【技术实现步骤摘要】
本专利技术属于断路器设备的开关安全性识别，具体而言，涉及一种断路器设备的可靠性诊断方法、介质及系统。
技术介绍
1、断路器是电力系统中的关键设备，其可靠性直接影响着电网的安全稳定运行。随着智能电网的快速发展，对断路器的可靠性和维护效率提出了更高的要求。传统的断路器维护方式主要依赖于定期检修和人工巡检，这种方式存在维护成本高、效率低、无法及时发现潜在故障等问题。
2、近年来，随着传感器技术、信号处理技术和人工智能技术的进步，基于状态监测的断路器故障诊断方法得到了广泛研究和应用。现有的断路器故障诊断方法主要包括基于振动信号分析、基于声音信号分析、基于电流信号分析等单一信号源的诊断方法。这些方法在一定程度上提高了断路器故障诊断的准确性和实时性，但仍存单一信号源的诊断方法难以全面反映断路器的运行状态，容易受到环境噪声和干扰的影响，导致安全识别结果不稳定。
技术实现思路
1、有鉴于此，本专利技术提供一种断路器设备的可靠性诊断方法、介质及系统，能够解决现有技术存在的单一信号源的诊断方法难以全面反映断路器的运行状态，容易受到环境噪声和干扰的影响，导致安全识别结果不稳定的技术问题。
2、本专利技术是这样实现的：
3、本专利技术的第一方面提供一种断路器设备的可靠性诊断方法，其中，包括以下步骤：
4、s10、连续获取断路器运行过程中的音频信号和振动信号；
5、s20、对所述音频信号进行短时傅里叶变换和自适应中值滤波，得到第一音频信号；对所述振
6、s30、对按照时间对齐的音频信号和振动信号采用预设的融合方程组进行融合得到融合信号，所述融合方程组包括加权平均融合方程、自适应滤波融合方程、小波系数融合方程、互相关融合方程、能量比融合方程、主成分分析融合方程；
7、s40、调整所述融合方程组的参数，得到多组融合信号；
8、s50、对所述多组融合信号分别进行特征提取，得到多组融合特征；
9、s60、利用遗传算法优化所述多组融合特征的权重，基于最小均方误差准则，利用所述多组融合特征计算最优融合特征；
10、s70、将所述最优融合特征输入到预先训练好的断路器机械故障诊断模型中，得到所述断路器的故障诊断结果；
11、s80、将所述故障诊断结果与预设的安全阈值进行比较，如果故障诊断结果超过安全阈值，则判定断路器存在潜在故障风险；如果故障诊断结果未超过安全阈值，则判定断路器处于正常工作状态；基于故障诊断结果和安全阈值的比较结果，计算断路器的可靠性，并输出。
12、其中，所述融合方程组中的每个方程，具体表示如下：
13、1.加权平均融合方程:
14、f(t)＝waa(t)+wvv(t)；
15、式中，f(t)为融合后的信号；a(t)为音频信号；v(t)为振动信号；wa和wv分别为音频和振动信号的权重,满足wa+wv＝1；权重可通过分析各信号的信噪比或能量来确定,也可以通过交叉验证等方法优化。
16、2.自适应滤波融合方程:
17、
18、式中，f(n)为融合后的离散时间信号；hξ(n)为自适应滤波器的系数；m为滤波器阶数；wa和wv为权重系数；滤波器系数可通过lms或rls等自适应算法更新:
19、hξ(n+1)＝hξ(n)+μe(n)x(n-ξ)；
20、其中μ为步长参数,e(n)为误差信号,x(n)为输入信号。
21、3.小波系数融合方程:
22、f＝w-1(φ(wa(a),wv(v)))；
23、式中，wa和wv分别表示对音频和振动信号的小波变换；w-1表示逆小波变换；φ为小波系数的融合函数,可以选择最大值、加权平均等:
24、
25、或
26、φ(ca,cv)＝waca+wvcv；
27、小波基函数和分解层数是可调参数。
28、4.互相关融合方程:
29、
30、或离散形式:
31、
32、其中n为互相关窗口大小,作为调整参数。
33、5.能量比融合方程:
34、
35、其中ea和ev分别为音频和振动信号的能量:
36、
37、可以选择不同的时间窗口计算局部能量比。
38、6.主成分分析融合方程:
39、
40、式中，[a,v]为将音频和振动信号组合成的矩阵；uk,σk,vk为[a,v]奇异值分解后取前k个主成分得到的矩阵；k为主成分数量,可作为调整参数。
41、进一步的，调整所述融合方程组的参数的方法具体包括:
