[发明专利]一种基于SVM的变电站刀闸二次回路故障预测方法

说明书

技术领域

本发明涉及自动化操作领域，尤其涉及平压机自动化送纸。

背景技术

电力系统中的隔离开关即刀闸，是电力系统重要的电气设备。一旦发生变 电站刀闸二次回路故障，将会出现刀闸拒合、拒分等现象，产生危急缺陷，不 仅影响停送电效率，还增加了工作的安全风险，更甚者可能引起瓷瓶产生裂缝， 甚至断裂，导致设备故障跳闸的严重后果，影响电网正常运行。

然而，由于不同刀闸的各部件损耗进程不同，定期检修、定期维护除增加 维护成本、维护工作量外并不能从根本上解决并预测出刀闸二次回路是否故 障。目前，对于在变电站被广泛使用的刀闸二次回路故障缺乏一种有效的预测 方法。

发明内容

本发明的主要目的在于克服现有技术中的上述缺陷，提出一种基于SVM的 变电站刀闸二次回路故障预测方法，其方法简单清晰，便于计算，易于实现。

为了解决上述的技术问题，本发明提供了一种基于SVM的变电站刀闸二次 回路故障预测方法，包括如下步骤：

步骤一：整理导出PMS台账系统中刀闸台账的①安装厂家、②运行年限、 ③检修次数、④运行环境、⑤配电装置型式、⑥承担负荷情况六大主要影响因 素作为数据源；

步骤二：对上述数据源中①安装厂家、④运行环境、⑤配电装置型式进行 预处理获得一致的单调性，并归一化使数值范围处在[0,1]；

对安装厂家进行预处理和归一化是指：依据该安装厂家在本辖区电网中实 际故障数量g_i，结合PMS台账系统中相关安装厂家设备总数C_i，定义该厂家健 康度η_i

式中i＝1,2,...,m，m为设备出现过故障的安装厂家数量，并规定暂未出现过 故障的安装厂家健康度为0；

对运行环境进行预处理是指：设备运行在户外环境的情况为1，运行在户 内环境的情况为0；

对配电装置型式进行预处理是指：规定AIS设备为1，GIS设备为0；

①安装厂家、④运行环境、⑤配电装置型式经过上述预处理后获得了一致 的单调性，数值越大，故障率越高，再根据公式(2)将各数据进行归一化使 数值范围处在[0,1]；

式中i＝1,2,...,n，表示第i组数据，j＝1,2,...,6，表示第j维数据，I_ij、I_i'_j分别 表示经预处理后各影响因素数值及经归一化后数值；

步骤三：选择采用径向基RBF函数作为核函数；

步骤四：通过步骤二得到归一化的数值后，结合历史数据构成的训练样本 (x_i,y_i)，i＝1,2,...,n，表示第i组数据，其中y_i∈{+1，-1}；训练样本(x_i,y_i)通过SVM 工具箱中函数train-svm的计算，即可得到偏差b和拉格朗日系数α，从而得 出如下式的预测模型：

式中x_i为训练数据，i＝1,2,...,n,n为训练数据组数，x为待预测数据，K为 核函数，且训练数据与预测数据均为6维数据类型； 式中调整参数σ设为64.290；

步骤五：用历史数据训练好的预测模型进行刀闸二次回路故障预测，输出 为-1认为正常运行，若输出为+1认为存在故障，即可结合停电计划提前进行 故障排查。

在一较佳实施例中：在步骤四中，

通过超平面方程w·x+b＝0，将：训练样本(x_i,y_i)分为两类：

上式中，w是向量，支持向量机的最优超平面是一个使得分类边缘最大的 超平面，即使得最大，所以求解最优超平面，即目标函数为

上式应满足约束条件：y_i(w·x_i+b)-1≥0,i＝1,2,...,n。

根据拉格朗日对偶性原理，上述目标函数等效转换为

式中α为拉格朗日乘子，T是矩阵转子，其与w存在如下关系：

采用上述训练样本数据进行训练。

相较于现有技术，本发明的技术方案具备以下有益效果