一种断路器数字孪生体构建方法

1.本公开属于电力设备故障诊断、物联网技术、人工智能算法交叉领域，具体涉及一种断路器数字孪生体构建方法。


背景技术：

2.大数据、传感器与人工智能技术正在让电力设备运行状态检测和辅助检修的手段——智能状态监测技术快速地发展。中高压断路器作为电力系统中实现承载、开断正常回路电流并能在规定的时间内开断故障电流开关装置，为电力系统的输电和配电环节的稳定性提供了重要的保障，因而在电力设备故障诊断、智能在线监测和预测性维修领域受到了广泛的关注。然而，由于当前电力行业中断路器的在线感知数据积累严重不足且数据处理难度较大，且学界提出的断路器故障诊断模型大多是基于离线模拟实验数据进行构建的，这样的取舍也就导致了得到的模型在实际落地应用时效果较差。但是，若要开展“断路器开断兆瓦级负荷”的带载试验，必须同时满足高电压和大电流的条件，这需要价格高昂的配套设备；并且改进断路器离线故障诊断模型需要大量的数据作为支撑，而数百次甚至数千次的断路器带载开断试验会对严重影响地区电网的稳定性，且不具有经济性和可操作性。
3.数字孪生是指针对物理世界中的物体，通过数字化的手段构建一个在数字世界中一模一样的虚拟实体，以此来实现对物理实体的设计优化、分析预测和响应控制。随着物联网技术、计算机辅助设计与仿真技术、人工智能和虚拟现实技术的不断发展，更多的工业产品和设备被赋予了智能的特征，而数字孪生的概念也逐渐被应用到设备设计、设备制造、设备使用与维修、设备回收等完整的产品全生命周期阶段。


技术实现要素：

4.针对现有技术中的不足，本公开的目的在于提供一种断路器数字孪生体构建方法，基于该方法构建的孪生体能够模拟断路器的实际工况在线试验，能够获得大量接近真实的数据改善数据驱动模型的算法质量。
5.为实现上述目的，本公开提供以下技术方案：
6.一种断路器数字孪生体构建方法，包括如下步骤：
7.s100：构建断路器多域物理仿真模型；
8.s200：构建断路器数据驱动模型；
9.s300：将断路器实体与多域耦合物理仿真模型及数据驱动模型进行动态交互和实时优化，以获得断路器的数字孪生体。
10.优选的，步骤s100中，所述断路器多域物理仿真模型包括：断路器的三维结构仿真模型、断路器机电系统的仿真模型、断路器控制回路的仿真模型和断路器绝缘结构的仿真模型。
11.优选的，步骤s200中，所述断路器数据驱动模型包括机电系统故障诊断模型和断
路器剩余使用寿命预测模型。
12.优选的，所述机电系统故障诊断模型的构建包括以下步骤：
13.s201：基于断路器本体搭建试验平台，以模拟断路器的不同运行状态；
14.s202：基于试验平台对断路器在不同运行状态下进行分合闸操作，同时收集相应的操动线圈电流信号和动铁芯直线行程位移信号；
15.s203：对不同运行状态下的操动线圈电流信号和动铁芯直线行程位移信号分别进行数据预处理，并从预处理后的信号中分别提取时域特征，对时域特征进行组合，以获得不同运行状态下的特征向量；
16.s204：将特征向量和其对应的运行状态作为特征标签集；
17.s205：将特征标签集划分为训练集和测试集，利用训练集训练机电系统故障诊断模型，并利用测试集对模型进行测试，若测试准确率超过90％，则机电系统故障诊断模型构建完成；否则调整参数重新对模型进行训练。
18.优选的，所述断路器剩余使用寿命预测模型的构建包括以下步骤：
19.s2001：向断路器主回路套管涂抹一定等值盐密、不可溶解污物用灰密度、湿度的人工污秽物；
20.s2002：在断路器主回路两端施加恒定的额定电压，并收集泄露电流信号和高频电流传感器信号；
21.s2003：更改试验变量，重复执行步骤s2001和步骤s2002，获得含有与不同试验变量对应的泄露电流信号和高频电流传感器信号的数据集，直至主回路套管发生污闪时终止；
22.s2004：提取数据集中泄露电流信号和高频电流传感器信号的特征量；
23.s2005：对特征量进行筛选，以获得断路器剩余使用寿命预测模型的变量，对变量进行拟合，即完成模型构建。
24.本公开还提供一种断路器数字孪生体构建装置，包括：
25.第一构建模块，用于构建断路器多域物理仿真模型；
