一种变电设备检修平台智能预警信号识别方法与流程

本发明涉及一种变电设备检修平台智能预警信号识别方法，属于电力系统检修。

背景技术：

1、变电设备检修是电力系统稳定运行的重要保障，其核心在于及时发现并处理设备运行中的潜在故障，确保输电网络的安全与高效。

2、随着电力需求的增长，变电设备长期承受高负荷运行，故障隐患逐渐增多，特别是在隔离开关等关键部件中，传动链条与刀闸接触状态的异常直接影响电力传输的可靠性。然而，现有技术往往忽略了传动链条磨损与刀闸接触压力异常之间的相互影响，导致故障信号的误判或漏判。

3、例如，传统监测仅关注链条的物理磨损程度，未能充分考虑其对接触压力分布的动态影响，也无法实时分析压力不均与传感器输出信号畸变之间的关联性。这种片面性使得故障隐患的识别精度不足，难以满足复杂运行环境下对检修预警的实时性和准确性要求。核心技术难点在于传动链条磨损与刀闸接触压力异常的相互作用所引发的信号畸变问题。链条磨损会导致刀闸闭合时接触面受力不均，而压力分布不均又会干扰应变传感器输出的电压波形，使其出现畸变，进而影响对接触状态的准确判断。

4、这一问题的核心在于压力分布不均这一技术属性，因为它既是链条磨损的直接后果，又是信号畸变的诱因。压力分布不均不仅源于链条的物理损耗，还受到设备运行中动态负载、振动等因素的综合影响，导致传感器难以准确区分正常与异常信号。

5、以实际业务场景为例，在隔离开关操作过程中，链条磨损可能导致刀闸闭合时部分接触点压力不足，引发局部过热或电弧风险。此时，应变传感器可能因压力不均而输出畸变波形，误判接触状态为正常，未能及时触发预警。类似问题在高负荷运行的变电站中尤为突出，因为链条磨损与压力异常的交互效应会被放大，增加故障隐患的隐蔽性。

6、因此，如何准确捕捉传动链条磨损与刀闸接触压力分布不均之间的动态关联，实时分析压力不均对传感器输出波形畸变的影响，并据此识别潜在的接触不良隐患，成为变电设备智能预警信号识别的关键问题。

技术实现思路

1、根据背景所述问题，本发明要解决的问题是：提供一种变电设备检修平台智能预警信号识别方法，来解决上述中提到的问题。

2、为实现上述目的，本发明提供如下技术方案：提供一种变电设备检修平台智能预警信号识别方法，包括以下步骤：

3、（1）采集刀闸闭合时的形变量数据、接触面压力数据和传感器输出电压数据，生成初始采集数据集；

4、（2）对所述初始采集数据集进行清洗与预处理，计算各测点接触面压力数据的标准差与平均压力值的比值，得到压力均匀度，提取所述传感器输出电压数据的峰值偏移和幅度变化，得到电压偏移量；

5、（3）对所述压力均匀度和所述电压偏移量进行聚类分析，生成聚类中心点集合，采用所述聚类中心点集合的压力均匀度和电压偏移量组合值表示磨损等级分类；

6、（4）从所述聚类中心点集合中选取代表链条磨损程度的磨损数据组，计算所述磨损数据组与预设磨损基准的偏差，标记潜在接触不良隐患区域；

7、（5）针对所述潜在接触不良隐患区域提取对应时间的形变量数据和电压数据，识别畸变类型标识，所述畸变类型标识指示异常接触类型；

8、（6）统计所述畸变类型标识出现频次与对应压力均匀度数值，生成对应关系表，分析所述对应关系表中压力变化的线性回归斜率，确定异常接触变化趋向；

9、（7）根据所述异常接触变化趋向的斜率与预设阈值比较，触发检修预警提示信号。

10、优选的，所述步骤（1）包括以下步骤：

11、（1.1）采集隔离开关传动链条运行周期内的振动频率数据，计算所述振动频率数据与历史振动频率均值的偏差率，根据所述偏差率调整传感器阵列的采样频率，记录各测点的三维坐标位置与传感器标识编号，生成传感器部署配置表；

