一种基于图谱功率谱熵的GIS设备状态辨识方法及装置与流程

一种基于图谱功率谱熵的gis设备状态辨识方法及装置
技术领域
1.本发明涉及气体绝缘金属封闭开关设备状态辨别技术领域，尤其涉及一种基于图谱功率谱熵的gis设备状态辨识方法及装置。


背景技术：

2.气体绝缘金属封闭开关设备(gas insulated switchgear，gis)是一种控制、保护电力系统的可靠设备。其凭借结构紧凑、占地面积小、维护便捷等优点，在特高压输电领域得到了广泛的应用。然而，由于gis设备采用全金属封闭结构，其早期缺陷通常难以被及时发现，这就使得缺陷具有潜伏性的特征，若缺陷得不到及时处理，则可能对电力系统造成严重的危害与极大的经济损失。因此，对gis设备的状态特性开展研究，分析其不同工况下的特性，对保证电力设备及电力系统的可靠运行至关重要。
3.gis设备在发生机械故障时，由于交流电流的作用下会产生相应的机械振动，长期的机械振动可能会导致诸如：密封漏气、机械磨损等诸多故障，并进一步地发展为电气故障，对gis本体造成极大的危害，因此加强对gis设备的机械性故障的检测、分析是极其必要的。
4.gis设备在运行时，其导电杆与外壳会由于内部通过电流而在周围磁场的作用下受到力的作用进而产生相应的振动。因此，gis振动信号可在一定程度上表征gis设备的当前状况。然而常规方法大多基于传统的信号处理方法，难以准确区分检测设备的工作状态。基于此，有必要提供一种能够准确、高效辨识gis设备不同工况的状态辨识方法及装置。