26.第二构建模块，用于构建断路器数据驱动模型；
27.交互优化模块，用于将断路器实体与多域耦合物理仿真模型及数据驱动模型进行动态交互和实时优化，以获得断路器的数字孪生体。
28.优选的，所述第二构建模块包括：
29.第一构建子模块，用于构建机电系统故障诊断模型；
30.第二构建子模块，用于构建断路器剩余使用寿命预测模型。
31.本公开还提供一种存储介质，其中存储有多条指令，所述指令适于由处理器加载并执行：
32.构建断路器多域物理仿真模型；
33.构建断路器数据驱动模型；
34.将断路器实体与多域耦合物理仿真模型及数据驱动模型进行动态交互和实时优化，以获得断路器的数字孪生体。
35.与现有技术相比，本公开带来的有益效果为：基于此数字孪生体，可以开展众多现实中难以开展的研究，比如使用概率仿真模型模拟现场无法开展的各种复杂故障条件，得
到信号特征，存入历史数据库，供设备实际投入运行时检索数据；根据有限的、容易布置的、传感器信号数据及历史数据库等直接数据，通过物理仿真和机器学习的耦合模型，间接监测难以感知的信息，实现“虚拟传感器”的效果；模拟断路器的实际工况在线试验，极大降低试验成本，获得大量接近真实的数据改善数据驱动模型的算法质量，有利于人工智能模型的落地应用。
附图说明
36.图1是本公开一个实施例提供的一种断路器数字孪生体构建方法的流程图；
37.图2是本公开另一个实施例提供的断路器物理仿真模型的结构示意图；
38.图3是本公开另一个实施例提供的断路器数据驱动模型的构建示意图；
39.图4是本公开另一个实施例提供的断路器实体与其数字孪生体的交互示意图。
具体实施方式
40.下面将参照附图1至图4详细地描述本公开的具体实施例。虽然附图中显示了本公开的具体实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
41.需要说明的是，在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解，技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异作为区分组件的方式，而是以组件在功能上的差异作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语，故应解释成“包含但不限定于”。说明书后续描述为实施本公开的较佳实施方式，然所述描述乃以说明书的一般原则为目的，并非用以限定本公开的范围。本公开的保护范围当视所附权利要求所界定者为准。
42.为便于对本公开实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明，且各个附图并不构成对本公开实施例的限定。
43.一个实施例中，如图1所示，本公开提出一种断路器数字孪生体的构建方法，包括如下步骤：
44.s100：构建断路器多域物理仿真模型；
45.该步骤中，如图2所示，首先根据断路器的实际结构参数，基于 solidworks软件构建断路器的三维结构模型并保存为模型文件，并将模型文件导入matlab中，再借助simulink simscape multibody模块库构建断路器的三维结构模型；依据断路器永磁操动机构的结构参数，使用ansys maxwell软件进行断路器机电系统的仿真，与 matlab simulink相结合可以得到断路器机电系统的仿真模型；依据断路器的控制回路设计，基于matlab simulink中的stateflow模块库构建断路器控制回路的仿真模型；依据断路器绝缘结构和绝缘材料参数，通过comsol软件则可以实现断路器的绝缘套管、绝缘拉杆的材料状态演化模型和机械结构的应力有限元模型。
46.以上构建的断路器三维结构模型、机电系统仿真模型、控制回路仿真模型以及绝缘结构仿真模型即构成了断路器的多域物理仿真模型。
47.s200：构建断路器数据驱动模型；
48.该步骤中，构建的断路器数据驱动模型主要包含：机电系统故障诊断模型和断路器剩余使用寿命预测模型。机电系统故障诊断模型主要针对断路器的电路结构和机械结构，主要基于大量的离线故障模拟试验收集到的数据来建立；剩余使用寿命预测模型主要针对断路器的绝缘结构，需要长时间通电试验下绝缘结构的外特性信号及其特征数据。
