一种开关柜故障特征选择方法及装置的制造方法
【技术领域】
[0001] 本发明涉及智能配电自动化技术领域，特别涉及一种开关柜故障特征选择方法及 装置。
【背景技术】
[0002] 目前，配电柜的故障类型较多，相应的故障特征也很多，包括开关柜的绝缘故障、 机械故障、温升故障和电弧故障等故障特征。
[0003] 然而，现有技术还无法准确有效地对开关柜发生故障时相应的故障特征进行识 另IJ，从而对后续的诊断维修工作造成极大的不方便。
[0004] 综上所述可以看出，如何实现对开关柜发生故障时相应的故障特征进行准确有效 的识别是目前亟待解决的问题。
【发明内容】
[0005] 有鉴于此，本发明的目的在于提供一种开关柜故障特征选择方法及装置，实现了 对开关柜发生故障时相应的故障特征进行准确有效的识别，方便了后续的诊断维修工作。 其具体方案如下：
[0006] -种开关柜故障特征选择方法，包括：
[0007] 从发生故障的开关柜中提取出故障特征集，所述故障特征集包括M个样本，每个 样本均包括N个故障特征，其中，M和N均为正整数；
[0008] 基于故障特征重要程度的排序原则，对所述故障特征集的N个故障特征进行排 序，得到已排序的待选故障特征子集；
[0009] 基于mRMR准则，并利用增量搜索法，对所述待选故障特征子集进行筛选，得到N个 候选故障特征子集；
[0010] 计算所述N个候选故障特征子集中每一个候选故障特征子集的分类正确率，将分 类正确率最大的候选故障特征子集确定为所述开关柜的最优故障特征子集。
[0011] 优选的，所述计算所述N个候选故障特征子集中的每一个候选故障特征子集的分 类正确率，将分类正确率最大的候选故障特征子集确定为所述开关柜的最优故障特征子集 的过程包括：
[0012] 利用SVM分类算法，对所述N个候选故障特征子集中的每一个候选故障特征子集 的分类正确率进行测试，相应地得到N个分类正确率；将所述N个分类正确率中数值最大的 分类正确率所对应的候选故障特征子集确定为所述最优故障特征子集。
[0013] 优选的，所述基于故障特征重要程度的排序原则，对所述故障特征集的N个故障 特征进行排序，得到已排序的待选故障特征子集的过程包括：
[0014] 利用所述M个样本中每个样本的特征向量，构造相应的近邻图；计算所述近邻图 的M X M阶相似矩阵；利用所述M X M阶相似矩阵，计算所述故障特征集的N个故障特征中每 个故障特征的重要程度系数；根据每个故障特征的重要程度系数的大小顺序，对所述故障 特征集的N个故障特征进行排序，得到所述待选故障特征子集。
[0015] 优选的，所述利用所述MXM阶相似矩阵，计算所述故障特征集的N个故障特征中 每个故障特征的重要程度系数，根据每个故障特征的重要程度系数的大小顺序，对所述故 障特征集的N个故障特征进行排序，得到所述待选故障特征子集的过程包括：
[0016] 利用所述MXM阶相似矩阵，计算所述故障特征集的N个故障特征中每个故障特征 的拉普拉斯分值，相应地得到N个拉普拉斯分值；按照所述N个拉普拉斯分值中每个拉普拉 斯分值的大小顺序，相应地对所述N个故障特征进行排序，得到所述待选故障特征子集。
[0017] 优选的，所述基于mRMR准则，并利用增量搜索法，对所述待选故障特征子集进行 筛选，得到N个候选故障特征子集的过程包括：
[0018] 步骤Sl :从所述待选故障特征子集中挑选出满足第一筛选条件的一个故障特征， 并将该故障特征确定为第一候选故障特征子集，所述第一筛选条件为基于故障特征与目标 故障类型之间的相关性得到的筛选条件；
[0019] 步骤S2 :将所述第一候选故障特征子集确定为当前候选故障特征子集；
[0020] 步骤S3 :将当前候选故障特征子集中的故障特征从所述待选故障特征子集中剔 除，得到剔除后待选故障特征子集；
