用于高压隔离开关机械故障智能诊断的调试系统的制作方法

1.本发明涉及高压隔离开关智能诊断技术领域，具体地说，涉及用于高压隔离开关机械故障智能诊断的调试系统。


背景技术：

2.高压隔离开关机械故障频发，严重威胁电力系统运行安全。高压隔离开关在电力系统中属于被大量使用的高压开关设备，如果其发生故障，对检修人员的安全以及电网的正常运行均有着严重的危害；因此，高压隔离开关的正常运行对检修人员的安全、电网的正常运行均有着至关重要的作用。随着我国逐步提高对土地利用率的要求，gis式隔离开关以其占地面积小、集成化程度高等优点被越来越多地应用于高压输电领域的安全保障环节。
3.通过隔离开关分合闸过程中电机驱动功率进行的智能诊断技术，是目前前景较为清晰的高压隔离开关机械状态的在线诊断技术之一。但是为了达到较高的精度，智能诊断技术所涉及的智能算法往往需要大量的训练样本，而单纯通过工业现场与实测难以获取数以万计的训练样本，且可获取的样本还难以进行清理、筛分等处理，从而导致智能诊断技术的诊断效率及准确度较低，进而致使工业无法认可通过深度神经网络等技术的智能算法实现高压隔离开关机械状态结果。
4.鉴于此，为了提高通过深度神经网络等技术的智能算法实现高压隔离开关机械状态诊断技术的效率与精度，我们提出了用于高压隔离开关机械故障智能诊断的调试系统。


技术实现要素：

5.本发明的目的在于提供了用于高压隔离开关机械故障智能诊断的调试系统，以解决上述背景技术中提出的问题。
6.为实现上述技术问题的解决，本发明的目的之一在于，提供了用于高压隔离开关机械故障智能诊断的调试系统，包括
7.联合仿真单元，所述联合仿真单元用于先分别对高压隔离开关的物理和异步电机进行建模，再进一步对两个模型进行机电一体化联合仿真，并通过多状态重复模拟获取大量仿真数据；
8.数据库管理单元，所述数据库管理单元用于存储管理系统中涉及的所有全生命周期的数据，包括导入基础数据以供所述联合仿真单元的建模使用，并从所述联合仿真单元中获取仿真样本数据，结合现场实测数据来支持后续的模型训练，还包括海量的高压隔离开关的历史运行数据；
9.深度训练单元，所述深度训练单元用于采用所述数据库管理单元中的仿真样本数据和现场实测数据，通过对深度神经网络模型的训练来获取高压隔离开关机械状态智能诊断模型，从而实现对高压隔离开关机械故障的智能诊断及调试。
10.作为本技术方案的进一步改进，所述联合仿真单元包括物理模型构建模块、异步电机仿真模块和机电一体化调试模块；所述物理模型构建模块与所述异步电机仿真模块并
列运行，所述物理模型构建模块、所述异步电机仿真模块的信号输出端同时与所述机电一体化调试模块的信号输入端连接；
11.其中：
12.所述物理模型构建模块还包括工程制图软件，用于在所述工程制图软件中按照1:1的精细化比例构建高压隔离开关物理模型，并对动力学分析过程相关部件进行精细建模，对动力学分析过程无关部件进行等效简化；
13.所述异步电机仿真模块还包括电力仿真软件，用于在所述电力仿真软件中按照1:1的精细化比例进行异步电机模型搭建，并设置电机参数为隔离开关驱动电机实际运行参数；
14.所述机电一体化调试模块还包括联合仿真模块，所述联合仿真模块由所述工程制图软件和所述电力仿真软件两种仿真软件的联合仿真接口组成，所述机电一体化调试模块用于构建由所述高压隔离开关物理模型和所述异步电机模型联合而成的机电一体化联合仿真模型，并采用所述联合仿真模块进行所述机电一体化联合仿真模型的调试。
15.其中，高压隔离开关物理模型与异步电机模型是通过两种仿真软件的联合仿真接口进行对接联合的。
16.作为本技术方案的进一步改进，所述数据库管理单元包括基础物理参数模块、模拟仿真样本模块和实验实测样本模块；所述基础物理参数模块、所述模拟仿真样本模块与所述实验实测样本模块并列共存；
17.其中：
18.所述基础物理参数模块内存储管理的物理参数由对高压隔离开关的实物系统进行实测获得或通过预先设计设置，用于导入所述工程制图软件和所述电力仿真软件来进行物理模型或异步电机模型的搭建仿真；