49.s300：将断路器实体与多域耦合物理仿真模型及数据驱动模型进行动态交互和实时优化，以获得断路器的数字孪生体。
50.上述实施例构成了本公开的完整技术方案。本实施例所构建的系统级物理仿真模型考虑到多物理领域仿真模型之间的耦合，从模型建立就综合分析多领域、深层次的物理机理，并且使用人工智能模型解决系统方程自由度多、时间尺度和耦合范围具有差异性的技术难点，实现多物理模型的深度融合。
51.进一步的，通过构建断路器数字孪生体，可实现对于断路器的超现实状态表征和建模。基于断路器数字孪生体，可模拟断路器的复杂故障运行状态、模拟在线开断试验设置破坏性试验，得到断路器在极端运行状态下的物理特性和运行特性，形成断路器故障特征数据库和全寿命周期数据库，为断路器预测性维修算法的开发提供大数据基础。例如，考虑到经济性和地区电网的稳定性，在实际中不会开展大规模的容量为兆瓦级别的断路器带载开断试验，往往会采用离线故障模拟试验进行替代，而后者和实际运行状态有所差距。断路器数字孪生体中的多域物理仿真模型能够模拟断路器开断时电学与力学的关系，能够获得断路器开断不同容量负荷时的操动线圈电流等信号数据。再例如，出于对安全性的考虑，在实际的离线故障模拟试验中，试验人员不会设计组合故障，只会模拟单一故障状态，而由单一故障状态的信号特征组成的数据库所训练的故障诊断模型无法有效识别组合故障。而使用断路器数字孪生体可以方便地模拟组合故障，并形成组合故障特征数据库并训练故障诊断模型，进而有效识别断路器真实的故障状态。
52.另一个实施例中，如图3所示，所述机电系统故障诊断模型的构建包括以下步骤：
53.s201：基于断路器本体搭建试验平台，以模拟断路器的不同运行状态，运行状态包括正常运行状态、电气故障状态和机械故障状态；
54.该步骤中，所述试验平台包括断路器实体、控制器、信号采集系统和上位机。根据断路器的物理结构，人工设置不同类型和不同程度的故障状态，由上位机向控制器下发动作指令，进而控制断路器开断。信号采集系统收集断路器动作时的试验数据，并上传到上位机中，然后在labview软件中进行展示，同时调用matlab程序对信号进行特征处理和后续工作。
55.s202：基于试验平台对断路器在不同运行状态下进行分合闸操作，同时收集相应的操动线圈电流信号和动铁芯直线行程位移信号；
56.s203：对不同运行状态下的操动线圈电流信号和动铁芯直线行程位移信号分别进行数据预处理，并从预处理后的信号中分别提取时域特征，对时域特征进行组合，以获得不同运行状态下的特征向量；
57.该步骤中，对操动线圈电流信号和动铁芯直线行程位移信号通过以下步骤进行数据预处理：从信号数据接收侧到真实物理量之间的转换(可采用现有的线性插值算法)、异常值处理(异常值包括+inf值、
ꢀ‑
inf值和nan值等，可采用现有的移动均值算法进行处理)
和数据平滑处理(可采用现有的局部线性回归算法)。通过预处理，可以消除信号中的噪声，便于开展后续的特征提取过程。
58.进一步的，从预处理后的操动线圈电流信号中提取到的时域特征包括：第一波峰电流值、波谷电流值、第二波峰电流值、铁芯出动时长、铁芯运动时长、触头运动时长、电弧切断时长、总时长。从预处理后的动铁芯直线行程位移信号中提取到的时域特征包括：触头开距、超行程、总行程、合(分)闸时间、平均合(分)闸速度、全开距平均合(分)闸速度。
59.再进一步的，将上述时域特征按照规定顺序拼接为一个特征向量。
60.s204：将特征向量和其对应的运行状态作为特征标签集；
61.该步骤中，示例性的，所述特征标签集如表1所示：
[0062][0063]
s205：将特征标签集划分为训练集和测试集，利用训练集训练机电系统故障诊断模型，并利用测试集测试模型效果，若模型测试准确率超过90％，则机电系统故障诊断模型构建完成；否则调整参数重新对模型进行训练。
[0064]
该步骤中，机电系统故障诊断模型采用全连接神经网络模型，该神经网络具有一层输入层(14个神经元)，两层隐藏层(29个和15 个神经元)，一层输入层(7个神经元)。输入层和隐藏层神经元的激活函数为sigmoid函数，表示为：
