本發(fā)明涉及電力故障檢測(cè)，尤其涉及一種基于動(dòng)態(tài)加權(quán)的故障檢測(cè)方法、裝置、介質(zhì)及設(shè)備。

背景技術(shù)：

1、在現(xiàn)代電力系統(tǒng)中，氣體絕緣開(kāi)關(guān)設(shè)備隔離開(kāi)關(guān)扮演著至關(guān)重要的角色。它的主要功能是實(shí)現(xiàn)電氣隔離，從而確保電力系統(tǒng)的安全運(yùn)行。隨著電力系統(tǒng)的不斷發(fā)展和復(fù)雜化，氣體絕緣開(kāi)關(guān)設(shè)備隔離開(kāi)關(guān)的運(yùn)行環(huán)境變得愈發(fā)復(fù)雜，其故障檢測(cè)也面臨著越來(lái)越多的挑戰(zhàn)。

2、傳統(tǒng)的故障檢測(cè)方法在處理復(fù)雜多變的故障類(lèi)型時(shí)常常表現(xiàn)出明顯的局限性，無(wú)法適應(yīng)不斷變化的工況和環(huán)境。這些局限性主要體現(xiàn)在以下幾個(gè)方面：首先，傳統(tǒng)的單一模型故障檢測(cè)方法在處理多種故障類(lèi)型時(shí)表現(xiàn)出泛化能力有限的問(wèn)題。其次，單一模型在應(yīng)對(duì)復(fù)雜工況和多變環(huán)境時(shí)，魯棒性較差，難以實(shí)現(xiàn)穩(wěn)定、可靠的故障檢測(cè)。此外，傳統(tǒng)方法缺乏動(dòng)態(tài)調(diào)整和優(yōu)化模型權(quán)重的能力，無(wú)法實(shí)時(shí)適應(yīng)故障特征的變化，導(dǎo)致檢測(cè)準(zhǔn)確性受到限制。并且，傳統(tǒng)的集成學(xué)習(xí)方法在權(quán)重分配上缺乏靈活性，通常采用靜態(tài)權(quán)重分配策略，難以實(shí)時(shí)適應(yīng)故障特征的動(dòng)態(tài)變化。

技術(shù)實(shí)現(xiàn)思路

1、基于此，有必要針對(duì)上述問(wèn)題，提出了一種基于動(dòng)態(tài)加權(quán)的故障檢測(cè)方法、裝置、介質(zhì)及設(shè)備。

2、一種基于動(dòng)態(tài)加權(quán)的故障檢測(cè)方法，所述方法包括：

3、采集不同故障類(lèi)型下驅(qū)動(dòng)電機(jī)的功率信號(hào)。

4、根據(jù)所述不同故障類(lèi)型下驅(qū)動(dòng)電機(jī)的功率信號(hào)構(gòu)建對(duì)應(yīng)的基模型。

5、實(shí)時(shí)監(jiān)測(cè)各個(gè)所述基模型在所述不同故障類(lèi)型的特征向量上的性能指標(biāo)。

6、根據(jù)所述性能指標(biāo)確定自適應(yīng)遺傳因子。

7、根據(jù)所述自適應(yīng)遺傳因子和所述性能指標(biāo)，調(diào)整各個(gè)所述基模型的模型權(quán)重。

8、每個(gè)所述基模型通過(guò)當(dāng)前的所述功率信號(hào)輸出一個(gè)故障預(yù)測(cè)值，根據(jù)所述模型權(quán)重對(duì)每個(gè)所述基模型輸出的所述故障預(yù)測(cè)值進(jìn)行加權(quán)平均，獲取子集融合結(jié)果。

9、對(duì)所述子集融合結(jié)果進(jìn)行整體融合，獲取最終故障檢測(cè)結(jié)果。

10、其中，所述根據(jù)所述不同故障類(lèi)型下驅(qū)動(dòng)電機(jī)的功率信號(hào)構(gòu)建對(duì)應(yīng)的基模型，具體包括：

11、對(duì)所述不同故障類(lèi)型下驅(qū)動(dòng)電機(jī)的功率信號(hào)進(jìn)行預(yù)處理。

12、提取預(yù)處理后的所述功率信號(hào)的時(shí)間域、頻域和時(shí)頻域特征，將所述時(shí)間域、頻域和時(shí)頻域特征作為不同故障類(lèi)型的特征向量。

