【技术实现步骤摘要】
本专利技术属于电力故障诊断，特别涉及基于sdp与cnn的消能装置配套的光纤电流互感器故障诊断方法。
技术介绍
1、近年来，特高压直流输电工程凭借其输送电压等级高、传送功率大、电能损失少等优点，成为远距离输电跨区域电能输送的重要手段。目前，我国已建成的几十个特高压工程中就包含直流输电工程十几个，江苏境内已有包括锡泰、雁淮、锦苏、政平等多个工程的换流站建设落地，直流输电工程已成为江苏电网的重要组成部分。白鹤滩-江苏±800kv特高压虞城站工程中首次研制并即将装备两条技术路线的可控自恢复消能装置新技术装备，其设备可靠、安全运行将决定白鹤滩水电工程的外送功率负荷。
2、白鹤滩-江苏±800kv特高压直流输电工程的两套可控自恢复消能装置本体采用多柱避雷器，避雷器本身参考电压较高，因此实时监测多柱串并避雷器状态尤为重要。为实现对避雷器中矮片的监视，将避雷器分为14组安装，每组避雷器配置一台支路光学电流互感器(bct)，通过监测电流精确识别避雷器故障成为现场运检单位安排计划性停运或临时性停运的重要依据。同时研制厂家为节约成本，分支光学电流互感器(bct)采用单传感环配置，无冗余测量通道配置，因此需要研究如何结合分支电流互感器和汇流电流互感器的运行状态识别，判别光ct是否正常，以保障消能装置的安全运行。由于foct长期运行在变电站强电磁干扰和高低温等复杂环境中，其敏感环和采集器中光电子器件特性会逐渐劣化，甚至出现故障。随着foct工程应用数量的增多，不断暴露出可靠性与稳定性较差，故障率较高的问题。在实际工作中，光纤电流互感器会遭受到
3、近年来，随着人工智能的发展，基于特征提取和数据驱动的智能诊断方法进一步推动了故障诊断技术的发展。特征提取主要采用时域和频域两类。对于平稳信号，常见的时域统计方法主要包括均方根、平均值、峭度、波峰值等系数，频域分析主要是以快速傅里叶变换(fast fourier transform,fft)为主的能够提取信号频率特征的方法。对于非平稳信号，短时傅里叶变换、小波分析、小波包分解等时频分析方法更为常见。以上基于时域、频域特征提取的方法对于适用信号数据有其局限性且提取到的特征有限。图像数据可以丰富特征提取量，且泛化性更好。
4、基于数据的机器学习是人工智能领域的重要内容，被广泛运用在设备智能诊断中。目前，神经网络、支持向量机等机器学习算法被广泛用于诊断网络的建立，在对系统的故障辨识和故障诊断等方面都取得了良好效果。其中sdp-cnn是一种较好的、常用的智能故障诊断方法。但是仍然存在多特征难以融合、cnn模型梯度爆炸和梯度损失、模型过拟合以及神经网络提取特征过于单一等缺点。
5、现有技术中，公开号：cn111239672b、名称：“基于机器学习算法的光纤电流互感器渐变性故障预测方法”的专利文献，实现光纤电流互感器故障诊断。采用的技术方案包括：对光纤电流互感器渐变故障劣化期间内的输出信号进行采样，并根据工况对采集的信号进行状态划分；提取采样信号中的故障信号，构成故障序列；构建基于lstm的故障信号预测模型；采用构建的故障序列对故障信号预测模型进行训练；利用svm算法，以采样信号中故障信号的均值、工频信号的均值和所述光纤电流互感器的工作额定电流构成的向量为输入，以采样信号的工况状态为输出，训练故障分类模型；以时刻t的预测故障信号、t-1时刻的工频信号、待预测的光纤电流互感器的工作额定电流构成的向量为故障分类模型的输入,得到时刻t的预测故障类型。
6、公开号：cn115267638a、名称：“光纤电流互感器的故障诊断方法、故障诊断装置”采用的技术方案包括：获取所述光纤电流互感器的光源监测数据并进行预处理后，将所述光源监测数据分为训练集、测试集和验证集；对所述光源监测数据进行特征提取；根据训练集和测试集提取的特征对svm故障诊断模型进行训练；根据验证集提取的特征对所述svm故障诊断模型的准确率进行测试；根据测试结果的准确率获取最终的svm故障诊断模型；根据所述最终的svm故障诊断模型对所述光纤电流互感器进行故障诊断。
7、但是，svm模型需要针对多种故障类型采用多分类故障诊断模型，即对于k种类别故障需要构建k-1个分类器，同时分类误差会不断叠加，导致诊断进度下降。
技术实现思路
1、本专利技术的目的在于克服现有技术中的不足，提供一种基于sdp-cnn的消能装置光纤电流互感器故障诊断方法及装置，对配套的各个光纤电流互感器运行数据进行提取后，利用pca方法进行特征筛选，再使用sdp算法将时序特征转化为图像特征，进一步设计一个卷积神经网络故障诊断模型，提高了光纤电流互感器故障诊断精度。
2、为实现上述目的，本专利技术采取的技术方案是：
