System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及电表检测,具体涉及一种电表箱运行状态实时检测方法。
技术介绍
1、电表箱是一种用于测量、监控和保护电能的装置,通常是由电表、电源开关、漏电保护器、继电器等组成,这些电力设备在运行过程中经受电、热、机械等作用和影响,长期工作会引起老化、疲劳,导致设备工作效率逐渐降低。且电表箱中的绝缘介质一旦被破坏,通常无法自动恢复,严重影响电力设备的运行情况。因此,对电表箱中电力设备进行必要的监测,保证其稳定运行,对电表箱内电力设备的安全性、电力系统运行的可靠性具有重要意义。监测电表在运行过程中输出功率的变化是一种有效的故障监测手段,能够及时发现和处理电表潜在的问题。
2、孤立森林算法是一种常用的异常数据检测算法,对各种类型的数据都有很好的适应性,并且能够快速地处理大规模数据集,对于实时监测电表箱运行状态的异常具有较大的优势,但是电表箱内电表的输出功率会受到电表箱内电力设备的工作温度以及环境温度的影响而出现正常的数据波动,如温度过高会导致电表箱内电力设备的电阻变化,进而影响功率的大小和稳定性,使得孤立森林算法容易将电表在正常运行时的正常数据波动识别为电表出现故障时产生的异常数据波动。
技术实现思路
1、为了解决上述技术问题,本申请的目的在于提供一种电表箱运行状态实时检测方法,所采用的技术方案具体如下:
2、本申请实施例提供了一种电表箱运行状态实时检测方法,该方法包括以下步骤:
3、采集电表箱内的电表在各采集时刻的输出功率和工作温度;
4、实现
5、(1)根据所有采集时刻的输出功率和工作温度,获取电表的输出功率数据序列、工作温度数据序列,分别获取工作温度数据序列和输出功率数据序列的各子序列,以及输出功率数据序列的各子序列的极大值序列、极小值序列;
6、(2)根据极大值序列和极小值序列中数据点的差异和数据点采集时刻的差异,构建输出功率数据序列的各子序列的瞬时波动平稳度;
7、(3)根据输出功率数据序列和工作温度数据序列的子序列中数据点的分布情况,以及所述各子序列的瞬时波动平稳度,构建输出功率数据序列的各子序列中各数据点的故障异常置信度;
8、(4)根据输出功率数据序列、工作温度数据序列和所述各数据点的故障异常置信度,对电表的运行状态进行故障监测。
9、在其中一种实施例中,所述电表的输出功率数据序列、工作温度数据序列、工作温度数据序列的各子序列、输出功率数据序列的各子序列和输出功率数据序列的各子序列的极大值序列、极小值序列的获取方法为:
10、将所有采集时刻的输出功率的归一化值按照采集时刻顺序组成电表的输出功率数据序列,针对工作温度,采用输出功率数据序列的计算方法,获取电表的工作温度数据序列;
11、采用突变点检测算法获取输出功率数据序列中各突变点,根据突变点将输出功率数据序列划分为各子序列,统计各子序列中数据点的最小采集时刻和最大采集时刻,根据各所述最小采集时刻和对应所述最大采集时刻对工作温度数据序列截取得到各子序列;
12、利用序列分解方法分别获取各子序列的趋势项数据序列、极大值序列和极小值序列。
13、在其中一种实施例中,所述利用序列分解方法分别获取各子序列的趋势项数据序列、极大值序列和极小值序列的方法为:
14、采用时间序列分解方法分别获取输出功率数据序列的各子序列的残差项数据序列和工作温度数据序列的各子序列的趋势项数据序列;
15、获取输出功率数据序列的各子序列的残差项数据序列的拟合曲线,将各所述拟合曲线的所有极大值点、极小值点分别按照采集时刻顺序,组成输出功率数据序列的各子序列的极大值序列、极小值序列。
16、在其中一种实施例中,所述瞬时波动平稳度的构建方法为:
17、根据极大值序列和极小值序列中数据点的差异构建输出功率数据序列的各子序列的波动程度平稳度;
18、根据极大值序列和极小值序列中数据点采集时刻的差异构建输出功率数据序列的各子序列的波动时长平稳度;
19、将输出功率数据序列的各子序列的波动程度平稳度和波动时长平稳度的乘积,作为输出功率数据序列的各子序列的瞬时波动平稳度。
20、在其中一种实施例中,所述波动程度平稳度的构建方法为:
21、计算输出功率数据序列的各子序列的极大值序列和极小值序列中,对应位置数据之间的差值绝对值,记为波动程度绝对值,计算输出功率数据序列的各子序列对应的任意两个所述波动程度绝对值之间的差异,记为波动程度差异,计算输出功率数据序列的各子序列对应的所有所述波动程度差异的平方的均值,记为波动程度均值,输出功率数据序列的各子序列的波动程度平稳度与对应所述波动程度均值成负相关性。
