一种基于神经网络的电容器内爆异常预警系统的制作方法

本发明涉及人工智能安全监测，具体是指一种基于神经网络的电容器内爆异常预警系统。

背景技术：

1、电容器作为能量存储单元，广泛应用于脉冲功率系统、电力电子设备及新能源发电系统中。在长期高电压、大电流脉冲等恶劣工况下运行，电容器面临老化、介质击穿、等效串联电阻增大等问题，严重时可能引发微短路乃至内爆失效，造成设备损坏甚至威胁人员安全。因此，实现电容器内爆风险的早期预警具有重要工程价值。

2、现有电容器状态监测与预警技术主要存在以下不足：依赖单一物理量的阈值判断进行故障检测，属于事后检测，无法提供有效预警；基于时序特征的分析方法仍停留在特征提取与分级划分层面，缺乏对退化过程的动态建模与预测能力。基于深度学习的寿命预测与故障诊断方法虽能捕捉部分非线性关系，但多为纯数据驱动的黑箱模型，缺乏物理机制约束，在训练数据覆盖范围之外的工况下泛化能力不足，预测结果可能偏离物理规律。现有预警系统多为开环架构，缺乏基于预警结果的反馈调节机制，无法根据实际运行数据动态优化自身参数，导致长期运行后预警精度下降。未充分考虑微短路与内爆之间的渐进演化关系。微短路是内爆的重要前兆信号，但其特征微弱、易被噪声淹没，现有方法尚未建立微短路征兆与内爆风险之间的动态量化关联。波形异常检测、时序特征提取与物理约束神经网络等方法的结合缺乏系统性，尚未形成从微短路前兆识别到内爆风险预警的全链条闭环系统。

3、因此，现有技术中缺少一种能够融合多源传感数据、嵌入物理机制约束、具备闭环自适应能力的电容器内爆异常预警系统。

技术实现思路

1、本发明提出了一种基于神经网络的电容器内爆异常预警系统，有效解决了现有电容器状态监测与预警技术中事后检测为主、纯数据驱动模型缺乏物理约束、开环架构无法自适应优化、以及微短路前兆信号难以有效识别的问题。

2、本发明采取的技术方案如下：本方案提供了一种基于神经网络的电容器内爆异常预警系统，包括多源传感采集层、边缘计算与数据预处理单元、波形异常检测模块、微短路演化趋势追踪模块、动态因果干预与反事实推理引擎、内爆风险综合推理模块、预警决策与反馈优化模块。

3、多源传感采集层，采集电容器的多维运行数据；

4、边缘计算与数据预处理单元，对多维运行数据进行时间同步、异常值剔除与信号去噪处理，得到预处理后的高质量时序数据；

5、波形异常检测模块，采用长短期记忆网络编码器-解码器框架，包括预设的异常判决阈值，对预处理后的高质量时序数据中的放电波形进行异常检测，输出波形异常指数及异常波形事件；

6、微短路演化趋势追踪模块，基于预处理后的高质量时序数据中的电压、电流及温度数据计算等效串联电阻时序值与电容时序值，通过分析等效串联电阻时序值与电容时序值的演化趋势识别微短路早期征兆，输出微短路风险系数；微短路演化趋势追踪模块包括微短路征兆识别分类器，判断当前时段是否存在微短路征兆并输出微短路置信度；

7、动态因果干预与反事实推理引擎，以微短路风险系数与波形异常指数为输入，构建结构因果模型，结构因果模型中包含微短路风险系数与波形异常指数之间的结构因果图；通过干预操作模拟反事实场景，生成反事实波形异常指数，将反事实波形异常指数与实际波形异常指数的差值作为因果效应度量，当因果效应度量超过预设阈值时，波形异常检测模块的异常判决阈值按照预设的映射关系自适应降低；动态因果干预与反事实推理引擎还将波形异常检测模块确认的异常波形事件作为干预结果，通过反事实推理回溯若未进行阈值调节则能否检测到异常波形事件，获得回溯结果；基于回溯结果更新结构因果模型的参数与微短路征兆识别分类器的决策边界；

8、内爆风险综合推理模块，接收波形异常指数与微短路风险系数，通过多物理场耦合硬约束图神经网络进行内爆风险综合推理，多物理场耦合硬约束图神经网络构建电容器组拓扑图，以电容器组中各电容器为图节点、以电容器之间的热耦合与电气耦合关系为图边，将热平衡方程、等效串联电阻退化动力学方程及电容值衰减方程以偏微分方程组的形式作为图神经网络消息传递层的硬约束（网络结构层面强制满足），同时以残差形式作为软约束（损失函数正则项），输出内爆风险等级与预警置信度；

9、预警决策与反馈优化模块，根据内爆风险等级与预警置信度生成预警信号与维护建议，并获取系统在实际运行中内爆事件的实际发生结果，将实际发生结果反馈至波形异常检测模块和内爆风险综合推理模块，动态调整波形异常检测模块的异常判决阈值和内爆风险综合推理模块的网络参数。

10、进一步的，波形异常检测模块包括编码器单元、解码器单元、波形重构单元、异常评分单元；编码器单元以正常工况下的历史放电波形序列为训练样本，通过多层长短期记忆网络将输入放电波形序列编码为固定长度的上下文向量；解码器单元接收上下文向量，通过多层长短期记忆网络逐步解码并预测放电波形序列；波形重构单元将待检测放电波形输入训练后的编码器-解码器框架，经编码-解码映射后输出重构放电波形；异常评分单元计算待检测放电波形与重构放电波形之间的余弦相似度，基于余弦相似度与正常波形相似度基准值的偏差计算波形异常指数。

