一种基于间接测温方式的开关柜故障模糊诊断方法
【专利摘要】本发明公开了一种基于间接测温方式的开关柜故障模糊诊断方法。本发明是在已有的开关柜间接测温故障诊断方法基础上，进行进一步的优化，综合运用各种不同的间接测温故障诊断方法，从而制定出多项不同的故障诊断指标。根据模糊性的来源和状态，应用模糊诊断理论和模糊算法，编制了各种诊断指标的模糊隶属度函数，进而构造出与故障状态等级相关的隶属度矩阵，经过相关性的模糊矩阵运算，得到相对高可信度的故障状态等级的诊断结论。本发明使诊断的结论更准确，避免了因任何单一的一种诊断指标的模糊性而带来的结论不确定性。
【专利说明】
一种基于间接测温方式的开关柜故障模糊诊断方法
技术领域
[0001] 本发明涉及电力开关柜故障诊断技术领域，特别是涉及一种基于间接测温方式的 开关柜故障模糊诊断方法。
【背景技术】
[0002] 开关柜在电力系统中担负着关合及断开电力线路、保护系统安全的双重功能，随 着电力系统向着高电压、大机组、大容量的迅速发展，电网日益扩大以及变电站无人值班管 理模式和综合自动化的普及推广，开关柜的安全运行越来越重要。开关柜内闸刀触头、电力 电缆进出线的接头接触不良时，接触电阻增大，在负载电流流过时会产生发热现象，过热会 引起金属材料的机械强度下降，绝缘材料老化并可能导致击穿形成事故。测量和监视开关 柜内的温度状态，是诊断开关柜设备故障状态的有效手段之一。
[0003] 对于目前投运的大部分开关柜设备，没有装配温度监测功能，在设备故障异常发 热温升后，管理人员无法获知。现有的开关柜的温度监测和诊断方法，大都是采用电气接点 部位的直接测温和温度阈值诊断方法。例如：各种接触式测温传感器、红外测温传感器、光 纤光栅类测温传感器等。而要在柜内电气接点部位安装任何的测温传感器，都受到诸多的 限制条件，例如:开关柜要停电安装测温设备的限制、柜内空间结构的限制、电气间隙的限 制、传感器耐受高压和强磁场的限制、传感器耐高温能力的限制、传感器电源和通讯线路布 线的限制、无线信号传输屏蔽的影响等，使得开关柜测温传感器的安装和普及难度很大，成 本很高。
[0004] 本发明人曾公开了开关柜间接测温故障诊断的四种方法（申请号为 CN201610059632.4)，提出了间接测温为可行的故障诊断方式。但对于四种独立的诊断方法 中，因环境、柜体结构、负荷大小、负荷周期性变化等因为，每一种方法都存在一定的诊断模 糊性，任一个单独的诊断方法都无法对开关柜故障状态做出准确的诊断结论。
【发明内容】
[0005] 本发明目的是克服现有技术中存在的一系列问题，提供一种基于间接测温方式的 开关柜故障模糊诊断方法。本发明是在已有的开关柜间接测温故障诊断方法 (CN201610059632.4)基础上，进行进一步的优化，综合运用各种不同的间接测温故障诊断 方法，从而制定出多项不同的故障诊断指标。根据模糊性的来源和状态，应用模糊诊断理论 和模糊算法，编制了各种诊断指标的模糊隶属度函数，进而构造出与故障状态等级相关的 隶属度矩阵，经过相关性的模糊矩阵运算，得到相对高可信度的故障状态等级的诊断结论。 形成了一套完整的基于间接测温方式的开关柜故障模糊诊断方法。该方法比单独应用任一 个诊断方法所得结论更准确、可信、可靠。本方法中还提供了一套自学习机制，适用于使用 该方法的专家诊断系统。
[0006] 为了达到上述目的，本发明所采用的技术方案如下：
[0007] -种基于间接测温方式的开关柜故障模糊诊断方法，其包括以下步骤：
[0008] 步骤A:构造模糊诊断矩阵；用向量Y={yi，y2, ···，％}表示开关柜的致热故障状态 的集合，其中，yj( j = l，2，···，n)表示致热故障状态，η表示故障等级；用向量D = {di，d2，···， dm}表示引起致热故障状态的各项诊断指标的集合，其中，di(i = l，2，···，m)表示诊断指标，m 表示用于故障模糊诊断的诊断指标种类;并以向量D为对角线元素构造对角型矩阵E = diag ((11，(12，一，')用于运算过程，当采用对应项诊断指标做诊断时，令(11 = 1，否则(11 = 0;用向量 X= {xi，X2，…，Xm}表示各项诊断指标在总诊断结论中所占有的权重集，其中Xi表示第di项诊 断指标的分配权重值，所有诊断指标总权重值为1，其中，〇< Χι<1