22、在其中一种实施例中,所述波动时长平稳度的构建方法为:
23、计算输出功率数据序列的各子序列的极大值序列和极小值序列中,对应位置数据的采集时刻之间的差值绝对值,记为波动时长绝对值,计算输出功率数据序列的各子序列对应的任意两个所述波动时长绝对值之间的差异,记为波动时长差异,计算输出功率数据序列的各子序列对应的所有所述波动时长差异的平方的均值,记为波动时长均值,输出功率数据序列的各子序列的波动时长平稳度与对应所述波动时长均值成负相关性。
24、在其中一种实施例中,所述故障异常置信度的构建方法为:
25、根据输出功率数据序列各子序列对应的工作温度数据序列子序列的相邻前一个子序列,构建输出功率数据序列的各子序列的温度影响因子;
26、根据输出功率数据序列和工作温度数据序列的相邻子序列中数据点的分布情况,以及输出功率数据序列的各子序列的温度影响因子和瞬时波动平稳度,构建输出功率数据序列的各子序列的故障影响指数;
27、计算输出功率数据序列的各子序列的残差项数据序列中,各数据点与其余所有数据点之间差值绝对值的均值,记为综合均值,计算各残差项数据序列中数据点总数与各数据点序号的差值,记为后位差值,统计各残差项数据序列中各数据点的序号与对应所述后位差值的最小值,输出功率数据序列的各子序列中各数据点的故障异常置信度分别与输出功率数据序列的各子序列的故障影响指数、输出功率数据序列的各子序列中各数据点对应所述综合均值、对应所述最小值成正相关性。
28、在其中一种实施例中,所述温度影响因子的构建方法为:
29、对于输出功率数据序列各子序列,针对与子序列对应的工作温度数据序列子序列的相邻前一个子序列,采用直线拟合方法得到所述相邻前一个子序列的趋势项数据序列的拟合直线,将所述拟合直线的斜率作为以自然常数为底数的指数函数的指数,计算所述相邻前一个子序列中所有数据点的均值,记为温度数据均值,输出功率数据序列的子序列的温度影响因子分别与所述温度数据均值、所述指数函数的计算结果成正相关性;
30、其中,在计算输出功率数据序列的第一个子序列的本文档来自技高网...
【技术保护点】
1.一种电表箱运行状态实时检测方法,其特征在于,该方法包括以下步骤:
2.如权利要求1所述的一种电表箱运行状态实时检测方法,其特征在于,所述电表的输出功率数据序列、工作温度数据序列、工作温度数据序列的各子序列、输出功率数据序列的各子序列和输出功率数据序列的各子序列的极大值序列、极小值序列的获取方法为:
3.如权利要求2所述的一种电表箱运行状态实时检测方法,其特征在于,所述利用序列分解方法分别获取各子序列的趋势项数据序列、极大值序列和极小值序列的方法为:
4.如权利要求1所述的一种电表箱运行状态实时检测方法,其特征在于,所述瞬时波动平稳度的构建方法为:
5.如权利要求4所述的一种电表箱运行状态实时检测方法,其特征在于,所述波动程度平稳度的构建方法为:
6.如权利要求4所述的一种电表箱运行状态实时检测方法,其特征在于,所述波动时长平稳度的构建方法为:
7.如权利要求2所述的一种电表箱运行状态实时检测方法,其特征在于,所述故障异常置信度的构建方法为:
8.如权利要求7所述的一种电表箱运行状态实时检测方法
9.如权利要求7所述的一种电表箱运行状态实时检测方法,其特征在于,所述故障影响指数的构建方法为:
10.如权利要求1所述的一种电表箱运行状态实时检测方法,其特征在于,所述对电表的运行状态进行故障监测,包括:
...【技术特征摘要】
1.一种电表箱运行状态实时检测方法,其特征在于,该方法包括以下步骤:
2.如权利要求1所述的一种电表箱运行状态实时检测方法,其特征在于,所述电表的输出功率数据序列、工作温度数据序列、工作温度数据序列的各子序列、输出功率数据序列的各子序列和输出功率数据序列的各子序列的极大值序列、极小值序列的获取方法为:
3.如权利要求2所述的一种电表箱运行状态实时检测方法,其特征在于,所述利用序列分解方法分别获取各子序列的趋势项数据序列、极大值序列和极小值序列的方法为:
4.如权利要求1所述的一种电表箱运行状态实时检测方法,其特征在于,所述瞬时波动平稳度的构建方法为:
5.如权利要求4所述的一种电表...
【专利技术属性】
技术研发人员:朱海杰,朱吕浦,朱吕汇,吴小白,南琼洁,程永福,
申请(专利权)人:浙江腾飞电器有限公司,
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。