一种基于CNN-BiLSTM的高压并联电抗器绕组松动的故障诊断方法与流程

一种基于cnn-bilstm的高压并联电抗器绕组松动的故障诊断方法
技术领域
1.本发明属于涉及电力技术领域，具体涉及一种基于cnn-bilstm的高压并联电抗器绕组松动的故障诊断方法。


背景技术：

2.高压并联电抗器是电力系统中重要的无功补偿设备，对电力系统的安全稳定运行起着重要的作用。随着近些年来高压并联电抗器投运数量的不断增加，高压并联电抗器的故障缺陷诊断也越来越受到重视。高压并联电抗器在运行过程中会产生很大的振动与噪声，由振动所引发的部件松动破损是电抗器发生缺陷与故障的主要原因之一，极端情况下可引起设备发生严重故障，威胁电力系统稳定性。
3.目前常用的电气量监测、油色谱监测等状态评估方法在高压并联电抗器故障后期(出现绝缘缺陷)缺陷诊断方面表现出较高的准确性，但对于部件松动等早期机械故障难以及时诊断。电力设备的表面振动信号往往与其机械状态密切相关，基于振动信号的机械缺陷诊断方法已得到广泛研究。振动法利用高压并联电抗器表面的振动信号检测其机械状态，具有在线、非侵入和对早期机械故障反应灵敏的优点，相关科研机构和企业研制了种类繁多的基于振动声学信号的高压并联电抗器在线监测仪器，实现了高压并联电抗器油箱表面振动信号的实时观测和记录。但是对振动信号后期处理手段的研究尚不深入，难以通过分析高压并联电抗器表面振动信号判断其绕组是否出现机械故障，给高压并联电抗器绕组松动故障诊断带来了一定困难。
4.因此，针对基于高压并联电抗器表面的振动信号，发明一种高压并联电抗器绕组松动故障诊断方法具有重要意义，为电力系统安全稳定运行提供保障，该方法具有坚实的工程背景和广阔的应用前景。