19.所述模拟仿真样本模块内存储管理的样本数据为在所述机电一体化调试模块中所建立的所述机电一体化联合仿真模型中设置各种机械状态，重复进行仿真而获取的驱动电机功率-时间信号的样本结果；
20.所述实验实测样本模块内存储管理的样本数据为通过实验或现场实测的方式获得的高压隔离开关不同机械状态下驱动电机功率-时间信号的有限样本。
21.作为本技术方案的进一步改进，通过所述机电一体化调试模块模拟仿真以获取仿真样本数据的过程中，通过约束条件设置来仿真高压隔离开关机械状态，其中可仿真的机械状态包括但不限于分闸、合闸、倒闸(运行、备用、检修)及各种拉合状态。
22.作为本技术方案的进一步改进，所述实验实测样本模块通过实验或现场实测的方式获得高压隔离开关不同机械状态下驱动电机功率-时间信号的有限样本的具体方法包括如下步骤：
23.通过搭建高压隔离开关实验平台或于变电站中对高压隔离开关分合闸过程中驱动电机功率-时间曲线进行实测；并通过检修过程对高压隔离开关的机械状态进行取样，获得基于实际的高压隔离开关分合闸过程驱动电机功率-时间曲线小样本数据；其中，基于实际的高压隔离开关的机械状态与所述机电一体化调试模块中仿真的机械状态相对应。
24.作为本技术方案的进一步改进，所述深度训练单元包括深度神经网络模型、训后多层模型和智能诊断模型；所述深度神经网络模型的信号输出端与所述训后多层模型的信
号输入端连接，所述训后多层模型的信号输出端与所述智能诊断模型的信号输入端连接；
25.其中：
26.所述深度神经网络模型是在海量的高压隔离开关的历史运行数据上建立的多层神经网络模型，用于作为机器学习的训练基础；
27.所述训后多层模型是利用所述模拟仿真样本模块内存储管理的大量样本数据对所述深度神经网络模型进行训练后输出的用于中间过渡的新模型；
28.所述智能诊断模型是通过所述实验实测样本模块内存储管理的样本数据对所述训后多层模型的最后若干层进行训练，从而获得的高精度的高压隔离开关机械状态智能诊断模型，用于进行后续的高压隔离开关机械状态的智能诊断作业。
29.作为本技术方案的进一步改进，通过所述实验实测样本模块内存储管理的样本数据对所述训后多层模型的最后若干层进行训练来获得所述智能诊断模型时，被训练的模型层数根据所需高精度的高压隔离开关机械状态智能诊断模型的精度需求决定。
30.本发明的目的之二在于，提供了用于高压隔离开关机械故障智能诊断的调试方法，该方法是基于上述的用于高压隔离开关机械故障智能诊断的调试系统运行的，包括如下步骤：
31.步骤1、从所述数据库管理单元中的基础物理参数模块导入预先设置的物理参数数据到所述联合仿真单元内；
32.步骤2、在所述物理模型构建模块中通过工程制图软件构建高压隔离开关物理模型；在所述异步电机仿真模块中通过电力仿真软件进行异步电机模型的搭建；
33.步骤3、在所述机电一体化调试模块内构建由所述高压隔离开关物理模型和所述异步电机模型联合而成的机电一体化联合仿真模型，采用所述工程制图软件、所述电力仿真软件两种软件的所述联合仿真模块进行所述机电一体化联合仿真模型的调试；
34.步骤4、在步骤3所建立的所述机电一体化联合仿真模型中设置各种机械状态，重复进行仿真，获取驱动电机功率-时间信号的样本结果并存储至所述数据库管理单元的所述模拟仿真样本模块中；
35.步骤5、利用存储在所述模拟仿真样本模块中的大量样本，在所述深度训练单元中对所述深度神经网络模型进行训练；
36.步骤6、通过实验或现场实测的方式获得高压隔离开关不同机械状态下驱动电机功率-时间信号的有限样本并存储至所述数据库管理单元的所述实验实测样本模块中；
37.步骤7、通过存储在所述实验实测样本模块中的小样本对步骤5所训练的所述训后多层模型的最后若干层进行训练，从而获得高精度的高压隔离开关机械状态的所述智能诊断模型；
