一种便携式模拟断路器故障检测方法与流程

本发明涉及数据处理，具体涉及一种便携式模拟断路器故障检测方法。

背景技术：

1、随着配电自动化技术的广泛应用，配电线路柱上开关数量有快速增加的趋势；设备运行过程中存在开关远方遥控不成功的情况，影响故障自愈；需要设备管理单位赶往现场进行操作，通过模拟断路器进行开关故障的检验；然而现有模拟断路器功能单一，无法进行数据记录及通信，大大影响工作效率，因此需要一种便携式模拟断路器进行故障检测。

2、便携式模拟断路器中通过设定正常的数据及各种故障的对应数据，通过奇异谱分析对正常数据及各种故障数据进行分析，得到每种故障的故障向量组，通过对电路设备的实际数据获取实际向量组，与故障向量组进行匹配进而完成电路设备的故障检测；然而奇异谱分析会获取不同的轨迹矩阵，每个轨迹矩阵都对应若干特征向量组，单一的轨迹矩阵得到的特征向量组进而量化故障向量组存在偶然性，对于故障判断存在较大误差，因此需要对奇异谱分析过程中多个轨迹矩阵对应的若干特征向量组分别进行分析，进而得到准确反映每个故障的故障向量组，从而可以准确分析实际数据的故障情况。

技术实现思路

1、本发明提供一种便携式模拟断路器故障检测方法，以解决现有的奇异谱分析故障过程中不同轨迹矩阵影响特征向量导致分析结果偏差的问题，所采用的技术方案具体如下：

2、本发明一个实施例提供了一种便携式模拟断路器故障检测方法，该方法包括以下步骤：

3、采集模拟断路器中正常情况和不同故障的原始信号数据，采集实际信号数据；

4、根据不同窗口尺度获取每个原始信号数据的若干轨迹矩阵，获取每个轨迹矩阵的若干特征向量；获取每个原始信号数据的若干imf分量，将每个原始信号数据的imf分量作为嵌入节点构建图结构并得到每个嵌入节点的第一相关性序列；

5、根据imf分量对每个轨迹矩阵的特征向量得到特征向量组，对每个特征向量组降维得到每个特征向量组的组向量，根据同一轨迹矩阵的若干组向量获取每个特征向量组的第二相关性序列，根据第一相关性序列及第二相关性序列获取每个特征向量组的对应频率；

6、根据正常情况及每个故障的原始信号数据的每个轨迹矩阵的每个特征向量组，获取每个故障的原始信号数据中每个轨迹矩阵的若干差异特征向量组及差异频率，根据差异频率及窗口尺度获取每个差异特征向量组的可信度，根据相同差异频率在不同轨迹矩阵的差异特征向量组及可信度，获取每个差异频率的故障性，将每个故障对应的若干差异频率中，故障性最大的差异频率作为对应故障的故障频率；

7、根据故障频率获取每个故障的原始信号数据的故障向量组，根据实际信号数据与故障向量组完成便携式模拟断路器的故障检测。

8、可选的，所述将每个原始信号数据的imf分量作为嵌入节点构建图结构并得到每个嵌入节点的第一相关性序列，包括的具体方法为：

9、以任意一个原始信号数据为目标原始信号数据，通过emd分解获取目标原始信号数据的若干imf分量；将每个imf分量作为嵌入节点，将不同imf分量之间的余弦相似度作为边值，根据嵌入节点及边值完成图结构的构建；

10、获取图结构中每个嵌入节点的嵌入向量，计算每个嵌入节点的嵌入向量与图结构中其他每个嵌入节点的嵌入向量的余弦相似度，将每个嵌入节点得到的所有余弦相似度从大到小降序排列，得到的序列记为每个嵌入节点的第一相关性序列；

11、对每个原始信号数据进行emd分解，根据每个原始信号数据得到的若干imf分量分别构建图结构，得到每个嵌入节点的第一相关性序列。

12、可选的，所述根据imf分量对每个轨迹矩阵的特征向量得到特征向量组，包括的具体方法为：

13、以任意一个原始信号数据为目标原始信号数据，获取目标原始信号数据的imf分量的数量，记为目标原始信号数据的频率数量；

14、根据频率数量分别对目标原始信号数据的每个轨迹矩阵的若干特征向量进行均匀分组，得到若干特征向量组；

15、获取每个原始信号数据的每个轨迹矩阵的若干特征向量组。

16、可选的，所述对每个特征向量组降维得到每个特征向量组的组向量，包括的具体方法为：

17、以任意一个轨迹矩阵为目标轨迹矩阵，目标轨迹矩阵的每个特征向量组中特征向量的维度用表示，将目标轨迹矩阵的每个特征向量组中的所有特征向量首尾拼接在一起，构成一个更高维的向量，记为每个特征向量组的第一向量，对所有特征向量组的第一向量进行降维，将每个特征向量组的第一向量降维成维，将降维后的第一向量记为每个特征向量组的组向量；

