隔离开关的故障检测方法、装置、介质和设备与流程

本发明涉及故障检测，尤其是涉及一种隔离开关的故障检测方法、装置、介质和设备。

背景技术：

1、在高压隔离开关的运行过程中，驱动电机的机械特性往往会通过电气参数体现出来。然而，由于不同隔离开关的电机回路在电机设计和电路参数上存在差异，这导致同一故障引起的机械变化在不同电气参数上的反映程度并不相同,例如某一故障在某些隔离开关上更容易通过功率反映，而在另一些隔离开关上则更容易通过电流反映，而这就会影响故障检测的准确性。

技术实现思路

1、基于此，有必要提供隔离开关的故障检测方法、装置、介质和设备，以解决因同一故障引起的机械变化在不同电气参数上的反映程度并不相同，导致故障检测的准确性不足的问题。

2、一种隔离开关的故障检测方法，所述方法包括：

3、获取所述隔离开关预设的多个电气参数的历史数据，并对目标电气参数的历史数据进行非线性转换及累加处理，以得到对应的非线性累加数据；其中，所述目标电气参数为所述多个电气参数中的任意一个；

4、构建非线性多元灰色系统模型；其中，所述非线性多元灰色系统模型包括多个子模型，所述多个子模型的模型结构相同，每个子模型对应一个电气参数，所述非线性多元灰色系统模型用于描述所述多个电气参数间的非线性关系，不同子模型中电气参数的模型系数和偏置项不同；

5、根据所述目标电气参数的历史数据和非线性累加数据估计所述非线性多元灰色系统模型中所述目标电气参数的模型系数和偏置项；

6、基于所述目标电气参数的模型系数和偏置项构建参数预测模型，并基于所述参数预测模型获取所述目标电气参数的预测数据，以得到每个电气参数的预测数据；

7、获取所述隔离开关所述多个电气参数的实测数据，并计算每个电气参数的预测数据与实测数据之间的误差，若任一电气参数的误差大于对应电气参数预设的误差阈值，则判定所述隔离开关存在故障。

8、在其中一个实施例中，所述对目标电气参数的历史数据进行非线性转换及累加处理，表示为：

9、

10、上式中，表示k时刻第i个目标电气参数的历史数据；为时长t内的非线性累加数据；p为用于控制非线性复杂度的参数；α为调节周期性振荡的幅度参数；β为调节周期性振荡的频率参数。

11、在其中一个实施例中，所述非线性多元灰色系统模型中第i个电气参数的子模型，表示为：

12、

13、上式中，表示时长t内第i个目标电气参数的非线性累加数据；ai表示第i个目标电气参数的模型系数；bi表示第i个目标电气参数的偏置相；p为用于控制非线性复杂度的参数。

14、在其中一个实施例中，所述根据所述目标电气参数的历史数据和非线性累加数据估计所述非线性多元灰色系统模型中所述目标电气参数的模型系数和偏置项，表示为：

15、

16、上式中，ai表示第i个目标电气参数的模型系数；n1表示第i个目标电气参数的非线性累加数据的总数；表示第i个目标电气参数的第n个非线性累加数据；bi表示第i个目标电气参数的偏置相；n2表示第i个目标电气参数的历史数据的总数；表示第i个目标电气参数的第n个历史数据。

17、在其中一个实施例中，所述基于所述参数预测模型获取所述目标电气参数的预测数据，以得到每个电气参数的预测数据，表示为：

18、

19、上式中，表示时长t+1内第i个目标电气参数的非线性累加数据；表示第i个目标电气参数的第1个非线性累加数据；ai表示第i个目标电气参数的模型系数；bi表示第i个目标电气参数的偏置相；表示时长t内第i个目标电气参数的非线性累加数据；表示t+1时刻的预测数据。

20、在其中一个实施例中，所述计算每个电气参数的预测数据与实测数据之间的误差，表示为：

21、

22、上式中，ei(t)表示第i个目标电气参数的误差，xi,pred(t)表示第i个目标电气参数的预测数据；xi,real(t)表示第i个目标电气参数的实测数据；γ表示误差调节系数。

