[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

说明书

本发明公开了一种基于电信号深度学习的断路器故障诊断方法和电路，一种基于电信号深度学习的断路器故障诊断方法，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，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，得到待检测断路器的故障诊断分类结果。本发明实施例公开的基于电信号深度学习的断路器故障诊断方法和电路，能够提高断路器故障诊断的准确性，降低断路器故障的诊断时间。

技术领域

本发明实施例电力技术，尤其涉及一种基于电信号深度学习的断路器故障诊断方法和电路。

背景技术

断路器是能够关合、承载和开断正常回路条件下的电流并能在规定的时间内关合、承载和开断异常回路条件下的电流的开关装置。在配电网中存在众多的断路器，由于断路器数目众多且分散，造成断路器的维护困难。

配电网中的断路器由于长期处于合闸状态，当断路器内部机械元器件存在卡阻等问题，机构拒动或者慢分等故障，导致故障无法及时切除，进而引起越级跳闸，造成负荷大量损失的严重后果，严重影响了电网的安全稳定运行。

目前对断路器故障进行诊断主要通过经验模态分解提取断路器电信号的特征参数，然后从信号的多个IMF分量中选取前几个IMF分量能量作为支持向量机、径向基函数(Radial Basis Function，RBF)神经网络、粒子群RBF神经网络的输入。但仅是提取前几个IMF分量作为输入，使得信号缺失一部分信息，故障诊断出现失误的概率较大。而若采用信号的全部IMF分量作为输入，则对于故障分析来说，所花费的时间较长。

发明内容

本发明提供一种基于电信号深度学习的断路器故障诊断方法和电路，能够提高断路器故障诊断的准确性，降低断路器故障的诊断时间。

第一方面，本发明实施例提供一种基于电信号深度学习的断路器故障诊断方法，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，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，得到待检测断路器的故障诊断分类结果。

在第一方面一种可能的实现方式中，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；

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。

在第一方面一种可能的实现方式中，提取调节后的电信号数据的电信号特征参数，包括：

对调节后的电信号数据进行EMD处理，并计算分解后的各IMF的边际谱；

计算各IMF的边际谱能量。

在第一方面一种可能的实现方式中，将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的粗糙集简约层进行处理；

将处理后的数据输入基于电信号深度学习的断路器故障诊断模型的RBF神经网络。

在第一方面一种可能的实现方式中，基于电信号深度学习的断路器故障诊断方法还包括：

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，训练基于电信号深度学习的断路器故障诊断模型。