[0065]
[0066]
输出层的激活函数为softmax函数，表示为：
[0067][0068]
其中，zi表示第i种故障分类，zj表示神经网络输出层第j个神经元的输出值，m表示故障分类的总数。
[0069]
另一个实施例中，所述断路器剩余使用寿命预测模型的构建包括以下步骤：
[0070]
s2001：根据标准gb/t 4585-2004《交流系统用高压绝缘子的人工污秽试验》人工污秽试验平台，向断路器主回路套管涂抹一定等值盐密、不可溶解污物用灰密度、湿度的人工污秽物；
[0071]
s2002：在断路器主回路两端施加恒定的额定电压，并收集泄露电流信号和高频电流传感器信号；
[0072]
s2003：更改试验变量，重复执行步骤s2001和步骤s2002，获得含有与不同变量参数对应的泄露电流信号和高频电流传感器信号的数据集，直至主回路套管发生污闪时终止；
[0073]
s2004：数据集中的每条试验数据由试验序号、试验时间、试验变量和传感器特征量组成，其中，试验变量包括esdd值、nsdd值、湿度；传感器特征量分别从泄露电流信号和高频电流传感器信号中提取。泄露电流信号特征量包括：时域有效值、超阈值脉冲数、超阈值脉冲时长、频域基波占比、三次谐波占比、五次谐波占比、波形畸变率；高频电流传感器信号特征量包括：最大放电幅值、平均放电幅值、最大脉冲数、平均脉冲数、脉冲幅值方差、脉冲时延方差、偏斜度、陡峭度、局部峰个数、时延威布尔形状、时延布尔尺度、幅值不对称度。
[0074]
s2005：基于试验变量，使用k-means聚类方法进行聚类，并根据聚类中心点对每条试验数据进行分类和标准化。之后分析每个特征量随时间的变化趋势，选取随时间变化最为明显的特征量作为断路器剩余使用寿命预测模型的变量，并拟合变量和时间之间的函数关系，即完成模型构建。
[0075]
该步骤中，变量随时间变化的曲线需满足如下所示的指数累积模型：
[0076][0077]
其中，表示截距，为常数项；θ和β为待拟合的随机变量，决定了模型的斜率，其中θ服从对数正态分布，β服从高斯分布；ε为噪声项，服从n(0，σ2)。
[0078]
此外，所述的将断路器实体与多域耦合物理仿真模型及数据驱动模型进行动态交互和实时优化，本公开结合图4并通过以下具体实施例进行示例性说明。
[0079]
例如，断路器的操动回路电流在理论上服从下述公式：
[0080][0081]
其中，u为操动电压；r为操动回路电阻；l0为起始电感，该电感值由电磁铁的有限元分析模型获得，与实际值的差距较大，而l0在实际中难以测量。因此，可以在实验室中控制断路器操动回路的电阻值r一定，在断路器动作时，收集到操动线圈电流信号，采用最小二乘拟合法对l0进行参数估计，与现有仿真模型的l0值进行比较，从而修改优化仿真模型。
[0082]
另一个实施例中，本公开还提供一种断路器数字孪生体构建装置，包括：
[0083]
第一构建模块，用于构建断路器多域物理仿真模型；
[0084]
第二构建模块，用于构建断路器数据驱动模型；
[0085]
交互优化模块，用于将断路器实体与多域耦合物理仿真模型及数据驱动模型进行动态交互和实时优化，以获得断路器的数字孪生体。
[0086]
另一个实施例中，所述第二构建模块包括：
[0087]
第一构建子模块，用于构建机电系统故障诊断模型；
[0088]
第二构建子模块，用于构建断路器剩余使用寿命预测模型。
[0089]
另一个实施例中，本公开还提供一种存储介质，其中存储有多条指令，所述指令适于由处理器加载并执行：
[0090]
构建断路器多域物理仿真模型；
[0091]
构建断路器数据驱动模型；
[0092]
将断路器实体与多域耦合物理仿真模型及数据驱动模型进行动态交互和实时优化，以获得断路器的数字孪生体。
[0093]
上述实施例只为说明本公开的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本公开的内容并据以实施，并不能以此限制本公开的保护范围。凡根据本公开精神实质所作的等效变化或修饰，都应涵盖在本公开的保护范围之内。