一种开关设备检测方法、装置、设备及可读存储介质与流程

1.本技术涉及配电网检测领域，特别是一种开关设备检测方法、装置、设备及可读存储介质。


背景技术：

2.随着社会科学技术的发展，配电网运行系统逐步完善，开关作为配电网运行系统中的关键设备，拥有“控制”和“保护”双重职责，开关的运行可靠性直接关系到电力系统的可靠运行，因此其日常维护至关重要。
3.在开关的日常维护中，开关操作附件中分合闸线圈回路作为开关分合动作的主控制回路，其正常工作是开关整体运行的关键保证，但其日常运行维护主要的检测方法依旧为主观检测，通过人为观察分合闸线圈及其连锁机械结构外观、回路是否断线等，肉眼可辨识的故障，对于内部含有的隐性机械问题依旧不易检测，由于开关装机量庞大，工作环境复杂，工作温度多变，以及设备老化情况严重等问题，这些因素都会导致开关在运行过程中出现故障，至此，如何检测开关设备的剩余使用寿命是人们关注的问题。


技术实现要素：

4.有鉴于此，本技术提供了一种开关设备检测方法、装置、设备及可读存储介质，
5.为了实现上述目的，现提出的方案如下：
6.一种开关设备检测方法，包括：
7.获取开关设备的状态信息；
8.利用主成分分析法对所述状态信息进行降维处理，得到特征向量矩阵；
9.计算所述特征向量矩阵的平均值和线性回归趋势系数；
10.根据所述平均值和线性回归趋势系数，确定初步剩余使用寿命；
11.将所述状态信息和所述初步剩余使用寿命输入寿命计算模型，得到所述寿命计算模型输出的所述开关设备的最终剩余使用寿命；
12.所述寿命计算模型，以样本状态信息和基于所述样本状态信息所确定的样本初步剩余使用寿命作为训练样本，以所述开关设备的最终剩余使用寿命作为训练标签训练得到。
13.可选的，所述利用主成分分析法对所述状态信息进行降维处理，得到特征向量矩阵，包括：
14.将所述状态信息转化为二维数据信息；
15.计算所述二维数据信息得到协方差矩阵；
16.利用主成分分析法计算所述协方差矩阵，得到所述二维数据信息的特征向量和特征值；
17.将最大的特征值对应的多个特征向量组成特征向量矩阵。
18.可选的，所述计算所述特征向量矩阵的平均值和线性回归趋势系数，包括：
19.利用如下公式计算所述特征向量矩阵的平均值和线性回归趋势系数：
[0020][0021][0022]
其中，a表示特征向量矩阵的平均值，m表示特征向量个数，b表示特征向量，i表示特征向量的维度，l表示预设的窗口宽度参数，s表示线性回归趋势系数。
[0023]
可选的，根据所述平均值和线性回归趋势系数，确定初步剩余使用寿命，包括：
[0024]
根据所述平均值和线性回归趋势系数，从预设的窗口分解表格中确定对应的初步剩余使用寿命，所述窗口分解表格预先保存有平均值和线性回归趋势系数，与初步剩余使用寿命的对应关系。
[0025]
可选的，所述窗口分解表格的预设过程，包括：
[0026]
获取所述开关设备的检修信息；
[0027]
选取检修信息比所述开关设备的检修信息少的新开关设备作为样本；
[0028]
获取所述样本当前时刻直至样本老化失去性能的样本状态信息，及对应时长，所述对应时长为样本在所述当前时刻的初步剩余使用寿命；
[0029]
将所述样本状态信息转化为特征向量矩阵；
[0030]
将所述特征向量矩阵及所述对应时长转化为二维函数图像；
[0031]
利用基于预设宽度参数的窗口滑动截取所述二维函数图像，得到目标二维函数图像；
[0032]
计算所述目标二维函数图像中包含的特征向量矩阵的平均值和线性回归趋势系数；
[0033]
将所述目标二维函数图像中包含的特征向量矩阵的平均值和线性回归趋势系数，及所述目标二维函数图像对应时长的初步剩余使用寿命记录至初始窗口分解表格中。
[0034]
可选的，本方法还包括：
[0035]
对所述最终剩余使用寿命进行显示。
[0036]
一种开关设备检测装置，包括：
[0037]
状态信息获取单元，用于获取开关设备的状态信息；
[0038]
信息降维单元，用于利用主成分分析法对所述状态信息进行降维处理，得到特征向量矩阵；
[0039]
特征计算单元，用于计算所述特征向量矩阵的平均值和线性回归趋势系数；
[0040]
初步寿命计算单元，用于根据所述平均值和线性回归趋势系数，确定初步剩余使用寿命；