技术实现要素：

5.为了解决上述问题，本发明提供了一种基于cnn-bilstm的高压并联电抗器绕组松动的故障诊断方法，采用振动测量装置对高压并联电抗器油箱表面的振动信号进行采集，并通过cnn和bi-lstm所结合的算法进行分类，用以判断高压并联电抗器绕组是否出现机械故障。具体技术方案如下：
6.一种基于cnn-bilstm的高压并联电抗器绕组松动的故障诊断方法，包括以下步骤：
7.s1：对高压并联电抗器油箱表面振动信号进行多路采集，获取各测点振动信号；
8.s2：将采集到的信号进行快速傅里叶变换与小波去噪，根据频谱分析提取其中关键的数据特征，选出功率谱为特征进行分析；
9.s3：将处理后的数据对cnn与bi-lstm结合所构建的算法进行训练；
10.s4：输出使用softmax函数判断输入信号是否存在绕组松动故障；
11.s5：softmax函数输出值为0时，高压并联电抗器绕组状态正常；softmax函数输出值为1时，高压并联电抗器发生绕组松动故障。
12.优选地，所述步骤s1中通过振动测量装置进行采集高压并联电抗器油箱表面的振动信号。
13.优选地，所述振动测量装置包括振动传感器、ad转换模块、微处理器；所述振动传感器、ad转换模块、微处理器依次连接；所述振动传感器设置若干个，分别设置在各个振动测点上；所述振动传感器用于采集高压并联电抗器油箱表面的振动信号并将采集到的振动信号传输至ad转换模块；所述ad转换模块用于对振动传感器采集到的高压并联电抗器油箱表面的振动信号进行模数转换，并将转换后的高压并联电抗器油箱表面的振动信号传输至微处理器；所述微处理器用于对ad转换模块转换后的数字的高压并联电抗器油箱表面的振动信号进行处理。
14.优选地，所述测点的设置方式为：在高压并联电抗器的油箱表面且在邮箱的高度1/4处、1/2处、3/4处分别沿所述油箱逆时针一周平均分布振动测点，所述振动传感器设置在振动测点上。
15.优选地，所述步骤s3具体包括以下步骤：
16.s31：将输入信号与滤波器函数进行两次卷积；
17.s32：在卷积层中使用leakyrelu线性激活单元，在卷积操作后使用leakyrelu激活函数在网络中增加非线性和稀疏性的特性结构体；
18.s33：进行最大池化操作，只选择卷积输出的最大值，减少输出神经元的数量；
19.s34：重复步骤s31-s33三次；
20.s35：最后一次池化后进入bi-lstm循环神经网络，激活函数为tanh非线性函数；
21.s36：数据进入两个全连接层，全连接层中该层与前一层的所有激活都完全连接，同时全连接层中使用dropout降低过拟合；
22.s37得到输出；
23.优选地，所述步骤s31中的卷积公式为：
[0024][0025]
其中xn为第n个信号，h
k-n
为第k-n个滤波器，n为中信号的个数，输出向量为y，下表k表示向量的第k个元素。
[0026]
优选地，所述步骤s32中leakyrelu函数公式：
[0027]
优选地，所述步骤s36中dropout的值为0.5。
[0028]
本发明的有益效果为：本发明提供了一种基于cnn-bilstm的高压并联电抗器绕组松动的故障诊断方法，对高压并联电抗器油箱表面振动信号进行多路采集，获取各测点振动信号；将采集到的信号进行快速傅里叶变换与小波去噪，根据频谱分析提取其中关键的数据特征，选出功率谱为特征进行分析；将处理后的数据对cnn与bi-lstm结合所构建的算法进行训练；输出使用softmax函数判断输入信号是否存在绕组松动故障；softmax函数输出值为0时，高压并联电抗器绕组状态正常；softmax函数输出值为1时，高压并联电抗器发
生绕组松动故障。本发明的方法利用振动测量装置对高压并联电抗器进行振动信号的采集，选取电抗器油箱表面作为测量位置，对采集到的信号进行预处理，将预处理后的振动信号进行分析，基于cnn和bi-lstm所结合的算法，利用高压并联电抗器本体振动信号对绕组状态进行判断分类，实现了高压并联电抗器绕组故障诊断。
附图说明
[0029]
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
[0030]
图1为本发明的流程示意图；
[0031]
图2为本发明cnn-bilstm算法的流程图。
具体实施方式
[0032]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0033]
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0034]
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0035]
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0036]
如图1所示，本发明的具体实施方式提供了一种基于cnn-bilstm的高压并联电抗器绕组松动的故障诊断方法，利用振动测量装置对高压并联电抗器进行振动信号的采集，选取电抗器油箱表面作为测量位置，对采集到的信号进行预处理，将预处理后的振动信号进行分析，从而检测电抗器绕组是否发生松动故障，包括以下步骤：
[0037]
s1：对高压并联电抗器油箱表面振动信号进行多路采集，获取各测点振动信号；具体是通过振动测量装置进行采集高压并联电抗器油箱表面的振动信号。振动测量装置包括振动传感器、ad转换模块、微处理器；所述振动传感器、ad转换模块、微处理器依次连接；所述振动传感器设置若干个，分别设置在各个振动测点上。所述振动传感器用于采集高压并联电抗器油箱表面的振动信号并将采集到的振动信号传输至ad转换模块；所述ad转换模块用于对振动传感器采集到的高压并联电抗器油箱表面的振动信号进行模数转换，并将转换后的高压并联电抗器油箱表面的振动信号传输至微处理器；所述微处理器用于对ad转换模块转换后的数字的高压并联电抗器油箱表面的振动信号进行处理。
[0038]
振动测点的设置方式为：在高压并联电抗器的油箱表面且在邮箱的高度1/4处、1/2处、3/4处分别沿所述油箱逆时针一周平均分布振动测点，所述振动传感器设置在振动测
点上。
[0039]
s2：将采集到的信号进行快速傅里叶变换(fast fourier transform，fft)与小波去噪，使振动信号达到平滑滤波与去噪的预处理，其主要是对不需要的成分进行抑制，根据频谱分析提取其中关键的数据特征，选出功率谱为特征进行分析。
[0040]
s3：将处理后的数据对cnn(convolutional neural networks，卷积神经网络)与bi-lstm(bi-directional long short-term memory，双向长短期记忆)结合所构建的算法进行训练；具体包括以下步骤：
[0041]
s31：将输入信号与滤波器函数进行两次卷积；卷积公式为：
[0042][0043]
其中xn为第n个信号，h
k-n
为第k-n个滤波器，n为中信号的个数，输出向量为y，下表k表示向量的第k个元素。
[0044]
s32：在卷积层中使用leakyrelu线性激活单元，在卷积操作后使用leakyrelu激活函数在网络中增加非线性和稀疏性的特性结构体；leakyrelu函数公式：
[0045]
s33：进行最大池化操作，只选择卷积输出的最大值，减少输出神经元的数量；
[0046]
s34：重复步骤s31-s33三次；
[0047]
s35：最后一次池化后进入bi-lstm循环神经网络，激活函数为tanh非线性函数；
[0048]
s36：数据进入两个全连接层，全连接层中该层与前一层的所有激活都完全连接，同时全连接层中使用dropout降低过拟合；其值为0.5。
[0049]
s37得到输出。
[0050]
s4：输出使用softmax函数判断输入信号是否存在绕组松动故障；
[0051]
s5：softmax函数输出值为0时，高压并联电抗器绕组状态正常；softmax函数输出值为1时，高压并联电抗器发生绕组松动故障。
[0052]
本发明的方法利用振动测量装置对高压并联电抗器进行振动信号的采集，选取电抗器油箱表面作为测量位置，对采集到的信号进行预处理，将预处理后的振动信号进行分析，基于cnn和bi-lstm所结合的算法，利用高压并联电抗器本体振动信号对绕组状态进行判断分类，实现了高压并联电抗器绕组故障诊断。
[0053]
使用时，如图1所示，通过振动测量装置采集高压并联电抗器表面的振动信号，每隔一段时间保存记录一次，间隔时间为1小时。借助快速傅里叶变换(fft)将记录保存的时域数据转化为频域数据，然后提取每个数据的低频能量、中频能量以及高频能量为特征进行分析；利用cnn和bi-lstm构建的算法模型，以特征量作为输入，在cnn算法卷积层进行卷积并选取改进的激活函数；数据输入后，算法流程如图2所示；输出使用softmax函数(该函数计算k个输出类的概率分布)判断输入信号是否存在绕组松动故障，p的输出值在0到1之间，它们的和等于1；
[0054][0055]
p的输出值为0时，高压并联电抗器绕组状态正常；p的输出值为1时，高压并联电抗器发生绕组松动故障。
[0056]
本发明的方法基于cnn和bi-lstm所结合的算法，利用高压并联电抗器本体振动信号对绕组状态进行判断分类，实现了高压并联电抗器绕组故障诊断。
[0057]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0058]
在本技术所提供的实施例中，应该理解到，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元可结合为一个单元，一个单元可拆分为多个单元，或一些特征可以忽略等。
[0059]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。