一种基于多源电参量的配电设备故障预警方法及系统与流程

摘要: 本发明涉及故障检测,尤其涉及一种基于多源电参量的配电设备故障预警方法及系统。背景技术:1、目前,在配电柜、台区配变、断路器等配电设备的运行状态监控中,为及早发现...
一种基于多源电参量的配电设备故障预警方法及系统与流程

本发明涉及故障检测,尤其涉及一种基于多源电参量的配电设备故障预警方法及系统。

背景技术:

1、目前,在配电柜、台区配变、断路器等配电设备的运行状态监控中,为及早发现绝缘老化、接头过热等潜伏性故障,通常需要同步采集负荷电流、导体温度、介质损耗因数、局部放电量以及环境温湿度等多源电参量。行业内普遍采用基于单参量固定上下限阈值的告警逻辑,或通过“与”“或”组合将多个参量的越限状态进行简单联判,试图以此降低单一参数随机波动引发的误报。这种处理路径本质上假设各参量独立且关联关系恒定,依赖人工经验设定阈值和逻辑规则,无法感知运行方式切换、环境条件变化引起的参量间耦合关系的动态迁移,对正常工况伴生变化与故障征兆的区分能力不足。

2、例如,在配电设备实际运行中,负荷电流的短时攀升会正常引起导体温度的滞后上升,同时介质损耗因数因温度效应和水分迁移而产生漂移,局部放电量也可能受湿度影响出现非故障性起伏。固定阈值报警机制将上述符合物理关联规律的协同变化与因绝缘劣化或连接松动造成的异常温升、介质损耗持续增长等故障特征混为一谈,在负荷投切、环温骤变或运行方式调整时频繁触发报警。此类误报大量消耗运维人力进行无效巡检,更严重的是长期高误报率会急剧降低运维人员对预警系统的信任水平,导致真实故障报警被习惯性忽略,形成安全隐患。

3、因此,亟需一种在配电设备多源电参量关联关系随工况时变且存在不确定性的情况下,依然能够从数据中自学习参量间的正常动态关联结构,并实时检测关联模式异常偏离的故障预警方法。该方法应能自动适应负荷状态和环境条件的演化,仅当多个参量间的耦合关系突破正常演化边界、无法用运行工况变化解释时才触发预警,从而在不依赖静态阈值的前提下大幅降低误报率,提升配电设备在线预警的可靠性和实用性。

技术实现思路

1、针对上述存在的技术不足,本发明的目的是提出一种基于多源电参量的配电设备故障预警方法,旨在解决现有技术中依赖固定规则或静态模型进行故障判定的方法,尤其是在配电设备多源电参量关联关系随工况时变且存在不确定性的条件下,无法自适应学习并检测参量间关联结构的异常变化,导致误报率高的技术问题。

2、为解决上述技术问题,本发明采用如下技术方案:本发明提供一种基于多源电参量的配电设备故障预警方法。

3、所述一种基于多源电参量的配电设备故障预警方法包括:

4、步骤s10:获取配电设备的多源电参量与环境参量数据,基于所述多源电参量与环境参量数据采用同步校正与稳态窗口筛选机制执行窗口化预处理任务,输出标准化多源参量滑动时间窗口;

5、步骤s20:基于所述标准化多源参量滑动时间窗口采用最大信息系数与传递熵联合有向图构建机制执行参量关联关系提取任务,输出有向加权参量关联图;

6、步骤s30:基于所述有向加权参量关联图采用物理偏置图注意力编码与解码机制执行正常关联基线重构预处理任务,输出重构基线矩阵组;

7、步骤s40:基于所述有向加权参量关联图和所述重构基线矩阵组采用矩阵重构偏差与图结构分布偏差组合机制执行关联偏离度计算任务,输出关联偏离度值;

8、步骤s50:根据所述关联偏离度值采用自适应阈值判定与异常关联定位机制执行故障预警决策任务,输出故障预警结果。

9、优选地,步骤s10中,获取配电设备的多源电参量与环境参量数据,基于所述多源电参量与环境参量数据采用同步校正与稳态窗口筛选机制执行窗口化预处理任务,输出标准化多源参量滑动时间窗口的步骤,具体包括:

10、步骤s101:同步采集配电设备的负荷电流、导体温度、介质损耗因数、局部放电量、环境温度和环境湿度,分别对各参量的采样序列进行中值滤波和零漂校正,得到校正多源参量序列;

