[发明专利]基于卡尔曼滤波算法的SF6压力状态判别方法及装置

权利要求书

1.一种基于卡尔曼滤波算法的SF6压力状态判别方法，其特征在于：通过卡尔曼滤波算法估计开关设备的SF6值，从而识别出偏离估计值的开关设备。

2.根据权利要求1所述的基于卡尔曼滤波算法的SF6压力状态判别方法，其特征在于：所述卡尔曼滤波算法具体采用UKF算法；通过将UKF算法生成的估计曲线与运维人员现场检查的SF6曲线进行对比，以判断该开关SF6是否存在异常变化的情况。

3.根据权利要求2所述的基于卡尔曼滤波算法的SF6压力状态判别方法，其特征在于：在所述UKF算法中，设定初始状态和误差协方差矩阵分别为和P₀，进行对称采样的Sigma点的选取：

计算Sigma点集和相应的权系数：

其中是矩阵方根的第i列；

将得到的χ点集代入量测方程，获得状态y的点集y_i，i＝1，……，2n；

y的均值和协方差矩阵近似为：

其中：

W_i^(m)＝W_i^(c)＝1/2(n+λ)，i＝1，……，2n

分别为协方差与互协方差阵对应的加权系数；

式中，λ＝α²(n+κ)-n为一个比例常数，α决定采样点在附近的扩展，n是系统状态变量维数，κ是一个比例常数，β根据x的先验分布设置。

4.根据权利要求3所述的基于卡尔曼滤波算法的SF6压力状态判别方法，其特征在于：α取0.01，κ在高斯分布中取β取2。

5.根据权利要求3所述的基于卡尔曼滤波算法的SF6压力状态判别方法，其特征在于：在所述UKF算法中，根据得到的Sigma点集：

并执行以下估计过程：

状态预测：

X_k|k-1＝f(χ_k)

其中X_i,k|k-1为X_k|k-1的第i列向量，做状态预测的输入值是经过Sigma点采样得到的值；

状态预测协方差矩阵为：

量测预测更新：

Y_k|k-1＝h(X_k|k-1)

其中Y_i,k|k-1为Y_k|k-1的第i列向量；

量测残差协方差矩阵为：

状态量测互协方差矩阵为：

滤波增益：

状态更新：

状态误差协方差矩阵更新：

6.一种基于卡尔曼滤波算法的SF6压力状态判别装置，其特征在于：包括卡尔曼滤波估计模块；所述卡尔曼滤波估计模块的输入值为开关设备SF6值的历史数据，并生成估计曲线；所述估计曲线用于与运维人员现场检查的SF6曲线进行对比，以判断该开关SF6是否存在异常变化的情况。

7.根据权利要求6所述的基于卡尔曼滤波算法的SF6压力状态判别装置，其特征在于：所述卡尔曼滤波估计模块为UKF估计模块。

8.根据权利要求6所述的基于卡尔曼滤波算法的SF6压力状态判别装置，其特征在于：还包括比较模块，用于与运维人员现场检查的SF6曲线进行对比，以判断该开关SF6是否存在异常变化的情况，且当出现异常时发出告警。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5其中任一所述的基于卡尔曼滤波算法的SF6压力状态判别方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-5其中任一所述的基于卡尔曼滤波算法的SF6压力状态判别方法的步骤。