一种基于混合智能算法的柱上开关成套设备健康状态评估方法及装置制造方法及图纸

本发明专利技术公开了一种基于混合智能算法的柱上开关成套设备健康状态评估方法及装置，其中的方法包括：首先采集柱上开关成套设备的样本数据，其中，样本数据包括柱上开关成套设备的在线运行信息、离线信息、台本信息、历史故障信息；然后对采集的样本数据进行转化与清洗；接着将进行转化与清洗后的样本数据作为训练数据，建立SVR、BPNN、ELM单一智能算法健康状态评估模型，并根据各个单一智能算法健康状态评估模型的预测结果，建立混合智能算法健康状态评估模型；最后利用混合智能算法健康状态评估模型对待评估设备进行状态评估。本发明专利技术可以在保证模型的客观性和准确度的基础上，提升了计算效率，提高了柱上开关成套设备健康状态评估的科学性及合理性。

A Hybrid Intelligent Algorithms-Based Health Assessment Method and Device for On-Column Switching Equipment

【技术实现步骤摘要】
一种基于混合智能算法的柱上开关成套设备健康状态评估方法及装置
本专利技术涉及配电设备健康状态评估
，具体涉及一种基于混合智能算法的柱上开关成套设备健康状态评估方法及装置。
技术介绍
配电网的信息化、智能化、网络化和集成化方向发展，使配电网结构呈现出越来越复杂的特点，对产品环保、安全、便捷方面的要求越来越高，供电企业对于配电设备的可靠性的要求也越来越高。柱上开关成套设备是配电网中应用最为广泛且非常重要的电气设备，其安全性和可靠性关系到国民生产生活及经济、社会的稳定，直接影响用电客户的满意度。现阶段，对柱上开关成套设备的管理模式较为粗放，柱上开关成套设备故障类型的系统详细的统计分析尚较为匮乏，绝大部分柱上开关成套设备的故障诊断预测及事后检修，仍处于被动局面。若柱上开关成套设备长期工作在高温、高压、潮湿的恶劣环境下，极易发生各种各样的故障，造成严重事故，破坏电力系统的安全稳定性。结合当前柱上开关成套设备存在机械容易卡涩、凝露、遥信抖动、易受干扰现象和环境耐受能力差等问题，配电自动化建设与推广，亟需对柱上开关成套设备的可靠性进行研究，以加快推进配电网自动化工作进度。现有技术中，针对配电设备健康状态评估的方法，通常是对变压器进行评估，综合变压器状态信息，确定数据模型，并对数据进行分层，深入挖掘特征量与故障之间的内在联系，为检修者提供有效的决策支持。部分学者提出了基于神经网络与D-S证据理论相结合的分层式信息整合的变压器健康状态评估方法。少数针对配电开关健康状态评估模型，是由福州大学、重庆大学提出，分别将数学上的模糊综合理论应用于真空断路器开断寿命、SF6高压断路器状态评判上，从健康状态评估的需要及实际可操作性出发，选择累计电磨损程度、累计开断次数、使用年数、预防性试验中的时间参量、速度特性、导电回路电阻、绝缘介质的主要参数、以及其他如工作环境、外观情况、维修记录等因素，作为高压断路器模糊综合评判模型的评判因素。本申请专利技术人在实施本专利技术的过程中，发现现有技术的方法，至少存在如下技术问题：目前研究大多根据配电网设备各种状态量，选择评价因素以及确定评价权重，基于模糊数学、层次分析法等方法来建立配电网设备状态评估模型，为设备健康状态进行综合评分。虽然取得了一定的成果，但还不够完善，主要表现在判断因素的分类合理性、权重分配的确定、未考虑控制器运行参数等方面。由此可知，现有技术中的方法存在准确性不高的技术问题。
技术实现思路