13、根據(jù)所述不同故障類(lèi)型的特征向量構(gòu)建對(duì)應(yīng)的基模型，并根據(jù)所述不同故障類(lèi)型的特征向量進(jìn)行所述基模型的訓(xùn)練。

14、其中，所述根據(jù)所述性能指標(biāo)確定自適應(yīng)遺傳因子，具體包括：

15、根據(jù)各個(gè)所述基模型在所述特征向量上的性能指標(biāo)設(shè)置初始性能閾值。

16、確定各個(gè)所述基模型在當(dāng)前時(shí)刻的所述性能指標(biāo)與所述初始性能閾值的比較情況。

17、若各個(gè)所述基模型在當(dāng)前時(shí)刻的所述性能指標(biāo)大于等于所述初始性能閾值，則根據(jù)所述性能指標(biāo)確定自適應(yīng)遺傳因子。

18、其中，所述若各個(gè)所述基模型在當(dāng)前時(shí)刻的所述性能指標(biāo)大于等于所述初始性能閾值，則根據(jù)所述性能指標(biāo)確定自適應(yīng)遺傳因子，具體包括：

19、根據(jù)確定自適應(yīng)遺傳因子，其中，βi(t)為第i個(gè)基模型在t時(shí)刻的自適應(yīng)遺忘因子，γ為調(diào)節(jié)參數(shù)，performancei(t)為第i個(gè)基模型在t時(shí)刻的性能指標(biāo)。

20、其中，所述根據(jù)所述自適應(yīng)遺傳因子和所述性能指標(biāo)，調(diào)整各個(gè)所述基模型的模型權(quán)重，具體包括：

21、根據(jù)調(diào)整所述基模型的模型權(quán)重，其中，wi(t+1)為第i個(gè)基模型在t+1時(shí)刻的模型權(quán)重，wi(t)是第i個(gè)基模型在t時(shí)刻的模型權(quán)重，n為正整數(shù)，performancei(t)為第i個(gè)基模型在t時(shí)刻的性能指標(biāo)，performancej(t)為第j個(gè)基模型在t時(shí)刻的性能指標(biāo)，wi(t)是第i個(gè)基模型在t時(shí)刻的模型權(quán)重。

22、其中，所述確定各個(gè)所述基模型在當(dāng)前時(shí)刻的所述性能指標(biāo)與初始性能閾值的比較情況，還具體包括：

23、若各個(gè)所述基模型在當(dāng)前時(shí)刻的所述性能指標(biāo)小于所述初始性能閾值，則根據(jù)所述性能指標(biāo)，對(duì)低于所述初始性能閾值的基模型進(jìn)行權(quán)重消減。

24、其中，所述每個(gè)所述基模型通過(guò)當(dāng)前的所述功率信號(hào)輸出一個(gè)故障預(yù)測(cè)值，根據(jù)所述模型權(quán)重對(duì)每個(gè)所述基模型輸出的所述故障預(yù)測(cè)值進(jìn)行加權(quán)平均，獲取子集融合結(jié)果，具體包括：

25、根據(jù)對(duì)每個(gè)所述基模型輸出的所述故障預(yù)測(cè)值進(jìn)行加權(quán)平均，獲取子集融合結(jié)果，其中，yk為子集融合結(jié)果，sk為基模型，yi為第i個(gè)基模型的故障預(yù)測(cè)值，wi為第i個(gè)基模型的模型權(quán)重。

26、其中，所述對(duì)所述子集融合結(jié)果進(jìn)行整體融合，獲取最終故障檢測(cè)結(jié)果，具體包括：

27、根據(jù)對(duì)所述子集融合結(jié)果進(jìn)行整體融合，獲取最終故障檢測(cè)結(jié)果，其中，y為最終故障檢測(cè)結(jié)果，yk為子集融合結(jié)果，wk為基模型的模型權(quán)重。