12、（1.2）根据所述传感器部署配置表中的采样频率触发数据采集，从传感器阵列获取形变量原始电信号，转换得到形变量数据，从监测器获取接触面压力数据，从信号调理电路获取输出电压数据，按照统一时间戳对齐组合所述形变量数据、接触面压力数据和输出电压数据，生成初始采集数据集。

13、优选的，所述步骤（2）包括以下步骤：

14、（2.1）从所述初始采集数据集中计算各测点压力数据与相邻测点压力均值的差异率，标记异常数据点，采用线性插值替换所述异常数据点，计算修正后压力数据的最大值、最小值和平均值，生成压力统计特征集；

15、（2.2）根据所述压力统计特征集的平均值，计算压力数据标准差，将所述压力数据标准差除以平均值得到压力均匀度系数；

16、（2.3）从所述传感器输出电压数据中提取采样周期内最大电压值与初始电压值的差值，得到峰值偏移量，分析峰值偏移量变化规律，确定偏移特征类型，组合所述偏移特征类型与压力均匀度系数，生成电压偏移量。

17、优选的，所述步骤（3）包括以下步骤：

18、（3.1）以所述压力均匀度为横坐标、电压偏移量为纵坐标构建二维数据空间，采用聚类算法迭代处理所述二维数据空间中的数据点，分配至距离最近的组别，计算各组别数据点的平均值作为中心点坐标，生成聚类中心点集合；

19、（3.2）从所述聚类中心点集合中提取各中心点的压力均匀度平均值和电压偏移量平均值，组合形成中心点坐标，根据所述压力均匀度平均值排序，标记轻度、中度和重度磨损等级，生成磨损等级分类。

20、优选的，所述步骤（5）包括以下步骤：

21、（5.1）提取所述潜在接触不良隐患区域的形变量时序数据和电压时序数据，计算所述形变量时序数据的幅度值，计算所述电压时序数据相邻采样点的差值累积和，得到电压波动累积值；

22、（5.2）根据所述形变量幅度值与预设阈值比较，标记过载或欠载特征，查询特征组合与异常接触类型的对应关系，生成畸变类型标识，所述畸变类型标识表示点接触异常、线接触异常或面接触异常。

23、优选的，所述步骤（6）包括以下步骤：

24、（6.1）识别畸变类型标识后，统计所述畸变类型标识的出现次数，提取对应时刻的压力均匀度数值，生成对应关系表；

25、（6.2）从所述对应关系表中提取压力均匀度序列，拟合线性回归方程，计算斜率系数，确定异常接触变化趋向。

26、优选的，所述步骤（7）包括以下步骤：

27、（7.1）确定异常接触变化趋向后，比较所述异常接触变化趋向的斜率与预设阈值，生成包含斜率数值和设备标识的检修预警提示信号，发送至报警接收端；

28、（7.2）将所述对应关系表添加时间戳后写入历史数据库。

29、本发明的有益效果是：

30、1、通过多源数据融合、创新特征指标、智能聚类分析和趋势预测模型，构建了一个从状态感知、精确诊断到预测预警的完整技术闭环，并且极大地提升了变电设备状态监测的精准度和早期故障发现能力，实现了从被动检修到主动预测性维护的转变，最终达到保障电网安全、优化资源配置、降低运维总成本的目的。

31、2、针对隔离开关刀闸闭合时可能出现的接触不良与链条磨损问题，通过部署应变传感器阵列与压力分布监测器，采集形变量、接触面压力及电压数据，形成初始数据集并进行清洗预处理，进而评估压力均匀度与电压偏移量，采用聚类分析对数据分组，确定磨损等级分类，识别潜在接触不良隐患区域。

32、3、针对隐患区域，本发明进一步提取形变量与电压异常特征，结合畸变类型标识与压力变化趋势的线性回归分析，判断异常接触变化趋向，若变化斜率超阈值则触发检修预警，并更新历史数据库以支持后续比对。

33、4、通过多维数据融合与动态分析，精准识别接触状态异常并提前预警，有效提升隔离开关运行可靠性和维护效率。