[0009] 步骤B:根据模糊性的来源和状态结合预设的物理模型，对向量Y中的故障状态 (j = 1，2，…，η)，计算出各项诊断指标，并根据给定的诊断标准，做出故障等级的评判;计算 并确定各项诊断指标di(i = l，2，···，m)对故障状态的可信度rij;n个等级的故障状态对应m 个诊断指标的评价集就构成了模糊诊断矩阵R，如下所示：
[0011 ] 其中，0<rij < 1，1 ，1 < j ，R表示向量D到向量Y的模糊关系;其中，所述模 糊性的来源和状态模糊性是指计算或取得该诊断指标时，基于的物理状态和物理参数等不 是准确的（但根据经验或统计数据，是有一定分布概率存在的，也就是一定的可能性是正确 的，即存在模糊性。
[0012] 步骤C:经过模糊运算Υ = Χ · E · R后，得到模糊处理后的向量Y={yi，y2，'"，yn}，挑 选出数值最大的5^作为最终输出的诊断结论。
[0013]优选的，步骤C中，在模糊处理后的向量￥={71，72，"_， 7"}中，如果有两个或两个以 上的相同最大值，则选择j值最大的一个5^作为最终输出的诊断结论。
[0014]优选的，步骤Β中，rij的确定方法为:根据各项诊断指标的模糊性的来源和状态，构 造出相应的隶属度函数。
[0015]进一步优选的，第一项诊断指标cb对可信度^」的计算过程如下：
[0016]设发热不均衡度系数为：
不均衡度分布概率为
(p多1);其中0max为实际开关柜内器件的最高温度，ejt)为计算出的开关柜内集总热源温 度，P0为发热不均衡度系数分布的中心值，〇为分布的状态系数，且(t );
[0017]贝lj隶属度函数为 AaSptAU)，并结合如下标 准，
[0020]得到rij = qi*yij，0<qi<l。
[0021 ]进一步优选的，第二项诊断指标山对可信度r2j的计算过程如下：
[0022]设模糊性条件1的可信度为q21;模糊性条件2的可信度为q22，第二项诊断指标山的 总可信度为 q2,则：:
?0^q2^1,0^q2i^l,0^q22^1;
[0023] 贝ijr2j = q2*y2j，j = ]_，2,3,4;
[0024] 模糊性条件1:对于两台开关柜设备，因负载大小不同，而带来间接点的温度差异；
[0025] 模糊性条件2:对于两台开关柜设备，因所处环境不同，或内部结构有差异，而带来 间接点的温度差异；
[0026] 设两台开关柜间接点温升的变比系数为：
，其中，ΛΘ2(〇η为 高温升间接点；A92(t)L为低温升间接点；
[0027] 两台开关柜间接点温升的变比系数δ诊断阈值标准如下：
[0029]结合两台开关柜间接点温升的变比系数δ诊断阈值标准得到隶属函数表达式为：
[0034]其中，El至E6为从正常到报警的变比系数的值。
[0035]进一步优选的，第三项诊断指标d3对可信度的计算过程如下：
[0036]设开关柜当前温度与其前十分钟时刻的温度比较的诊断隶属度为μ3」，可信度原始 值设为q3,〇<q3彡1;
[0037 ]合成的可信模糊隶属度为:r3 j = q3*P3 j，j = 1，2，3，4;
[0038] 设开关柜间接点温度值的历史变比系数为：
^其中，ΛΘ2(〇Η 为当前被诊断的时刻；AQ2(t)L为历史参照时刻，且需满足:A92(t)H>A02(t)L ;
[0039] 隶属函数表达式为：
[0044] 其中，El至E6为诊断结论从正常到报警的历史变比系数的值。
[0045] 进一步优选的，第三项诊断指标d4对可信度的计算过程如下：
[0046] 设开关柜当前温度与其前一个小时时刻的温度比较的诊断隶属度为μ4」，可信度原 始值设为q4,0<qd;
[0047]合成的可信模糊隶属度为:r4j = q4*P4j，j = 1，2，3，4;
[0048] 设开关柜间接点温度值的历史变比系数为：
_其中，ΛΘ2(〇Η 为当前被诊断的时刻；AQ2(t)L为历史参照时刻，且需满足:A92(t)H>A02(t)L ;
[0049] 隶属函数表达式为：
