[发明专利]基于GA及SE优化VMD参数的电网设备故障识别方法及系统

说明书

基于GA及SE优化VMD参数的电网设备故障识别方法及系统，通过采集不同类型输变电设备在不同故障形态下的故障信号，利用遗传算法对VMD分解中使用的分解层数K和惩罚因子α进行优化，之后计算得到故障特征集，再将故障特征集输入至参数优化后的KELM模型进行故障识别。本方法可对不同设备类型、不同故障形态的输变电设备故障进行故障诊断，对VMD以及KELM模型的参数进行优化，同时利用样本熵值与时域、频域特征共同组成故障特征集，可显著提高故障的单次识别率。

技术领域

本发明属于电力系统设备故障诊断领域，具体涉及基于GA及SE优化VMD参数的电网设备故障识别方法及系统。

背景技术

随着电能的广泛使用，输变电设备故障种类和故障信息众多，对设备故障诊断的人工分析提出了更高的要求。如何对各种设备故障都能进行正确的自动诊断，在不同设备类型(线路、主变、直流等)、不同故障形态(瞬时故障、永久故障、直流闭锁等)下，有效提取故障特征数据特点以及实时状态则成为电网设备故障诊断所要研究的重点内容。

目前对于电网设备故障诊断的研究主要从断路器的振动信号出发，文献《基于VMD参数优化和样本熵的低压断路器故障诊断》(王兴宇，上海电机学院学报，2021)研究了一种基于变分模态分解(VMD)参数优化和样本熵(Sample Entropy,SampEn,SE)的低压断路器振动信号特征提取方法，并通过支持向量机(SVM)对提取的故障类型进行诊断研究。文献《基于VMD模糊熵和SVM的高压断路器故障诊断》(张燕珂，电力科学与工程，2019)提出了一种基于变分模态分解模糊熵和支持向量机的特征向量提取方法,并采用SVM分类器对断路器的故障类型进行识别，上述研究使用的优化算法能够根据原始信号自适应地确定模态数量，但存在计算量大、效率低及冗余高等缺点。

现有技术文件《一种基于VMD-WOA-LSSVM的输电线路短路故障诊断方法》(CN112380762A)公开了一种基于VMD-WOA-LSSVM的输电线路短路故障诊断方法，包括以下步骤：基于Simulink建立输电线路模型，模拟短路故障，获取原始故障电压数据；通过中心频率确定VMD的分解个数，采用VMD样本熵进行故障特征提取，组成故障样本库；建立基于LSSVM输电线路短路模型，选用径向基核函数作为LSSVM的核函数。现有技术文件的不足在于只考虑了输电线路的短路故障且对VMD以及LSSVM的优化效率不高。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供基于GA及SE优化VMD参数的电网设备故障识别方法及系统。

本发明采用如下的技术方案：

基于GA及SE优化VMD参数的电网设备故障识别方法包括以下步骤：

步骤1，采集不同类型输变电设备在不同故障形态下的故障信号；

步骤2，利用遗传算法对VMD分解中使用的分解层数K和惩罚因子α进行优化，并得到使用优化后的分解层数K和惩罚因子α进行VMD分解后的模态分量以及模态分量样本熵；

步骤3，根据步骤1的故障信号、步骤2的模态分量以及模态分量样本熵计算得到故障特征集；

步骤4，对KELM模型的惩罚因子C与核参数γ进行优化；

步骤5，将故障特征集输入寻优后的KELM模型进行故障识别。

在步骤1中，不同类型输变电设备包括供电线路输变电设备、主变输变电设备以及直流输变电设备；

不同故障形态包括瞬时故障、永久故障以及直流闭锁；

故障信号包括高压断路器振动信号和电压电流变化信号。

步骤2包括以下内容：

步骤2.1，个体编码，具体为，将一组VMD参数K和α作为一个VMD参数个体；