一种开关设备控制方法及装置与流程

1.本发明涉及一种开关设备控制方法及装置，属于电力设备控制领域。


背景技术：

2.开关设备是一种用于电力传输控制的重要设备，其内部具有断路器、隔离开关、互感器等大量电路控制的元器件。其中断路器和隔离开关主要是作为一级开关和二级开关相互配合工作，由于隔离开关并不具备灭弧功能，因此如果隔离开关的监测数据发生异常，从安全性的角度考虑，需要将断路器和隔离开关一并控制断路。
3.开关设备很多情况下处于户外，受到环境影响，隔离开关的电学参数偶尔会产生较大噪音，该噪音一旦被监测到，就容易被误判为异常，由此导致断路器和隔离开关被断开，影响了开关设备的正常运行。


技术实现要素：

4.本发明所要解决的技术问题在于克服现有技术的不足而提供一种开关设备控制方法及装置。
5.解决上述技术问题，本发明采用如下技术方案：一种开关设备控制方法，包括如下步骤：步骤s1：获取断路器的所有第一历史多维参数数据组以及各个隔离开关的所有第二历史多维参数数据组；步骤s2：将每个第一历史多维参数数据组分别作为第一训练集以生成第一决策森林，第一决策森林对各个隔离开关的运行状态进行判断；步骤s3：从各个隔离开关对应的第二历史多维参数数据组中选取部分组合作为第二训练集，并以此生成第二决策森林，第二决策森林对断路器的运行状态进行判断；步骤s4：获取当前断路器的第一多维参数数据组和各个隔离开关的第二多维参数数据组，分别输入至第一决策森林和第二决策森林，将第一决策森林和第二决策森林的输出结果分别与第二多维参数数据组和第一多维参数数据组进行匹配，依据匹配结果控制断路器和各个隔离开关的通断状态。
6.本发明的有益效果为：利用第一决策森林对隔离开关的状态进行预测，利用第二决策森林对断路器的状态进行预测，通过预测结果和隔离开关以及断路器的实际测量参数进行比对，从而减少噪声对异常判断的影响，以此降低隔离开关非必要的通断操作，以此提升隔离开关的使用寿命，同时还能减少因噪声产生的异常判断，减少开关设备的非必要关停，有效保证开关设备的正常运行。此外通过两个匹配结果的正反对比，能够有效减少异常漏判的可能性，保证开关设备的安全性。
7.本发明步骤s2中，通过第一训练集生成第一决策树，设定第一阈值和第二阈值，第一阈值大于第二阈值，若第一决策树的准确率不小于第一阈值，则不作处理，若第一决策树
的准确率不大于第二阈值，则对该第一决策树进行剔除，若第一决策树的准确率大于第二阈值且小于第一阈值，则缩减该第一决策树判断的隔离开关的数量，直至该第一决策树的准确率不小于第一阈值，所有剩余的第一决策树组成第一决策森林。
8.本发明步骤s3中，第二训练集有多个，第二训练集中各个隔离开关对应的第二历史多维参数数据组为同一时刻的数据，通过每个第二训练集生成一棵第二决策树，设定第三阈值，对准确率低于第三阈值的第二决策树进行剔除，所有剩余的第二决策树组成第二决策森林。
9.本发明步骤s4中，若第一决策森林和第二决策森林的输出结果匹配成功且判断出第二多维参数数据组和第一多维参数数据组均实际存在异常，则仅对第二多维参数数据组存在异常的隔离开关和断路器进行断路。
10.本发明步骤s4中，若第一决策森林的输出结果仅与部分第二多维参数数据组匹配成功，且第二决策森林的输出结果和第一多维参数数据组匹配失败，则将第二决策森林的输出结果输入至第一决策森林，此时第一决策森林的输出结果与第二多维参数数据组的匹配结果为最终匹配结果。
11.本发明设定时延值，第二训练集中各个隔离开关对应的第二历史多维参数数据组对应时刻的最大差值不大于时延值，利用自助法从第二训练集中生成多个第二训练子集，通过每个第二训练子集分别生成第二决策树，设定第三阈值，对准确率低于第三阈值的第二决策树进行剔除，所有剩余的第二决策树组成第二决策森林。
12.一种开关设备的控制装置，包括存储器和执行器，存储器执行开关设备控制方法，执行器对断路器和各个隔离开关的通断进行控制。
13.本发明设定校验时差，步骤s4中，若第一决策森林和第二决策森林的输出结果均匹配失败，且第一多维参数数据组和第二多维参数数据组均为正常，则执行器暂不进行操作，经过校验时差后再次获取当前断路器的第一多维参数数据组和各个隔离开关的第二多维参数数据组并分别输入至第一决策森林和第二决策森林，此时若第一决策森林和第二决策森林的输出结果再次均匹配失败，则执行器断开断路器和所有隔离开关。
