本發(fā)明屬于電力檢測(cè)設(shè)備，尤其涉及一種基于多源信息融合聲紋信號(hào)的開關(guān)放電檢測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、敞式開關(guān)在電力系統(tǒng)中具有重要作用，能夠有效隔離電路及電氣設(shè)備，確保在設(shè)備維護(hù)、檢修或發(fā)生故障時(shí)，相關(guān)部分能夠被安全地隔離，從而防止意外觸電事故的發(fā)生。隨著電力系統(tǒng)的不斷發(fā)展和對(duì)設(shè)備性能要求的提高，開發(fā)敞式開關(guān)檢測(cè)技術(shù)變得尤為必要。準(zhǔn)確的檢測(cè)技術(shù)能夠預(yù)防敞式開關(guān)的潛在故障，及時(shí)發(fā)現(xiàn)并處理可能的問(wèn)題，從而提高電力系統(tǒng)的安全性。通過(guò)實(shí)時(shí)監(jiān)測(cè)敞式開關(guān)的狀態(tài)，可以優(yōu)化電力系統(tǒng)的運(yùn)行，減少不必要的停機(jī)或切換操作，提高供電的可靠性和穩(wěn)定性。此外，檢測(cè)技術(shù)還能夠降低運(yùn)營(yíng)成本，通過(guò)及時(shí)發(fā)現(xiàn)并修復(fù)潛在問(wèn)題，延長(zhǎng)敞式開關(guān)的使用壽命，減少維護(hù)成本。在智能電網(wǎng)的背景下，對(duì)電力系統(tǒng)設(shè)備的監(jiān)測(cè)和控制要求越來(lái)越高。開發(fā)敞式開關(guān)檢測(cè)技術(shù)可以適應(yīng)這一趨勢(shì)，實(shí)現(xiàn)對(duì)電力系統(tǒng)設(shè)備的遠(yuǎn)程監(jiān)測(cè)和智能控制。同時(shí)，隨著電力負(fù)荷的增長(zhǎng)，電力系統(tǒng)對(duì)設(shè)備的可靠性和安全性要求也越來(lái)越高。選擇開關(guān)觸頭電阻變大引起的發(fā)熱導(dǎo)致?lián)p壞、選擇開關(guān)和切換開關(guān)配合不當(dāng)、齒輪盒卡澀、水平連桿緊固螺栓松動(dòng)和觸頭磨損等故障可以分為電氣故障和機(jī)械故障。其中存在很多電氣故障是由于機(jī)械部件的退化變形引發(fā)的接觸不良造成的。因此，研究提升開發(fā)敞式開關(guān)檢測(cè)技術(shù)可以確保電力系統(tǒng)在面臨高負(fù)荷時(shí)仍能穩(wěn)定運(yùn)行，滿足不斷增長(zhǎng)的電力需求。基于聲紋信號(hào)的檢測(cè)技術(shù)，具有非接觸式、不停電的特點(diǎn)，本發(fā)明使用聲紋信號(hào)結(jié)合其他運(yùn)行工況信息，綜合診斷敞式開關(guān)狀態(tài)，相較于單一信息源，具備更高的可行度。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種基于多源信息融合聲紋信號(hào)的開關(guān)放電檢測(cè)方法及系統(tǒng)，用于解決由于機(jī)械部件的退化變形引發(fā)的接觸不良造成的電氣故障技術(shù)問(wèn)題。

2、第一方面，本發(fā)明提供一種基于多源信息融合聲紋信號(hào)的開關(guān)放電檢測(cè)方法，包括：

3、獲取敞式開關(guān)的多源數(shù)據(jù)，所述多源數(shù)據(jù)包括電壓數(shù)據(jù)、電流數(shù)據(jù)、溫度數(shù)據(jù)以及聲振信號(hào)；

4、對(duì)所述聲振信號(hào)進(jìn)行預(yù)處理，得到聲振重構(gòu)信號(hào)，并根據(jù)優(yōu)化后的mckd算法對(duì)所述聲振重構(gòu)信號(hào)進(jìn)行特征提取，得到聲振重構(gòu)信號(hào)特征；

5、構(gòu)建cnn-lstm故障辨識(shí)模型，并引入注意力機(jī)制，將所述聲振重構(gòu)信號(hào)特征結(jié)合所述電壓數(shù)據(jù)、所述電流數(shù)據(jù)和所述溫度數(shù)據(jù)輸入cnn-lstm故障辨識(shí)模型中進(jìn)行特征分類，使用softmax激活函數(shù)根據(jù)分類后的特征得到故障類型。

6、第二方面，本發(fā)明提供一種基于多源信息融合聲紋信號(hào)的開關(guān)放電檢測(cè)系統(tǒng)，包括：

7、獲取模塊，配置為獲取敞式開關(guān)的多源數(shù)據(jù)，所述多源數(shù)據(jù)包括電壓數(shù)據(jù)、電流數(shù)據(jù)、溫度數(shù)據(jù)以及聲振信號(hào)；

8、提取模塊，配置為對(duì)所述聲振信號(hào)進(jìn)行預(yù)處理，得到聲振重構(gòu)信號(hào)，并根據(jù)優(yōu)化后的mckd算法對(duì)所述聲振重構(gòu)信號(hào)進(jìn)行特征提取，得到聲振重構(gòu)信號(hào)特征；

9、分類模塊，配置為構(gòu)建cnn-lstm故障辨識(shí)模型，并引入注意力機(jī)制，將所述聲振重構(gòu)信號(hào)特征結(jié)合所述電壓數(shù)據(jù)、所述電流數(shù)據(jù)和所述溫度數(shù)據(jù)輸入cnn-lstm故障辨識(shí)模型中進(jìn)行特征分類，使用softmax激活函數(shù)根據(jù)分類后的特征得到故障類型。