[0041]
最终寿命计算单元，用于将所述状态信息和所述初步剩余使用寿命输入寿命计算模型，得到所述寿命计算模型输出的所述开关设备的最终剩余使用寿命；
[0042]
所述寿命计算模型，以样本状态信息和基于所述样本状态信息所确定的样本初步剩余使用寿命作为训练样本，以所述开关设备的最终剩余使用寿命作为训练标签训练得到。
[0043]
可选的，所述信息降维单元，包括：
[0044]
第一信息降维子单元，用于将所述状态信息转化为二维数据信息；
[0045]
第二信息降维子单元，用于计算所述二维数据信息得到协方差矩阵；
[0046]
第三信息降维子单元，用于利用主成分分析法计算所述协方差矩阵，得到所述二维数据信息的特征向量和特征值；
[0047]
第四信息降维子单元，用于将最大的特征值对应的多个特征向量组成特征向量矩阵。
[0048]
一种数据加解密设备，其特征在于，包括存储器和处理器；
[0049]
所述存储器，用于存储程序；
[0050]
所述处理器，用于执行所述程序，实现前述开关设备检测方法的各个步骤。
[0051]
一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现前述开关设备检测方法的各个步骤。
[0052]
从上述的技术方案可以看出，本技术实施例提供的一种开关设备检测方法、装置、设备及可读存储介质，本技术方案通过将开关设备的状态信息和对应的初步剩余使用寿命输入寿命计算模型，得到寿命计算模型输出的所述开关设备的最终剩余使用寿命，实现了检测开关设备的剩余使用寿命的目的。
附图说明
[0053]
图1为本技术实施例提供的一种开关设备检测方法流程图；
[0054]
图2为本技术实施例提供的一种状态信息降维方法流程图；
[0055]
图3为本技术实施例提供的一种窗口分解表格的预设方法流程图；
[0056]
图4为本技术实施例提供的一种窗口分解二维函数图像场景示意图；
[0057]
图5为本技术实施例提供的一种开关设备检测装置结构示意图；
[0058]
图6为本技术实施例提供的一种开关设备检测设备的硬件结构框图。
具体实施方式
[0059]
下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0060]
图1为本技术实施例提供的一种开关设备检测方法流程图，该方法可以包括以下步骤：
[0061]
步骤s100、获取开关设备的状态信息。
[0062]
具体的，开关设备可以是配电网一次开关设备，可以通过配电网检测系统获取开关设备的状态信息，状态信息可以包括动态参数信息和静态参数信息，示例如开关设备的铁芯开始运动时刻，铁芯撞击锁扣时刻，升至稳态电流时刻，辅助触点断开时刻，电流降至0时刻，铁芯开始运动时刻的线圈电流，铁芯撞击锁扣时刻的线圈电流，线圈稳态电流，额定电流，额定温升，额定短时耐受电流，额定峰值耐受电流，额定短路持续时间等。
[0063]
步骤s110、利用主成分分析法对所述状态信息进行降维处理，得到特征向量矩阵。
[0064]
具体的，考虑到状态信息中的动态参数信息、静态参数信息众多，不可避免的包含
了许多的冗余信息，可能影响后续计算结果的准确性。因此，可以利用主成分分析法对状态信息进行降维处理，得到的特征向量矩阵可以供后续步骤计算。
[0065]
步骤s120、计算所述特征向量矩阵的平均值和线性回归趋势系数。
[0066]
具体的，可以利用特征向量矩阵的平均值和线性回归趋势系数来表示状态信息中的特征向量的变化趋势，可以计算特征向量矩阵的平均值和线性回归趋势系数。
[0067]
步骤s130、根据所述平均值和线性回归趋势系数，确定初步剩余使用寿命。
[0068]
具体的，初步剩余使用寿命可以是一个初步的对开关设备的寿命检测结果，可以根据平均值和线性回归趋势系数，确定开关设备的初步剩余使用寿命。
[0069]
步骤s140、将所述状态信息和所述初步剩余使用寿命输入寿命计算模型，得到所述寿命计算模型输出的所述开关设备的最终剩余使用寿命。
[0070]
