[发明专利]一种基于多信息融合的变流器的状态评估方法及装置

权利要求书

1.一种基于多信息融合的变流器的状态评估方法，包括：

建立所述变流器的性能参数数据库，所述性能参数数据库中包括关于所述变流器的至少一个功能部件所采集的历史性能参数集，其中每个功能部件相关联地存储有多组性能参数；

对所述性能参数数据库中每个功能部件的性能参数执行特征提取以获得关于每个功能部件的多组性能特征参数；

基于对应每个功能部件的不同性能的性能特征阈值，对每个功能部件的多组性能特征参数进行标定以确定每组性能特征参数所对应的关键性能指标值；

基于每个功能部件的所述多组性能特征参数及其对应的关键性能指标值执行神经网络建模以获得表现各功能部件的关键性能指标值与性能特征参数之间的映射关系的性能评估模型；

基于所述至少一个功能部件的性能评估模型和持续监测获得的性能参数确定所述至少一个功能部件的关键性能指标值的历史数据；

基于所述至少一个功能部件的关键性能指标值的历史数据执行曲线拟合以获得关于所述至少一个功能部件的关键性能指标值退化趋势曲线；以及

基于所述至少一个功能部件的当前关键性能指标值和对应的关键性能指标值退化趋势曲线确定所述至少一个功能部件的寿命，包括：根据所述关键性能指标值退化趋势曲线的函数表达式h(t)求解方程以获得所述至少一个功能部件的剩余寿命t_剩余；以及

将所述至少一个功能部件的最短寿命确定为所述变流器的寿命。

2.如权利要求1所述的状态评估方法，其特征在于，针对每个功能部件，所述执行神经网络建模包括使用BP神经网络模型执行建模，所述BP神经网络模型包括输入层、隐含层和输出层，所述输入层包括该功能部件的每组性能特征参数所对应的多个性能特征的输入节点，所述输出层包括该功能部件的关键性能指标值的输出节点。

3.如权利要求2所述的状态评估方法，其特征在于，所述隐含层中每个隐含节点的输出为x_i为所述输入层的输入节点的输入，w_ji和θ_j分别为每个隐含节点和每个输入节点之间的连接权值和阈值，i为所述输入节点的索引，j为所述隐含节点的索引，

所述输出层中每个输出节点的输出为w_kj和θ_k分别为每个输出节点和每个隐含节点之间的连接权值和阀值，k为所述输出节点的索引。

4.如权利要求3所述的状态评估方法，其特征在于，所述BP神经网络的激活函数为Sigmoid函数。

5.如权利要求3所述的状态评估方法，其特征在于，所述输出层的输出节点的输出值O_k与期望输出值t_k之间的误差反向传递中的权值修正函数为阀值修正函数为其中η取0.01～0.8之间。

6.如权利要求5所述的状态评估方法，其特征在于，所述期望输出值包括介于0～1的关键性能指标值。

7.如权利要求1所述的状态评估方法，其特征在于，还包括：

使用基于至少一个功能部件的实测性能参数获得的性能特征参数组和所述性能评估模型确定所述至少一个功能部件的关键性能指标值。

8.如权利要求7所述的状态评估方法，其特征在于，所述至少一个功能部件包括所述变流器的所有功能部件，所述状态评估方法还包括：

基于所有功能部件的关键性能指标值提供所述变流器的总体性能表示。