[发明专利]一种基于小波变换技术的设备用电故障预测方法

权利要求书

1.一种基于小波变换技术的设备用电故障预测方法，其特征在于，包括如下步骤：

建立用户安全案例库，该所述建立用户安全案例库中包括高压用户和居民生活用电用户；

对所述高压用电用户和所述居民生活用电用户中的应电设备进行搜集数据，得到数据集；

对所述数据集进行特征数据采集，并对相关安全隐患事件进行编辑作为标签；

通过小波变换技术进行提取所述标签的特征值，得到特征数据；

采用随机森林对提取的所述特征数据进行分类，得到分类规则；

将需要预测的数据按照所述分类规则进行分类，得到预测结果。

2.根据权利要求1所述的一种基于小波变换技术的设备用电故障预测方法，其特征在于：所述高压用电用户的搜集数据和标签为：P1、柜内环境温度，P2、柜内环境湿度，P3、母线与断路器连接处温度，P4、闪光信号，P5、电流，P6、电压，P7、功率因素，P8、电缆接头温度，P9、断路器触头温度，P10、分合闸线圈电流，P11、电机储能电流，P12、避雷针放电次数。

3.根据权利要求2所述的一种基于小波变换技术的设备用电故障预测方法，其特征在于：所述居民生活用电用户的搜集数据和标签为：F1、环境温度，F2、环境湿度，F3、电流，F4、电压，F5、有功功率，F6、功率因数，F7、电压谐波，F8、电流谐波，F9、电压波形失真度，F10、电流压波形失真度。

4.根据权利要求3所述的一种基于小波变换技术的设备用电故障预测方法，其特征在于：所述安全隐患事件的数据和标签为：L1、短路，L2、漏电，L3、过压，L4、设备老化。

5.根据权利要求4所述的一种基于小波变换技术的设备用电故障预测方法，其特征在于：在得到特征数据时，将搜集数据进行信号时频分析和处理，假设ψ(t)满足容许条件，如下式所示，则ψ(t)可称为一个母小波，Ψ(ω)为ψ(t)的傅里叶变换：

则对于一个连续信号g(t)，其对应的连续小波变换为：

式中，是ψ(t)的复共轭函数；a代表与频率有关小波函数的尺度因子，b代表与时间有关位移因子；

在实际运用中，需要将连续小波离散化，假设于是可以得到对应的离散小波变换为：

小波变换是在每次分解时不再进行向下采样，这样就可以使得变换后的高频细节系数和低频近似系数的长度与原始信号长度相等，保存了原始信号大部分有价值的信息。

6.根据权利要求5所述的一种基于小波变换技术的设备用电故障预测方法，其特征在于：小波变换的分解过程是采用不同尺度的正交小波基将信号分解到不同频段上，获得对应频段的高频细节系数和低频近似系数，其中高频细节系数可表示暂态现象，低频近似系数表示基频分量；

对于一个信号g(t)∈L²(R)，其对应的分解公式为：

式中，尺度函数φ_ij(t)＝2^-j/2φ(2^-jt-i)；m＝1,L,M表示当前采样窗口的序号值，M为采样窗口的总采样点数；i表示小波函数的分解程度；j表示小波函数的离散程度；c_i,j+1和d_i,j+1分别表示近似系数和细节系数；H(j)和G(j)分别代表第j层的低通滤波器和高通滤波器；

根据每一层的特征对其进行分类，若无相同特征，则进入下一层，最终完成对数据的特征进行提取。

7.根据权利要求6所述的一种基于小波变换技术的设备用电故障预测方法，其特征在于：所述随机森林中包括RF分类器，该RF分类器由多个DT模型构成。