[发明专利]基于电信号深度学习的断路器故障诊断方法和电路在审
| 申请号: | 202110272436.6 | 申请日: | 2021-03-12 |
| 公开(公告)号: | CN113030717A | 公开(公告)日: | 2021-06-25 |
| 发明(设计)人: | 李通;李顺尧;万四维;郑风雷;陈果华;陈世昌;李兆伟 | 申请(专利权)人: | 广东电网有限责任公司;广东电网有限责任公司东莞供电局 |
| 主分类号: | G01R31/327 | 分类号: | G01R31/327;G06N3/04 |
| 代理公司: | 北京品源专利代理有限公司 11332 | 代理人: | 孟金喆 |
| 地址: | 510000 广东*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 电信号 深度 学习 断路器 故障诊断 方法 电路 | ||
1.一种基于电信号深度学习的断路器故障诊断方法,其特征在于,包括:
使用电信号传感器采集配电网中待检测断路器的电信号数据,所述电信号传感器包括电压互感器和/或电流互感器;
对采集到的电信号数据进行调节;
将调节后的电信号数据输入基于电信号深度学习的断路器故障诊断模型,得到所述待检测断路器的故障诊断分类结果。
2.根据权利要求1所述的方法,其特征在于,所述将调节后的电信号数据输入基于电信号深度学习的断路器故障诊断模型之前,还包括:
提取调节后的电信号数据的电信号特征参数;
所述将调节后的电信号数据输入基于电信号深度学习的断路器故障诊断模型,包括:
将所述电信号特征参数输入基于电信号深度学习的断路器故障诊断模型。
3.根据权利要求2所述的方法,其特征在于,所述提取调节后的电信号数据的电信号特征参数,包括:
对所述调节后的电信号数据进行经验模态分解EMD处理,并计算分解后的各本征模态函数IMF的边际谱;
计算所述各IMF的边际谱能量。
4.根据权利要求2或3所述的方法,其特征在于,所述将所述电信号特征参数输入基于电信号深度学习的断路器故障诊断模型,包括:
将所述电信号特征参数输入所述基于电信号深度学习的断路器故障诊断模型的粗糙集简约层进行处理;
将处理后的数据输入所述基于电信号深度学习的断路器故障诊断模型的径向基函数RBF神经网络。
5.根据权利要求1~3任一项所述的方法,其特征在于,还包括:
根据断路器处于不同故障时的电信号数据和断路器的不同故障作为训练数据,训练所述基于电信号深度学习的断路器故障诊断模型。
6.根据权利要求1~3任一项所述的方法,其特征在于,所述使用电信号传感器采集配电网中待检测断路器的电信号数据,包括:
使用安装在待检测断路器的二次回路上的电信号传感器采集待检测断路器的电信号数据。
7.根据权利要求1~3任一项所述的方法,其特征在于,所述使用电信号传感器采集配电网中待检测断路器的电信号数据,包括:
当所述电信号传感器监测到待检测断路器的电信号大于预设触发值时,采集预设时间长度的电信号数据作为所述待检测断路器的电信号数据,所述预设时间长度的电信号数据包括所述电信号大于预设触发值之前第一时间段。
8.根据权利要求1~3任一项所述的方法,其特征在于,所述对采集到的电信号数据进行调节,包括:
根据所述待检测断路器的部署位置,使用对应的电调节单元对所述待检测断路器采集到的电信号数据进行调节。
9.一种基于电信号深度学习的断路器故障诊断电路,其特征在于,包括:
电信号传感器,用于采集配电网中待检测断路器的电信号数据,所述电信号传感器包括电压互感器和/或电流互感器;
电调节单元,用于对采集到的电信号数据进行调节;
故障诊断单元,用于将调节后的电信号数据输入基于电信号深度学习的断路器故障诊断模型,得到所述待检测断路器的故障诊断分类结果。
10.根据权利要求9所述的基于电信号深度学习的断路器故障诊断电路,其特征在于,该程序被处理器执行时实现如权利要求1~8中任一所述的基于电信号深度学习的断路器故障诊断方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东电网有限责任公司;广东电网有限责任公司东莞供电局,未经广东电网有限责任公司;广东电网有限责任公司东莞供电局许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110272436.6/1.html,转载请声明来源钻瓜专利网。





