一种电力设备异常模式识别方法、系统及电子装置与流程

摘要: 本发明涉及电力设备状态监测,尤其涉及一种电力设备异常模式识别方法、系统及电子装置。背景技术:1、电力设备作为电力系统的核心组成部分,其运行状态直接影响电网的安全...
一种电力设备异常模式识别方法、系统及电子装置与流程

本发明涉及电力设备状态监测,尤其涉及一种电力设备异常模式识别方法、系统及电子装置。

背景技术:

1、电力设备作为电力系统的核心组成部分,其运行状态直接影响电网的安全稳定性和供电可靠性。随着电力系统规模的不断扩大和负荷结构的日益复杂,电力设备面临着多样化的运行工况和复杂的故障模式,传统的单一参数监测方法已难以满足现代电力系统对设备状态精确感知和异常模式准确识别的需求。

2、现有的电力设备异常检测方法主要依赖于单一电气参数的阈值判断或简单的统计分析方法,缺乏对多维特征信息的综合利用和深度挖掘能力。这些方法在处理负载不平衡、电压畸变、多模态异常等复杂情况时,往往出现检测精度不高、误报率较高和异常模式识别不准确等问题,无法有效应对电力设备异常模式的多样性和复杂性。

技术实现思路

1、鉴于上述的分析,本发明实施例旨在提供一种电力设备异常模式识别方法、系统及电子装置,用以解决现有传统单一参数检测方法在复杂电力环境下识别精度不高和适应性不强的技术问题。

2、本发明的目的主要是通过以下技术方案实现的:

3、本发明提供了一种电力设备异常模式识别方法,包括如下步骤:

4、基于获取的电力系统中电力设备的运行电流波形和电压信号生成电气特征矢量;基于所述电气特征矢量分离出负载不平衡特征,基于所述负载不平衡特征构建电网拓扑结构并监测功率波动生成负载变化数据;

5、基于所述负载变化数据识别异常电压区间;基于所述异常电压区间识别绝缘劣化点并生成故障传播路径标识;基于所述故障传播路径标识识别绝缘薄弱环节,将所述绝缘薄弱环节与所述电气特征矢量中与绝缘状态相关的特征分量进行比对,识别异常预兆节点;

6、基于所述异常预兆节点生成多模检测序列,通过冲突检测与交叉验证增强对所述多模检测序列进行降维处理,生成数据编码矩阵;

7、基于电流波形识别系统处理延迟,基于所述系统处理延迟生成预警时间窗口扩展参数;将所述预警时间窗口扩展参数与所述数据编码矩阵进行时序匹配生成处理窗口,在所述处理窗口内将所述数据编码矩阵转换为分级识别结果。

8、进一步地,基于获取的电力系统中电力设备的运行电流波形和电压信号生成电气特征矢量,包括:

9、基于获取的电力设备运行时的三相电流波形与三相电压信号,计算三相运行参数;

10、基于所述三相电压信号计算电压畸变参数;测量电力设备的绝缘状态参数;

11、对所述三相电流波形进行频域变换生成频谱分量;

12、基于所述电压畸变参数提取多频段电磁干扰;

13、对所述频谱分量与多频段电磁干扰进行关联后,与所述三相运行参数和绝缘参数进行组合,生成电气特征矢量。

14、进一步地,基于所述三相电压信号计算电压畸变参数,包括:

15、对采集到的所述三相电压信号进行快速傅里叶变换,提取各频率点的幅值谱;

16、基于所述幅值谱获取50hz基波频率处的幅值,基于计算基波电压有效值;

17、基于所述幅值谱获取各次谐波频率处的幅值,基于计算各次谐波电压有效值,其中,;

18、基于所述基波电压有效值和各次谐波电压有效值,计算电压总谐波失真,作为电压畸变参数。

19、进一步地,对所述三相电流波形进行频域变换生成频谱分量,包括:

20、基于所述三相电流波形进行时频分析,识别频率噪声特征;

21、基于所述频率噪声特征执行反向增强操作,生成噪声增强参数;

22、基于所述噪声增强参数评估经反向增强操作处理后的三相电流信号的质量,生成质量评估数据;

23、基于所述质量评估数据构建所述频谱分量。

24、进一步地,基于所述电压畸变参数提取多频段电磁干扰,包括:

25、基于所述三相电压的各次谐波,按频率范围划分为低频段、中频段和高频段;其中,所述各次谐波为计算所述电压畸变参数过程中所使用的各次谐波;

26、基于各频段内的谐波电压有效值,分别计算各频段的电磁干扰强度,得到低频段电磁干扰强度、中频段电磁干扰强度和高频段电磁干扰强度。

27、进一步地,对所述频谱分量与多频段电磁干扰进行关联后,与所述三相运行参数和绝缘参数进行组合,生成电气特征矢量,包括:

28、计算所述频谱分量与各频段电磁干扰之间的皮尔逊相关系数;