28、其中，所述對(duì)所述子集融合結(jié)果進(jìn)行整體融合，獲取最終故障檢測(cè)結(jié)果之后，還具體包括：

29、獲取各個(gè)所述基模型整體融合后的特征數(shù)據(jù)。

30、根據(jù)所述特征數(shù)據(jù)和所述不同故障類(lèi)型的特征向量構(gòu)建故障分類(lèi)模型。

31、所述故障分類(lèi)模型通過(guò)當(dāng)前的所述特征數(shù)據(jù)，確定故障類(lèi)型。

32、一種基于動(dòng)態(tài)加權(quán)的故障檢測(cè)系統(tǒng)，所述系統(tǒng)包括：

33、功率信號(hào)采集模塊，用于采集不同故障類(lèi)型下驅(qū)動(dòng)電機(jī)的功率信號(hào)。

34、基模型確定模塊，用于根據(jù)所述不同故障類(lèi)型下驅(qū)動(dòng)電機(jī)的功率信號(hào)構(gòu)建對(duì)應(yīng)的基模型。

35、性能指標(biāo)監(jiān)測(cè)模塊，用于實(shí)時(shí)監(jiān)測(cè)各個(gè)所述基模型在所述不同故障類(lèi)型的特征向量上的性能指標(biāo)。

36、自適應(yīng)遺傳因子確定模塊，用于根據(jù)所述性能指標(biāo)確定自適應(yīng)遺傳因子。

37、模型權(quán)重調(diào)整模塊，用于根據(jù)所述自適應(yīng)遺傳因子和所述性能指標(biāo)，調(diào)整各個(gè)所述基模型的模型權(quán)重。

38、子集融合結(jié)果獲取模塊，用于每個(gè)所述基模型通過(guò)當(dāng)前的所述功率信號(hào)輸出一個(gè)故障預(yù)測(cè)值，根據(jù)所述模型權(quán)重對(duì)每個(gè)所述基模型輸出的所述故障預(yù)測(cè)值進(jìn)行加權(quán)平均，獲取子集融合結(jié)果。

39、最終故障檢測(cè)結(jié)果獲取模塊，對(duì)所述子集融合結(jié)果進(jìn)行整體融合，獲取最終故障檢測(cè)結(jié)果。

40、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，使得所述處理器執(zhí)行如上所述方法的步驟。

41、一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被所述處理器執(zhí)行時(shí)，使得所述處理器執(zhí)行如上所述方法的步驟。

42、采用本發(fā)明實(shí)施例，具有如下有益效果：

43、本發(fā)明通過(guò)選擇多種基模型，使得每個(gè)基模型能夠擅長(zhǎng)于不同類(lèi)型的故障識(shí)別和檢測(cè)，充分利用不同基模型的優(yōu)點(diǎn)，彌補(bǔ)單一模型的不足，從而提高整體預(yù)測(cè)的準(zhǔn)確性。當(dāng)某個(gè)基模型在特定情況下表現(xiàn)不佳時(shí)，其他基模型可以提供補(bǔ)充信息，使得整體模型更加穩(wěn)健。進(jìn)一步地，引入自適應(yīng)遺傳因子，根據(jù)基模型在不同故障類(lèi)型下的性能指標(biāo)動(dòng)態(tài)調(diào)整各基模型的權(quán)重，使得整體模型能夠適應(yīng)實(shí)時(shí)變化的故障特征，將更多權(quán)重分配給在當(dāng)前故障類(lèi)型和實(shí)時(shí)數(shù)據(jù)下表現(xiàn)更優(yōu)異的基模型，從而提升故障檢測(cè)的整體準(zhǔn)確性和魯棒性。進(jìn)一步地，根據(jù)模型權(quán)重對(duì)每個(gè)基模型的故障預(yù)測(cè)值進(jìn)行加權(quán)平均，獲取子集融合結(jié)果，減少單一模型預(yù)測(cè)結(jié)果的偏差，使得子集融合結(jié)果更加穩(wěn)定可靠。最終，通過(guò)整體融合的過(guò)程將多個(gè)子集融合結(jié)果進(jìn)行綜合評(píng)估，從而得到更加全面和準(zhǔn)確的最終故障檢測(cè)結(jié)果。本發(fā)明通過(guò)多層次的融合過(guò)程，使得各個(gè)基模型能夠更準(zhǔn)確地識(shí)別故障類(lèi)型，提高故障檢測(cè)的精度。