一種基于多信號特征融合的斷路器狀態(tài)識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種基于多信號特征融合的斷路器狀態(tài)識別方法，用于電力系統(tǒng)中高 壓斷路器故障診斷和運(yùn)行狀態(tài)監(jiān)測。
【背景技術(shù)】
[0002] 國際大電網(wǎng)會議(CIGRE)對高壓斷路器可靠性進(jìn)行了 3次世界范圍調(diào)查，操動機(jī)構(gòu) 及輔助回路故障占到大多數(shù)，達(dá)到了61%。而我國的統(tǒng)計(jì)分析表明：220kVW下等級配電開 關(guān)設(shè)備事故情況的拒動、誤動、開斷與關(guān)合故障占總事故的43%; 110~500kV電壓等級斷路 器故障中，66.4 %為操動機(jī)構(gòu)及輔助回路故障。
[0003] 由于斷路器存在故障隱患時(shí)伴隨的信號屬于非平穩(wěn)信號，所W不管是在記錄還是 處理上都要比周期性的信號復(fù)雜困難的多。鑒于斷路器操作過程中振動、聲音和應(yīng)力信號 的復(fù)雜性和實(shí)測數(shù)據(jù)的隨機(jī)性，且信號采樣頻率和記錄速度都很高，所W對斷路器操作過 程產(chǎn)生的振動信號、聲音信號和應(yīng)力信號聯(lián)合分析研究還處于探索階段。
[0004] 隨著信號處理技術(shù)的提高，一些新型的算法也逐漸應(yīng)用于斷路器狀態(tài)判別中。對 于通過傳統(tǒng)的單一聲音信號或振動信號辨別斷路器狀態(tài)，現(xiàn)有的算法主要包括小波分解、 經(jīng)驗(yàn)?zāi)B(tài)、小波包能譜賭、小波奇異性監(jiān)測等等，運(yùn)些算法都取得了比較理想的效果。振動 信號通過固體傳播衰減小，不易收到外界干擾，一般采用的壓電式加速度傳感器采集信號 時(shí)，雖然靈敏度高，但振幅較大時(shí)信號存在飽和現(xiàn)象，波形存在削頂現(xiàn)象;而聲波信號在空 氣中傳播易受背景噪聲干擾，信噪比低，但其屬于非接觸式測量，安裝方便，另外測量頻帶 寬，能夠有效避免飽和及失效現(xiàn)象。已有的方法中大部分采用單一的振動信號或聲音信號， 并沒有較全面的利用斷路器在動作時(shí)其他信號，故而會在一些比較特殊的情況下做出誤判 斷。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明所要解決的技術(shù)問題，就是提供一種基于多信號特征融合的斷路器狀態(tài)識 別方法，其在利用現(xiàn)有算法的基礎(chǔ)上，綜合考慮了斷路器在動作過程中產(chǎn)生的聲音、振動和 應(yīng)力信號，避免了信息的缺失;利用多信號融合技術(shù)，進(jìn)一步掲示了聲音、振動和應(yīng)力信號 之間的內(nèi)在聯(lián)系，提高了診斷結(jié)果的準(zhǔn)確度，去除數(shù)據(jù)的大量冗余，彌補(bǔ)了現(xiàn)有算法的一些 缺點(diǎn)。
[0006] 解決上述技術(shù)問題，本發(fā)明采取如下技術(shù)方案：
[0007] -種基于多信號特征融合的斷路器狀態(tài)識別方法，其特征是包括W下步驟：
[000引步驟1，通過聲音傳感器、振動傳感器和應(yīng)力傳感器測得斷路器包括故障和非故障 動作時(shí)的信號；