[0054]其中，El至E6为诊断结论从正常到报警的历史变比系数的值。
[0055]进一步优选的，第三项诊断指标也对可信度的计算过程如下：
[0056]设开关柜当前温度与其昨天同一时刻的温度比较的诊断隶属度为!^，可信度原始 值设为q5,〇<q5彡1;
[0057 ]合成的可信模糊隶属度为:n j = q5*P5 j，j = 1，2，3，4;
[0058] 设开关柜间接点温度值的历史变比系数为：
其中，A02(t)H 为当前被诊断的时刻；AQ2(t)L为历史参照时刻，且需满足:A92(t)H>A02(t)L ;
[0059] 隶属函数表达式为：
[0064]其中，E1至E6为诊断结论从正常到报警的历史变比系数的值。
[0065]进一步优选的，第三项诊断指标d6对可信度的计算过程如下：
[0066]设开关柜当前温度与其前一个小时时刻的温度比较的诊断隶属度为μ6」，可信度原 始值设为q6,〇<q6彡1;
[0067 ]合成的可信模糊隶属度为:r6j = q6*P6j，j = 1，2，3，4;
[0068] 设开关柜间接点温度值的历史变比系数为：
其中，ΛΘ2(〇Η 为当前被诊断的时刻；AQ2(t)L为历史参照时刻，且需满足:A92(t)H>A02(t)L ;
[0069] 隶属函数表达式为：
[0074]其中，E1至E6为诊断结论从正常到报警的历史变比系数的值。
[0075]优选的，步骤C之后还有以下步骤：
[0076]当最终输出的论断结论与实际的故障状态不符时，利用神经网络对权重集进行修 正，修正过程如下：
[0077]
式中（yj)r为期望输出，yj为实际输出，bj表示输出误差，
，采用下面的公式来求取χ1:
[0078] 对于特定的j，将rij从大到小排序，选出数值最大的rij，其对应的i值为i'，Xi'（t+ 1) = Xi，（ t)*abj，贝lj除i外的其他
[0079] 其中，Xi (t)表示时刻t的权重值，Xi (t+1)表示对时刻t的权值修正一次后得到的新 的权重值，a为比例因子，满足(Xa彡1。
[0080] 相比现有技术，本发明的有益效果在于：
[0081] 1、本发明提出的在已有的开关柜间接测温故障诊断方法基础上，进行进一步的优 化，综合运用各种不同的间接测温故障诊断指标，并结合应用模糊诊断理论和模糊算法，开 发出了模糊诊断的计算方法和实现过程。使诊断的结论更准确，避免了因任何单一的一种 诊断指标的模糊性而带来的结论不确定性。
[0082] 2、本发明提出的开关柜测温模糊故障诊断方法，综合应用多种比较诊断指标，纵 向（历史)和横向（同型柜体）间的比较，提取和利用了多种隐性的致热型故障表现特征，增 加了开关柜间接测温故障诊断的可检出性。能在故障隐患期就能发现并提供量化了的诊断 信息，使开关柜间接测温的方法和系统适合于大面积的应用和普及。
【附图说明】
[0083] 图1为模糊温度(或温升)阈值诊断法隶属度分布示意图；
[0084] 图2为模糊温升变化系数诊断法隶属度分布示意图；
[0085]图3为程序的运行逻辑。
【具体实施方式】
[0086] 下面，结合附图以及【具体实施方式】，对本发明做进一步描述：
[0087] 本实施例的基于在线间接测温方式的开关柜故障诊断方法，包含以下三个步骤 (步骤A-C)和一种自学习机制(步骤D)。
[0088]步骤A:构造模糊诊断矩阵;设开关柜的致热故障状态的集合Y={yi，y2，-_，y n}，$ n = 4,即表示故障等级的数量共有4级，yl表示设备处于健康状态，设备正常运行;y2表示设 备有故障隐患，但能维持正常运行;y3表示设备有严重故障可能性，发出过热预警;y4表示 设备有紧急故障可能性，发出过热报警。设引起致热故障状态的各项诊断指标为征兆集，征 兆集用向量D= {cU，^，···，dm}表示，其中，m表示用于故障模糊诊断的诊断指标种类，当采用 该项诊断指标做诊断时，令di=l，否则di = 0(表示未采用）；并以向量D为对角线元素构造对 角型矩阵EidiagW^cb，···，')用于运算过程;设各项诊断指标在总诊断结论中所占有的 权重集，用向量X = { XI，X2，…，Xm}表示，其中Xi表示第di项诊断指标的分配权重值。所有诊断 指标总权重值为1，其中，〇<xi<l，
