高了现场运维效率，减轻运维人员工作量，显著降低运维成本。

技术领域

本发明涉及智能电网技术领域，尤其涉及一种电容式电压互感器故障原因智能诊断方法。

背景技术

作为电能计量装置的重要组成部分，互感器计量性能的准确可靠直接关系到电能贸易结算的公平公正。电容式电压互感器是由串联电容器分压，再经电磁式互感器降压和隔离。和常规的电磁式电压互感器相比，电容式电压互感器除了具有冲击绝缘强度高、制造简单、体积小、重量轻等优点外，在经济和安全上还有很多优越之处。随着电容式电压互感器被广泛应用的同时出现了多种故障或缺陷，常见的故障包括高压电容击穿，中压电容击穿，电磁单元击穿，渗漏油，高压电容受潮，低压电容受潮，阻尼装置劣化等。故障持续发展将严重威胁设备安全。当前主流的方法是在变电站停电检修时，或互感器发生超差等状况时，将互感器由技术人员人工判断故障原因，并进行维修，但停电检修耗费人力物力大，需要一种快捷方便的互感器故障原因诊断方法。

发明内容

本发明针对现有技术中存在的技术问题，提供一种电容式电压互感器故障原因智能诊断方法，利用在线误差数据，采用深度学习算法智能判断CVT故障原因，相较于人工现场判断，可提前又便捷地获得故障原因有关信息，并提前做出判断尽早发现互感器存在的问题，有助于运维人员及时发现互感器的超差原因，并针对性进行维修，提高了现场运维效率，减轻运维人员工作量，显著降低运维成本。

根据本发明的第一方面，提供了一种电容式电压互感器故障原因智能诊断方法，包括：步骤1，采集数据生成训练集D；所述训练集D为输入数据集X映射到输出数据集Y的字典，所述输入数据集X为误差评估值数据，所述输出数据集Y为互感器故障原因数据；

步骤2，基于局部异常因子算法对所述训练集中的所述输入数据集X进行异常错误数据剔除的预处理；

步骤3，基于预处理后的所述训练集进行鲸鱼优化算法参数调优的RNN模型训练；

步骤4，基于训练完成的所述RNN模型训练进行电容式电压互感器故障原因预测。

在上述技术方案的基础上，本发明还可以作出如下改进。

可选的，所述输入数据集X为由数据种类、数据组个数n和数据集时长范围构成的三维数组；

所述输入数据集X的数据种类包括：互感器误差评估值的比差X_f和角差；

所述输出数据集Y为由互感器故障原因构成的1维数组，所述互感器故障原因包括：高压电容击穿、中压电容击穿、渗漏油、高压电容受潮、低压电容受潮和阻尼装置劣化。

可选的，所述步骤1中获取所述输入数据集D的过程包括：

在变电站开展电容式电压互感器故障诊断，计算电容式电压互感器误差评估值，将该误差评估值代替误差真值，搜寻设定时间范围内该变电站的维修情况，采集所述数据集时长范围对应的所述比差X_f和所述角差作为故障数据组；

搜寻与所述故障数据组数量对应的正常状态下互感器误差评估值作为正常数据组；

所述故障数据组与所述正常数据组的个数和记作n；

记录所述故障数据组的各组数对应的故障原因，生成所述输入数据集D。

可选的，所述步骤2包括：