[发明专利]一种基于误差逆传播算法的断路器故障诊断方法

说明书

本发明涉及一种基于误差逆传播算法的断路器故障诊断方法，其包括以下步骤：提取故障诊断特征参量；建立并训练基于误差逆传播算法的神经网络故障诊断模型；利用训练好的诊断模型对待诊断断路器进行故障识别。本发明具有较高的计算精度与相对智能化的识别算法，能够为断路器故障诊断提供有效帮助。

技术领域

本发明属于电力设备技术领域，特别涉及一种基于误差逆传播算法的断路器故障诊断方法。

技术背景

断路器主要用于配电系统中，是电力生产、输送、传输中广泛应用的重要设备，其作用主要为关合、承载和开断正常回路电流，在规定时间内承载和开断异常回路电流，切断故障电路保障运行安全。断路器的可靠关合、运行与分断关乎整个配电系统的正常运行，因此，断路器工作的稳定性与可靠性至关重要。

在实际工作中，由于断路器在电力系统中的长期使用，随着其分合闸次数增多以及室外高温、高湿环境与生物影响，断路器电寿命与机械寿命将逐渐下降，操作故障将逐渐增多，不断影响电力系统稳定性以及现场操作运维人员人身安全。

目前对于断路器故障诊断方法虽然较多，但大多数都过于单一，仅依靠提取断路器分闸线圈电流信号中时间、电流等特征量作为特征参数进行比较评估。这种方法主要依靠的特征参数需要通过大量重复性实验得出，尤其当断路器型号较多时，工作量往往过于巨大且计算结果误差较高。

因此，开发一种计算精度高，算法更具智能化的断路器故障诊断方法对于提高断路器利用率与电力系统稳定性具有十分重要的意义。

发明内容

鉴于此，为了克服传统故障诊断方法计算准确率低、计算工作量大的缺点，本发明使用先进的机器学习思想，提取故障诊断特征参量(例如，断路器分合闸线圈电流信号特征参数，其可用于故障诊断)，并结合误差逆传播算法，提出了一种计算精度高，更具智能化的断路器故障诊断方法。

为实现上述发明目的，本发明采取以下技术方案：

一种基于误差逆传播算法的断路器故障诊断方法，该方法包括以下步骤：

步骤1：提取故障诊断特征参量；

步骤2：建立并训练基于误差逆传播算法的神经网络故障诊断模型；

步骤3：利用训练好的诊断模型对实际断路器进行故障识别。

较佳的，所述步骤1中，针对正常工作情况与不同故障情况下的断路器，采集多种情况下的断路器线圈分合闸电流信号，作为样本，并结合各类实际故障，提取每个样本下电流信号波形中多个时间特征量与电流特征量作为诊断特征参量。

较佳的，在所述步骤2中，结合断路器多种故障类型，建立基于误差逆传播算法的断路器故障诊断模型；其中，该步骤2具体包含如下步骤：

步骤2-1：根据步骤1中提取的多个诊断特征参量，建立特征向量；

步骤2-2：建立基于误差逆传播算法的神经网络故障诊断模型，建立一种拥有d个输入神经元、l个输出神经元、q个隐层神经元的神经网络故障诊断模型；

步骤2-3：使用误差逆传播算法训练上述建立的神经网络故障诊断模型。

较佳的，在步骤2-2中，所述神经网络故障诊断模型的建立过程具体包括如下步骤：

步骤2-2-1：根据步骤2-1中提取的特征向量建立训练集，所建立训练集如下：

其中，X_k作为输入特征向量，X_k∈R^d，即输入特征向量由d个属性描述，d由特征向量中特征参量数目决定；Y_k作为输出向量，Y_k∈R^l，即输出l维实值向量，l由断路器故障类型数目决定；m由样本数决定；