[0089] 步骤B:计算并确定各项诊断指标对故障状态可信度rij的方法，本发明优选的诊断 指标分为三大类共6个分项。并分别针对每项指标给出了详尽的诊断方法、诊断计算方式、 诊断标准、模糊隶属度计算方法、故障等级的算法。下面就:第一类诊断指标：以计算出的传 热学集总热源温度与标准阈值比较的诊断；阈值诊断标准;合成的可信模糊隶属度计算方 法;模糊温度(或温升）阈值诊断法;第二类诊断指标:两台同型柜体，相同位置的间接点温 度横向比较，温升变比系数诊断；间接测温点横向对比的诊断计算方法和标准;模糊温升变 比系数诊断法;第三类诊断指标：间接点的当前温度与历史不同时期温度比较，温升变比系 数诊断;故障等级隶属度矩阵构造的方法等内容分别加以详述。
[0090] 第一类诊断指标：以计算出的传热学集总热源温度与标准阈值比较的诊断。
[0091] 诊断的模糊性在于:计算出的开关柜内集总热源温度与实际柜内器件的最高温度 的差异为模糊状态。
[0092] 首先利用隶属度函数将发热不均衡度的分布概率表达出来，根据开关柜电气连接 特性，发热不均衡性发生的概率分布为正态分布型，通过构造正态分布函数来描述发热不 均衡的模糊性。
[0093] 设发热不均衡度系数为：
不均衡度分布概率 (P彡1);其中0max为实际柜内器件的最高温度dKt)为计算出的开关柜内集总热源温度，po 为发热不均衡度系数分布的中心值，σ为分布的状态系数，且GmaxMK t )。
[0094] 则最高温度的隶属度分布概率（函数）为：
9max^P〇9l(t) 〇
[0095] 优化的隶属度分布函数的参数经验原始值为:？〇 = 1.1，〇 = 12。这样，即可根据上 面最高温度可信度分布函数，再根据最高温度诊断标准，即可计算出，在不同故障等级中， 故障隶属度的具体数值。
[0096] 阈值诊断标准：
[0097] 参照《GBT11022-2011高压开关设备和控制设备标准的共用技术要求》中关于一次 设备温度和温升极限的标准，以某设备厂家KYN28-1250型高压开关柜为例，给出优化的一 次设备温度和温升极限的诊断阈值标准为：
[0098]
[0099]合成的可信模糊隶属度计算方法：
[0100] 在这种诊断指标中，要应用某种传热物理模型计算柜内的集总热源温度，因计算 模型与实际可能存在偏差，所以在该项结论中加入可信度系数，用于判断计算模型的可信 性。可信度设置方法:设该诊断指标的可信度为qnOSqiSUO表示否定，0.5表示不确定，1 表示肯定;可信度原始值设为:qi = 〇. 9。合成的可信模糊隶属度为:rij = qi*yij。
[0101] 模糊温度(或温升)阈值诊断法：
[0102] 模糊温度(或温升）阈值诊断法是对阈值法的改进，体现了集总热源温度与实际最 高温度之间的差异的不确定性，应用模糊数学的方式进行表达，计算出不同故障等级状态 出现的可能性即隶属度。
[0103]结合图1所示，模糊温度(或温升)阈值诊断法的故障隶属度函数表达式：
[0108] 如果应用温升作为诊断标准，则只需将上述表达式的eKt)变换为ΛΘΚΟ,并更换 相应的标准诊断阈值即可。
[0109] 第二类诊断指标:两台同型开关柜，相同位置的间接点温度横向比较，温升变比系 数诊断：
[0110] 模糊性条件1:对于两台开关柜，因负载大小不同，而带来间接点的温度差异；
[0111] 模糊性条件2:对于两台开关柜，因所处环境(包括位置、通风、受相邻的其他柜体 影响、受空调影响、气候因素等)不同；或内部结构有差异(包括一次设备结构布局，二次设 备位置和结构的影响、柜内加热器实际功率影响等)等，而带来间接点的温度差异。
[0112] 将上述模糊性条件的可信度分别进行数学表达。可信度允许可调节范围：0~1，0 表示否定，〇. 5表示不确定，1表示肯定。模糊性条件1的可信度为q2i，设原始值q2i = 0.5;模 糊性条件2的可信度为q22，设原始值q21 = 0.8。第二类诊断指标的总可信度为沿，则：
