基于MCC柜电参量与事件日志的异常检测方法及系统与流程

本发明属于电气设备状态监测，具体涉及一种基于mcc柜电参量与事件日志的异常检测方法及系统。

背景技术：

1、mcc（motor control center，电动机控制中心）柜是工业现场电动机集中控制与保护的核心设备。现有智能 mcc 柜通常配置马达保护器或智能馈线单元，具备过载、短路、缺相、三相不平衡等基本保护功能。然而，上述保护功能均为被动触发型，即仅在电气参数超过预设阈值时动作，无法根据运行数据的长期趋势主动识别电动机的早期劣化征兆（如转子断条、轴承磨损、绕组绝缘老化），也无法检测 mcc 柜自身控制回路、保护装置或测量单元的功能异常。

2、另一方面，传统阈值报警方法受负载波动、电源电压变化等因素影响，容易出现误报（工况变化引起参数越限但并非真实故障）或漏报（故障早期参数未超过阈值）。若在电机侧加装振动、温度等专用传感器，虽可提升检测精度，但改造成本高、施工复杂，在已投运的mcc 柜中推广困难。

技术实现思路

1、针对现有技术的上述不足，本发明提供一种基于mcc柜电参量与事件日志的异常检测方法及系统，以解决上述技术问题。

2、第一方面，本发明提供一种基于mcc柜电参量与事件日志的异常检测方法，包括：

3、对于mcc柜每一回路，分别在稳态运行工况及电机启动过程中采集监测数据，所述监测数据包括电参量和事件日志；并对所述监测数据中的电参量进行预处理，生成稳态时间窗口数据与启动波形数据；

4、利用预先构建的规则引擎对所述稳态时间窗口数据、启动波形数据和事件日志进行异常判断，输出规则严重性评分；所述规则引擎包含电气安全类规则、启动行为类规则及mcc功能一致性类规则；

5、采用时序自编码器对所述稳态时间窗口数据进行重构，计算稳态异常评分；采用一维卷积自编码器对所述启动波形数据进行重构，计算启动异常评分；其中所述时序自编码器的训练损失函数包含基于视在功率守恒的物理约束正则化项；

6、将规则严重度评分、稳态异常评分和启动异常评分按预设权重加权求和，根据加权和所在的阈值区间确定异常等级，并输出对应级别的预警信息。

7、在一种可选的实施方式中，对于在mcc柜每一回路，分别在稳态运行工况及电机启动过程中采集监测数据，包括：

8、在稳态运行工况下，以1hz的采样频率采集三相电流有效值、三相电压有效值、有功功率及功率因数；

9、当检测到电机启动事件时，自动切换至100hz的采样频率采集启动过程中的三相电流瞬时波形，所述启动事件的检测条件为：任意一相电流从低于0.05倍额定电流跳变至高于0.2倍额定电流且持续超过20毫秒；

