[发明专利]高压电子开关设备在线故障预警方法、终端设备

说明书

本发明公开了一种高压电子开关设备在线故障预警方法、终端设备，利用记忆矩阵构建MSET模型；所述记忆矩阵的每一列观测向量代表高压电子开关设备的一个正常工作状态；将观测向量输入至所述MSET模型，得到估计向量；获取所述观测向量和所述估计向量之间的累计残差，利用所述累计残差判断设备是否故障；当设备故障时，结束；否则，利用实时产生的观测向量更新记忆矩阵。本发明极大地提高了故障预警精度。

技术领域

本发明涉及高压电子开关的状态监测和故障预测技术领域，特别是一种高压电子开关设备在线故障预警方法、终端设备。

背景技术

高压电子开关设备作为电网控制和保护的主要元件，对电网的安全可靠运行至关重要。现有技术中，针对中期、晚期较为明显的故障，已经有了较为成熟的检测手段，这些检测方法更侧重于在故障发生后对故障类型进行分类判断，是一种事后检测手段。

伴随着以能源互联网为代表的新一轮智能电网的发展，系统对高压电子开关设备提出了更高的要求：需要对机械状态、电气状态和控制状态等关键参数进行在线监测和综合评估，以实现高压电子开关设备从“定期检修维护”向“状态在线维护”转变，提高设备安全可靠性，降低维护成本。这一转变，更期望在故障发生阶段，即在设备故障发生之前或者故障发展初期，对早期异常进行有效监测，侧重于对故障发生趋势的预测。在设备的早期异常阶段，信号往往存在特征不明显、异常信号微弱、背景噪声大等特点，其监测和预警方法非常困难。

随着数据挖掘技术和人工智能算法的飞速完善和发展，通过挖掘高压电子开关设备运行过程中积累的大量历史数据所包含的设备运行信息来进行状态监测和故障预警已经逐渐成为新的研究方向。但是，该研究方向依赖于大量的故障数据进行前期训练，训练样本越多，故障数据越完备，得到的诊断模型精度越高。

对于在线运行设备，尤其是针对小批量设备而言，仅通过设备历史正常工况的数据，无法在设备异常状态早期进行有效识别，预警效果欠佳。高压电子开关设备的运行条件会随着时间的变化而变化，为减少人工维护，保证其长期的性能，对预警模型的自动化实时更新能力要求越来越高。

CN113834657A公开了一种基于改进MSET及频谱特征的轴承故障预警及诊断方法，其基于聚类的抽样方法构建正常状态空间的历史记忆矩阵D，构造的历史记忆矩阵并不会因设备历史正常数据的更新而更新，历史记忆矩阵的代表性下降，因此其预测精度会随着时间的推移而降低，其故障预测效果也会随之降低。

发明内容

本发明所要解决的技术问题是，针对现有技术不足，提供一种高压电子开关设备在线故障预警方法、终端设备，提高故障预警精度。

为解决上述技术问题，本发明所采用的技术方案是：一种高压电子开关设备在线故障预警方法，包括以下步骤：

S1、利用记忆矩阵构建MSET模型；所述记忆矩阵的每一列观测向量代表高压电子开关设备的一个正常工作状态；

S2、将观测向量输入至所述MSET模型，得到估计向量；

S3、获取所述观测向量和所述估计向量之间的累计残差，当根据所述累计残差判断设备未出现故障时，利用实时产生的观测向量更新所述记忆矩阵，并返回步骤S1。

本发明中，当预测出当前状态非故障(即设备正常)时，更新记忆矩阵，并利用更新后的记忆矩阵进行故障预警，实现高压电子开关设备的在线故障预警，克服了MSET模型随着设备的运行，构造的历史记忆矩阵并不会因设备历史正常数据的更新而更新，历史记忆矩阵的代表性下降，预测精度随着时间的推移而降低的问题，保障了故障预测效果的稳定性，提高了故障预测精度。

步骤S1中，初始时刻记忆矩阵的构建过程包括：

获取高压电子开关设备正常运行状态下的多变量历史数据，将所述多变量历史数据作为训练矩阵T；

归一化所述训练矩阵T；