[0113]通过第二类诊断指标的横向对比方法算出合成的可信模糊隶属度:r2j = q2*P2j。其 中，1^为该诊断指标的隶属度，隶属度的计算方法见下面所描述的"模糊温升变比系数诊断 法"。
[0114] 间接测温点横向对比的诊断计算方法和标准：
[0115] 两台柜体间接点温升的变比系数为：
其中，A02(t)H为高温 升间接点；ΛΘΑΧ为低温升间接点。在实际的诊断应用中，优选的，对于同一个站室内的设 备，选取间接点温升最高的两个不同柜体进行诊断计算。（基于一种通常的故障发生概率原 理：即同一个站内，同一时间段内，发生同一种故障，通常只有一台设备故障发生的概率远 大于多台设备同时故障发生的概率。）
[0116] 参照《DL/T664-1999中华人民共和国电力行业标准带电设备红外诊断技术应用导 贝1J》中关于"电流致热型设备的相对温差判据"，以某设备厂家KYN28-1250型高压开关柜为 例，给出优化的两台开关柜间接点温升的变比系数S诊断阈值标准：
[0118] 模糊温升变比系数诊断法：
[0119] 模糊温升变比系数诊断法其实就是阈值法的改进，对原诊断边界阈值做模糊化处 理。如图2所示，当δ介于E1和E2之间时，高压柜体有可能正常，也可能是有隐患，这时要将得 到的变比系数代入隶属度函数中进行计算，得到高压柜体属于正常的概率和属于隐患的概 率。间接点温升的变比系数S的隶属度函数表达式为：
[0124]第三类诊断指标：间接点的当前温度与历史不同时期温度比较，温升变比系数诊 断：
[0125] 诊断过程的模糊性在于:对于同一设备，在历史的不同时刻，负载大小近似相同的 可能性较大，但也可能因负载大小不同而带来温升不同的模糊性。为了增加诊断的可信度， 根据历史负荷变化的周期性规律和季节变化的周期性规律，选择历史时期对比点。例如，对 于某电力系统变配电站，通常有：
[0126] 1)每天的用电负荷呈现峰平峰平峰谷这样规律性的变化；
[0127] 2)而每年的用电负荷也有四季分明循环变化的规律；
[0128] 3)电气设备的老化曲线呈现为水平型的抛物线状态；
[0129] 4)电气设备致热型故障发生过程，温度变化规律呈现先平缓后逐渐加速升温的向 上的抛物线形状。
[0130] 按照4个不同历史时间分别进行判断，可到4种不同的历史诊断结论，构造相应的 诊断隶属度函数：
[0131] 1)第3.1种诊断指标，当前温度与设备前十分钟时刻的比较:诊断隶属度y3j。
[0132] 2)第3.2种诊断指标，当前温度与设备前一个小时时刻的比较:诊断隶属度μ?。
[0133] 3)第3.3种诊断指标，当前温度与昨天同时刻的比较:诊断隶属度y5j。
[0134] 4)第3.4种诊断指标，当前温度与设备投运后第一年(如无，则选择去年）同时刻的 比较:诊断隶属度y6j。
[0135] 上述各诊断隶属度yij (i = 2,3,4,5,6)的计算方法和函数表达式，按所述"模糊温 升变比系数诊断法"进行计算。
[0136] 不同历史时期诊断指标的可信度，以及合成的可信模糊隶属度：
[0137] 4个不同历史时间的温升变比系数诊断中，因存在各自不同的模糊性条件，所以， 在各项结论中分别加入了可信度系数的参数，用于判断各个时期比较的条件可信性。可信 度设置方法:设各诊断指标的可信度为(^(」=3,4,5,6)，允许可调节范围0~1，0表示否定， 0.5表示不确定，1表示肯定；
[0138] 则各诊断指标合成的可信模糊隶属度为：
[0139] 1)第3.1种诊断指标，当前温度与设备前十分钟时刻的比较：
[0140] 诊断过程的模糊性在于:对于同一设备，在短时间内，尽管有负载的波动，但温度 波动与负载相比呈现阻尼性，变化不大。可比性较大，如果有明显温升，极可能是严重故障， 可信度较高。
[0141 ]可信度原始值设为:q3 = 0 · 8。合成的可信模糊隶属度为:r3j = q3*P3j。
[0142] 2)第3.2种诊断指标，当前温度与设备前一个小时时刻的比较：
[0143] 诊断过程的模糊性在于:对于同一设备，在一小时时间段，温度正常波动，如果有 明显温升，也可能是故障。
[0144]可信度原始值设为:q4=0.6。合成的可信模糊隶属度为:r4j = q4*P4j。
