[发明专利]有载分接开关的故障诊断模型建立方法及故障诊断方法

说明书

本发明公开了一种有载分接开关的故障诊断模型建立方法及故障诊断方法，属于电力技术领域，包括：对已知故障类型的有载分接开关进行S(S为大于1的整数)路振动信号的同步测量，并通过SPWVD时频分析将各路振动信号转换为时频谱，连同对应的故障类型构成数据集；建立多通道卷积神经网络，包括S个通道、特征融合模块和故障诊断模块；S个通道分别用于对S路振动信号的时频谱进行特征提取，得到S个特征向量；特征融合模块用于对S个特征向量进行融合；故障诊断模块用于根据融合后的特征向量预测各类故障出现的概率；利用数据集对多通道卷积神经网络进行训练，得到有载分接开关故障诊断模型。本发明能够提高有载分接开关的故障诊断精度。

技术领域

本发明属于电力技术领域，更具体地，涉及有载分接开关的故障诊断模型建立方法及故障诊断方法。

背景技术

随着国民经济的高速发展，电力用户对电量的需求和电能质量的要求日益增长，保障电网的安全稳定运行至关重要。在电力系统中，有载调压变压器中的有载分接开关(onload tap changer，OLTC)起到了稳定电压水平、调节无功潮流、增强电网灵活性的关键作用。然而，由于电力系统电压调控的需求，OLTC长期处于频繁切换状态，极易发生故障，并会引起变压器事故，一旦OLTC因故障而切换失败，将导致电压大幅波动、电力传输中断等严重后果。因此，通过准确高效的故障诊断方法识别OLTC发生的故障，确保其正常可靠地进行切换操作，对于保证电力系统的安全稳定运行具有十分重要的现实意义。

中国专利CN201611014853.6中公开了一种基于多参量的有载分接开关故障监测方法，该方法对有载分接开关振动信号进行分析，利用相空间重构技术，计算相点平均几何距离求取分布系数，并通过单通道下的模糊集隶属函数，实现有载分接开关故障种类的识别。中国专利CN201811587620.4公布了一种有载分接开关在线监测故障诊断方法，该方法通过K均值聚类算法对相空间中的相点进行聚类，并计算簇中心矢量和的模与矢量夹角来识别故障。上述有载分接开关的故障诊断方法均是对单路通道的振动信号进行处理和分析，不能全面反映有载分接开关的振动情况；且分析方法是基于混沌理论的相空间重构，其物理意义不明确。

中国专利CN202110541475.1中公开了一种基于时频特征的变压器有载分接开关故障识别方法，其建立分接开关振动信号的仿真模型，将分接开关振动信号分解为多个瞬时非平稳衰减的振动子波信号后进行稀疏重构和降噪；利用小波包时频谱提取进行降噪后的各所述振动子波信号的时频特征向量，并基于该时频特征向量完成故障诊断。该方法虽然提取了振动信号的时频特征，但是由于其所采用的小波包时频提取的方式，仅适用于处理线性信号，而OLTC的振动信号具有非线性、非平稳的特性，故该方法所提取的时频特征并不能很好地反映OLTC的故障情况，基于该时频特征进行故障诊断的准确性，仍然有待进一步地提高。

发明内容

针对现有技术的缺陷和改进需求，本发明提供了一种有载分接开关的故障诊断模型建立方法及故障诊断方法，其目的在于，提高有载分接开关的故障诊断精度。

为实现上述目的，按照本发明的一个方面，提供了一种有载分接开关故障诊断模型建立方法，包括：

对已知故障类型的有载分接开关进行S路振动信号的同步测量，并通过SPWVD时频分析将测量得到的每一路振动信号转换为时频谱，由时频谱和对应的故障类型构成数据集；S为大于1的整数；

建立多通道卷积神经网络；多通道卷积神经网络包括S个通道、特征融合模块和故障诊断模块；S个通道分别以S路振动信号的时频谱为输入，用于对各时频谱进行特征提取，得到S个特征向量；特征融合模块以S个通道输出的特征向量为输入，用于对S个特征向量进行融合，得到融合后的特征向量；故障诊断模块以特征融合模块输出的融合后的特征向量为输入，用于预测各类故障出现的概率；

以数据集中的时频谱为输入信息，以对应的故障类型为标签信息，利用数据集对多通道卷积神经网络进行训练，在训练结束后，得到有载分接开关故障诊断模型。