38.s8、在所述智能诊断模型中导入高压隔离开关的实时运行数据，则可实现高压隔离开关机械故障的智能诊断。
39.本发明的目的之三在于，提供了一种系统运行平台装置，包括处理器、存储器以及存储在存储器中并在处理器上运行的计算机程序，处理器用于执行计算机程序时实现上述的用于高压隔离开关机械故障智能诊断的调试系统。
40.本发明的目的之四在于，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的用于高压隔离开关机
械故障智能诊断的调试系统。
41.与现有技术相比，本发明的有益效果：
42.1.该用于高压隔离开关机械故障智能诊断的调试系统中，首先通过现有的仿真软件按1:1高精度比例构建与真实高压隔离开关物理系统相对应的高压隔离开关物理模型和异步电机模型，进而合成机电一体化联合仿真模型，然后通过机电一体联合仿真获取大量样本，使用大量仿真样本对深度神经网络模型进行初步训练，再通过实验或现场实测获取有限的真实样本数据，使用有限真实样本对初步训练过的深度神经网络模型最后几层进行进一步训练，使对于单一或复合故障诊断模型的参数达到最优，从而有效解决高压隔离开关因训练样本过少导致智能诊断算法精度较低的问题；
43.2.该用于高压隔离开关机械故障智能诊断的调试系统中，采用经训练得到的高精度的智能诊断模型来进行高压隔离开关机械故障的智能诊断，可以提高通过深度神经网络等技术的智能算法实现高压隔离开关机械状态诊断技术的效率与精度，从而使工业更容易认可高压隔离开关机械故障状态的智能诊断结果。
附图说明
44.图1为本发明中示例性的整体系统结构框图；
45.图2为本发明中示例性的方法流程框图；
46.图3为本发明中示例性的电子计算机平台装置结构图。
47.图中各个标号意义为：
48.100、联合仿真单元；101、物理模型构建模块；1011、工程制图软件；102、异步电机仿真模块；1021、电力仿真软件；103、机电一体化调试模块；1031、联合仿真模块；
49.200、数据库管理单元；201、基础物理参数模块；202、模拟仿真样本模块；203、实验实测样本模块；
50.300、深度训练单元；301、深度神经网络模型；302、训后多层模型；303、智能诊断模型。
具体实施方式
51.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。基于本发明中的实施例，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，都属于本发明保护的范围。
52.实施例1
53.如图1-图3所示，本实施例提供了用于高压隔离开关机械故障智能诊断的调试系统，包括
54.联合仿真单元100，联合仿真单元100用于先分别对高压隔离开关的物理和异步电机进行建模，再进一步对两个模型进行机电一体化联合仿真，并通过多状态重复模拟获取大量仿真数据；
55.数据库管理单元200，数据库管理单元200用于存储管理系统中涉及的所有全生命周期的数据，包括导入基础数据以供联合仿真单元100的建模使用，并从联合仿真单元100
中获取仿真样本数据，结合现场实测数据来支持后续的模型训练，还包括海量的高压隔离开关的历史运行数据；
56.深度训练单元300，深度训练单元300用于采用数据库管理单元200中的仿真样本数据和现场实测数据，通过对深度神经网络模型的训练来获取高压隔离开关机械状态智能诊断模型，从而实现对高压隔离开关机械故障的智能诊断及调试。
57.本实施例中，联合仿真单元100包括物理模型构建模块101、异步电机仿真模块102和机电一体化调试模块103；物理模型构建模块101与异步电机仿真模块102并列运行，物理模型构建模块101、异步电机仿真模块102的信号输出端同时与机电一体化调试模块103的信号输入端连接；
58.其中：
59.物理模型构建模块101还包括工程制图软件1011，用于在工程制图软件1011中按照1:1的精细化比例构建高压隔离开关物理模型，并对动力学分析过程相关部件进行精细建模，对动力学分析过程无关部件进行等效简化；