11、步骤s102:按照预设滑动窗口宽度和预设窗口滑动步长,从所述校正多源参量序列中提取当前滑动时间窗口内的各参量采样值,分别计算每一参量在所述当前滑动时间窗口内的中位数和绝对离差中位数,并根据对应参量的中位数和绝对离差中位数对各参量采样值进行鲁棒标准化,得到标准化窗口数据;

12、步骤s103:计算所述当前滑动时间窗口内负荷电流的最大值与最小值之间的电流波动范围,并计算所述电流波动范围与预设基准负荷电流的比值;当所述比值大于预设运行切换阈值时,以负荷电流发生突变的采样时刻作为运行事件边界对所述标准化窗口数据进行分割,将分割所得子窗口中与当前采样时刻相邻且持续长度不小于预设滑动窗口宽度十分之一的子窗口确定为稳态子窗口;当所述比值不大于预设运行切换阈值时,保留所述标准化窗口数据;将所述稳态子窗口或保留的标准化窗口数据确定为所述标准化多源参量滑动时间窗口。

13、优选地,步骤s20中,基于所述标准化多源参量滑动时间窗口采用最大信息系数与传递熵联合有向图构建机制执行参量关联关系提取任务,输出有向加权参量关联图的步骤,具体包括:

14、步骤s201:针对所述标准化多源参量滑动时间窗口内任意两个参量和,按照采样时刻由远及近的顺序为各采样值配置递增的时间权重,基于配置时间权重后的采样值估计参量与参量的联合概率分布,并按照下式计算最大信息系数:

15、

16、其中,为参量与参量之间的最大信息系数,为参量的网格划分,为参量的网格划分,为参量的网格划分数量,为参量的网格划分数量,为对应网格划分下参量与参量的互信息,为预设网格划分数量上限,表示取最小值;将各参量对的最大信息系数写入当前关联矩阵;

17、步骤s202:分别计算参量指向参量的传递熵和参量指向参量的传递熵,其中,参量指向参量的传递熵按照下式计算:

18、

19、其中,为当前滑动时间窗口内参量指向参量的传递熵,为当前滑动时间窗口对应的时刻,为所述当前滑动时间窗口内的采样时刻序号,为参量在第个采样时刻的采样值,为参量在第个采样时刻对应的阶历史嵌入向量,为参量在第个采样时刻对应的阶历史嵌入向量,为预设历史嵌入阶数,表示联合概率或条件概率,求和运算覆盖所述当前滑动时间窗口内各历史嵌入向量与后续采样值形成的状态组合;

20、对两个方向的传递熵差值进行预设显著性水平下的置换检验,当一个方向的传递熵显著大于相反方向的传递熵时,将所述一个方向确定为对应参量对的因果关联方向,并将所述因果关联方向写入当前因果方向矩阵;

21、步骤s203:将各参量设置为参量节点,将通过所述置换检验的因果关联方向设置为参量节点之间的有向边,将所述有向边对应参量对的最大信息系数设置为边权重,根据所述参量节点、所述有向边和所述边权重构建所述有向加权参量关联图。

22、优选地,步骤s202中,对两个方向的传递熵差值进行预设显著性水平下的置换检验的步骤,具体包括:

23、将预设历史嵌入阶数设置为一阶,并将历史嵌入向量中相邻采样值之间的时间延迟设置为一个采样时间间隔;

24、将待检验因果关联方向的起点参量确定为待置换参量,在保持终点参量的采样值排列顺序不变的条件下,对所述待置换参量在所述标准化多源参量滑动时间窗口内的采样值排列顺序进行多次随机置换;

25、分别计算各次随机置换后两个方向的传递熵差值,并根据各次随机置换对应的传递熵差值形成零假设分布;

26、将未进行随机置换时得到的传递熵差值与所述零假设分布进行比较,当所述传递熵差值达到预设显著性水平时,保留所述待检验因果关联方向,当所述传递熵差值未达到预设显著性水平时,删除所述待检验因果关联方向。

27、优选地,步骤s30中,基于所述有向加权参量关联图采用物理偏置图注意力编码与解码机制执行正常关联基线重构预处理任务,输出重构基线矩阵组的步骤,具体包括:

28、步骤s301:从所述有向加权参量关联图中提取参量节点特征、所述当前关联矩阵和所述当前因果方向矩阵,将所述参量节点特征输入物理偏置图注意力网络,并按照下式计算参量节点对相邻参量节点的注意力系数:

29、

30、其中,为当前滑动时间窗口内参量节点对相邻参量节点的注意力系数,为参量节点的节点特征,为参量节点的节点特征,为参量节点的节点特征,为线性变换矩阵,为注意力向量,上标表示转置运算,表示向量拼接,为参量节点的相邻参量节点集合,为所述相邻参量节点集合内的参量节点序号,为参量节点与参量节点之间的物理相似度偏置项,为参量节点与参量节点之间的物理相似度偏置项,表示自然指数函数,表示带泄漏修正线性单元函数;

31、当参量节点为负荷电流节点且参量节点为导体温度节点时,按照下式确定对应的物理相似度偏置项:

32、

33、

34、其中,为当前滑动时间窗口内负荷电流节点与导体温度节点之间的物理相似度偏置项,为当前导体温度,为当前稳态导体温度预测值,为当前环境温度,为当前负荷电流,为配电设备载流导体的交流电阻,为配电设备载流导体至周围环境的等效热阻,为历史正常运行状态下导体温度预测误差的标准差;将其余参量节点对的物理相似度偏置项设置为零,并根据各注意力系数对对应的参量节点特征进行加权聚合,得到图嵌入向量;

35、步骤s302:利用解码器对所述图嵌入向量进行内积运算,得到重构关联矩阵,利用双线性映射层对所述图嵌入向量进行方向预测,得到重构因果方向矩阵,并按照下式计算重构总损失:

36、

37、其中,为当前滑动时间窗口对应的重构总损失,为所述当前关联矩阵,为所述重构关联矩阵,表示frobenius范数,为预设方向损失权重,为所述有向加权参量关联图中的有效有向边集合,和分别为一条有效有向边的起点参量节点序号和终点参量节点序号,为所述当前因果方向矩阵中参量节点与参量节点之间的实际方向标签,为所述重构因果方向矩阵中参量节点与参量节点之间的预测方向概率,表示二元交叉熵函数;

38、步骤s303:将所述重构总损失分别与预设正常更新阈值和预设冻结阈值进行比较;当所述重构总损失不大于预设正常更新阈值时,按照预设基准学习率更新所述物理偏置图注意力网络和所述解码器的模型参数;当所述重构总损失大于预设正常更新阈值且小于预设冻结阈值时,按照预设学习率衰减比例对预设基准学习率进行衰减,并按照衰减后的学习率更新所述模型参数;当所述重构总损失不小于预设冻结阈值时,冻结所述模型参数;将所述重构关联矩阵和所述重构因果方向矩阵组成所述重构基线矩阵组。

39、优选地,步骤s40中,基于所述有向加权参量关联图和所述重构基线矩阵组采用矩阵重构偏差与图结构分布偏差组合机制执行关联偏离度计算任务,输出关联偏离度值的步骤,具体包括:

40、步骤s401:从所述有向加权参量关联图中提取由各有向边的边权重组成的待测关联矩阵以及由各有向边的因果关联方向组成的待测因果方向矩阵,并从所述重构基线矩阵组中提取重构关联矩阵和重构因果方向矩阵;采用预设方向概率阈值将所述重构因果方向矩阵中的预测方向概率转换为重构方向标签;计算所述待测关联矩阵与所述重构关联矩阵之间的归一化矩阵差异,并计算所述待测因果方向矩阵中的实际方向标签与所述重构方向标签之间的方向不一致比例;对所述归一化矩阵差异和所述方向不一致比例进行加权组合,得到矩阵重构偏差;

41、步骤s402:从所述有向加权参量关联图中提取各参量节点的加权出度、加权入度、聚类系数和介数中心性,对提取的各图结构参数进行无量纲归一化,并将归一化后的各图结构参数组成当前图结构特征向量;获取预设正常窗口数量个历史正常滑动时间窗口对应的历史图结构特征向量,根据各历史图结构特征向量形成历史正常图结构特征分布;计算所述当前图结构特征向量与所述历史正常图结构特征分布之间的wasserstein距离,得到图结构分布偏差;

42、步骤s403:按照第一预设组合权重对所述矩阵重构偏差进行加权,按照第二预设组合权重对所述图结构分布偏差进行加权,对加权后的矩阵重构偏差和加权后的图结构分布偏差进行求和,并将求和结果确定为所述关联偏离度值,其中,第一预设组合权重与第二预设组合权重之和为一。

43、优选地,步骤s50中,根据所述关联偏离度值采用自适应阈值判定与异常关联定位机制执行故障预警决策任务,输出故障预警结果的步骤,具体包括:

44、步骤s501:获取由多个历史关联偏离度值按照采样时刻排列形成的关联偏离度值历史序列,将所述关联偏离度值历史序列的第九十百分位数确定为阈值起点;从所述关联偏离度值历史序列中选取大于所述阈值起点的历史关联偏离度值,并将选取的历史关联偏离度值与所述阈值起点之间的差值确定为阈值超越量;利用各阈值超越量拟合广义帕累托分布,并根据新增关联偏离度值对所述广义帕累托分布的形状参数和尺度参数进行在线更新;

45、步骤s502:根据连续更新的尺度参数计算累积和统计量,当所述累积和统计量达到预设漂移判定条件时,根据更新后的关联偏离度值历史序列重新确定所述阈值起点,并重新初始化所述形状参数和所述尺度参数;根据预设虚警概率、所述阈值起点、所述形状参数、所述尺度参数、所述关联偏离度值历史序列中的样本总数以及大于所述阈值起点的样本数量,确定当前预警阈值;

46、步骤s503:将所述关联偏离度值与所述当前预警阈值进行比较,当所述关联偏离度值大于所述当前预警阈值时,生成故障预警信号;采用积分梯度方法计算所述有向加权参量关联图中各参量节点特征和各有向边权重对所述关联偏离度值的贡献,根据每一有向边的边权重贡献以及对应起点参量节点和终点参量节点的节点特征贡献确定异常关联边分数;按照所述异常关联边分数从大到小的顺序选取预设数量条异常关联边,并将所述故障预警信号、选取的异常关联边以及对应的异常关联边分数组成所述故障预警结果。

47、本发明还提供一种基于多源电参量的配电设备故障预警系统包括:

48、多源参量预处理模块,用于获取配电设备的多源电参量与环境参量数据,基于所述多源电参量与环境参量数据采用同步校正与稳态窗口筛选机制执行窗口化预处理任务,输出标准化多源参量滑动时间窗口;

49、关联图构建模块,用于基于所述标准化多源参量滑动时间窗口采用最大信息系数与传递熵联合有向图构建机制执行参量关联关系提取任务,输出有向加权参量关联图;

50、基线重构模块,用于基于所述有向加权参量关联图采用物理偏置图注意力编码与解码机制执行正常关联基线重构预处理任务,输出重构基线矩阵组;

51、偏离度计算模块,用于基于所述有向加权参量关联图和所述重构基线矩阵组采用矩阵重构偏差与图结构分布偏差组合机制执行关联偏离度计算任务,输出关联偏离度值;

52、预警决策模块,用于根据所述关联偏离度值采用自适应阈值判定与异常关联定位机制执行故障预警决策任务,输出故障预警结果。

53、本发明还提供一种基于多源电参量的配电设备故障预警设备,所述基于多源电参量的配电设备故障预警设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于多源电参量的配电设备故障预警程序,所述基于多源电参量的配电设备故障预警程序被所述处理器执行时实现上述方法。

54、本发明还提供一种计算机程序产品,所述计算机程序产品包括基于多源电参量的配电设备故障预警程序,所述基于多源电参量的配电设备故障预警程序被处理器执行时实现上述方法。

55、本发明的有益效果在于:

56、1、本发明通过对负荷电流、导体温度、介质损耗因数、局部放电量及环境参量进行同步校正,并基于中位数和绝对离差中位数实施鲁棒标准化及稳态窗口筛选,降低不同参量量纲差异、采样噪声和运行状态切换对关联分析的干扰,使标准化多源参量滑动时间窗口能够表征同一稳定工况下的参量变化,为后续关联关系提取提供一致的数据基础。

57、2、本发明将最大信息系数与传递熵相结合,构建同时表征关联强度和因果方向的有向加权参量关联图,并利用物理偏置图注意力编码与解码机制重构正常关联基线;进一步综合矩阵重构偏差与图结构分布偏差确定关联偏离度值,既能够识别具体参量关联强度及方向的局部变化,又能够反映关联网络拓扑结构的整体变化,从而提高配电设备故障前兆的辨识能力。

58、3、本发明根据关联偏离度历史序列的尾部分布动态确定预警阈值,并结合累积和统计量对分布漂移进行判断,使预警判定能够适应设备运行状态和环境条件的持续变化;在触发预警后,通过积分梯度分析节点特征和有向边权重对关联偏离度值的贡献,输出故障预警信号、异常关联边及其分数,从而为运维人员确定异常参量组合和排查顺序提供依据。