有鉴于此，本专利技术提供了一种基于混合智能算法的柱上开关成套设备健康状态评估方法及装置，用以解决或者至少部分解决现有技术中的方法存在的准确性不高的技术问题。本专利技术第一方面提供了一种基于混合智能算法的柱上开关成套设备健康状态评估方法，包括：步骤S1：采集柱上开关成套设备的样本数据，其中，样本数据包括柱上开关成套设备的在线运行信息、离线信息、台本信息、历史故障信息；步骤S2：对采集的样本数据进行转化与清洗；步骤S3：将进行转化与清洗后的样本数据作为训练数据，建立SVR、BPNN、ELM单一智能算法健康状态评估模型，并根据各个单一智能算法健康状态评估模型的预测结果，建立混合智能算法健康状态评估模型；步骤S4：利用混合智能算法健康状态评估模型对待评估设备进行状态评估。在一种实施方式中，步骤S1中，采集柱上开关成套设备的样本数据采用状态量和特征值进行描述，其中，状态量为柱上开关成套设备的组成部件的状态的参数，特征值为柱上开关成套设备的组成部件的特征参数，且根据样本数据的来源以及数据更新时间，将状态量分为静态参数、动态参数、准动态参数以及外部参数。在一种实施方式中，步骤S2具体包括：采用公式(1)对采集的样本数据进行标准化处理：X*＝(x-xmin)/(xmax-xmin)(4)其中，X*为标准化后的变量；x为原始变量的值；xmin和xmax分别为原始变量中的最小及最大值，将所有超过阈值不合格的特征量根据阈值转换为布尔型0-1量，1表示正常项目，0代表异常项目。在一种实施方式中，步骤S3中，根据各个单一智能算法健康状态评估模型的预测结果，建立混合智能算法健康状态评估模型，包括：根据各个单一智能算法健康状态评估模型的预测结果，计算出三种单一智能算法健康状态评估模型的标准差；分别依据三种单一智能算法健康状态评估模型的标准差，计算出对应的权重；基于对应的权重，采用不等权组合中的拟合优度法对三种智能模型进行组合，建立混合智能算法健康状态评估模型。在一种实施方式中，混合智能算法健康状态评估模型为：其中，Wk为各单一智能算法健康状态评估模型的权重，满足式(3)的约束；为第k个预测模型；L为模型的总数；其中，采用的不等权组合中的拟合优度法中，权重表达式为公式(4)：式(4)中，SEk表示第k个预测模型的标准差，表达式为：式(5)中，j为测试集数据序号，N为测试集数据总量；yj为第j个数据的标签值，f(xj)为第j个数据的预测值，即预测结果。在一种实施方式中，所述方法还包括：采用第k个预测模型的平均绝对误差对混合智能算法健康状态评估模型进行优化：采用第k个预测模型的平均绝对误差MAEk替代权重SEk，新的混合模型为：其中，式中，j为测试集数据序号；N为测试集数据总量；yj为第j个数据的标签值；f(xj)为第j个数据的预测值。在一种实施方式中，步骤S4具体包括：将待评估设备的设备信息进行转化与清洗后输入步骤S3中建立的混合智能算法健康状态评估模型中，获得状态评估结果。在一种实施方式中，在步骤S3之后，所述方法还包括：采用预设指标对建立的混合智能算法健康状态评估模型进行评价基于同样的专利技术构思，本专利技术第二方面提供了一种基于混合智能算法的柱上开关成套设备健康状态评估装置，包括：样本数据采集模块，用于采集柱上开关成套设备的样本数据，其中，样本数据包括柱上开关成套设备的在线运行信息、离线信息、台本信息、历史故障信息；数据转化与清洗模块，用于对采集的样本数据进行转化与清洗；混合智能算法健康状态评估模型建立模块，用于将进行转化与清洗后的样本数据作为训练数据，建立SVR、BPNN、ELM单一智能算法健康状态评估模型，并根据各个单一智能算法健康状态评估模型的预测结果，建立混合智能算法健康状态评估模型；状态评估模块，用于用混合智能算法健康状态评估模型对待评估设备进行状态评估。在一种实施方式中，混合智能算法健康状态评估模型建立模块具体用于：根据各个单一智能算法健康状态评估模型的预测结果，计算出三种单一智能算法健康状态评估模型的标准差；分别依据三种单一智能算法健康状态评估模型的标准差，计算出对应的权重；基于对应的权重，采用不等权组合中的拟合优度法对三种智能模型进行组合，建立混合智能算法健康状态评估模型。本申请实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：本专利技术提供的一种基于混合智能算法的柱上开关成套设备健康状态评估方法，首先采集柱上开关成套设备的样本数据，并对采集的样本数据进行转化与清洗；然后将进行转化与清洗后的数据作为数据样本，建立SVR、BPNN、ELM单一智能算法健康状态评估模型，并根据各个单一智能算法健康状态评估模型的预测结果，建立混合智能算法健康状态评估模型；再利用混合智能算法健康状态评估模型对待评估设备进行状态评估本文档来自技高网...