14.本发明的其他特点和优点将会在下面的具体实施方式、附图中详细的揭露。
附图说明
15.下面结合附图对本发明做进一步的说明：图1为本发明实施例1开关设备控制方法的流程图。
具体实施方式
16.下面结合本发明实施例的附图对本发明实施例的技术方案进行解释和说明，但下述实施例仅为本发明的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其他实施例，都属于本发明的保护范围。
17.在下文描述中，出现诸如术语“内”、“外”、“上”、“下”、“左”、“右”等指示方位或者位置关系仅是为了方便描述实施例和简化描述，而不是指示或暗示所指的装置或者元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
18.实施例1：
参见图1，本实施例提供了一种开关设备控制方法，包括如下步骤。
19.步骤s1：获取断路器的所有第一历史多维参数数据组以及各个隔离开关的所有第二历史多维参数数据组；其中，第一历史多维参数数据组和第二历史多维参数数据组均包含多个维度的多个数据种类，如电压、电流等，同时第一历史多维参数数据组和第二历史多维参数数据组的维度相互对应，以确保其二者之间可以相互参照比较。
20.此外，若某一第一历史多维参数数据组为时刻t时断路器的参数数据，则各个隔离开关均必然存在于时刻t时监控得到的第二历史多维参数数据组。
21.在开关设备中，各个隔离开关均电连接至断路器，因此在对应于同一时刻的第一历史多维参数数据组和第二历史多维参数数据组中，第一历史多维参数数据组的数值受到各个第二历史多维参数数据组共同影响，各个第二历史多维参数数据组中即使存在较为微弱的噪声，该噪声共同作用至第一历史多维参数数据组后也会相互抵消（隔离开关数量较多，因此从概率上说其会相互抵消）；此外，不同于隔离开关，断路器处于一个更为封闭的环境，因此因环境产生的噪声影响相对隔离开关而言很小，也因此，第一历史多维参数数据组的数据一般而言情况较为稳定。
22.步骤s2：基于前述可知，通过第一历史多维参数数据组可以推测处于同一监测时刻下各个隔离开关的第二历史多维参数数据组，因此每个第一历史多维参数数据组都能单独作为一个第一训练集，以此生成第一决策树，第一决策树就能够对各个隔离开关的第二历史多维参数数据组进行预测，不同第一历史多维参数数据组对应于不同的监测时刻，因此基于不同的第一历史多维参数数据组能够生成不同的第一决策树，也因此，如果第一历史多维参数数据组发生了变化，则对各个第二历史多维参数数据的预测结果也会发生变化。
23.将基于不同第一历史多维参数数据组生成的所有第一决策树组合，形成第一决策森林，第一决策森林能够通过断路器的第一多维参数数据组对各个隔离开关的第二多维参数数据组进行预测。
24.值得注意的是，如果不同的第一历史多维参数数据组之间数据没有发生或者仅发生了很小的变化，那么有两种情况，一种是各个第二历史多维参数数据组也没有发生或者仅发生了很小的变化，另一种是各个第二历史多维参数数据组发生了一定程度的变化，但是该变化作用于断路器处时相互抵消，由此可见，第一决策树针对第二种情况会对各个隔离开关的状态产生较为明显的误判，针对这一问题，通过增加第一历史多维参数数据组和第二历史多维参数数据组中的数据种类，就能有效降低各个第二历史多维参数数据组的变化作用在断路器处时恰好抵消的概率，降低两个第一历史多维参数数据组之间完全相同的概率，进而有效提升第一决策树的预测准确率。
25.在开关设备中，不同的隔离开关和断路器的连接方式会有所差异，因此第一历史多维参数数据组中不同维度的数据很多情况下与不同的隔离开关之间的相关性呈现较为明显的差异，换言之，第一决策树针对各个第二历史多维参数数据的预测准确性是不同的，也因此第一决策树难以对所有隔离开关预测准确。
26.针对这一问题，本实施例中设定第一阈值和第二阈值，第一阈值大于第二阈值，第
一阈值和第二阈值为预测准确率阈值，若第一决策树需要针对n个隔离开关的第二多维参数数据组进行预测，而实际共n个隔离开关的第二多维参数数据组预测准确，则第一决策树的准确率为n/n。