3、第一方面，本专利技术提供一种基于sdp-cnn的消能装置光纤电流互感器故障诊断方法，包括以下步骤：
4、数据采集，获取待检测故障的消能装置光纤电流互感器的运行监测数据信息；
5、故障特征提取，利用pca方法对所述运行监测数据信息进行降维，提取前六个维度的故障特征信息；
6、利用sdp算法，将提取到的故障特征信息转换为sdp图像数据；
7、将所述sdp图像数据输入训练好的cnn神经网络模型，得到待检测故障的消能装置光纤电流互感器的故障类别；所述cnn神经网络模型输入是sdp图像数据，输出为消能装置光纤电流互感器的故障类别。
8、进一步的，所述cnn神经网络模型的训练方法包括：
9、采集消能装置光纤电流互感器在正常工况和各种故障状态下的运行数据；
10、对采集到的数据进行pca分析，提取重要特征作为故障特征信息；
11、利用sdp算法，将经过pca方法提取到的故障特征信息转换为sdp图像数据；
12、将sdp图像数据作为cnn神经网络的输入数据；将输入数据分为训练集和测试集，对模型进行训练，得到训练好的模型用于最终的故障诊断。
13、进一步的，采集消能装置光纤电流互感器在正常工况和各种故障状态下的运行数据，包括：
14、通过使用各类传感器采集在正常工况时和不同故障工况时的运行监测数据信息，采样频率为1hz；
15、所述故障工况包括发生电流衰减、温控电阻阻值偏移、耦合失效和芯片静电击穿；
16、所述运行监测数据信息包括光模块温度、sld温度、sld光功率、tec电压、电流平均值。
17、进一步的，对采集到的数据进行pca分析，提取重要特征作为sdp图像本文档来自技高网...
【技术保护点】
1.一种基于SDP-CNN的消能装置光纤电流互感器故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于SDP-CNN的消能装置光纤电流互感器故障诊断方法，其特征在于，所述CNN神经网络模型的训练方法包括：
3.根据权利要求2所述的基于SDP-CNN的消能装置光纤电流互感器故障诊断方法，其特征在于，采集消能装置光纤电流互感器在正常工况和各种故障状态下的运行数据，包括：
4.根据权利要求2所述的基于SDP-CNN的消能装置光纤电流互感器故障诊断方法，其特征在于，对采集到的数据进行PCA分析，提取重要特征作为SDP图像的原始数据，包括：
5.根据权利要求2所述的基于SDP-CNN的消能装置光纤电流互感器故障诊断方法，其特征在于，利用SDP算法，将经过PCA方法提取到的故障特征信息转换为SDP图像数据，包括：
6.根据权利要求2所述的基于SDP-CNN的消能装置光纤电流互感器故障诊断方法，其特征在于，将SDP图像数据作为CNN神经网络的输入数据；将输入数据分为训练集和测试集，对模型进行训练，包括：
8.根据权利要求1所述的基于SDP-CNN的消能装置光纤电流互感器故障诊断方法，其特征在于，将所述SDP图像数据输入训练好的CNN神经网络模型，得到待检测故障的消能装置光纤电流互感器的故障类别，包括：
9.一种基于SDP-CNN的消能装置光纤电流互感器故障诊断装置，其特征在于，包括：
10.一种基于SDP-CNN的消能装置光纤电流互感器故障诊断装置，其特征在于，包括处理器及存储介质；
...【技术特征摘要】
1.一种基于sdp-cnn的消能装置光纤电流互感器故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于sdp-cnn的消能装置光纤电流互感器故障诊断方法，其特征在于，所述cnn神经网络模型的训练方法包括：
3.根据权利要求2所述的基于sdp-cnn的消能装置光纤电流互感器故障诊断方法，其特征在于，采集消能装置光纤电流互感器在正常工况和各种故障状态下的运行数据，包括：
4.根据权利要求2所述的基于sdp-cnn的消能装置光纤电流互感器故障诊断方法，其特征在于，对采集到的数据进行pca分析，提取重要特征作为sdp图像的原始数据，包括：
5.根据权利要求2所述的基于sdp-cnn的消能装置光纤电流互感器故障诊断方法，其特征在于，利用sdp算法，将经过pca方法提取到的故障特征信息转换为sdp图像数据，包括：
6.根据权利要求2所述的基于sdp-c...
【专利技术属性】
技术研发人员：王树刚，许建刚，谢天喜，冯轩，何茂慧，陈轩，朱超，何露芽，沙浩源，邓凯，韩学春，甘强，许卫刚，
申请(专利权)人：国网江苏省电力有限公司超高压分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。