[0021] 步骤S4 :从剔除后待选故障特征子集中挑选出满足第二筛选条件的一个故障特 征，并将该故障特征合并至当前候选故障特征子集，得到最新候选故障特征子集，所述第二 筛选条件为基于故障特征与目标故障类别之间的相关性以及故障特征之间的相关性得到 的筛选条件；
[0022] 步骤S5:将最新候选故障特征子集确定为当前候选故障特征子集，并转至步骤 S3,直到最新候选故障特征子集中的故障特征的数量为N。
[0023] 优选的，所述第一筛选条件为：
[0024] max[I (sk；T)]；
[0025] 其中，I (sk;T)表示故障特征s ,与目标故障类型T之间的相关性。
[0026] 优选的，所述第二筛选条件为：
[0027]
[0028] 其中，Sni i表示当前候选故障特征子集，S-Sni i表示剔除后待选故障特征子集，s# 示Sm i中的故障特征，s t表示S-Sm i中的故障特征，其中，m = 2,. . .，N，I (s t;T)表示故障 特征8,与目标故障类型T之间的相关性，I (s t;s k)表示故障特征St与故障特征s k之间的 相关性。
[0029] 本发明还公开了一种开关柜故障特征选择装置，包括：
[0030] 特征提取器，用于从发生故障的开关柜中提取出故障特征集，所述故障特征集包 括M个样本，每个样本均包括N个故障特征，其中，M和N均为正整数；
[0031] 特征排序器，用于基于故障特征重要程度的排序原则，对所述故障特征集的N个 故障特征进行排序，得到已排序的待选故障特征子集；
[0032] 特征筛选器，用于基于mRMR准则，并利用增量搜索法，对所述待选故障特征子集 进行筛选，得到N个候选故障特征子集；
[0033] 特征分析器，用于计算所述N个候选故障特征子集中每一个候选故障特征子集的 分类正确率，将分类正确率最大的候选故障特征子集确定为所述开关柜的最优故障特征子 集。
[0034] 优选的，所述特征分析器包括SVM分类器和最优故障特征获取器；
[0035] 所述SVM分类器，用于利用SVM分类算法，对所述N个候选故障特征子集中的每一 个候选故障特征子集的分类正确率进行测试，相应地得到N个分类正确率；
[0036] 所述最优故障特征获取器，用于将所述N个分类正确率中数值最大的分类正确率 所对应的候选故障特征子集确定为所述最优故障特征子集，并输出所述最优故障特征子 集。
[0037] 优选的，所述特征排序器包括：
[0038] 近邻图构造单元，用于利用所述M个样本中每个样本的特征向量，构造相应的近 邻图；
[0039] 相似矩阵计算单元，用于计算所述近邻图的MXM阶相似矩阵；
[0040] 系数计算单元，用于利用所述MXM阶相似矩阵，计算所述故障特征集的N个故障 特征中每个故障特征的重要程度系数；
[0041] 特征排序单元，用于根据每个故障特征的重要程度系数的大小顺序，对所述故障 特征集的N个故障特征进行排序，得到所述待选故障特征子集。
[0042] 本发明中，通过对发生故障的开关柜进行特征集提取处理，得到故障特征集；然 后基于故障特征重要程度的排序原则，对故障特征集的N个故障特征进行排序；接着基于 mRMR准则，并利用增量搜索法，对排序后得到的待选故障特征子集进行筛选，得到N个候选 故障特征子集；最后对上述N个候选故障特征子集中的每一个候选故障特征子集进行分类 正确率的计算，并将分类正确率最大的候选故障特征子集确定为开关柜的最优故障特征子 集。由上可见，本发明通过事先基于故障特征重要程度的排序原则，对故障特征集中的故障 特征进行排序，从而实现了故障特征的降维，也由此大大降低了后续筛选等过程的计算量， 然后基于mRMR准则（mRMR，即Max-Relevance and Min-Redundancy，最大相关最小冗余）， 并利用增量搜索法，对排序后得到的待选故障特征子集进行筛选，得到了 N个候选故障特 征子集，由于是基于mRMR准则对待选故障特征子集进行筛选的，所以