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() 基于集员估计椭球域内切的故障分级诊断方法技术_技高网

基于集员估计椭球域内切的故障分级诊断方法技术

技术编号:44765365 阅读:2 留言:0更新日期:2025-03-26 12:47
本发明专利技术公开了基于集员估计椭球域内切的故障分级诊断方法,包括如下步骤:1、设计集员观测器,获取待诊断系统的状态量的预测估计集与估计集;2、采用椭球对预测估计集与估计集的外边界进行描述,通过预测估计集的椭球与估计集的椭球之间的相交情况得到两个集合的相交情况;3、在预测估计集的椭球与估计集的椭球的相交部分内作内切圆,并计算内切圆的面积;4、利用先验实验得到的大量数据采用机器学习方法确定故障分级判断的分级数量以及具体阈值。本发明专利技术针对系统中可能出现的各种类型、不同时间、不同地点的故障,相比于传统的基于集员估计方法的故障监测,不仅可以诊断故障是否发生,而且可以实现对故障严重等级的判断。

【技术实现步骤摘要】

本专利技术涉及控制系统的故障诊断,特别涉及基于集员估计椭球域内切的故障分级诊断方法


技术介绍

1、随着绿色能源的不断推广使用,光伏发电技术得到更为广泛的应用,同时也使得的故障检测问题得到深入关注。

2、故障检测,即利用被诊断系统运行中的各种状态信息和已有的各种知识进行信息的综合处理,最终得到有关系统运行状态和故障状况的综合评价的过程。通过故障诊断技术,可以实现对系统运行状况的监测,判断是否有故障发生,同时确定故障发生的时间、位置、大小和种类等情况。

3、对于而言,其动态特性往往表现在输出输入数据的变化之中,因此可以通过分析在线监测系统获得的大量运行数据实现对设备的实施评估和故障信息的实时检测。

4、对于系统的故障诊断问题,目前已有不少的研究成果,主要分为基于解析模型的方法和基于数据驱动的方法。首先,基于解析模型的故障诊断方法通过将被诊断对象的可测信息与模型表达的系统先验信息进行比较,从而产生残差,进一步对残差进行分析就可以实现故障诊断:在没有故障出现时残差等于零或近似为零;在系统出现故障时,残差应当显著偏离零点。利用该方法进行故障检测的前提条件是获得精确的系统数学模型,这对于实际电网系统具有一定的局限性。

5、而随着电网规模的不断扩大,数据驱动的方法被广泛应用,主要包括主成分分析法、偏最小二乘法、子空间辨识法等。子空间辨识法利用输入输出数据得到系统的空间状态模型,通过空间状态模型得到的预测值与实际值生成残差空间向量,对系统故障情况进行诊断。

6、近年来随着集员估计方法的不断发展和应用,其在故障诊断方面也提供了一定的研究成果。实际系统中由于参数不确定、扰动以及噪声的存在,使得准确的模型获取并不容易。而采用集员估计方法进行研究,对系统的扰动、噪声等的模型要求较低。现有的研究成果通过设计集员观测器获取系统状态量的预测集与估计集,判断两个集合是否相交来判断系统是否出现故障。

7、因此,在面对控制系统的设备故障诊断问题时,如何解决传统的检测方法主要停留在判断故障是否发生这一阶段,导致对系统故障的具体程度不作判断的问题成为本领域技术人员亟需解决的技术问题。


技术实现思路

1、有鉴于现有技术的上述缺陷,本专利技术提供基于集员估计椭球域内切的故障分级诊断方法,实现的目的是解决现有故障诊断方法通常需要准确的系统、扰动以及噪声等的数学模型,且计算量大、实时性较低,不利于实际系统的运行维护的问题。

2、为实现上述目的,本专利技术公开了基于集员估计椭球域内切的故障分级诊断方法,包括如下步骤:

3、步骤1、设计集员观测器,获取待诊断系统的状态量的预测估计集与估计集;

4、步骤2、采用椭球对所述预测估计集与所述估计集的外边界进行描述,通过所述预测估计集的椭球与所述估计集的椭球之间的相交情况得到两个集合的相交情况;

5、步骤3、在所述预测估计集的椭球与所述估计集的椭球的相交部分内作内切圆,并计算所述内切圆的面积;

6、步骤4、利用先验实验得到的大量数据采用机器学习方法确定故障分级判断的分级数量以及具体阈值。

7、优选的,在步骤1中,所述预测估计集的预测估计器具体如下:

8、

9、其中,表示系统输出电压数据y(t)的估计值;j表示待确定的所述预测估计器的参数;

10、则所述预测集为:

11、

12、所述估计集的量测估计器具体如下:

13、

14、其中,l1、l2和l3均为待确定的所述量测估计器的参数,y(t)为存在故障时系统的实际输出,假设故障存在时的系统输出电压基波数据描述如下:

15、y(t)=l1xf(t)+l2xp(t)+l3yp(t)+g(t);

16、其中g(t)表示系统故障;f表示未来时刻,p表示过去时刻,分别表示所获取到的系统过去时刻或未来时刻的输入输出数据;

17、当

18、则所述估计集为:

19、

20、优选的,在步骤4中,通过收集大量的先验数据结果,结合机器学习算法,确定所述待诊断系统的故障的分级数量m,

21、以及分级判断的各个阈值γk(k=1,2,...m);

22、当所述内切圆的面积大于等于γ1时,所述待诊断系统未出现故障情况;

23、当所述内切圆的面积小于γ1且大于等于γ2时,所述待诊断系统出现轻微故障;

24、当所述内切圆的面积小于γ2且大于γ3时,所述待诊断系统出现中等故障;

25、当所述内切圆的面积小于γ3且大于γ4时,所述待诊断系统出现严重故障。

26、本专利技术的有益效果:

27、本专利技术针对中可能出现的各种类型、不同时间、不同地点的故障,相比于传统的基于集员估计方法的故障监测,本专利技术不仅可以诊断故障是否发生,而且可以实现对故障严重等级的判断。

28、以下将结合附图对本专利技术的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本专利技术的目的、特征和效果。

本文档来自技高网...

【技术保护点】

1.基于集员估计椭球域内切的故障分级诊断方法;其特征在于,包括如下步骤:

2.根据权利要求1所述的基于集员估计椭球域内切的故障分级诊断方法,其特征在于,在步骤1中,所述预测估计集的预测估计器具体如下:

3.根据权利要求1所述的基于集员估计椭球域内切的故障分级诊断方法,其特征在于,在步骤4中,通过收集大量的先验数据结果,结合机器学习算法,确定待诊断系统的故障的分级数量m,

【技术特征摘要】

1.基于集员估计椭球域内切的故障分级诊断方法;其特征在于,包括如下步骤:

2.根据权利要求1所述的基于集员估计椭球域内切的故障分级诊断方法,其特征在于,在步骤1中,所述预测估计集的预测估...

【专利技术属性】
技术研发人员:薛开阳张哲徐立波
申请(专利权)人:上海电力设计院有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1