[0145] 3)第3.3种诊断指标，当前温度与昨天同时刻的比较：
[0146] 诊断过程的模糊性在于:对于同一设备，在两天的同一时刻，负载大小近似相同的 可能性较大，但也可能因负载大小不同而带来温升不同的模糊性。实际应用中，可选用："今 天的最高温度与昨天最高温度的比较。"
[0147] 可信度原始值设为:q5 = 0.7。合成的可信模糊隶属度为:r5j = q5*y5j。
[0148] 4)第3.4种诊断指标，当前温度与设备投运后第一年(如无，则选择去年）同时刻的 比较：
[0149] 诊断过程的模糊性在于:对于同一设备，在两年的同一天，处于相同的季节，负载 大小相近的可能性较大。实际应用中，可选用："当天的最高温度与设备投运后第一年同一 天最高温度的比较。"
[0150]可信度原始值设为:q6 = 0.6。合成的可信模糊隶属度为:r6j = q6*y6j。
[0151 ]间接测温点温升历史对比的诊断方法和标准：
[0152] 该方法与"间接测温点横向对比的诊断计算方法和标准"相同。具体的，间接点温 度值的历史变比系数：
，其中，ΛΘ2(〇Η为当前被诊断的时刻，A0 2(t)L 为历史参照时刻，且需满足：A92(t)H>A02(t) L。（也就是说，第三类诊断指标的隶属度计 算，计算方法与"模糊温升变比系数诊断法"一致，但是，各参数的名称不同。）
[0153] 故障等级隶属度矩阵构造的方法：
[0154] 将上述步骤中计算出的rij，构造成矩阵形式的模糊诊断矩阵R，如下所示：
[0156] X = {xi，X2,…，Xm}表示各项诊断指标在总诊断结论中所占有的权重集，其中Xi表 示第cU项诊断指标的分配权重值。因所有诊断指标总权重值为1，则有：[f =1% = l。各项 权重值Xi(i = 1，2,3,4,5,6)，可根据实际情况对各项诊断指标的重要性做出修改。Xi允许可 调节范围0~1，0表示无权(或无法采用该方法），1表示极大权(最大权）。在本实施例中，根 据高压开关柜运行经验，给出原始设定值为4={0.3,0.3,0.1，0.1，0.1，0.1}。
[0157] 第三步：经过模糊运算Υ = Χ · E · R后，得到故障等级的模糊向量Y={yi，y2，y3， y4}，挑选出数值最大的y』(如果数据集中，有两个或两个以上的相同最大值，则选择其中j值 最大的一个），作为最终的输出诊断结论。认为待诊断目标的故障等级是隶属度最大的，最 后输出诊断结论为隶属度最大的故障等级j，和对应的隶属度y j。
[0158] 步骤D、自学习机制：
[0159] rij的可靠性决定了诊断结论的优劣与成败，其确定的方法，需根据各分项诊断指 标中模糊性的状态和来源，相应的构造出计算隶属度函数，（根据模糊性状态不同，隶属度 函数有可能不同）。其中各隶属度函数的分布规律(即分布参数)的初始设定，根据经验和历 史故障统计结论进行综合评定。在以后的实际应用中，通过自学习机制逐步修改完善。 [0160]具体的修正方法为:故障诊断专家系统对经过专家确认的历史样本进行自学习， 得到修正后的各分项诊断指标中的模糊性状态，进而在对算法中隶属度函数进行修正，即 实际修正的是各隶属度函数的分布参数，使各个分项的各分项诊断指标更准确地反映设备 的故障状态，从而完成自学习机制。由于诊断系统采用的方法以模糊诊断为主，因此自学习 将通过与之对应的模糊神经网络进行。神经元网络自学习的主要方法是：提供包含输入和 输出向量的迭代学习样本数据，网络学习过程就是对隶属度函数分布参数不断进行调整， 进而使可信度分布参数和权重值不断进行优化，使网络收敛，误差值达到最小的过程。
[0161] 具体步骤是:将故障模糊诊断指标权重集乂={^，12，一&}，作为神经网络的输入， 神经网络通过合成运算，得到实际输出Y= {yi，y2，…，yn}，其运算公式为：
[0162]
，.:Tij = qi*yij，其中，0<rij<l，Ki<m，K j<n，Xi是网络中输 入模式与输出模式之间的权值。
[0163] 各分项诊断指标的权重值和可信度值的调节过程的基本思想是利用神经网络的 期望输出和实际输出之间的偏差作为连接权值调整的参考，并最终减少这种偏差，具体调 节过程为：
