[发明专利]一种基于多源异构数据的高压开关柜缺陷预测方法

说明书

本发明公开了一种基于多源异构数据的高压开关柜缺陷预测方法，包括同步获取围绕开关的温度信号、局放信号和开关动作机械信号，三种信号分别带有时序时间戳，对三种信号采用Z‑score标准化处理形成具有各自属性的三种标准化数据，将三种标准化数据输入具有二阶注意力的神经网络模型得到高压开关柜缺陷预测；其中：所述模型顺序分为神经网络处理阶段、二阶注意力处理阶段和多任务分类处理阶段；本方法通过获取的多源异构数据，对不同数据源的信息，通过属性、时间双维度的特征融合模型，提高特征的全局鲁棒性，最终实现高可靠性、实时的高压开关柜的缺陷类别预测。

技术领域

本发明涉及一种基于多源异构数据的高压开关柜缺陷预测方法，是一种基于多源异构数据与二阶注意力神经网络的高压开关柜缺陷预测方法。

背景技术

高压开关柜是变电站供配电网络中极其重要的一环，在发、输、配电等领域被广泛运用，成为使用极广、数量最多的开关设备。当前，各行各业对电能的需求量随着我国经济迅猛发展而不断增大，这也意味着对电能质量应提出更高要求。高压开关柜主要由绝缘材料及导电材料构成，其绝缘的电气、机械性能由于长期受热应力(短时过电流)、电应力(短时过电压及局部放电)、断路器机械应力(短时电动力和长时电磁振动)的影响而日趋恶化，使绝缘老化变化曲线呈指数衰减趋势，这加速了绝缘劣化的进程，使高压开关柜的使用寿命缩短。

传统高压开关柜主要采用带电检测作为运维手段，主要依靠人工或借助于机器人等辅助智能化设备实现，并且故障判断通常都是对单一测量对象进行的，例如，对运行中开关柜的放电现象进行采集和判断，然而随着放电现象的出现往往会影响到开关触头，尽管一些不会认为出现问题的放电一样都会对触头产生影响，如何综合考虑对可能出现的缺陷进行预测，目前还没有相关报道。

发明内容

本发明的目的是提出一种基于多源异构数据的高压开关柜缺陷预测方法，是一种基于多源异构数据与二阶注意力神经网络的高压开关柜缺陷预测方法，方法中通过采集围绕放电出现的相关信息量，为故障缺陷预测评估提供多源异构数据；然后采用基于二阶注意力网络的开关柜健康状态检测技术，分析传感器获得的原始数据，预测高压开关柜出现缺陷类别概率。

为了实现上述目的，本发明的技术方案是：

一种基于多源异构数据的高压开关柜缺陷预测方法，包括同步获取围绕开关的温度信号、局放信号和开关动作机械信号，三种信号分别带有时序时间戳，其中：对三种信号采用Z-score标准化处理形成具有各自属性的三种标准化数据，将三种标准化数据输入具有二阶注意力的神经网络模型得到高压开关柜缺陷预测；其中：所述模型顺序分为神经网络处理阶段、二阶注意力处理阶段和多任务分类处理阶段；

所述神经网络处理阶段：对输入的三种标准化数据进行神经网络处理得到三种标准化数据属性融合特征；

所述二阶注意力处理阶段：通过二阶注意力编码器将得到的所述属性融合特征与时间戳时序建立相互关联关系，形成具有时序的属性融合特征；

所述多任务分类处理阶段：对具有时序的属性融合特征进行判断得到三种信号在对应时间点出现三种缺陷的概率。

方案进一步是：所述温度信号的数据表达结构是：触头温度；触臂温度；开关柜内壁布点温度；时间戳；所述局放信号的数据表达结构是：超声波检测信号、TEV暂态地电波信号、UHF特高频信号；时间戳；所述开关动作机械信号的数据表达结构是：分合闸线圈电流；分合闸速度；分合闸行程；时间戳。

方案进一步是：所述对三种信号采用Z-score标准化处理：是基于原始数据的均值和标准差进行的，通过公式1将初始变量转换为统一的均值为0、标准差为1的数据；

其中：x_i为初始的属性特征，μ为初始属性的均值，σ为初始属性的标准差，为标准化之后的变量。