18、获取每个轨迹矩阵的每个特征向量组的组向量。

19、可选的，所述根据同一轨迹矩阵的若干组向量获取每个特征向量组的第二相关性序列，包括的具体方法为：

20、以任意一个轨迹矩阵为目标轨迹矩阵，获取每个组向量与目标轨迹矩阵的其他组向量之间的余弦相似度，将每个组向量得到的所有余弦相似度从大到小降序排列，得到的序列记为每个组向量的第二相关性序列，得到每个组向量对应的特征向量组的第二相关性序列；

21、获取每个轨迹矩阵的每个特征向量组的第二相关性序列。

22、可选的，所述根据第一相关性序列及第二相关性序列获取每个特征向量组的对应频率，包括的具体方法为：

23、以任意一个轨迹矩阵为目标轨迹矩阵，将目标轨迹矩阵的所有特征向量组作为一侧节点，目标轨迹矩阵的原始信号数据对应的若干嵌入节点作为另一侧的节点，将特征向量组的第二相关性序列与嵌入节点的第一相关性序列之间的余弦相似度作为两侧节点之间的边值，对两侧节点进行km匹配，得到每个特征向量组对应的嵌入节点，嵌入节点对应imf分量代表的频率即为每个特征向量组的对应频率，得到目标轨迹矩阵的每个特征向量组的对应频率；

24、获取每个轨迹矩阵的每个特征向量组的对应频率。

25、可选的，所述获取每个故障的原始信号数据中每个轨迹矩阵的若干差异特征向量组及差异频率，包括的具体方法为：

26、以任意一个故障为目标故障，目标故障的原始信号数据的任意一个轨迹矩阵为目标轨迹矩阵，获取正常情况下的原始信号数据与目标轨迹矩阵对应窗口尺度相同的轨迹矩阵，获取两个轨迹矩阵中任意两个对应频率相同的特征向量组，将正常情况下的特征向量组中每个特征向量作为一侧节点，将目标故障的特征向量组中每个特征向量作为另一侧节点，将两侧节点对应的特征向量之间的余弦相似度作为两侧节点之间的边值，通过km匹配算法获取所有匹配节点对，将所有匹配节点对之间的边值的均值作为两个特征向量组之间的第一相似度；

27、获取目标轨迹矩阵中每个特征向量组与正常情况相同尺度下相同频率的特征向量组之间的第一相似度，将第一相似度小于预设第一阈值的目标故障的目标轨迹矩阵的特征向量组记为目标轨迹矩阵的差异特征向量组，得到目标轨迹矩阵的若干差异特征向量组；

28、获取每个故障的每个轨迹矩阵的若干差异特征向量组，将差异特征向量组的对应频率记为差异频率。

29、可选的，所述根据差异频率及窗口尺度获取每个差异特征向量组的可信度，包括的具体方法为：

30、；

31、其中，表示轨迹矩阵的第个差异特征向量组的可信度，表示轨迹矩阵的第个差异特征向量组的差异频率，表示轨迹矩阵的轨迹频率，表示求绝对值。

32、可选的，所述获取每个差异频率的故障性，包括的具体方法为：

33、以任意一个故障为目标故障，目标故障的原始信号数据中的差异频率的故障性的计算方法为：

34、；

35、其中，表示差异频率在目标故障的若干轨迹矩阵对应的差异特征向量组的数量，表示目标故障的轨迹矩阵的数量，表示差异频率在目标故障的若干轨迹矩阵对应的第个差异特征向量组的可信度，表示以自然常数为底的指数函数。

36、可选的，所述根据故障频率获取每个故障的原始信号数据的故障向量组，包括的具体方法为：

37、以任意一个故障为目标故障，目标故障的故障频率为目标故障频率，计算目标故障频率对应的若干差异特征向量组种任意两个特征向量组计算第二相似度；获取目标故障频率对应的每个差异特征向量组与其他每个差异特征向量组的第二相似度均值，将均值最大的差异特征向量组作为目标故障的原始信号数据的故障向量组；

38、获取每个故障的原始信号数据的故障向量组；

39、所述第二相似度计算方法为：将一个特征向量组的所有特征向量作为一侧节点，另一个特征向量组的所有特征向量作为另一侧节点，两侧节点之间的边值通过对应的两个特征向量之间的余弦相似度表示，通过km匹配获取若干匹配节点对，将所有匹配节点对的边值均值作为两个特征向量组的第二相似度。

40、本发明的有益效果是：本发明通过对原始信号数据进行奇异谱分析，结合emd分解获取每个轨迹矩阵的若干特征向量组及其对应频率，通过正常情况及每个故障的原始信号数据在相同窗口尺度下的轨迹矩阵的相同频率的比对，获取每个轨迹矩阵的若干差异特征向量组，进而结合轨迹矩阵的轨迹频率获取每个差异特征向量组的可信度；通过可信度量化来减少轨迹矩阵的不同对差异特征向量组的影响，进而通过差异频率在不同轨迹矩阵对应的差异特征向量组，量化差异频率的故障性，根据故障性得到每个故障的故障频率及故障向量组，通过故障频率完成便携式模拟断路器对于实际信号数据的故障检测；排除轨迹矩阵本身对于故障频率量化的影响，提高模拟断路器的故障识别精度，提高实际信号数据故障检测结果的准确性。