27.本实施例中针对每个刚生成的第一决策树进行准确率测试：若第一决策树的准确率不小于第一阈值，则说明该第一决策树对大部分隔离开关的第二多维参数数据组预测较为准确，仅部分隔离开关的第二多维参数数据组预测产生了较大偏差，整体上该第一决策树能够满足预测需求，不需要作额外处理；若第一决策树的准确率不大于第二阈值，则说明该第一决策树对大部分隔离开关的第二多维参数数据组的预测都产生了较大偏差，可以认为该第一决策树难以对各个隔离开关的第二多维参数数据组产生较为正确的预测，其内部节点判断条件存在较大的错误，因此针对这类第一决策树进行剔除，不纳入第一决策森林中，以提升第一决策森林输出结果的准确率；若第一决策树的准确率大于第二阈值且小于第一阈值，则说明该第一决策树对一部分隔离开关的第二多维参数数据组的预测有较高准确性，可以认为该第一决策树仅适合对部分隔离开关的第二多维参数数据组进行预测，对其余隔离开关的第二多维参数数据组不适合预测，这极有可能是由于生成该第一决策树的第一历史多维参数数据组中部分维度的数值和部分隔离开关存在强相关，和另一部分隔离开关弱相关，因此这部分第一决策树仍然具有一定的预测价值，为了能够进一步提升这部分第一决策树的预测准确性，可以缩减该第一决策树预测的隔离开关的数量，不再对预测准确性较低的隔离开关的第二多维参数数据组进行预测，直至直至该第一决策树的准确率不小于第一阈值；当对所有的第一决策树处理完成后，剩余的第一决策树组成第一决策森林。
28.步骤s3：与前述同理，通过各个隔离开关对应的第二历史多维参数数据组也能够对断路器的第一多维参数数据组进行预测；从各个隔离开关对应的第二历史多维参数数据组中选取部分组合作为第二训练集，本实施例中，第二训练集中各个第二历史多维参数数据组对应于同一监测时刻，因此其能够预测同一监测时刻下的断路器的第一多维参数数据组；不断重复上述步骤，就能够获得多个第二训练集，不同的第二训练集对应于不同的监测时刻。
29.利用每个第二训练集生成一棵第二决策树，第二决策树能够对断路器的第一多维参数数据组进行预测，以判断断路器是否处于异常。设定第三阈值，第三阈值同样为成功率阈值，对准确率低于第三阈值的第二决策树进行剔除，所有剩余的第二决策树组成第二决策森林，由第二决策森林对断路器的运行状态进行判断。
30.第二历史多维参数数据组的异常为因，第一历史多维参数数据组的异常为果，第一决策树为由果推因，因此第一历史多维参数数据组没有异常的情况下，可能预测得到第二历史多维参数数据组异常，也可能正常。而第二决策树是由因推果，如果第二历史多维参数数据组没有异常，则第二决策树对第一多维参数数据组的预测结果大概率也是正常，如果第二历史多维参数数据组存在异常，即是其作用在断路器上产生抵消，大概率对第一多维参数数据组的预测结果也为异常。当然，也有可能部分隔离开关对断路器影响较小，导致部分第二历史多维参数数据组存在异常，但是第一多维参数数据组的预测结果仍然为正常。但是整体上而言，第二决策树仍然具有较高的准确率。
31.步骤s4：获取当前断路器的第一多维参数数据组和各个隔离开关的第二多维参数数据组，分别输入至第一决策森林和第二决策森林，将第一决策森林和第二决策森林的输出结果分别与第二多维参数数据组和第一多维参数数据组进行匹配，依据匹配结果控制断路器和各个隔离开关的通断状态。
32.本实施例以一个断路器a和三个隔离开关b1、b2和b3进行举例说明，断路器a的第一多维参数数据组的实际值为异常，隔离开关b1、b2的第二多维参数数据组的实际值正常，隔离开关b3的第二多维参数数据组的实际值异常。通过将第一多维参数数据组的实际值输入至第一决策森林，第一决策森林输出隔离开关b1、b2的第二多维参数数据组的预测值正常，隔离开关b3的第二多维参数数据组的预测值异常，将隔离开关b1、b2和b3的第二多维参数数据组的实际值输入至第二决策森林，第二决策森林输出的断路器a的第一多维参数数据组的预测值为异常，此时第一决策森林和第二决策森林的输出结果匹配于第二多维参数数据组和第一多维参数数据组的实际值，以此判断出第二多维参数数据组和第一多维参数数据组均实际存在异常，并以此可以置信隔离开关b3的第二多维参数数据组的实际值发生异常并非由于噪声引起的，此时对隔离开关b3和断路器a进行断路，等待维修即可，此时隔离开关b1、b2并不需要断路。
33.众所周知，一般监测到断路器或隔离开关存在异常，因无法判断该异常是因故障引发的“真异常”，还是因噪声引起的“假异常”（针对假异常情况一般只需要忽略即可），只能对所有断路器和隔离开关进行断路操作，这就导致部分隔离开关的非必要断开操作增加，而隔离开关需要经常更换的原因就是频繁操作通断连杆致使寿命降低，因此本实施例能够减少隔离开关的操作次数，以此提升隔离开关的使用寿命。