42、1.定义参数向量：
43、θ＝[θ1,θ2,...,θn]
44、其中θi表示第i个需要调整的参数，n为参数总数。
45、2.定义目标函数：
46、
47、其中l为损失函数，yi为真实标签，为使用参数θ得到的预测结果，m为样本数量。
48、3.参数优化过程：
49、
50、其中，
51、其中θ*为最优参数组合，和分别为第i个参数的下界和上界。
52、4.迭代优化算法(以梯度下降为例)：
53、
54、其中t为迭代次数，α为学习率。
55、5.交叉验证：
56、
57、其中k为交叉验证的折数，jk(θ)为第k折的验证集上的目标函数值。
58、6.网格搜索：
59、
60、其中为第i个参数的候选值集合。
61、7.可选的，随机搜索：
62、
63、其中表示在区间上的均匀分布。
64、8.可选的，贝叶斯优化：
65、
66、其中ei为期望改进函数，为t次迭代后的观测数据集。
67、9.可选的，遗传算法：
68、θ(t:1)＝ga(θ(t),f,pc,pm)
69、其中ga表示遗传算法操作，f为适应度函数，pc为交叉概率，pm为变异概率。
70、10.可选的，粒子群优化：
71、
72、其中vi为粒子速度，w为惯性权重，c1和c2为加速常数，r1和r2为随机数，pi为粒子最佳位置，g为全局最佳位置。
73、最终得到融合方程的不同参数。
74、进一步的，所述断路器机械故障诊断模型的训练步骤，具体是：
75、建立训练数据集，具体是按照s10-s60的步骤，获取多组已知机械故障的断路器的最优融合特征；
76、模型训练，具体是建立一个多层感知机网络，并采用所述训练数据集进行训练，其中，训练的输入为每一组已知机械故障本文档来自技高网...
【技术保护点】
1.一种断路器设备的可靠性诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种断路器设备的可靠性诊断方法，其特征在于，所述加权平均融合方程，具体表示为：
3.根据权利要求2所述的一种断路器设备的可靠性诊断方法，其特征在于，所述自适应滤波融合方程，具体表示为：
4.根据权利要求3所述的一种断路器设备的可靠性诊断方法，其特征在于，所述小波系数融合方程，具体表示为：
5.根据权利要求4所述的一种断路器设备的可靠性诊断方法，其特征在于，所述互相关融合方程，具体表示为：
6.根据权利要求5所述的一种断路器设备的可靠性诊断方法，其特征在于，所述能量比融合方程，具体表示为：
7.根据权利要求6所述的一种断路器设备的可靠性诊断方法，其特征在于，所述主成分分析融合方程，具体表示为：
8.根据权利要求7所述的一种断路器设备的可靠性诊断方法，其特征在于，所述断路器机械故障诊断模型的训练步骤，具体是：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序指令，所述程序指令运
10.一种断路器设备的开关安全性识别系统，其特征在于，包含权利要求9所述的计算机可读存储介质。
...【技术特征摘要】
1.一种断路器设备的可靠性诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种断路器设备的可靠性诊断方法，其特征在于，所述加权平均融合方程，具体表示为：
3.根据权利要求2所述的一种断路器设备的可靠性诊断方法，其特征在于，所述自适应滤波融合方程，具体表示为：
4.根据权利要求3所述的一种断路器设备的可靠性诊断方法，其特征在于，所述小波系数融合方程，具体表示为：
5.根据权利要求4所述的一种断路器设备的可靠性诊断方法，其特征在于，所述互相关融合方程，具体表示为：
6.根据权利要求5所述的一种断路器设备的可靠性诊...
【专利技术属性】
技术研发人员：白金，周秀，王大玮，潘亮亮，田天，常文治，杨海涛，邵苠峰，陈江波，俞华，张广东，高婷玉，赵一昆，刘康，陈磊，谢一鸣，刘宏，陈青松，陈彪，包艳艳，李小伟，赵宏宝，岳利强，马宇坤，
申请(专利权)人：国网宁夏电力有限公司电力科学研究院，
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。