一种基于贝叶斯分类器的隔离开关缺陷分析方法

本发明涉及到隔离开关缺陷检测，具体涉及到一种基于贝叶斯分类器的隔离开关缺陷分析方法。

背景技术：

1、gis隔离开关合闸状态下的动静触头接触状态是电力系统关注的重要状态，其接触状态不良将导致触头发热致使设备熔毁，对于gis隔离开关触头的接触状态的监测是电网重点关注的内容。

2、对于gis隔离开关触头状态的监测主要分为两类：

3、第一类是状态直接检测，主要包括：(1)采用压力传感器检测，压力传感器检测法是在隔离开关触指弹簧等位置安装压力传感器，通过测量触头触指间压力大小，判断隔离开关的分合状态。该方法主要应用于敞开式隔离开关，尚无gis的应用案例或相关专利；(2)姿态传感器，姿态传感器检测法是在隔离开关每相相同位置安装姿态传感器，通过测量地电位传动部件的转动角度来判断隔离开关的分合闸状态；(3)微动行程开关在线监测系统是一种将微动行程开关安装在机构上，通过机构的动作位置来判断隔离开关动触头位置的一种监测隔离开关分合位置的方法。

4、直接检测方法缺陷在于，直接检测的方式因gis隔离开关结构封闭、内部空间狭小、传动机构紧凑、且处在高压大电流环境运行。在高电位引入传感器，信号线难以引出，信号受强电磁环境干扰，破坏原有结构的密封性，且易带来绝缘隐患等原因，不适用于这一对象的检测。

5、第二类是状态感知方法，主要包括：(1)电机电流检测，通过测量gis隔离开关驱动电机电流的方式对隔离开关状态进行监测，具体到gis隔离开关触头状态，是通过以下原理进行测算：运动过程中动静触头碰触后，电流将发生改变，将此点作为时间起点，将电流切断点作为时间终点，衡量动静触头接触后的动触头运行时间，假设电机转速不变的情况下，通过时间衡量动触头距离，通过电流的幅值变化趋势反应弹簧弹力；(2)振动信号检测通过振动检测诊断gis故障的方法，主要是通过在实验室中使用实际应用中的gis设备来模拟各种机械缺陷的运行状态，使用适当的传感器来检测gis设备外壳的振动信号。

6、对于电机电流检测，现有的检测方法无法反映电压与电流的相位变化关系，且不同电机型号的电机电流具有一定程度的分散性，导致电流特征表现不明显。即使在电流特征比较明显的前提下，现有诊断算法也属于物理分析方法，通过对电流包络线的分析进行缺陷分析，属于阈值判断，这种判断会造成两个问题，第一，对于不同的隔离开关该阈值设置难以直接量化，都需要专家介入，对隔离开关的运动过程完成物理分析，然后再进行阈值对应，成本较高，第二，也难以适应工业现场的因开关机械状态离散性造成的阈值因开关差异而产生的差异。

技术实现思路

1、本发明的目的是针对现有技术存在的问题，提供一种基于贝叶斯分类器的隔离开关缺陷分析方法。采用贝叶斯分类器，智能识别隔离开关的缺陷类型，并实现隔离开关缺陷状态的量化诊断。

2、为实现上述目的，本发明采用的技术方案是：

3、一种基于贝叶斯分类器的隔离开关缺陷分析方法，包括以下步骤：

4、s1、模拟设置隔离开关的若干组缺陷类别以及缺陷程度，获得各组缺陷类别和缺陷程度状态下对应的电机电流；

5、s2、将电机电流数据按照时间间隔进行取样，构成离散时间序列，并进行归一化处理，计算对应的电流特征量；

6、s3、将各组缺陷类别、缺陷程度和电流特征量输入贝叶斯网络进行训练，获得贝叶斯分类模型；

7、s4、测量隔离开关实际工作中的电机电流，计算对应的电流特征量，输入所述贝叶斯分类模型，获得对应的缺陷类型和缺陷程度。

8、步骤s2具体包括，设所述离散时间序列为

9、i[pn]＝{[p1]，[p2]，[p3]...[pn]}

10、计算i[pn]的平均值pmean，然后让i[pn]中的每一个元素减去pmean，获得归一化的矩阵i[p]

