一种发电机用真空断路器故障判别方法及装置与流程

本发明涉及发电机故障判别，具体涉及一种发电机用真空断路器故障判别方法及装置。

背景技术：

1、断路器是电力系统开关类设备中最重要的电气控制设备，当电力系统正常运行时，断路器用于接通和切断空载或负载电路；当系统处于故障状态时，断路器用于与继电保护配合，迅速切断故障电流，防止事故影响扩大。断路器的可靠性与电力系统的安全运行联系密切，故对真空断路器的故障进行及时有效判别意义重大。

2、对真空断路器的故障进行判别时，往往是基于其运行时产生的异常数据进行判别，而在使用孤立森林算法对运行数据进行异常检测时，传统的孤立森林算法需要设置孤立树的深度，孤立森林通过递归地将数据集划分为子空间，并构建包含多棵独立二叉树的森林，用于异常检测。在递归过程中，通过随机选择特征和分割点，不断划分数据集，直到达到停止条件。孤立树是用来区分正常数据和异常数据的，当孤立树中随机抽出的样本数据中的异常数据已经被分割出来，即剩余的样本数据中没有异常数据了，孤立树的后续生长构建就没有必要，否则会浪费系统的计算资源。

技术实现思路

1、为了解决上述技术问题，本发明的目的在于提供一种发电机用真空断路器故障判别方法及装置，所采用的技术方案具体如下：

2、第一方面，本发明实施例提供了一种发电机用真空断路器故障判别方法，该方法包括以下步骤：

3、获取发电机用真空断路器的多维度数据点集，记为样本数据点；

4、对样本数据点进行抽取获得样本数据序列；根据样本数据序列获取各维度数据的信号一致性；根据样本数据序列所有维度数据的信号一致性获取样本数据抽取质量指标；将样本数据抽取质量指标大于等于预设质量指标阈值的样本数据点作为样本数据；对样本数据各维度数据进行聚类获取各维度数据的两个类别数据；根据样本数据不同维度下同一类别的数据分布获取各维度数据的类别变化率；根据各维度数据的信号一致性以及类别变化率获取各数据点的数据分割特征值；对各数据点的数据分割特征值进行聚类，将聚类的边界点作为分割点；使用分割点对各样本数据进行预分割获取两个样本类别数据；将各样本类别数据中数据点的数据分割特征值的方差作为各样本类别数据的类别数据离散性；根据两个样本类别数据的数据特征获取样本类别数据之间的类别数据对比度；根据各样本类别数据的类别数据离散性以及样本类别数据之间的类别数据对比度获取孤立树节点的节点分割必要性；根据孤立树节点的节点分割必要性对孤立树的节点完成分割；根据孤立树叶子节点中的样本数据特征获取异常数据；

5、将异常数据作为到真空断路器故障判别神经网络的输入完成发电机用真空断路器故障判别。

6、进一步的，所述根据样本数据序列获取各维度数据的信号一致性，具体表达式为：

7、

8、式中，表示第个维度数据的信号一致性，、分别表示数据值特征序列中第个、第个数据值的出现频率，、分别表示第个维度数据下的数据值特征序列中第个、第个数据值，、分别表示第个维度数据下的数据值特征序列中数据值的最大值、最小值，表示以自然常数为底数的指数函数，表示数据值特征序列中数据值的个数。

9、进一步的，所述根据样本数据序列所有维度数据的信号一致性获取样本数据抽取质量指标，获取方法为：

10、计算所有维度数据的信号一致性的和值以及最小值；将所述最小值与所述和值的比值归一化值作为样本数据抽取质量指标。

11、进一步的，所述根据样本数据不同维度下同一类别的数据分布获取各维度数据的类别变化率，获取方法为：

12、将所述聚类获取各维度数据的两个类别数据中数据量大的记为第一类别数据；

13、计算各维度第一类别数据点个数与其他维度第一类别数据点个数的差值绝对值；获取各第一类别的数据点在其他维度中类别不属于第一类别的数据点个数；将所述差值绝对值与所述在其他维度中类别不属于第一类别的数据点个数的乘积的和值作为各维度数据的类别变化率。

14、进一步的，所述根据各维度数据的信号一致性以及类别变化率获取各数据点的数据分割特征值，具体为：

15、获取数据点在各维度数据的归一化值；计算同一维度数据下所述归一化值、信号一致性、类别变化率三者的乘积；将各维度数据的所述乘积的和值作为各数据点的数据分割特征值。

16、进一步的，所述根据两个样本类别数据的数据特征获取样本类别数据之间的类别数据对比度，具体为：

17、将两个样本类别数据中数据点的数据分割特征值均值的差值绝对值记为第一差值绝对值；将两个样本类别数据中数据点个数的差值绝对值记为第二差值绝对值；将所述第一差值绝对值与所述第二差值绝对值的乘积作为样本类别数据之间的类别数据对比度。

18、进一步的，所述根据各样本类别数据的类别数据离散性以及样本类别数据之间的类别数据对比度获取孤立树节点的节点分割必要性，具体为：

19、将两个样本类别数据中数据量大的记为类别g，数据量小的记为类别s，其中g、s表示类别号；

20、计算样本数据的类别数据对比度与类别s的类别数据离散性的乘积；将所述乘积与类别g的类别数据离散性的比值作为孤立树节点的节点分割必要性。

21、进一步的，所述根据孤立树节点的节点分割必要性对孤立树的节点完成分割，具体步骤包括：

22、设置节点分割必要性阈值；

23、当节点分割必要性大于等于节点分割必要性阈值时，对节点继续进行分割；当节点分割必要性小于节点分割必要性阈值时，停止分割。

24、进一步的，所述根据孤立树叶子节点中的样本数据特征获取异常数据，具体步骤包括：

25、获取叶子节点数据与同属于一个节点的另一个叶子节点数据的类别数据对比度；计算叶子节点的路径长度与叶子节点内样本数据的个数的乘积；将所述类别数据对比度与所述乘积的比值作为叶子节点的异常得分；

26、设置异常得分判断阈值；当叶子节点的异常得分大于等于异常得分阈值时，判定该叶子节点的样本数据为异常数据。

27、第二方面，本发明实施例还提供了一种发电机用真空断路器故障判别装置，包括：

28、获取模块，用于获取发电机用真空断路器运行数据；

29、分析模块，用于根据孤立森林算法对样本数据进行分析，筛选出异常的样本数据；

30、判定模块，用于根据真空短路故障判别神经网络对所述异常的样本数据进行故障判断。

31、本发明至少具有如下有益效果：

32、本发明首先对孤立森林构建时抽取的样本数据质量进行分析，构建样本数据抽取质量指标提高样本数据的抽取质量，降低抽取出的数据序列中全为正常数据而无法完成异常数据识别的可能性，提高孤立森林的检测精度。

33、同时，根据样本数据的信号一致性以及不同维度下数据的变化构建数据的分割特征值以及节点分割必要性，完成孤立树的自适应分割与生长，进而获取质量良好的孤立树，完成孤立森林的构建，通过孤立森林算法完成异常数据检测，进而根据异常数据完成发电机用真空断路器故障的判别。