34.若第一决策森林的输出结果仅与部分第二多维参数数据组匹配成功，且第二决策森林的输出结果和第一多维参数数据组匹配失败，则将第二决策森林的输出结果输入至第一决策森林，此时第一决策森林的输出结果与第二多维参数数据组的匹配结果为最终匹配结果。
35.具体的，同样以一个断路器a和三个隔离开关b1、b2和b3进行举例，断路器a的第一多维参数数据组的实际值为正常，隔离开关b1、b2的第二多维参数数据组的实际值异常，隔离开关b3的第二多维参数数据组的实际值正常。第一决策森林输出隔离开关b1、b3的第二多维参数数据组的预测值正常，隔离开关b2的第二多维参数数据组的预测值异常，第二决策森林输出断路器a的第一多维参数数据组的预测值异常。通过前述可知，第二决策森林是一个由因推果的预测过程，因此其准确性较高，虽然第一多维参数数据组的实际值为正常，但是该情况很可能是前述部分第二多维参数数据组的异常值作用于第一多维参数数据组后相互抵消。同时第一决策森林的输出结果仅隔离开关b2的第二多维参数数据组的实际值匹配成功，因此此时仍然无法判断隔离开关b1、b3是否存在“真异常”，因此通过将二决策森林的输出结果（第一多维参数数据组的预测结果）输入至第一决策森林，再由第一决策森林二次输出结果（隔离开关b1、b2和b3的第二多维参数数据组的预测值），以此与隔离开关b1、b2和b3的第二多维参数数据组的实际值进行比较匹配，匹配成功的隔离开关则为“真异常”，匹配失败的则为噪声引起的“假异常”，只需要对断路器和“真异常”的隔离开关进行断路即可。经前述可知，第二决策森林本身具有较高的准确性，因此由其输出的第一多维参数数据组的预测值能够剔除部分实际值中的噪声部分，将剔除部分噪声后的第一多维参数数
据组输入至第一决策森林，也就能获得噪声更小的第二多维参数数据组的预测结果，准确性获得了提升。
36.除此之外，有极小概率第一决策森林和第二决策森林的输出结果均匹配失败，即第一决策森林和第二决策森林的输出结果均与实际完全不符，但是第一多维参数数据组和第二多维参数数据组的实际值均为正常，则可以认为，此时第一决策森林和第二决策森林的预测均已失效，已经无法判断第一多维参数数据组和第二多维参数数据组的实际值中噪声因素有多大，又或者实际上存在异常但是并未被发现，为了防止对异常状况的漏判，也为了防止贸然对断路器和隔离开关断开，影响开关设备的正常使用，针对该情况，本实施例设定了校验时差，第一决策森林和第二决策森林第一次输出结果后断路器和隔离开关的通断状态均暂时保持不变，经过校验时差后再次获取当前断路器的第一多维参数数据组和各个隔离开关的第二多维参数数据组并分别输入至第一决策森林和第二决策森林，此时若第一决策森林和第二决策森林的输出结果再次均匹配失败，则可以认为开断路器和隔离开关存在未知异常，对断路器和所有隔离开关均进行断路处理。
37.当然，理论上还有一种情况是第一决策森林的输出结果完全匹配成功，而第二决策森林的输出结果匹配失败，但是前述已经表明，第二决策森林的预测准确率应当高于第一决策森林的预测准确率，故而该情况应当不会存在。
38.实施例2：噪声作用在断路器和隔离开关上具有短时性，即噪声单次作用的时间极短，基于该特性，本实施例设定时延值，时延值很短，一般为0.1-0.5秒。由此本实施例中第二训练集中各个隔离开关对应的第二历史多维参数数据组并非对应同一监控时刻，而是存在一定差别，但是对应时刻的最大差值不大于时延值，以此减少噪声的影响，利用自助法从第二训练集中生成多个第二训练子集，通过每个第二训练子集分别生成第二决策树，设定第三阈值，对准确率低于第三阈值的第二决策树进行剔除，所有剩余的第二决策树组成第二决策森林。此时第二决策森林预测的第一多维参数数据组对应的时刻为第二训练子集内所有第二历史多维参数数据组对应的最晚时刻。
39.实施例3：一种开关设备的控制装置，包括存储器和执行器，存储器执行实施例1中开关设备控制方法，执行器对断路器和各个隔离开关的通断进行控制。
40.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，熟悉该本领域的技术人员应该明白本发明包括但不限于附图和上面具体实施方式中描述的内容。任何不偏离本发明的功能和结构原理的修改都将包括在权利要求书的范围中。