11、i[p]＝{[p1-pmean]，[p2-pmean]，[p3-pmean]...[pn-pmean]}

12、所述电流特征量包括均值均方值方根幅值标准差方差转动角度θr＝max(θ(n))-min(θ(n))；峰值cp＝max(|p(n)|)；峰谷值cp＝max(|p(n)|)；峰值因子cpi＝cp/crms；波形因子偏度峰度

13、步骤s3具体包括，收集数据，设立样本集，每个样本包括缺陷类别、缺陷程度和对应的电流特征量的值。

14、将缺陷类别与缺陷程度设为贝叶斯网络的根节点，将电流特征量设为贝叶斯网络的叶节点，将样本集输入贝叶斯网络，使用多项式分布来建模根节点的条件概率，使用高斯分布来建模叶节点的条件概率。

15、所述缺陷类别包括卡涩、三相不同期、分合闸不到位和弹簧疲劳；所述缺陷程度包括10％、20％、…、100％。

16、与现有技术相比，本发明的有益效果是：

17、1、采用贝叶斯分类器，通过寻找贝叶斯网络最小评价函数的方式，进行模式识别，实现隔离开关机械状态的智能诊断；

18、2、在进行贝叶斯模式识别模型训练的时候进行量化输入，其模型训练结果可以实现隔离开关状态的量化诊断。

技术特征：

1.一种基于贝叶斯分类器的隔离开关缺陷分析方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于贝叶斯分类器的隔离开关缺陷分析方法，其特征在于，步骤s2具体包括，设所述离散时间序列为

3.根据权利要求1所述的一种基于贝叶斯分类器的隔离开关缺陷分析方法，其特征在于，所述电流特征量包括均值均方值方根幅值标准差方差转动角度θr＝max(θ(n))-min(θ(n))；峰值cp＝max(|p(n)|)；峰谷值cp＝max(|p(n)|)；峰值因子cpi＝cp/crms；波形因子偏度峰度

4.根据权利要求1所述的一种基于贝叶斯分类器的隔离开关缺陷分析方法，其特征在于，步骤s3具体包括，收集数据，设立样本集，每个样本包括缺陷类别、缺陷程度和对应的电流特征量的值。

5.根据权利要求1所述的一种基于贝叶斯分类器的隔离开关缺陷分析方法，其特征在于，将缺陷类别与缺陷程度设为贝叶斯网络的根节点，将电流特征量设为贝叶斯网络的叶节点，将样本集输入贝叶斯网络，使用多项式分布来建模根节点的条件概率，使用高斯分布来建模叶节点的条件概率。

6.根据权利要求1所述的一种基于贝叶斯分类器的隔离开关缺陷分析方法，其特征在于，所述缺陷类别包括卡涩、三相不同期、分合闸不到位和弹簧疲劳；所述缺陷程度包括10％、20％、…、100％。

技术总结
本发明公开一种基于贝叶斯分类器的隔离开关缺陷分析方法，包括以下步骤：S1、模拟设置隔离开关的若干组缺陷类别以及缺陷程度，获得各组缺陷类别和缺陷程度状态下对应的电机电流；S2、将电机电流数据按照时间间隔进行取样，构成离散时间序列，并进行归一化处理，计算对应的电流特征量；S3、将各组缺陷类别、缺陷程度和电流特征量输入贝叶斯网络进行训练，获得贝叶斯分类模型；S4、测量隔离开关实际工作中的电机电流，计算对应的电流特征量，输入所述贝叶斯分类模型，获得对应的缺陷类型和缺陷程度；本发明采用贝叶斯分类器，智能识别隔离开关的缺陷类型，并实现隔离开关缺陷状态的量化诊断。

技术研发人员：阮江军,何松
受保护的技术使用者：武汉大学
技术研发日：
技术公布日：2024/1/14