[0009] 步驟2，求信號起始點(diǎn)的對應(yīng)時(shí)刻(也即分合閩起始點(diǎn)）
[0010] 將聲音信號與振動信號W64個(gè)點(diǎn)為一組形成信號序列，分別對信號序列進(jìn)行FFT 變換得到信號序列的頻率組成，對比得到的信號序列頻率組成找出含有不同于環(huán)境噪聲頻 率的第一段信號序列；
[0011]計(jì)算上面得到的聲音信號和振動信號不同于環(huán)境噪聲頻率的第一段信號序列之 間的歐幾里得距離：W -材%:
[0012] 其中，V=(V1,V2, . . .，Vn)、S=(Sl,S2, . . . ,Sn)為聲音信號和振動信號信號序列在 歐幾里得空間中的點(diǎn)；
[0013] 在捜索具體的對應(yīng)事件時(shí)d(V，S)如果單調(diào)增加，則加大步長，直至d(V，S)遞減，開 始精細(xì)捜索，得到最小值d(V，S)min，該點(diǎn)即為信號起始點(diǎn)的對應(yīng)時(shí)刻；
[0014] 步驟3,利用小波變換提取振動信號、聲音信號和應(yīng)力信號的小波能譜賭特征矩陣 M= [Ev Es Ef]
[001 5] Ev = Evl , Ev2 , . . . Evm、Es 二Esl , Es2 , . . . Esm、EF = Ef 1 , Ef 2 , . . . Efm為振動f曰號、尸首f曰號 和應(yīng)力信號在m尺度上的小波能譜賭，；
[0016] 步驟4，W形成的小波能譜賭特征矩陣M=[Ev Es Ef]建立特征融合框架 [0017]設(shè)F為狀態(tài)識別的特征融合框架，F(xiàn)包含2類狀態(tài)，即正常Fi和異常F2狀態(tài)；
[001引若集函數(shù)11:2心[0山（2。為F的幕集)滿足條件:D(O)=O且I"(巧）二1，你=巧>， 巧 其中Fk表示第k類狀態(tài)，則n就叫狀態(tài)識別特征融合框架F上的基本可信度分配；V巧:e2f .，n (Fk)稱為Fk的基本可信數(shù)；
[0019] n(Fk)表征對第k類狀態(tài)不確定性的度量或?qū)Φ趉類狀態(tài)本身的支持度大??；
[0020] 設(shè)m，n2，n3是F上3類基本可信度分配，那么組合后的基本可信度分配為各可信度 分配函數(shù)的正交和;^ =巧，用公式表示為
[0023]設(shè)第i類狀態(tài)的第j類信號對應(yīng)的基本可信度函數(shù)為：
[0025]式中：1 = 1，2^ = 1，2,3;4^為第^'類信號的模糊不確定度，根據(jù)歷史經(jīng)驗(yàn)或統(tǒng)計(jì)數(shù) 據(jù)來設(shè)定；I ImIU表示小波能譜賭特征矩陣的二范數(shù)，目的是為了通過范數(shù)計(jì)算出多種信 號間的能譜賭距離，從而更好的反應(yīng)多種信號在不同狀態(tài)的特征；
[00%] W上兩式為證據(jù)理論的核屯、，通過它可W把若干條獨(dú)立的證據(jù)組合起來；
[0027] K成為沖突因子，當(dāng)K< W，表示運(yùn)若干條證據(jù)一致或部分一致，運(yùn)時(shí)可給出證據(jù)組 合結(jié)果；
[00%]當(dāng)K = W時(shí)，表示運(yùn)些證據(jù)是完全矛盾的，運(yùn)時(shí)不能用證據(jù)理論進(jìn)行組合.