技术实现要素：

5.本发明的目的是为了解决背景技术中提出的问题，而提出的一种基于图谱功率谱熵的gis设备状态辨识方法及装置。
6.为了实现上述目的，本发明采用了如下技术方案：
7.一种基于图谱功率谱熵的gis设备状态辨识方法，包括以下步骤：
8.步骤1、采集得到gis设备不同状态下的振动信号；
9.步骤2、将原始数据分为测试数据集和训练数据集；
10.步骤3、进行图谱建模，得到gis设备不同状态下的邻接矩阵；
11.步骤4、计算表征设备状态的图谱功率谱熵；
12.步骤5、借助兰氏距离判别器实现gis不同状态的辨别。
13.优选地，所述步骤1中的振动信号具体为：y＝{y1,y2,
…
ym}，(m＝1,2
…n*
)，m表示振动传感器数量的幅值。
14.优选地，基于所述振动信号建立得到无向图模型中对应顶点的表征关系：
15.g＝{p,e,w}
16.式中，p＝{p1,p2…
pn}表示顶点的集合，可用于不同采样点的表述；n表示顶点的数量；e＝{e1,e2…em
}表示连接的集合，可用于进行不同节点之间的连接的描述；m表示连接边
的数量；w表示加权的邻接矩阵。
17.优选地，若两个顶点pi、pj(i、j＝1,2
…
n)有连接边，则该连接边的权值可用w
ij
表示；若无连接边，则权值为0。
18.在实际应用中，权值w
ij
通常被定义为：
19.w
ij
＝||x
i-xj||220.式中，xi、xj分别为顶点pi、pj的函数值，||
·
||2表示平方欧式距离，可有效反应顶点间的差异性。
21.优选地，所述步骤4中的图谱功率谱sn(f)具体为：
[0022][0023]
式中，xf(f)表示图像号x的图傅里叶变换，f表示频率；
[0024]
所述步骤4中的图谱功率谱熵h
x
具体为：
[0025][0026]
式中，ξi为第i个图谱功率谱在整个图谱功率谱中所占的百分比，即
[0027]
优选地，对图谱信号向量x进行图谱傅里叶变换，其变换公式如下：
[0028][0029]
式中，xf表示图谱傅里叶变换后的图信号向量，r表示阶次。
[0030]
优选地，所述步骤5中定义兰氏距离di具体为：
[0031][0032]
式中，h
xi
表示为第i个测试数据集中的图谱功率熵特征参数，表示第j个训练数据集中的图谱功率熵特征参数，i、j＝1,2
…
n，由于不同状态下gis设备振动信号特征参数之间的兰氏距离di较大，而在同种状态下时则di值较小，即兰氏距离越小、则说明这两组数据越相似、描述同种状态的可能性越大。基于此，可将图谱功率谱作为gis振动信号的特征参量，进而利用兰氏距离实现gis不同状态下的分类、辨识。
[0033]
一种基于图谱功率谱熵的gis设备状态辨识装置，包括振动信号感知采集模块、数据处理模块、特征提取模块和设备状态确定模块；
[0034]
所述振动信号感知采集模块，包括感知模块和采集模块；
[0035]
所述采集模块，用来获取待检测gis设备的振动信号；
[0036]
所述感知模块，用于放大每个通道的振动信号和a/d数字转换获得原始振动数据的数字信号；
[0037]
所述数据处理模块，用来处理原始振动信号数据；
[0038]
所述特征提取模块，用来进行特征值的提取；
[0039]
所述设备状态确定模块，用来确定gis设备的工作状态。
[0040]
优选地，还包括供电模块，用来给测试设备提供电源，以保证其正常采集。
[0041]
本发明与现有技术相比，其有益效果为：
[0042]
1、本发明提出的基于图谱功率谱熵的gis设备状态辨识方法，克服了常规检测方法难以获得gis设备运行状态丰富信息的不足，能够有效提取表征gis设备不同工况下的特征参量；该方法基于成熟度高的图谱理论将原始时域振动信号转换为图信号，并提取得到能够有效表征gis设备工况的图谱功率谱熵作为特征参量，最终借助兰氏距离判别器实现gis设备状态的有效辨识。
[0043]
2、综上，本发明实现简单、计算高效、结果准确，基于同一发明构思，本公开还提供了一种电子装置，在采集得到包含gis设备丰富状态特征信息的基础上，为gis设备在不同工况下的状态辨识与故障诊断提供了可靠地硬件支撑。
附图说明
[0044]
图1为本发明提出的一种基于图谱功率谱熵的gis设备状态辨识方法的流程示意图；
[0045]
图2为本发明提出的一种基于图谱功率谱熵的gis设备状态辨识装置的结构示意图；
[0046]
图3为本发明提出的一种基于图谱功率谱熵的gis设备状态辨识方法及装置中测试数据集1的分类结果示意图；
[0047]
图4为本发明提出的一种基于图谱功率谱熵的gis设备状态辨识方法及装置中测试数据集2的分类结果示意图；
[0048]
图5为本发明提出的一种基于图谱功率谱熵的gis设备状态辨识方法及装置中测试数据集3的分类结果示意图。
具体实施方式