60.异步电机仿真模块102还包括电力仿真软件1021，用于在电力仿真软件1021中按照1:1的精细化比例进行异步电机模型搭建，并设置电机参数为隔离开关驱动电机实际运行参数；
61.机电一体化调试模块103还包括联合仿真模块1031，联合仿真模块1031由工程制图软件1011和电力仿真软件1021两种仿真软件的联合仿真接口组成，机电一体化调试模块103用于构建由高压隔离开关物理模型和异步电机模型联合而成的机电一体化联合仿真模型，并采用联合仿真模块1031进行机电一体化联合仿真模型的调试。
62.进一步地，在联合仿真单元100中：
63.因高压隔离开关驱动电机输出功率直接取决于作用于其驱动电机主轴上的扭矩，而作用于其电机主轴上的扭矩，又与其机械状态直接相关，因此通过仿真分析各机械状态下高压隔离开关，驱动电机功率变化情况需先构建高压隔离开关机械模型；在通过商用建模软件构建高压隔离开关模型时，需对力学分析高度相关处进行精细化建模，以提高精度，同时对力学分析不相关处进行简化或省略，以减少运行时间；
64.同时，高压隔离开关分合闸过程中的驱动电机功率除与其主轴上连接的机械结构有关，还与其电机参数有关，因此通过在商用软件中建立精细化的高压隔离开关的驱动电机模型，可以更好还原实际情况。
65.其中，通过商用工程制图软件1011的建模功能构建高压隔离开关物理模型、通过商用电力仿真软件1021的建模功能构建异步电机模型时均按照1:1的精细化比例进行操作。
66.进一步地，通过两种仿真软件的联合仿真接口，将已完成搭建的高压隔离开关物理模型和异步电机模型进行联合以构成高压隔离开关的机电一体化仿真模型。
67.本实施例中，数据库管理单元200包括基础物理参数模块201、模拟仿真样本模块202和实验实测样本模块203；基础物理参数模块201、模拟仿真样本模块202与实验实测样本模块203并列共存；
68.其中：
69.基础物理参数模块201内存储管理的物理参数由对高压隔离开关的实物系统进行
实测获得或通过预先设计设置，用于导入工程制图软件1011和电力仿真软件1021来进行物理模型或异步电机模型的搭建仿真；
70.模拟仿真样本模块202内存储管理的样本数据为在机电一体化调试模块103中所建立的机电一体化联合仿真模型中设置各种机械状态，重复进行仿真而获取的驱动电机功率-时间信号的样本结果；
71.实验实测样本模块203内存储管理的样本数据为通过实验或现场实测的方式获得的高压隔离开关不同机械状态下驱动电机功率-时间信号的有限样本。
72.进一步地，通过机电一体化调试模块103模拟仿真以获取仿真样本数据的过程中，通过约束条件设置来仿真高压隔离开关机械状态，其中可仿真的机械状态包括但不限于分闸、合闸、倒闸(运行、备用、检修)及各种拉合状态。
73.进一步地，实验实测样本模块203通过实验或现场实测的方式获得高压隔离开关不同机械状态下驱动电机功率-时间信号的有限样本的具体方法包括如下步骤：
74.通过搭建高压隔离开关实验平台或于变电站中对高压隔离开关分合闸过程中驱动电机功率-时间曲线进行实测；并通过检修过程对高压隔离开关的机械状态进行取样，获得基于实际的高压隔离开关分合闸过程驱动电机功率-时间曲线小样本数据；
75.其中，基于实际的高压隔离开关的机械状态与机电一体化调试模块103中仿真的机械状态相对应。
76.本实施例中，深度训练单元300包括深度神经网络模型301、训后多层模型302和智能诊断模型303；深度神经网络模型301的信号输出端与训后多层模型302的信号输入端连接，训后多层模型302的信号输出端与智能诊断模型303的信号输入端连接；
77.其中：
78.深度神经网络模型301是在海量的高压隔离开关的历史运行数据上建立的多层神经网络模型，用于作为机器学习的训练基础；