[0164]
，式中（n)r为期望输出（因单纯的测温故障诊断中，诊断结论具有单 一性，所以每次只选取数值最大的一个(n)r进行自学习运算），^为实际输出，bj表示输出 误差，采用下面的公式来求取Χ1:
[0165] 对于特定的j，将rij从大到小排序，选出数值最大的rij，其对应的i值为i'，Xi'（t+ 1) = Xi，（ t)*abj，贝lj除i外的其他
[0166] 其中，Xi (t)表示时刻t的权重值，Xi (t+1)表示对时刻t的权值修正一次后得到的新 的权重值，a为比例因子，满足0<a<l，采用上述的方法最终总能收敛，从而完成对各个诊 断指标权重 Xl的调整，达到自学习的效果。
[0167] 另外，结合上述步骤A至D，本实施例可制作成可运行的软件程序，程序的运行逻辑 如图3所示。输入的温度数据由温度传感器采集，温度数据的采集原理请见申请号为 201610059632.4的中国发明专利，在此不再赘述。
[0168] 对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种 相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围 之内。
【主权项】
1. 一种基于间接测溫方式的开关柜故障模糊诊断方法，其特征在于，包括W下步骤： 步骤A:构造模糊诊断矩阵；用向量￥=^1，72，-，，7。}表示开关柜的致热故障状态的集 合，其中，7^^ = 1，2，-，，11)表示致热故障状态，11表示故障等级；用向量0={山，(12，-，，(1。}表 示引起致热故障状态的各项诊断指标的集合，其中，di(i = l，2，···，!!!)表示诊断指标，m表示 用于故障模糊诊断的诊断指标种类;并W向量D为对角线元素构造对角型矩阵E = diag(di， cb，…，cU)用于运算过程，当采用对应项诊断指标做诊断时，令di = 1，否则di = 0;用向量X = {χ?，Χ2，···，Χη}表示各项诊断指标在总诊断结论中所占有的权重集，其中XI表示第di项诊断 指标的分配权重值，所有诊断指标总权重值为1，其中，0 < Χ? < 1，Σ晋ιΧ?二1; 步骤Β:根据模糊性的来源和状态结合预设的物理模型，对向量Υ中的故障状态y^j = l， 2,…，η)，计算出各项诊断指标，并根据给定的诊断标准，做出故障等级的评判;计算并确定 各项诊断指标di(i = l，2，···，m)对故障状态的可信度；Tij;n个等级的故障状态对应m个诊断 指标的评价集就构成了模糊诊断矩阵R，如下所示：其中，0《町《1，1《i《m，1《j《η，R表示向量昭I响量Y的模糊关系； 步骤C:经过模糊运算Υ = Χ · Ε · R后，得到模糊处理后的向量￥=^1，72，-'，7。}，挑选出 数值最大的乍为最终输出的诊断结论。2. 如权利要求1所述的开关柜故障模糊诊断方法，其特征在于，步骤C中，在模糊处理后 的向量Y={yl，y2，…，yn}中，如果有两个或两个W上的相同最大值，则选择j值最大的一个 yj作为最终输出的诊断结论。3. 如权利要求1所述的开关柜故障模糊诊断方法，其特征在于，步骤B中，ru的确定方法 为:根据各项诊断指标的模糊性的来源和状态，构造出相应的隶属度函数。4. 如权利要求3所述的开关柜故障模糊诊断方法，其特征在于， 第一项诊断指标山对可信度ru的计算过程如下： 设发热不均衡度系数为(p>l);其中为实际开关柜内器件的最高溫度，01(t)为计算出的开关柜内集总热源溫 度，P0为发热不均衡度系数分布的中屯、值，σ为分布的状态系数，且0max〉01 (t ); 则隶属度函数为：，0max>P〇01(t)，并结合如下标准，得?Jr 1 j = qi*yi j，ο《qi《1。5.如权利要求3所述的开关柜故障模糊诊断方法，其特征在于， 第二项诊断指标cb对可信度η北勺计算过程如下： 设模糊性条件1的可信度为Q21;模糊性条件2的可信度为022,第二项诊断指标cb的总可 信度为Q2,贝！