[0049]
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。
[0050]
参照图1，一种基于图谱功率谱熵的gis设备状态辨识方法，包括以下步骤：
[0051]
步骤1、采集得到gis设备不同状态下的振动信号；
[0052]
步骤2、将原始数据分为测试数据集和训练数据集；
[0053]
步骤3、进行图谱建模，得到gis设备不同状态下的邻接矩阵；
[0054]
步骤4、计算表征设备状态的图谱功率谱熵；
[0055]
步骤5、借助兰氏距离判别器实现gis不同状态的辨别。
[0056]
优选地，步骤1中的振动信号具体为：y＝{y1,y2,
…
ym}，(m＝1,2
…n*
)，m表示振动传感器数量的幅值。
[0057]
优选地，基于振动信号建立得到无向图模型中对应顶点的表征关系：
[0058]
g＝{p,e,w}
[0059]
式中，p＝{p1,p2…
pn}表示顶点的集合，可用于不同采样点的表述；n表示顶点的数量；e＝{e1,e2…em
}表示连接的集合，可用于进行不同节点之间的连接的描述；m表示连接边
的数量；w表示加权的邻接矩阵。
[0060]
优选地，若两个顶点pi、pj(i、j＝1,2
…
n)有连接边，则该连接边的权值可用w
ij
表示；若无连接边，则权值为0。
[0061]
在实际应用中，权值w
ij
通常被定义为：
[0062]wij
＝||x
i-xj||2[0063]
式中，xi、xj分别为顶点pi、pj的函数值，||
·
||2表示平方欧式距离，可有效反应顶点间的差异性。
[0064]
优选地，步骤4中的图谱功率谱sn(f)具体为：
[0065][0066]
式中，xf(f)表示图像号x的图傅里叶变换，f表示频率；
[0067]
步骤4中的图谱功率谱熵h
x
具体为：
[0068][0069]
式中，ξi为第i个图谱功率谱在整个图谱功率谱中所占的百分比，即
[0070]
优选地，对图谱信号向量x进行图谱傅里叶变换，其变换公式如下：
[0071][0072]
式中，xf表示图谱傅里叶变换后的图信号向量，r表示阶次。
[0073]
优选地，步骤5中定义兰氏距离di具体为：
[0074][0075]
式中，h
xi
表示为第i个测试数据集中的图谱功率熵特征参数，表示第j个训练数据集中的图谱功率熵特征参数，i、j＝1,2
…
n，由于不同状态下gis设备振动信号特征参数之间的兰氏距离di较大，而在同种状态下时则di值较小，即兰氏距离越小、则说明这两组数据越相似、描述同种状态的可能性越大。基于此，可将图谱功率谱作为gis振动信号的特征参量，进而利用兰氏距离实现gis不同状态下的分类、辨识。
[0076]
参照图2，一种基于图谱功率谱熵的gis设备状态辨识装置，包括振动信号感知采集模块、数据处理模块、特征提取模块和设备状态确定模块；
[0077]
振动信号感知采集模块，包括感知模块和采集模块；
[0078]
采集模块，用来获取待检测gis设备的振动信号；
[0079]
感知模块，用于放大每个通道的振动信号和a/d数字转换获得原始振动数据的数字信号；
[0080]
数据处理模块，用来处理原始振动信号数据，首先将采集得到的gis设备振动信号转化为图信号，并利用图傅里叶变换将振动信号变换到图谱域进行分析处理；
[0081]
特征提取模块，用来进行特征值的提取，基于数据处理模块得到的图谱信号向量，提取图谱功率谱熵作为表征gis设备不同状态的特征参数；
[0082]
设备状态确定模块，用来确定gis设备的工作状态，利用兰氏距离判别函数，实现gis设备不同工况下的状态辨识，并输出最终结果。
[0083]
优选地，还包括供电模块，用来给测试设备提供电源，以保证其正常采集。
[0084]
参照图3-图5，为凸显本发明方法的优越性，采用某gis设备的实测数据，该组数据包括了gis设备的正常状态、屏蔽罩松动缺陷、内部异物缺陷三种类型数据。在得到图信号的基础上，采用本发明方法提取图谱功率谱熵进行计算，得到利用图谱功率谱熵作为特征参量、兰氏距离作为判别函数的计算结果如图3、4和5所示，图中：序号1～20为gis正常状态测试数据，序号21～40为gis屏蔽罩松动缺陷时测试数据，序号41～60为gis内部异物缺陷时测试数据。由图3、4和5可知，在三组测试数据集中，利用所提方法都能够准确地辨识gis设备的正常与异常状态，而对于gis设备的屏蔽罩松动与内部异物缺陷，图3、4和5仅分别有3、4和4组，共计11组数据分类产生偏差，仍能够较为准确地识别gis设备的不同状态，且识别准确率达到了93.89％，表明所提方法进行gis设备状态辨识的有效性。
[0085]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。