申请/专利权人：广东电网有限责任公司江门供电局

申请日：2023-12-29

公开（公告）日：2024-04-12

公开（公告）号：CN117872115A

主分类号：G01R31/327

分类号：G01R31/327;G01M13/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明涉及高压断路器故障诊断领域，特别涉及一种高压断路器未标记故障诊断方法，包括以下步骤：S1、提取高压断路器在各个工况下的特征向量，按照工况类别分类；S2、随机选取一种故障工况下的特征向量集合作为测试集，其余作为训练集；S3、根据训练集中的特征向量集合训练出单分类分类器；S4、引入模型松紧参数λ，并通过测试集中的特征向量对单分类分类器进行验证，得出最佳模型松紧参数λ；S5、重复S2‑S4直到每个故障工况下的特征向量集合均被选择用作测试集，确定最终模型松紧参数。本发明提供的未标记故障诊断方法通过训练松紧可调节单分类分类器判断未标记故障样本，达到了提高判别精度的效果。

主权项：1.一种高压断路器未标记故障诊断方法，其特征在于，包括以下步骤：S1、采集高压断路器在各个工况下的监测参数并根据动作时间参数提取出特征向量，按照工况类别对所述特征向量进行分类，所述各个工况包括正常工况和多个故障工况；选取同时间内的振动信号和电流信号，通过对选取振动信号的时频分析获取对应能量熵，将振动信号序列按照尺度因子τ等距分割，形成τ个尺度的粗粒化序列，在粗粒化过程中取每个序列的平均值依序排列作为新的粗粒化序列，再通过对比电流最高点和电流最低点的通过的时间和电流的通过时间得到对应的电流波动向量，将对应的能量熵和电流波动向量纳入特征向量集进行测试筛选。S2、随机选取一种所述故障工况下的特征向量集合作为测试集，将其余所述工况下的特征向量集合作为训练集；S3、根据所述训练集中的特征向量集合训练出单分类分类器；S4、引入模型松紧参数λ，用于调节所述单分类分类器的松紧粒度，通过将对得到的能量熵分解为i0、i1...，ix，再选取除去电流最高点和电流最低点的电流特征向量，然后对比各时间段内能量熵与电流特征向量的的比值，剔除掉其中数据异常的值，将数据正常未见明显波动的值纳入单分类分类器，并通过所述测试集中的特征向量对所述单分类分类器进行验证，得出最佳模型松紧参数λ；S5、重复S2-S4直到每个所述故障工况下的特征向量集合均被选择用作测试集，根据每次得出的最佳模型松紧参数λ作为模型松紧参数集，对模型松紧参数集采用粒子群优化算法确定最佳模型松紧参数。

全文数据：

权利要求：

百度查询： 广东电网有限责任公司江门供电局 一种高压断路器未标记故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD