[发明专利]基于多通道卷积神经网络的阀冷系统故障诊断方法及装置

说明书

本发明公开一种基于多通道卷积神经网络的阀冷系统故障诊断方法及装置，获取故障时间段阀冷控保装置录波信息、后台事件，进行数据处理，构建基于阀冷系统故障信息的数据集；将所述数据集划分为训练集和测试集；构建多通道卷积神经网络模型，采用训练集对其进行训练，得到训练后的多通道卷积神经网络模型，然后采用测试集对所述训练后的多通道卷积神经网络模型进行验证评价，得到最终的多通道卷积神经网络模型；保存所述最终的多通道卷积神经网络模型模型，待具体诊断时复用该模型，对待测数据进行故障诊断分类。此种技术方案解决了当前故障诊断主要依靠人工判别的现状，减小了运维成本，能够提高换流站阀冷系统故障检测的效率以及准确率。

技术领域

本发明属于电力系统领域，具体涉及一种采用多通道卷积神经网络，用于换流阀冷却系统故障诊断的方法及装置。

背景技术

随着我国经济实力、国民生活水平的提高，用电需求也急剧升高，因此特高压直流输电工程因运而生。其中，换流阀是实现高压交直流电能转换的核心设备，其冷却能力则是影响高压直流输电系统安全可靠运行的重要因素。因而，当阀冷系统出现故障时，高效识别阀冷系统故障，准确定位故障部件，可以有效缩短检修时间，提升运维效率。

目前，主要采用人工手段进行阀冷系统的故障诊断。运维人员通过后台故障事件以及阀冷控制保护装置产生的波形信息，结合现场观测情况，进行故障原因判断，从而定位故障部件。该方法增加了运维成本，其准确率高度依赖运维人员的经验及知识储备。

在所述背景技术部分公开的上述信息仅用于加强对本申请的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明的目的，在于提供一种基于多通道卷积神经网络的阀冷系统故障诊断方法及装置，解决了当前故障诊断主要依靠人工判别的现状，减小了运维成本，提高换流站阀冷系统故障检测的效率以及准确率。

为了达成上述目的，本发明的解决方案是：

一种基于多通道卷积神经网络的阀冷系统故障诊断方法，包括如下步骤：

步骤1，获取故障时间段阀冷控保装置录波信息、后台事件，进行数据处理，构建基于阀冷系统故障信息的数据集；

步骤2，将所述数据集划分为训练集和测试集；

步骤3，构建多通道卷积神经网络模型，采用训练集对其进行训练，得到训练后的多通道卷积神经网络模型，然后采用测试集对所述训练后的多通道卷积神经网络模型进行验证评价，得到最终的多通道卷积神经网络模型；

步骤4，保存所述最终的多通道卷积神经网络模型模型，待具体诊断时复用该模型，对待测数据进行故障诊断分类。

上述步骤1中，故障信息包括但不限于进阀温度、出阀温度、外冷回水温度、主循环流量、缓冲罐液位、进阀压力、出阀压力、主循环电导率。

上述步骤1中，获取故障时间段阀冷控保装置后台事件，包括通过控保后台筛选出故障前后阀冷控制保护主机上送的一段时间、一定数量的报警出现事件。

上述步骤1中，进行数据处理，包括，

对于波形信息，采用分段提取的方式进行信息提取，即故障发生时刻前后短时间内采用高采样率，远离故障发生时刻采用低采样率；

对于后台事件，进行独热编码处理，将每条报警事件转化成数字向量，从而将文字转换为向量计算；

将阀冷系统故障原因分类并进行编号，对每个样本的故障原因添加标签形成标注数据集。

上述步骤3中，构建的多通道卷积神经网络模型，包括输入层、卷积池化层、融合层、全连接层、softmax层、输出层，其中，每次卷积层和池化层操作之后都进行ReLU非线性激活函数操作。