J.0《q2《l，0《q2i《l，0《q22《l; 贝 Ijr2j = q2*y2j，j = l，2,3,4; 模糊性条件1:对于两台开关柜设备，因负载大小不同，而带来间接点的溫度差异； 模糊性条件2:对于两台开关柜设备，因所处环境不同，或内部结构有差异，而带来间接 点的溫度差异； 设两台开关柜间接点溫升的变比系数为I其中，A02(t)H为高溫 升间接点；A02(t)L为低溫升间接点； 两台开关柜间接点溫升的变比系数δ诊断阔值标准如下：结合两台开关柜间接点溫升的变比系数S诊断阔值标准得到隶属函数表达式为：其中，El至E6为从正常到报警的变比系数的值。6.如权利要求3所述的开关柜故障模糊诊断方法，其特征在于， 第Ξ项诊断指标d3对可信度η北勺计算过程如下： 设开关柜当前溫度与其前十分钟时刻的溫度比较的诊断隶属度为μ3^，可信度原始值设 为q3,0《q3《l; 合成的可信模糊隶属度为:r3j = q3*W3j，j = 1，2，3，4; 设开关柜间接点溫度值的历史变比系数为：庚中，A02(t)H为当 前被诊断的时刻；A02(t)L为历史参照时刻，且需满足:A02(t)H〉A02(t)L; 隶属函数表达式为：其中，El至E6为诊断结论从正常到报警的历史变比系数的值。7.如权利要求3所述的开关柜故障模糊诊断方法，其特征在于， 第Ξ项诊断指标CU对可信度Γ4北勺计算过程如下： 设开关柜当前溫度与其前一个小时时刻的溫度比较的诊断隶属度为μ4^，可信度原始值 设为q4,0《q4《l; 合成的可信模糊隶属度为:r4j = q4*W4j，j = 1，2，3，4; 设开关柜间接点溫度值的历史变比系数为：，其中，A02(t)H为当 前被诊断的时刻；A02(t)L为历史参照时刻，且需满足:A02(t)H〉A02(t)L; 隶属函数表达式为：其中，El至E6为诊断结论从正常到报警的历史变比系数的值。8.如权利要求3所述的开关柜故障模糊诊断方法，其特征在于， 第Ξ项诊断指标ds对可信度η北勺计算过程如下： 设开关柜当前溫度与其昨天同一时刻的溫度比较的诊断隶属度为μ5^，可信度原始值设 为95,0《化《1; 合成的可?目板糊隶属度为:r日j = q日*]i日j，j = 1,2,3,4; 设开关柜间接点溫度值的历史变比系数为：，其中，A02(t)H为当 前被诊断的时刻；A02(t)L为历史参照时刻，且需满足:A02(t)H〉A02(t)L; 隶属函数表达式为：其中，El至E6为诊断结论从正常到报警的历史变比系数的值。9. 如权利要求3所述的开关柜故障模糊诊断方法，其特征在于， 第Ξ项诊断指标d6对可信度rw的计算过程如下： 设开关柜当前溫度与其前一个小时时刻的溫度比较的诊断隶属度为μ^，可信度原始值 设为q6,0《q6《l; 合成的可?曰板糊隶属度为:rsj二q6*y6j, j二1,2,3,4; 设开关柜间接点溫度值的历史变比系数为：其中，A02(t)H为当 前被诊断的时刻；A02(t)L为历史参照时刻，且需满足:A02(t)H〉A02(t)L; 隶属函数表达式为：其中，E1至E6为诊断结论从正常到报警的历史变比系数的值。10. 如权利要求1所述的开关柜故障模糊诊断方法，其特征在于， 步骤C之后还有W下步骤： 当最终输出的论断结论与实际的故障状态不符时，利用神经网络对权重集进行修正， 修正过程如下： 令式中（yj)r为期望输出，yj为实际输出，bj表示输出误差，，采用下面的公式来求取XI: 对于特定的j，将rij从大到小排序，选出数值最大的rij，其对应的i值为i '，xi，（t+1)= Xi'（t)*abj，则除i外的其化其中，Xi(t)表示时刻t的权重值，Xi(t+1)表示对时刻t的权值修正一次后得到的新的权 重值，a为比例因子，满足〇《a《l。
【文档编号】G06F17/50GK106096214SQ201610586572
【公开日】2016年11月9日
【申请日】2016年7月22日 公开号201610586572.1, CN 106096214 A, CN 106096214A, CN 201610586572, CN-A-106096214, CN106096214 A, CN106096214A, CN201610586572, CN201610586572.1
【发明人】郭晨华, 杨志强
【申请人】杨志强