10、第三方面，提供一種電子設(shè)備，其包括：至少一個(gè)處理器，以及與所述至少一個(gè)處理器通信連接的存儲(chǔ)器，其中，所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的指令，所述指令被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行本發(fā)明任一實(shí)施例的基于多源信息融合聲紋信號(hào)的開關(guān)放電檢測(cè)方法的步驟。

11、第四方面，本發(fā)明還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述程序指令被處理器執(zhí)行時(shí)，使所述處理器執(zhí)行本發(fā)明任一實(shí)施例的基于多源信息融合聲紋信號(hào)的開關(guān)放電檢測(cè)方法的步驟。

12、本申請(qǐng)的基于多源信息融合聲紋信號(hào)的開關(guān)放電檢測(cè)方法及系統(tǒng)，通過(guò)結(jié)合聲紋信號(hào)蘊(yùn)含的豐富頻率信息以及振動(dòng)信號(hào)更加直接反映設(shè)備的機(jī)械狀態(tài)的特點(diǎn)，綜合其他運(yùn)行參量之間的互補(bǔ)性，能夠更加全面了解設(shè)備的運(yùn)行狀態(tài)；通過(guò)采用改進(jìn)斑馬優(yōu)化算法優(yōu)化mckd算法的參數(shù)，能夠有效的提升mckd算法對(duì)于缺陷信號(hào)的敏感程度；通過(guò)結(jié)合卷積神經(jīng)網(wǎng)絡(luò)和長(zhǎng)短基記憶網(wǎng)絡(luò)的各自特點(diǎn)，有效的提取聲紋信號(hào)中存在的缺陷信息，達(dá)到對(duì)敞式開關(guān)狀態(tài)的準(zhǔn)確診斷。

技術(shù)特征：

1.一種基于多源信息融合聲紋信號(hào)的開關(guān)放電檢測(cè)方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種基于多源信息融合聲紋信號(hào)的開關(guān)放電檢測(cè)方法，其特征在于，所述將所述聲振重構(gòu)信號(hào)特征結(jié)合所述電壓數(shù)據(jù)、所述電流數(shù)據(jù)和所述溫度數(shù)據(jù)輸入cnn-lstm故障辨識(shí)模型中進(jìn)行特征分類包括：

3.根據(jù)權(quán)利要求1所述的一種基于多源信息融合聲紋信號(hào)的開關(guān)放電檢測(cè)方法，其特征在于，所述對(duì)所述聲振信號(hào)進(jìn)行預(yù)處理，得到聲振重構(gòu)信號(hào)包括：

4.根據(jù)權(quán)利要求1所述的一種基于多源信息融合聲紋信號(hào)的開關(guān)放電檢測(cè)方法，其特征在于，所述根據(jù)優(yōu)化后的mckd算法對(duì)所述聲振重構(gòu)信號(hào)進(jìn)行特征提取，得到聲振重構(gòu)信號(hào)特征包括：

5.根據(jù)權(quán)利要求1所述的一種基于多源信息融合聲紋信號(hào)的開關(guān)放電檢測(cè)方法，其特征在于，在根據(jù)優(yōu)化后的mckd算法對(duì)所述聲振重構(gòu)信號(hào)進(jìn)行特征提取，得到聲振重構(gòu)信號(hào)特征之前，所述方法還包括：

6.根據(jù)權(quán)利要求5所述的一種基于多源信息融合聲紋信號(hào)的開關(guān)放電檢測(cè)方法，其特征在于，所述采用改進(jìn)斑馬優(yōu)化算法對(duì)mckd算法的參數(shù)進(jìn)行全局尋優(yōu)，得到mckd算法最優(yōu)參數(shù)包括：

7.一種基于多源信息融合聲紋信號(hào)的開關(guān)放電檢測(cè)系統(tǒng)，其特征在于，包括：

8.一種電子設(shè)備，其特征在于，包括：至少一個(gè)處理器，以及與所述至少一個(gè)處理器通信連接的存儲(chǔ)器，其中，所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的指令，所述指令被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行權(quán)利要求1至6任一項(xiàng)所述的方法。

9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至6任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本發(fā)明公開了一種基于多源信息融合聲紋信號(hào)的開關(guān)放電檢測(cè)方法及系統(tǒng)，方法包括：獲取敞式開關(guān)的多源數(shù)據(jù)；對(duì)所述聲振信號(hào)進(jìn)行預(yù)處理，得到聲振重構(gòu)信號(hào)，并根據(jù)優(yōu)化后的MCKD算法對(duì)所述聲振重構(gòu)信號(hào)進(jìn)行特征提取，得到聲振重構(gòu)信號(hào)特征；構(gòu)建CNN?LSTM故障辨識(shí)模型，并引入注意力機(jī)制，將所述聲振重構(gòu)信號(hào)特征結(jié)合所述電壓數(shù)據(jù)、所述電流數(shù)據(jù)和所述溫度數(shù)據(jù)輸入CNN?LSTM故障辨識(shí)模型中進(jìn)行特征分類，使用softmax激活函數(shù)根據(jù)分類后的特征得到故障類型。通過(guò)結(jié)合卷積神經(jīng)網(wǎng)絡(luò)和長(zhǎng)短基記憶網(wǎng)絡(luò)的各自特點(diǎn)，有效的提取聲紋信號(hào)中存在的缺陷信息，達(dá)到對(duì)敞式開關(guān)狀態(tài)的準(zhǔn)確診斷。

技術(shù)研發(fā)人員：童超,何言,康兵,肖齊,李帆,崔明建,丁貴立,袁小翠,章卓航
受保護(hù)的技術(shù)使用者：國(guó)網(wǎng)江西省電力有限公司電力科學(xué)研究院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6