10、以1毫秒的精度独立采集动作事件日志，所述事件日志至少包括启动命令事件、接触器吸合事件和保护动作事件，各事件均附带精确时间戳。

11、在一种可选的实施方式中，对所述监测数据中的电参量进行预处理，生成稳态时间窗口数据与启动波形数据，包括：

12、以统一时钟源对电参量与事件日志进行时间对齐，对齐误差不大于100毫秒；

13、对电参量时间序列中的缺失值进行插值补偿，对于单点缺失采用相邻时刻数据的算术平均值填补，对于连续多点缺失超过设定数量则标记该时间窗口为无效并跳过后续分析；

14、对电参量时间序列中的异常值进行剔除，采用统计学准则识别偏离均值超过三倍标准差的离群点，并以均值替代；

15、将预处理后的稳态电参量按固定时间长度滑动窗口切分为多个稳态时间窗口数据；

16、将启动过程中高速采集的三相电流瞬时波形按单次启动事件提取为独立的启动波形数据。

17、在一种可选的实施方式中，利用预先构建的规则引擎对所述稳态时间窗口数据、启动波形数据和事件日志进行异常判断，输出规则严重性评分，包括：

18、利用所述规则引擎将所述稳态时间窗口数据、启动波形数据和事件日志与对应的规则条件进行匹配，并记录匹配成功的触发规则及相应的严重度评分；

19、将所有触发规则中的严重度评分的最大值，作为最终输出的规则严重度评分。

20、在一种可选的实施方式中，所述电气安全类规则包括：

21、根据三相电流最大值与额定电流之比确定严重度，比值大于1.20时严重度为1.0，比值在1.05至1.20之间时严重度为0.7；

22、当平均电流大于0.2倍额定电流，且最小相电流小于0.1倍额定电流，同时最大相电流与最小相电流之比大于5时，严重度为1.0；

23、三相不平衡规则：根据三相电流的不平衡度确定严重度，不平衡度大于0.1时严重度为0.7，不平衡度在0.08至0.1之间时严重度为0.4，其中不平衡度定义为最大相电流与最小相电流之差除以三相电流平均值；

24、所述启动行为类规则包括：

25、根据电机额定功率动态计算启动时间限值，实测启动时间超过限值时严重度为0.7；

26、基于最近20次成功启动的峰值电流统计均值和标准差，若本次启动峰值偏离均值超过3倍标准差则严重度为0.7，偏离在2倍至3倍标准差之间则严重度为0.4；

27、所述mcc功能一致性类规则包括：

28、当启动命令事件和接触器吸合事件均发生，但从命令发出到电流建立的时间超过1秒且之后电流仍小于0.1倍额定电流时，严重度为1.0；

29、当未发生保护动作事件但故障电流超过整定值的1.2倍且持续超过0.5秒时，严重度为0.7；

30、当发生保护动作事件但动作前后的最大电流小于整定值的1.05倍时，严重度为0.7。

31、在一种可选的实施方式中，采用时序自编码器对所述稳态时间窗口数据进行重构，计算稳态异常评分，包括：

32、所述时序自编码器由一个时序编码器和一个时序解码器串联构成；时序编码器将输入的稳态时间窗口数据序列压缩为低维潜在向量，时序解码器将所述低维潜在向量反向重建为与输入序列相同维度的输出序列；通过最小化输入序列与输出序列之间的重构误差，使时序自时序编码器学习到正常工况下的时序模式；所述时序编码器和时序解码器均采用长短期记忆网络作为基本单元；

33、采用无监督学习方式训练，训练数据仅使用经规则引擎验证无异常的历史稳态窗口数据，训练目标是最小化输入与重构输出之间的重构误差；

34、所述时序自时序编码器的损失函数在常规重构误差基础上增加物理约束正则化项，所述物理约束正则化项基于视在功率守恒原理；

35、将实时采集的稳态时间窗口数据输入训练好的时序自时序编码器，计算输入与重构输出之间的重构误差，将所述重构误差按训练集重构误差分布的指定分位数进行归一化，映射至零到一的区间，得到稳态异常评分。

36、在一种可选的实施方式中，所述时序自时序编码器的损失函数在常规重构误差基础上增加物理约束正则化项，包括：

37、基于视在功率守恒原理，在时序自编码器的时序解码器输出端，提取重构出的有功功率和无功功率，并基于重构出的有功功率和无功功率计算重构视在功率；

38、根据同一时间窗口内实测的三相电压和三相电流，计算实测视在功率；

39、将所述重构视在功率与实测视在功率之差的绝对值作为物理约束正则化项，所述物理约束正则化项越大，表示重构结果越违背视在功率守恒的物理规律，对损失函数的惩罚越重；

