[发明专利]一种基于遗传算法和聚类算法的断路器故障诊断方法

说明书

本发明提供了一种基于遗传算法和聚类算法的断路器故障诊断方法，涉及故障诊断技术领域，该故障诊断方法，包括以下步骤:S1、采集断路器多元故障外特性数据，进行数据预处理；S2、根据步骤S1预处理得到的断路器多元故障外特性数据，构造多组物理量组合，利用遗传算法对多组物理量组合进行评价；S3、采用遗传算法构造断路器故障多维度判据；S4、根据步骤S3构造的断路器故障多维度判据，通过K‑均值聚类法对断路器故障进行判断；采用遗传算法对断路器多维度物理量信息进行了组合及筛选，通过遗传算法，实现了不同物理量的随机组合，逐个探究每种物理量的特性并筛选出最优的断路器故障判据，解决了现有断路器故障诊断算法不具有普适性的问题。

技术领域

本发明涉及故障诊断技术领域，尤其涉及一种基于遗传算法和聚类算法的断路器故障诊断方法。

背景技术

高压断路器是一种重要的电气设备，在电力系统运行过程中可能由于雷击、外力、高温、操作不当等原因发生故障。高压断路器发生故障会影响电力系统的正常运作，因此需要及时识别故障并作出相应对策。

目前关于断路器的故障诊断，可用的判据较多，主要包括电压、电流等电信号，声信号，温度信号等等。然而，多数判断方式只涉及一两种判据，只能针对一类或几类故障，在故障诊断中不具有普适性。

发明内容

本发明针对现有技术的不足，提供了一种基于遗传算法和聚类算法的断路器故障诊断方法。

本发明通过以下技术手段实现解决上述技术问题的：一种基于遗传算法和聚类算法的断路器故障诊断方法，包括以下步骤：

S1、采集断路器多元故障外特性数据，进行数据预处理；

S2、根据步骤S1预处理得到的断路器多元故障外特性数据，构造多组物理量组合，利用遗传算法对多组物理量组合进行评价；

S3、根据步骤S2构造的多组物理量组合，采用遗传算法构造断路器故障多维度判据；

S4、根据步骤S3构造的断路器故障多维度判据，通过K-均值聚类法对断路器故障进行判断。

进一步的，所述断路器多元故障外特性数据包括断路器正常运行状态及故障状态下相对应的运行数据。

进一步的，所述运行数据包括电流、电压、电信号、温度信号、声音信号。

进一步的，所述数据预处理，包括对采集的多元故障外特性数据进行数据变换实现数据归一化，剔除离群样本并将数据集成为一个数据库。

进一步的，采用遗传算法构造断路器故障多维度判据，具体包括如下步骤：

S31、基于步骤S1中经预处理的多元故障外特性数据，随机生成10组初始物理量组合向量作为第一代物理量组合：物理量组合仅包含0和1，向量元素个数与经预处理的多元故障外特性数据中物理量的个数一致，其中0表示该物理量组合中不包含该物理量，1则表示物理量组合中包含该物理量；

S32、通过遗传算法中适应度函数对第一代物理量组合做出评价，适应度函数：利用该物理量组合对数据组进行K-均值法聚类分析结果的样本中心与实际分类样本中心差值的大小；K-均值聚类法计算各组数据与各分类中心的平均距离，分类中心为已知分类中各样本的平均值向量，将该组数据加入到平均距离最小的一组中，并更新该组的分类中心，直至所有数据被分类完成；综上，若实际已知的分类中心向量为对某一物理量组合适应度函数F(x)表示为：

其中F(x)越小越好，种群向F(x)减小的方向进行迭代；

S33、利用适应度函数对第一代10组物理量进行评价后，取其中适应度最小的五组进行交叉，交叉方式为：在某两个元素中间选取一切点，取父本向量1在切点前的全部元素与父本向量2在切点后的全部元素，组合成新的子向量；