29、基于所述皮尔逊相关系数构造关联矩阵,对所述关联矩阵进行降维处理,得到关联分析结果;

30、将所述关联分析结果、所述三相运行参数和所述绝缘状态参数进行组合,生成所述电气特征矢量。

31、进一步地,基于所述电气特征矢量分离出负载不平衡特征,基于所述负载不平衡特征构建电网拓扑结构并监测功率波动生成负载变化数据,包括:

32、从所述电气特征矢量中提取负载差异特征;

33、基于所述负载差异特征进行互补检测,得到互补检测系数;

34、基于所述互补检测系数执行差异协调变换,生成协调增强参数;

35、基于所述协调增强参数分离出负载不平衡特征;

36、将所述负载不平衡特征转化为拓扑自优化参数,并构建电网拓扑结构;

37、在所述电网拓扑结构的节点处监测功率波动,生成负载变化数据。

38、进一步地,将所述负载不平衡特征转化为拓扑自优化参数,并构建电网拓扑结构,包括:

39、基于所述负载不平衡特征确定各节点的功率分布,基于各节点的功率分布计算各节点的拓扑调整权重,负载功率越高的节点分配的拓扑调整权重越大;

40、基于各节点的拓扑调整权重和各节点间的阻抗距离,确定各节点间的拓扑连接强度;其中,所述拓扑连接强度随节点间阻抗距离的减小而增大,随节点拓扑调整权重的增大而增大;

41、基于各节点的功率分布计算拓扑平衡因子;

42、基于所述拓扑连接强度和拓扑平衡因子,构建拓扑邻接矩阵;其中,所述拓扑邻接矩阵的元素表示节点间的连接关系和连接强度。

43、进一步地,基于所述负载变化数据识别异常电压区间,包括:

44、对所述负载变化数据进行节点解析,提取各监测节点的电压时间序列;

45、基于所述电压时间序列,统计各节点的电压特征参数;其中,所述电压特征参数包括电压幅值、频率、相位、均值、标准差、峰值和有效值中的至少一者;

46、基于所述电压特征参数与额定电压的偏离程度,识别异常电压波动;当节点电压偏离额定电压超过第一预设阈值时标记为轻微异常,当节点电压偏离额定值超过第二预设阈值时标记为严重异常;

47、基于所述异常电压波动在时间轴上的分布,提取电压幅值超出正常范围的时间段,作为异常电压区间。

48、进一步地,基于所述异常电压区间识别绝缘劣化点并生成故障传播路径标识,包括:

49、基于所述异常电压区间,提取绝缘劣化点并识别应力集中点;

50、对所述应力集中点执行应力重分布,生成分布调节参数;

51、基于所述分布调节参数协调应力分布,生成激发响应系数;

52、基于所述激发响应系数,将所述绝缘劣化点转化为故障传播路径标识。

53、进一步地,基于所述故障传播路径标识识别绝缘薄弱环节,包括:

54、对所述故障传播路径标识进行节点解析,提取各故障传播路径中的节点信息,识别在多条故障传播路径中交汇的节点;

55、统计交汇节点在故障传播路径中的拓扑重要性指标;所述拓扑重要性指标包括节点度数、介数中心性和接近中心性中的至少一者;

56、基于所述拓扑重要性指标,将拓扑重要性指标超过预设阈值的交汇节点识别为绝缘薄弱环节。

57、进一步地,将所述绝缘薄弱环节与所述电气特征矢量中与绝缘状态相关的特征分量进行比对,识别异常预兆节点,包括:

58、从所述电气特征矢量中提取与绝缘状态相关的特征分量;

59、获取所述绝缘薄弱环节的位置信息,将所述绝缘薄弱环节的位置与电气特征矢量中绝缘状态相关特征分量的异常位置进行空间比对,识别位置重合或邻近的节点;

60、基于比对结果,将位置重合或邻近且绝缘状态相关特征分量呈现异常变化的节点识别为异常预兆节点。

61、进一步地,基于所述异常预兆节点生成多模检测序列,通过冲突检测与交叉验证增强对所述多模检测序列进行降维处理生成数据编码矩阵,包括:

62、基于所述异常预兆节点,提取多种检测模式的数据序列,生成多模检测序列;其中,所述多种检测模式包括电气检测模式、热力学检测模式、机械振动检测模式和化学检测模式中的至少两种;

63、对所述多模检测序列进行冲突检测,识别不同检测模式之间的响应差异,根据冲突检测结果生成交叉验证增强参数;

64、基于所述交叉验证增强参数,对所述多模检测序列进行冗余特征识别,基于冗余特征识别结果进行降维处理,提取降维特征组;

65、按照时间顺序对所述降维特征组进行编码,生成数据编码矩阵。

66、进一步地,基于电流波形识别系统处理延迟,基于所述系统处理延迟生成预警时间窗口扩展参数,包括:

67、基于所述电流波形,识别电流信号在采集、传输与处理过程中的系统处理延迟;