【技术保护点】
1.一种基于混合智能算法的柱上开关成套设备健康状态评估方法，其特征在于，包括：步骤S1：采集柱上开关成套设备的样本数据，其中，样本数据包括柱上开关成套设备的在线运行信息、离线信息、台本信息、历史故障信息；步骤S2：对采集的样本数据进行转化与清洗；步骤S3：将进行转化与清洗后的样本数据作为训练数据，建立SVR、BPNN、ELM单一智能算法健康状态评估模型，并根据各个单一智能算法健康状态评估模型的预测结果，建立混合智能算法健康状态评估模型；步骤S4：利用混合智能算法健康状态评估模型对待评估设备进行状态评估。

【技术特征摘要】
1.一种基于混合智能算法的柱上开关成套设备健康状态评估方法，其特征在于，包括：步骤S1：采集柱上开关成套设备的样本数据，其中，样本数据包括柱上开关成套设备的在线运行信息、离线信息、台本信息、历史故障信息；步骤S2：对采集的样本数据进行转化与清洗；步骤S3：将进行转化与清洗后的样本数据作为训练数据，建立SVR、BPNN、ELM单一智能算法健康状态评估模型，并根据各个单一智能算法健康状态评估模型的预测结果，建立混合智能算法健康状态评估模型；步骤S4：利用混合智能算法健康状态评估模型对待评估设备进行状态评估。2.如权利要求1所述的方法，其特征在于，步骤S1中，采集柱上开关成套设备的样本数据采用状态量和特征值进行描述，其中，状态量为柱上开关成套设备的组成部件的状态的参数，特征值为柱上开关成套设备的组成部件的特征参数，且根据样本数据的来源以及数据更新时间，将状态量分为静态参数、动态参数、准动态参数以及外部参数。3.如权利要求2所述的方法，其特征在于，步骤S2具体包括：采用公式(1)对采集的样本数据进行标准化处理：X*＝(x-xmin)/(xmax-xmin)(1)其中，X*为标准化后的变量；x为原始变量的值；xmin和xmax分别为原始变量中的最小及最大值，将所有超过阈值不合格的特征量根据阈值转换为布尔型0-1量，1表示正常项目，0代表异常项目。4.如权利要求1所述的方法，其特征在于，步骤S3中，根据各个单一智能算法健康状态评估模型的预测结果，建立混合智能算法健康状态评估模型，包括：根据各个单一智能算法健康状态评估模型的预测结果，计算出三种单一智能算法健康状态评估模型的标准差；分别依据三种单一智能算法健康状态评估模型的标准差，计算出对应的权重；基于对应的权重，采用不等权组合中的拟合优度法对三种智能模型进行组合，建立混合智能算法健康状态评估模型。5.如权利要求4所述的方法，其特征在于，混合智能算法健康状态评估模型为：其中，Wk为各单一智能算法健康状态评估模型的权重，满足式(3)的约束；为第k个预测模型；L为模型的总数；其中，采用的不等权...

【专利技术属性】
技术研发人员：侯慧，崔戎舰，曾金媛，唐爱红，唐金锐，吴细秀，李维波，邓翔天，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北,42