具体的，所述寿命计算模型，可以以样本状态信息和基于样本状态信息所确定的样本初步剩余使用寿命作为训练样本，以开关设备的最终剩余使用寿命作为训练标签训练得到，可以将开关设备的状态信息和初步剩余使用寿命输入寿命计算模型，得到最终剩余使用寿命，寿命计算模型可以采用神经网络模型，所采用的神经网络模型的结构可以有多种，如卷积神经网络(cnn，convolutional neural network)、反向传播网络(bp，back propagation net-work)、循环注意力神经网络(ra-cnn，recurrent attention convolutional neural network)和centernet网络等，或者是对现有的网络进行改进后的网络结构。
[0071]
在本技术实施例中，通过将开关设备的状态信息和对应的初步剩余使用寿命输入寿命计算模型，得到寿命计算模型输出的所述开关设备的最终剩余使用寿命，实现了检测开关设备的剩余使用寿命的目的。
[0072]
在本技术的一些实施例中，如图2所示，下面对步骤s110、利用主成分分析法对所述状态信息进行降维处理，得到特征向量矩阵的过程进行介绍，该过程可以包括：
[0073]
步骤s111、将所述状态信息转化为二维数据信息。
[0074]
具体的，为了使得状态信息中的各种数据信息标准化方便计算，可以将状态信息转化为二维数据信息，示例如将状态信息的数值转化为[-1，1]范围内。
[0075]
步骤s112、计算所述二维数据信息得到协方差矩阵。
[0076]
具体的，可以通过协方差矩阵观察二维数据信息的变量相对变化趋势，可以通过计算二维数据信息得到协方差矩阵。
[0077]
步骤s113、利用主成分分析法计算所述协方差矩阵，得到所述二维数据信息的特征向量和特征值。
[0078]
具体的，可以利用主成分分析法的筛选特性，从协方差矩阵提取特征向量及特征向量的对应的特征值，可以利用主成分分析法计算协方差矩阵，得到二维数据信息的特征向量和特征值。
[0079]
步骤s114、将最大的特征值对应的多个特征向量组成特征向量矩阵。
[0080]
具体的，可以将特征值按照预设大小顺序排序，选择其中最大的特征值对应的多个特征向量组成特征向量矩阵。
[0081]
本技术实施例通过以上步骤完成了对所述状态信息的降维处理，得到特征向量矩阵。
[0082]
进一步的，在本技术的一些实施例中，对步骤s120、计算所述特征向量矩阵的平均值和线性回归趋势系数的过程进行介绍，该过程可以包括以下步骤：
[0083]
利用如下公式计算所述特征向量矩阵的平均值和线性回归趋势系数：
[0084][0085][0086]
具体的，a表示特征向量矩阵的平均值，m表示特征向量个数，b表示特征向量，i表示特征向量的维度，l表示预设的窗口宽度参数，s表示线性回归趋势系数。
[0087]
在本技术的一些实施例中，对步骤s130、根据所述平均值和线性回归趋势系数，确定初步剩余使用寿命的过程进行介绍，该过程可以包括以下步骤：
[0088]
步骤s131、根据所述平均值和线性回归趋势系数，从预设的窗口分解表格中确定对应的初步剩余使用寿命。
[0089]
具体的，窗口分解表格预先保存有平均值和线性回归趋势系数，与初步剩余使用寿命的对应关系，可以根据平均值和线性回归趋势系数，从窗口分解表格中确定对应的初步剩余使用寿命。
[0090]
进一步的，在本技术的一些实施例中，下面对窗口分解表格的预设过程进行介绍，如图3所示，该过程可以包括以下步骤：
[0091]
步骤s200、获取所述开关设备的检修信息。
[0092]
具体的，检修信息可以包括按照设定时间周期对开关设备的检查、维护、修理的信息。
[0093]
步骤s210、选取检修信息比所述开关设备的检修信息少的新开关设备作为样本。
[0094]
具体的，由于安装开关设备的时间点不同，对应的检修信息也会不同，为了选取剩余使用寿命比待测的开关设备长的开关设备作为样本，可以选取检修信息比开关设备的检修信息少的新开关设备作为样本。
[0095]
步骤s220、获取所述样本当前时刻直至样本老化失去性能的样本状态信息，及对应时长。
[0096]
具体的，对应时长可以是样本在当前时刻的初步剩余使用寿命，可以通过获取样本当前时刻直至样本老化失去性能的样本状态信息，得到对应时长的初步剩余使用寿命。
[0097]
步骤s230、将所述样本状态信息转化为特征向量矩阵。
[0098]