68、基于所述系统处理延迟,确定数据堆积密度特征;

69、基于所述数据堆积密度特征,构建密度梯度分布,获得梯度信息载体;

70、基于所述梯度信息载体,转化为时间窗口驱动因子;

71、基于所述时间窗口驱动因子,构建预警时间窗口扩展参数。

72、进一步地,将所述预警时间窗口扩展参数与所述数据编码矩阵进行时序匹配生成处理窗口,在所述处理窗口内将所述数据编码矩阵转换为分级识别结果,包括:

73、基于所述预警时间窗口扩展参数与所述数据编码矩阵,进行时序错位识别,生成时序错位特征;

74、基于所述时序错位特征进行协调增强变换,生成增强参数;

75、基于所述增强参数进行多时间尺度分析,生成同步参数;

76、基于所述同步参数进行窗口生成,生成处理窗口;

77、基于所述处理窗口和所述数据编码矩阵进行分级识别,得到分级识别结果。

78、本发明还公开了一种电力设备异常模式识别系统,所述系统包括数据采集与特征构建模块m1、负载分析与故障追踪模块m2、多模处理与降维编码模块m3和延迟补偿与识别结果输出模块m4;

79、所述数据采集与特征构建模块m1,用于基于获取的电力系统中电力设备的运行电流波形和电压信号生成电气特征矢量;基于所述电气特征矢量分离出负载不平衡特征,基于所述负载不平衡特征构建电网拓扑结构并监测功率波动生成负载变化数据;

80、所述负载分析与故障追踪模块m2,用于基于所述负载变化数据识别异常电压区间;基于所述异常电压区间识别绝缘劣化点并生成故障传播路径标识;基于所述故障传播路径标识识别绝缘薄弱环节,将所述绝缘薄弱环节与所述电气特征矢量中与绝缘状态相关的特征分量进行比对,识别异常预兆节点;

81、所述多模处理与降维编码模块m3,用于基于所述异常预兆节点生成多模检测序列,通过冲突检测与交叉验证增强对所述多模检测序列进行降维处理,生成数据编码矩阵;

82、所述延迟补偿与识别结果输出模块m4,用于基于电流波形识别系统处理延迟,基于所述系统处理延迟生成预警时间窗口扩展参数,将所述预警时间窗口扩展参数与所述数据编码矩阵进行时序匹配生成处理窗口,在所述处理窗口内将所述数据编码矩阵转换为分级识别结果。

83、本发明还公开了一种电力设备异常模式识别的电子装置,包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序,所述处理器,用于执行所述计算机程序以实现如实施例一中所述的电力设备异常模式识别方法。

84、与现有技术相比,本发明至少可实现如下有益效果之一:

85、1.本发明全面提升电气特征感知的全面性与精确性。本发明突破了传统单一参数阈值判断的技术局限,通过构建涵盖频谱分量、多频段电磁干扰强度、频谱-干扰相关系数、三相运行参数和绝缘状态参数的多维电气特征矢量,实现对电力设备运行状态的全面刻画。特别是通过电流波形频域变换与电压畸变参数的关联分析,挖掘了电流频谱特征与电压电磁干扰之间的内在耦合关系,能够同时捕获谐波特征、频域异常和电磁干扰模式,显著提高异常状态识别的准确性和早期预警的灵敏度,有效解决复杂电力环境下单一参数检测精度不高和适应性不强的技术难题;

86、2.本发明建立完整的电力设备的异常演进链条,实现故障的早期溯源与精准定位。本发明建立从负载变化到异常电压区间、绝缘劣化点、故障传播路径直至异常预兆节点的完整异常演进链条,打破传统方法“独立点检测”的局限。通过应力集中因子量化、梯度势场构建和激发响应系数计算,实现绝缘劣化点的精确定位与故障传播路径的网络化追踪;通过拓扑重要性指标分析和绝缘状态特征分量的空间比对,完成从宏观电气异常到微观绝缘劣化的系统性溯源,使设备潜在故障的早期识别和主动预警成为可能,填补现有技术无法追踪设备异常发展全过程的空白;

87、3.本发明优化多模态检测资源配置,实现延迟自适应补偿与分级识别。本发明创新性地采用基于异常预兆节点的多模检测序列生成技术,仅在识别出异常预兆节点后有选择地展开电气、热力学、机械振动、化学等多模态检测,避免全设备全模态检测的资源浪费。通过冲突检测与交叉验证增强处理,有效解决多源异构信息融合时的可信度判定问题;独创性地建立了从处理延迟识别、数据堆积密度分析到预警时间窗口扩展的完整延迟补偿链条,结合多时间尺度同步和三级递进识别架构,实现从粗糙异常定位到精细多模验证的渐进式识别过程,有效解决复杂电力环境下多源异常信息时序不匹配和检测资源配置不当的技术难题。

88、本发明中,上述各技术方案之间还可以相互组合,以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述,并且,部分优点可从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。