40、所述时序自编码器的总损失函数为常规重构误差与所述物理约束正则化项的加权和。

41、在一种可选的实施方式中，采用一维卷积自编码器对所述启动波形数据进行重构，计算启动异常评分，包括：

42、所述一维卷积自编码器由一个卷积编码器和一个卷积解码器串联构成；卷积编码器包含若干层一维卷积层和池化层，用于对输入的启动波形数据逐层提取局部特征并降低时间维度，输出一个低维的潜在特征向量；卷积解码器包含若干层一维反卷积层和上采样层，用于将潜在特征向量逐步恢复为与输入波形相同长度和通道数的重构波形；

43、所述一维卷积自编码器的输入为提取出的单次启动过程的三相电流瞬时波形数据，每个波形包含三个对应三相的通道，每个通道的长度为固定时长内的采样点数；

44、采用无监督学习方式训练，训练数据仅使用经规则引擎验证为正常启动的历史启动波形数据，训练目标是最小化输入波形与重构波形之间的重构误差；

45、将实时采集的启动波形数据输入训练好的一维卷积自编码器，计算输入波形与重构波形之间的重构误差，将所述重构误差按训练集重构误差分布的指定分位数进行归一化，映射至零到一的区间，得到启动异常评分。

46、在一种可选的实施方式中，将规则严重度评分、稳态异常评分和启动异常评分按预设权重加权求和，根据加权和所在的阈值区间确定异常等级，包括：

47、分别设定规则严重度评分、稳态异常评分和启动异常评分的权重系数，三者权重之和为1，其中规则严重度评分的权重最大，稳态异常评分次之，启动异常评分最小；

48、将规则严重度评分乘以对应的权重、稳态异常评分乘以对应的权重、启动异常评分乘以对应的权重，三者相加得到综合评分；

49、预设三个阈值将综合评分区间划分为四个等级：当综合评分大于或等于第一阈值时，确定为一级告警；当综合评分大于或等于第二阈值但小于第一阈值时，确定为二级告警；当综合评分大于或等于第三阈值但小于第二阈值时，确定为三级告警；当综合评分小于第三阈值时，确定为正常状态；

50、所述第一阈值、第二阈值、第三阈值为预先设定的数值，且第一阈值大于第二阈值大于第三阈值。

51、第二方面，本发明提供一种基于mcc柜电参量与事件日志的异常检测系统，包括：

52、数据采集模块，用于对于mcc柜每一回路，分别在稳态运行工况及电机启动过程中采集监测数据，所述监测数据包括电参量和事件日志；并对所述监测数据中的电参量进行预处理，生成稳态时间窗口数据与启动波形数据；

53、第一处理模块，用于利用预先构建的规则引擎对所述稳态时间窗口数据、启动波形数据和事件日志进行异常判断，输出规则严重性评分；所述规则引擎包含电气安全类规则、启动行为类规则及mcc功能一致性类规则；

54、第二处理模块，用于采用时序自编码器对所述稳态时间窗口数据进行重构，计算稳态异常评分；采用一维卷积自编码器对所述启动波形数据进行重构，计算启动异常评分；其中所述时序自编码器的训练损失函数包含基于视在功率守恒的物理约束正则化项；

55、预警输出模块，用于将规则严重度评分、稳态异常评分和启动异常评分按预设权重加权求和，根据加权和所在的阈值区间确定异常等级，并输出对应级别的预警信息。

56、本发明的有益效果在于，本发明提供的基于mcc柜电参量与事件日志的异常检测方法及系统，仅利用mcc柜自身采集的三相电参量及事件日志，无需加装电机侧传感器，即可实现电动机早期劣化与mcc功能异常的检测。通过规则引擎对电气安全、启动行为及控制保护一致性进行确定性校验，保证了电气故障的快速响应与安全性；通过时序自编码器与一维卷积自编码器分别对稳态数据和启动波形进行无监督重构，结合物理约束正则化，能够挖掘负载波动下的隐性异常模式，降低工况变化导致的误报；最终将规则严重度评分与双ai评分加权融合并分级预警，兼顾确定性与灵敏度，有效提升异常检测的准确性与工程实用性。