23、在其中一个实施例中，所述判定隔离开关存在故障之后，还包括：

24、若所述目标电气参数的误差大于对应预设的误差阈值，则根据所述目标电气参数的误差调整所述目标电气参数的模型系数，表示为：

25、

26、上式中，ai,new表示第i个目标电气参数更新后的模型系数；ai,old表示第i个目标电气参数更新前的模型系数；ei(t)表示第i个目标电气参数的误差；η表示学习率，用于控制参数更新的步长；α表示第i个目标电气参数非线性误差的灵敏度系数。

27、一种隔离开关的故障检测方法，所述装置包括：

28、数据获取模块，用于获取所述隔离开关预设的多个电气参数的历史数据，并对目标电气参数的历史数据进行非线性转换及累加处理，以得到对应的非线性累加数据；其中，所述目标电气参数为所述多个电气参数中的任意一个；

29、非线性多元灰色系统模型构建模块，用于构建非线性多元灰色系统模型；其中，所述非线性多元灰色系统模型包括多个子模型，所述多个子模型的模型结构相同，每个子模型对应一个电气参数，所述非线性多元灰色系统模型用于描述所述多个电气参数间的非线性关系，不同子模型中电气参数的模型系数和偏置项不同；根据所述目标电气参数的历史数据和非线性累加数据估计所述非线性多元灰色系统模型中所述目标电气参数的模型系数和偏置项；

30、预测模块，用于基于所述目标电气参数的模型系数和偏置项构建参数预测模型，并基于所述参数预测模型获取所述目标电气参数的预测数据，以得到每个电气参数的预测数据；

31、故障判断模块，用于获取所述隔离开关所述多个电气参数的实测数据，并计算每个电气参数的预测数据与实测数据之间的误差，若任一电气参数的误差大于对应电气参数预设的误差阈值，则判定所述隔离开关存在故障。

32、一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述隔离开关的故障检测方法的步骤。

33、一种隔离开关的故障检测设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述隔离开关的故障检测方法的步骤。

34、本发明提供了隔离开关的故障检测方法、装置、介质和设备，通过获取多个电气参数的历史数据，进行非线性转换及累加处理，构建包含多个子模型的非线性多元灰色系统模型，以描述各电气参数之间的复杂非线性关系。每个子模型对应一个电气参数，且有不同的模型系数和偏置项，这样能描述不同电气参数的参数特性差异，且能用于后续更精确地构建参数预测模型及预测目标电气参数的预测值，最后通过预测值与实测数据进行对比来判断是否存在故障。该方法的有益效果在于由于采用了非线性建模和多参数综合分析，能够更准确地捕捉电气参数间复杂的动态变化，从而显著提高故障诊断的精度。

技术特征：

1.一种隔离开关的故障检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述对目标电气参数的历史数据进行非线性转换及累加处理，表示为：

3.根据权利要求1所述的方法，其特征在于，所述非线性多元灰色系统模型中第i个电气参数的子模型，表示为：

4.根据权利要求1所述的方法，其特征在于，所述根据所述目标电气参数的历史数据和非线性累加数据估计所述非线性多元灰色系统模型中所述目标电气参数的模型系数和偏置项，表示为：

5.根据权利要求1所述的方法，其特征在于，所述基于所述参数预测模型获取所述目标电气参数的预测数据，以得到每个电气参数的预测数据，表示为：

6.根据权利要求1所述的方法，其特征在于，所述计算每个电气参数的预测数据与实测数据之间的误差，表示为：

7.根据权利要求1所述的方法，其特征在于，所述判定隔离开关存在故障之后，还包括：

8.一种隔离开关的故障检测方法，其特征在于，所述装置包括：

9.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。

10.一种隔离开关的故障检测设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。

技术总结
本发明公开了一种隔离开关的故障检测方法、装置、介质和设备，通过获取多个电气参数的历史数据，进行非线性转换及累加处理，构建包含多个子模型的非线性多元灰色系统模型，以描述各电气参数之间的复杂非线性关系。每个子模型对应一个电气参数，且有不同的模型系数和偏置项，这样能描述不同电气参数的参数特性差异，且能用于后续更精确地构建参数预测模型及预测目标电气参数的预测值，最后通过预测值与实测数据进行对比来判断是否存在故障。该方法的有益效果在于由于采用了非线性建模和多参数综合分析，能够更准确地捕捉电气参数间复杂的动态变化，从而显著提高故障诊断的精度。

技术研发人员：何顺,钱国超,周仿荣,和晓辉
受保护的技术使用者：云南电网有限责任公司电力科学研究院
技术研发日：
技术公布日：2025/1/6