[0029] K越大表示證據(jù)沖突越嚴(yán)重，在實(shí)際應(yīng)用中，為避免違背常理的組合結(jié)論出現(xiàn)，通 常給K設(shè)定一闊值，當(dāng)K大于該闊值時(shí)，則認(rèn)為證據(jù)沖突過大造成組合沒有實(shí)際意義，需要重 新尋找證據(jù)或采用修正的證據(jù)理論；
[0030] 步驟5,建立基于可信度的判斷機(jī)制，對得到的特征賭通過證據(jù)理論判斷過后做出 判斷；
[0031] 該判斷應(yīng)滿足某種狀態(tài)具有最大可信度，其可信度與另一狀態(tài)可信度值差在最大 可信度中所占的比例大于某一百分比；
[0032] 因此應(yīng)滿足條件：
，則Fi即為判斷結(jié)果；
[0033] 其中Ei為根據(jù)斷路器的型號和斷路器所處環(huán)境設(shè)置的闊值，。為最大可信度與另 一狀態(tài)差值所占最大可信度的百分比；El是為了保證對Fl成立的信任度足夠大，E2是為了保 證判斷結(jié)果具有足夠的區(qū)分度而不至于得到模棱兩可的結(jié)論。
[0034] 有益效果:本方法提高了診斷結(jié)果的準(zhǔn)確度，去除數(shù)據(jù)的大量冗余，彌補(bǔ)了現(xiàn)有算 法的一些缺點(diǎn);可用于彌補(bǔ)現(xiàn)有斷路器診斷方法的不足，亦可作為現(xiàn)有技術(shù)的補(bǔ)充。
【附圖說明】
[0035] 圖1是本發(fā)明實(shí)現(xiàn)框圖；
[0036] 圖2是時(shí)標(biāo)對位實(shí)現(xiàn)框圖；
[0037] 圖3是信息融合過程框圖。
【具體實(shí)施方式】
[0038] 本發(fā)明的基于多信號特征融合的斷路器狀態(tài)識別方法實(shí)施例，包括W下步驟：
[0039] 步驟1，通過聲音傳感器、振動傳感器和應(yīng)力傳感器測得斷路器包括故障和非故障 動作時(shí)的信號；
[0040] 步驟2,由信號頻率崎變法初步確定分合閩發(fā)生所在的信號序列，利用變步長歐幾 里得距離快速捜索法對聲音信號和振動信號進(jìn)行時(shí)標(biāo)對位，具體如下：
[0041] 將聲音信號與振動信號W64個(gè)點(diǎn)為一組形成信號序列，分別對信號序列進(jìn)行FFT 變換得到信號序列的頻率組成，對比得到的信號序列頻率組成找出含有不同于環(huán)境噪聲頻 率的第一段信號序列；
[0042] 計(jì)算上文得到的不同于環(huán)境噪聲頻率的聲音信號和振動信號兩者之間的歐幾里 得距離。選擇最小歐幾里得距離得到信號起始點(diǎn)的對應(yīng)時(shí)刻；
[0043] 定義:在歐幾里得空間中，點(diǎn)V=(V1，V2, . . .，Vn)和S=(S1，S2, . . .，Sn)之間的歐式 距離為抓/..S-) = -J,)'，稱為歐幾里得距離；
[0044] W歐幾里得距離之和最?。`屬度最大）的事件為振動信號和聲音信號的相應(yīng)事 件，由此繪出兩信號對應(yīng)事件的時(shí)間-事件曲線，從而得到信號起始點(diǎn)的對應(yīng)時(shí)刻；
[0045] 利用歐幾里得距離判據(jù)，捜索時(shí)d(V，S)如果單調(diào)增加，則加大步長，直至d(V，S)遞 減，開始精細(xì)捜索，得到最小值d(V，S)min，該點(diǎn)即為信號起始點(diǎn)的對應(yīng)時(shí)刻即分合閩起始 占 .
[0046] 步驟3,利用小波變換提取振動信號、聲音信號和應(yīng)力信號的小波能譜賭特征矩陣 M= [Ev Es Ef]
[0047] Ev = Ev1，Ev2, . . .Evm、Es = Esl，Es2, . . .Esm、EF = Efl，Ef2, . . .Efm為振動信號、聲音信號 和應(yīng)力信號在m尺度上的小波能譜賭，；
[0048] 步驟4, W形成的小波能譜賭特征矩陣建立起特征融合框架
[00例設(shè)F為狀態(tài)識別的特征融合框架，F(xiàn)包含2類狀態(tài)，即正常Fi和異常F2狀態(tài)；
[0050] 若集函數(shù)n:2F一[0，1](2哨F的幕集)滿足條件:n(巫）=0且做二W = U)， 巧巨護(hù) 其中Fk表示第k類狀態(tài)，則n就叫狀態(tài)識別