79.训后多层模型302是利用模拟仿真样本模块202内存储管理的大量样本数据对深度神经网络模型301进行训练后输出的用于中间过渡的新模型；
80.智能诊断模型303是通过实验实测样本模块203内存储管理的样本数据对训后多层模型302的最后若干层进行训练，从而获得的高精度的高压隔离开关机械状态智能诊断模型，用于进行后续的高压隔离开关机械状态的智能诊断作业。
81.其中，采用模拟仿真样本模块202中存储的已获得的高压隔离开关在各机械状态下驱动电机功率时间曲线的样本，对多层深度神经网络进行初步训练，以优化多层神经网络参数。
82.进一步地，通过实验实测样本模块203内存储管理的样本数据对训后多层模型302的最后若干层进行训练来获得智能诊断模型303时，被训练的模型层数根据所需高精度的高压隔离开关机械状态智能诊断模型的精度需求决定。
83.如图2所示，本实施例还提供了用于高压隔离开关机械故障智能诊断的调试方法，该方法是基于上述的用于高压隔离开关机械故障智能诊断的调试系统运行的，包括如下步骤：
84.步骤1、从数据库管理单元200中的基础物理参数模块201导入预先设置的物理参数数据到联合仿真单元100内；
85.步骤2、在物理模型构建模块101中通过工程制图软件1011构建高压隔离开关物理模型；在异步电机仿真模块102中通过电力仿真软件1021进行异步电机模型的搭建；
86.步骤3、在机电一体化调试模块103内构建由高压隔离开关物理模型和异步电机模型联合而成的机电一体化联合仿真模型，采用工程制图软件1011、电力仿真软件1021两种软件的联合仿真模块1031进行机电一体化联合仿真模型的调试；
87.步骤4、在步骤3所建立的机电一体化联合仿真模型中设置各种机械状态，重复进行仿真，获取驱动电机功率-时间信号的样本结果并存储至数据库管理单元200的模拟仿真样本模块202中；
88.步骤5、利用存储在模拟仿真样本模块202中的大量样本，在深度训练单元300中对深度神经网络模型301进行训练；
89.步骤6、通过实验或现场实测的方式获得高压隔离开关不同机械状态下驱动电机功率-时间信号的有限样本并存储至数据库管理单元200的实验实测样本模块203中；
90.步骤7、通过存储在实验实测样本模块203中的小样本对步骤5所训练的训后多层模型302的最后若干层进行训练，从而获得高精度的高压隔离开关机械状态的智能诊断模型303；
91.s8、在智能诊断模型303中导入高压隔离开关的实时运行数据，则可实现高压隔离开关机械故障的智能诊断。
92.如图3所示，本实施例还提供了一种系统运行平台装置，该装置包括处理器、存储器以及存储在存储器中并在处理器上运行的计算机程序。
93.处理器包括一个或一个以上处理核心，处理器通过总线与存储器相连，存储器用于存储程序指令，处理器执行存储器中的程序指令时实现上述的用于高压隔离开关机械故障智能诊断的调试系统。
94.可选的，存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随时存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
95.此外，本发明还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的用于高压隔离开关机械故障智能诊断的调试系统。
96.可选的，本发明还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各方面用于高压隔离开关机械故障智能诊断的调试系统。
97.本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，程序可以存储于计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
98.以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。