11、进一步的，微短路演化趋势追踪模块还包括微短路征兆识别单元及风险系数计算单元；微短路演化趋势追踪模块基于预处理后的高质量时序数据中的电压、电流及温度数据计算等效串联电阻时序值与电容时序值，提取一阶变化率特征与二阶变化率特征形成退化趋势特征向量；微短路征兆识别单元将退化趋势特征向量输入微短路征兆识别分类器，判断当前时段是否存在微短路征兆并输出微短路置信度；风险系数计算单元基于微短路置信度与退化趋势特征向量中的关键指标计算微短路风险系数。

12、进一步的，动态因果干预与反事实推理引擎中，以微短路风险系数为原因变量、波形异常指数为结果变量构建结构因果模型，结构因果模型中的因果结构方程通过预处理后的高质量时序数据中的成对样本进行参数估计；干预操作用于切断微短路风险系数对波形异常指数的因果影响路径，因果效应度量为实际波形异常指数与在干预操作下求取的反事实波形异常指数的差值，用于量化微短路趋势对波形异常的因果驱动强度；当因果效应度量超过预设阈值时，波形异常检测模块的异常判决阈值自适应降低；当波形异常检测模块确认异常波形事件后，动态因果干预与反事实推理引擎执行反事实推理，基于回溯结果更新结构因果模型的参数与微短路征兆识别分类器的决策边界。

13、进一步的，内爆风险综合推理模块中的多物理场耦合硬约束图神经网络包括图构建单元、硬约束嵌入单元、软约束损失单元、风险传播推演单元；图构建单元以电容器组中的每个电容器为图节点、以电容器之间的空间邻近关系与电气连接关系为图边，构建电容器组拓扑图；硬约束嵌入单元在图神经网络的消息传递层中将热平衡方程、等效串联电阻退化动力学方程及电容值衰减方程的数值解作为固定非线性变换嵌入；软约束损失单元在图神经网络的损失函数中增加多物理场耦合软约束损失项；风险传播推演单元通过图神经网络的多层消息传递模拟内爆风险在电容器组中的传播路径与累积效应，输出各电容器节点的内爆风险概率值与风险传播方向指示。

14、与现有技术相比，本发明的有益效果是：

15、（1）通过构建多源传感采集层，实现了对电容器电压、电流、温度及放电波形等多维运行数据的全要素实时采集与时间同步，形成了覆盖电气与热力多维度的高质量监测数据基础。通过边缘计算与数据预处理单元执行时间同步、异常值剔除与信号去噪处理，提升了数据的完整性与可靠性，为后续智能预警提供了高质量输入支撑，解决了传统单一物理量阈值判断方法仅能实现事后检测而无法提供有效预警的问题。

16、（2）引入基于长短期记忆网络编码器-解码器框架的波形异常检测模块，通过编码器对正常放电波形序列进行特征压缩与隐空间映射、通过解码器重构预测波形，并基于实际波形与预测波形之间的余弦相似度偏差识别异常放电事件，实现了对异常放电波形的高灵敏度早期识别。提出微短路演化趋势追踪模块，通过计算等效串联电阻时序值与电容时序值并提取其一阶、二阶变化率特征，实现了对微短路早期征兆的定量识别与追踪，将微短路这一内爆重要前兆信号转化为可量化的风险系数，建立了微短路征兆与内爆风险之间的动态量化关联，有效解决了现有方法中微短路特征微弱、易被噪声淹没且缺乏动态量化关联的问题。

17、（3）通过动态因果干预与反事实推理引擎实现波形异常检测模块与微短路演化趋势追踪模块之间基于结构因果模型的深度耦合协同，通过干预操作生成反事实波形异常指数，将实际值与反事实值的差值作为因果效应度量，使系统能够区分“微短路趋势驱动的波形异常”与“其他因素驱动的波形异常”，实现基于因果推理的精准预警增强；通过反事实推理回溯阈值调节的有效性，动态更新结构因果模型参数与分类器决策边界。通过多物理场耦合硬约束图神经网络进行内爆风险综合推理，将热平衡方程、等效串联电阻退化动力学方程及电容值衰减方程以偏微分方程组的形式作为图神经网络消息传递层的硬约束（网络结构层面强制满足），同时以残差形式作为软约束（损失函数正则项），使预警结果不仅准确度更高，而且具备物理可解释性与跨工况稳定性，有效解决了纯数据驱动模型缺乏物理机制约束、在训练数据覆盖范围之外泛化能力不足的问题。

18、（4）构建了“评估-推理-决策-反馈”的完整闭环架构：预警决策与反馈优化模块根据内爆风险等级与预警置信度生成预警信号与维护建议，并获取系统在实际运行中内爆事件的实际发生结果，将实际发生结果反馈至波形异常检测模块和内爆风险综合推理模块，动态调整异常判决阈值与网络参数；通过波形异常检测模块与微短路演化趋势追踪模块之间的双向耦合协同，微短路风险系数对波形异常判决阈值的反向调节机制使系统在检测到电容器内部结构退化趋势时主动提高对放电波形异常的敏感度，实现了前兆信号对后续检测的“预警增强”效应；波形异常确认后对微短路征兆识别分类器的反馈更新机制使系统能够利用实际发生的异常事件不断优化微短路早期识别的准确性。有效解决了现有预警系统多为开环架构、缺乏基于预警结果的反馈调节机制、长期运行后预警精度下降的问题，实现了从微短路前兆识别到内爆风险预警的全链条智能监测。