[发明专利]一种基于振动信号主成分分析法的GIS状态识别方法

说明书

本发明公开了一种基于振动信号主成分分析法的GIS状态识别方法，提取正常及不同故障状态下GIS振动信号的14个特征量组成14维的复合特征向量；然后运用主成分分析法对特征向量进行压缩降维成主成分特征向量；然后通过深度置信网络两阶段的训练得到振动信号主成分特征向量与GIS状态之间的对应决策函数，使用其对待状态识别的GIS振动信号主成分特征向量进行分类，根据分类确定该GIS状态。使用主成分分析法对复合特征向量进行优化，不仅保留了复合特征向量的原始信息，而且降低了特征向量维数，提高了分类器的工作效率，有效改善了GIS状态识别的精度和速度。

技术领域

本发明涉及气体绝缘金属封闭开关设备(GIS)状态识别技术领域，具体涉及一种基于振动信号主成分分析法的GIS状态识别方法。

背景技术

气体绝缘金属封闭开关设备(Gas Insulated Switchgear，GIS)问世于上世纪60年代，因其占地面积小、可靠性高、安全性强、安装周期短、运巧维护工作量小等优点而飞速发展，现已在世界范围内各等级变电站中得到广泛应用。但由于其复杂的全封闭结构，GIS一旦发生故障都会有很大范围的影响且难以准去定位、快速抢修。

因此为保证电网的安全稳定运行，GIS的可靠性就显得尤为重要，因此对GIS的故障状态进行有效识别已成当务之急。目前针对GIS设备运行状态监测的手段有超声波局部放电检测、特高频检测、光学分析及化学分析法等，但这些方法虽然得到了研究人员或现场工作人员的广泛认可，但都仅适用于GIS内部放电性故障检测，难以识别GIS中的机械故障。而振动信号频谱特征是表征机械特征的重要指标，由于其对GIS中机械故障的敏感性，基于振动信号的GIS状态识别已成为近期的研究热点。

而现有的基于振动信号的GIS状态识别往往针对振动信号的单一特征量进行GIS的状态识别，但GIS的机械状态与特征量并不是一一对应关系，不同的机械状态可能会引发同一种特征量变化，因此根据单一特征量的GIS状态识别往往会造成误判。为了提高检测准确率，必须采集多种特征量组成复合特征向量，结合不同特征量之间的信息互补关系，对GIS状态做出较为可靠的判断，但特征量的增加会加重计算机的工作负担，降低计算速度与精度。

发明内容

本发明所要解决的技术问题是：现有的基于振动信号的GIS状态识别在不同特征量的选取上，结合不同特征量之间的信息互补关系，对GIS状态做出较为可靠的判断，但特征量的增加会加重计算机的工作负担，降低计算速度与精度的问题。因此，在进行基于振动信号的GIS状态识别时，选取合适的特征量尤为重要。本发明提供了解决上述问题的一种基于振动信号主成分分析法的GIS状态识别方法，保留尽可能多的GIS振动信号特征的同时又有较高的状态识别效率，可高效率、高精度地实现综合多种特征量的GIS状态判断。

本发明通过下述技术方案实现：

一种基于振动信号主成分分析法的GIS状态识别方法，所述方法包括：

步骤1：通过在GIS上安装的振动加速度传感器来采集多组GIS正常及故障状态下振动信号；

步骤2：对采集到的GIS振动信号进行处理，分别提取GIS振动信号时域、频域及能量特征，并构建GIS振动信号复合特征向量；

步骤3：采用主成分分析法对GIS振动信号复合特征向量进行优化处理，得到GIS振动信号主成分特征向量；

步骤4：构建深度置信网络模型，将多组已知状态下的GIS振动信号主成分特征向量作为深度置信网络识别模型的训练样本，通过深度置信网络模型两阶段的训练，得到GIS振动信号主成分特征向量与GIS状态之间的对应决策函数；

步骤5：采集待状态识别的GIS振动信号，进行主成分特征向量的计算与分析，运用GIS振动信号主成分特征向量与GIS状态之间的对应决策函数对其进行分类识别，识别出该GIS状态。