具体的，步骤s230与前述实施例中步骤s110对应，详细参照前述介绍，此处不再赘述。
[0099]
步骤s240、将所述特征向量矩阵及所述对应时长转化为二维函数图像。
[0100]
具体的，为了体现出特征向量矩阵及所述对应时长的对应关系，可以将特征向量矩阵及所述对应时长转化为二维函数图像，示例如图4所示，横坐标表示对应时长，纵坐标表示特征向量矩阵中的特征向量，时长单位可以按需求进行设置，示例如小时。
[0101]
步骤s250、利用基于预设宽度参数的窗口滑动截取所述二维函数图像，得到目标二维函数图像。
[0102]
具体的，可以通过设定窗口宽度参数来选取需要计算的特征向量的范围，可以通
过窗口滑动截取二维函数图像得到目标二维函数图像，示例如图4中的窗口宽度参数可以设为l，并设定宽度参数20。
[0103]
步骤s260、计算所述目标二维函数图像中包含的特征向量矩阵的平均值和线性回归趋势系数。
[0104]
具体的，步骤s260与前述实施例中步骤s120对应，详细参照前述介绍，此处不再赘述。
[0105]
步骤s270、将所述目标二维函数图像中包含的特征向量矩阵的平均值和线性回归趋势系数，及所述目标二维函数图像对应时长的初步剩余使用寿命记录至初始窗口分解表格中。
[0106]
具体的，所述目标二维函数图像对应时长的初步剩余使用寿命，可以是利用样本状态信息的初步剩余使用寿命减去窗口右下角横坐标，得到目标二维函数图像对应时长的初步剩余使用寿命，可以将目标二维函数图像中包含的特征向量矩阵的平均值和线性回归趋势系数，及所述目标二维函数图像对应时长的初步剩余使用寿命记录至初始窗口分解表格中。
[0107]
在本技术的一些实施例中，本方案还可以包括以下步骤：
[0108]
步骤s150、对所述最终剩余使用寿命进行显示。
[0109]
具体的，可以通过终端对开关设备的最终剩余使用寿命进行显示，终端可以是带有显示功能的手机、平板、电脑等。
[0110]
下面对本技术实施例提供的开关设备检测装置进行描述，下文描述的开关设备检测装置与上文描述的开关设备检测方法可相互对应参照。
[0111]
如图5所示，其公开了一种开关设备检测装置的结构示意图，该开关设备检测装置可以包括：
[0112]
信息获取单元11，用于获取开关设备的状态信息；
[0113]
信息降维单元12，用于利用主成分分析法对所述状态信息进行降维处理，得到特征向量矩阵；
[0114]
向量计算单元13，用于计算所述特征向量矩阵的平均值和线性回归趋势系数；
[0115]
初步确定单元14，用于根据所述平均值和线性回归趋势系数，确定初步剩余使用寿命；
[0116]
寿命计算单元15，用于将所述状态信息和所述初步剩余使用寿命输入寿命计算模型，得到所述寿命计算模型输出的所述开关设备的最终剩余使用寿命；
[0117]
所述寿命计算模型，以样本状态信息和基于所述样本状态信息所确定的样本初步剩余使用寿命作为训练样本，以所述开关设备的最终剩余使用寿命作为训练标签训练得到。
[0118]
可选的，所述信息降维单元12，可以包括：
[0119]
第一信息降维子单元，用于将所述状态信息转化为二维数据信息；
[0120]
第二信息降维子单元，用于计算所述二维数据信息得到协方差矩阵；
[0121]
第三信息降维子单元，用于利用主成分分析法计算所述协方差矩阵，得到所述二维数据信息的特征向量和特征值；
[0122]
第四信息降维子单元，用于将最大的特征值对应的多个特征向量组成特征向量矩
阵。
[0123]
可选的，所述向量计算单元13，可以包括：
[0124]
第一向量计算子单元，用于利用如下公式计算所述特征向量矩阵的平均值和线性回归趋势系数：
[0125][0126][0127]
其中，a表示特征向量矩阵的平均值，m表示特征向量个数，b表示特征向量，i表示特征向量的维度，l表示预设的窗口宽度参数，s表示线性回归趋势系数。
[0128]
可选的，所述初步确定单元14，可以包括：
[0129]
第一初步确定子单元，用于根据所述平均值和线性回归趋势系数，从预设的窗口分解表格中确定对应的初步剩余使用寿命，所述窗口分解表格预先保存有平均值和线性回归趋势系数，与初步剩余使用寿命的对应关系。
[0130]
可选的，本开关设备检测装置，还包括：
[0131]
表格预设模块，用于预设所述窗口分解表格；
[0132]
所述窗口分解表格的预设过程，可以包括：
[0133]
获取所述开关设备的检修信息；
[0134]
选取检修信息比所述开关设备的检修信息少的新开关设备作为样本；
[0135]
获取所述样本当前时刻直至样本老化失去性能的样本状态信息，及对应时长，所述对应时长为样本在所述当前时刻的初步剩余使用寿命；
[0136]
将所述样本状态信息转化为特征向量矩阵；
[0137]
将所述特征向量矩阵及所述对应时长转化为二维函数图像；
[0138]
利用基于预设宽度参数的窗口滑动截取所述二维函数图像，得到目标二维函数图像；
[0139]
计算所述目标二维函数图像中包含的特征向量矩阵的平均值和线性回归趋势系数；
[0140]
将所述目标二维函数图像中包含的特征向量矩阵的平均值和线性回归趋势系数，及所述目标二维函数图像对应时长的初步剩余使用寿命记录至初始窗口分解表格中。
[0141]
可选的，本开关设备检测装置，还可以包括：
[0142]
显示单元，用于对所述最终剩余使用寿命进行显示。
[0143]
本技术实施例提供的开关设备检测装置可应用于开关设备检测设备。开关设备检测设备可以是终端。图6示出了开关设备检测设备的硬件结构框图，参照图6，开关设备检测设备的硬件结构可以包括：至少一个处理器1，至少一个通信接口2，至少一个存储器3和至少一个通信总线4；
[0144]
在本技术实施例中，处理器1、通信接口2、存储器3、通信总线4的数量为至少一个，且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信；
[0145]
处理器1可能是一个中央处理器cpu，或者是特定集成电路asic(application specific integrated circuit)，或者是被配置成实施本发明实施例的一个或多个集成电
路等；
[0146]
存储器3可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)等，例如至少一个磁盘存储器；
[0147]
其中，存储器存储有程序，处理器可调用存储器存储的程序，所述程序用于：
[0148]
获取开关设备的状态信息；
[0149]
利用主成分分析法对所述状态信息进行降维处理，得到特征向量矩阵；
[0150]
计算所述特征向量矩阵的平均值和线性回归趋势系数；
[0151]
根据所述平均值和线性回归趋势系数，确定初步剩余使用寿命；
[0152]
将所述状态信息和所述初步剩余使用寿命输入寿命计算模型，得到所述寿命计算模型输出的所述开关设备的最终剩余使用寿命；
[0153]
所述寿命计算模型，以样本状态信息和基于所述样本状态信息所确定的样本初步剩余使用寿命作为训练样本，以所述开关设备的最终剩余使用寿命作为训练标签训练得到。
[0154]
可选的，所述程序的细化功能和扩展功能可参照上文描述。
[0155]
本技术实施例还提供一种存储介质，该存储介质可存储有适于处理器执行的程序，所述程序用于：
[0156]
获取开关设备的状态信息；
[0157]
利用主成分分析法对所述状态信息进行降维处理，得到特征向量矩阵；
[0158]
计算所述特征向量矩阵的平均值和线性回归趋势系数；
[0159]
根据所述平均值和线性回归趋势系数，确定初步剩余使用寿命；
[0160]
将所述状态信息和所述初步剩余使用寿命输入寿命计算模型，得到所述寿命计算模型输出的所述开关设备的最终剩余使用寿命；
[0161]
所述寿命计算模型，以样本状态信息和基于所述样本状态信息所确定的样本初步剩余使用寿命作为训练样本，以所述开关设备的最终剩余使用寿命作为训练标签训练得到。
[0162]
可选的，所述程序的细化功能和扩展功能可参照上文描述。
[0163]
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0164]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间可以相互组合，且相同相似部分互相参见即可。
[0165]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一
致的最宽的范围。