[发明专利]基于自助抽样法的断路器缺陷辨识方法

说明书

本发明公开了一种基于自助抽样法的断路器缺陷辨识方法，此方法首先对断路器合闸过程中的振动信号进行采集，通过集合经验模态分解，获得振动信号的本征模函数，在识别其主要模态的基础上，计算主模态本征模函数的样本熵，构成描述断路器缺陷状态的特征向量；其次，通过自助抽样法扩展该特征向量，设计多个Softmax诊断模型；再次，将测试样本对应输入各个Softmax诊断模型中，利用均值漂移聚类算法聚合各诊断结果；最后，利用D‑S证据理论结合Softmax诊断模型聚类结果，将最大聚类类别中各个Softmax诊断模型融合，实现断路器机械缺陷融合诊断。本发明提出的基于自助抽样法的断路器缺陷辨识方法，可以有效减小因采样信息单一造成的片面化诊断误差，极大提高了断路器机械缺陷诊断的准确率。

技术领域

本发明涉及一种面向断路器机械缺陷诊断的决策融合方法，具体涉及一种基于自助抽样法下聚类过程的D-S证据融合诊断方法。

背景技术

断路器是电力系统中控制和运行的重要开关设备之一，是保证电力系统安全可靠运行的关键部分，在供电和配电系统中起着开断和闭合正常线路以及开断故障线路的作用，所以断路器的操作性能对电网的安全、稳定及经济运行至关重要。断路器和各种控制器配合对电力系统进行控制，保护和监测，从而当系统中出现故障时，可以及时使断路器动作，快速切除系统中的故障部分，或者切断整个电源供电，从而防止故障扩大，避免造成巨大的经济损失和人员的伤亡。断路器作为电力系统的重要设备，其可靠性直接影响到整个电网的安全运行。随着电力系统综合自动化水平的提高，断路器的数量也日益渐增，这也对断路器的可靠性提出了更高的要求。而断路器在使用过程由于潜在的设备缺陷或部件老化会导致其工作可靠性下降，严重时甚至会引起电力系统事故扩大，造成巨大损失。因此，通过故障辨识技术甄别其潜在缺陷和故障，可以诊断出设备的故障原因，为断路器实现状态检修提供重要决策依据。

目前，运用现代技术在线监测断路器操动机构的方法呈现多样化的特征，如红外线分析、频谱分析、超声波分析，系统压力的动态分析，系统动态响应特性的测试分析以及组件壳体的振动信号分析等等。这些现代技术的在线监测方法，运用的原理各不相同，实际监测的成本和难度也不尽相同，达到的监测效果也有好有坏。因此，研发高效、高精度断路器机械缺陷诊断方法，将有利于提高辨识准确性，促进断路器机械状态评估的进一步发展。

发明内容

本发明的目的在于：提供一种基于自助抽样法的断路器缺陷辨识方法，该方法首先采集断路器合闸过程中的位置振动信号，对信号进行集合经验模态分解，得到信号的本征模函数，计算主本征模函数的样本熵，构成描述断路器缺陷状态的特征向量集；然后，通过自助抽样法扩展特征向量集，将每个特征向量集作为独立的训练集，分别建立Softmax诊断模型；接着，根据Softmax诊断模型在测试样本下的诊断概率向量，采用均值漂移聚类算法，将各个Softmax模型诊断结果进行聚类；最后，选择聚类结果中最大类别所含Softmax诊断模型及其诊断结果融合决策出最终诊断结果，完成断路器机械缺陷辨识。

本发明采用的技术方案为：一种基于自助抽样法的断路器缺陷辨识方法，所述方法包括步骤如下：

第一步：获取数据及构建原始特征空间

步骤1.1使用振动信息测量设备，多次采集断路器在不同机械缺陷下传感器的信号，记为X，共采集b次，第j个信号记为X_j；

步骤1.2采用集合经验模态分解方法对原始信号进行分解，得到本征模函数；

步骤1.3识别主要本征模函数，计算主本征模函数的样本熵值，组成缺陷信息特征向量集Y；

步骤1.4采用自助抽样法扩展特征向量集Y，得到a个新的特征向量集，记为特征向量空间Y_a,b。

第二步：基于各特征向量集，构建Softmax诊断模型