[发明专利]基于海量监测数据的变电设备故障诊断方法

摘要

本发明公开了一种基于海量监测数据的变电设备故障诊断方法，包括：根据设备相互关联的监测信息，构造过程记忆矩阵D；对各个测点的测量值根据各自的极值进行归一化处理；构造故障判断模型，根据输入与输出监测量的残差确定变电设备是否发生故障；本发明有益效果：与基于神经网络技术的设备故障诊断系统相比，克服了当输入变量很多时，直接用神经网络来学习，需要很长的时间和庞大的学习样本，并且不能保证学习收敛性的缺点。同时该方法是一种无参数的建模方法，没有为模型假设任何函数，所以更具有精确性和实施的快速性。

主权项

一种基于海量监测数据的变电设备故障诊断方法，其特征是，包括：(1)假设设备有n个相互关联的监测信息，某一时刻的监测信息记为一个向量X(i)＝[x₁x₂...x_n]^T，在该过程或设备正常工作的时段内，在不同的工况运行下采集k个历史观测量，构造过程记忆矩阵D；其中，x₁x₂...x_n表示n个相互关联的监测信息；(2)对各个测点的监测信息值根据各自的极值进行归一化处理，使实际测量值映射到[01]区间；(3)构造故障判断模型，所述模型以观测向量X_in为输入，所述模型的输出监测量为Xout＝D*W＝w₁·X(1)+w₂·X(2)+...+w_k·X(k)；其中，D为过程记忆矩阵D，W为权值向量W＝[w₁w₂...w_n]^T；(4)根据输入与输出监测量的残差ε＝X_out‑X_in，确定变电设备是否发生故障；具体判断方法为：当|ε|≤δ时变电设备正常运行，当|ε|＞δ变电设备异常；δ为设定的阈值。