输电线路状态监测传感器的在线性能评估与故障诊断方法及系统

1.本发明涉及一种传感器监测方法及系统，尤其涉及一种用于输电线路的传感器监测方法及系统。


背景技术：

2.传感器作为输电线路在线监测系统的一个必不可少的组成环节，在电力系统中起着尤其重要的作用，它们每时每刻都监测着输电线路的运行状况，并为进一步的决策提供依据，所以其检测信息的准确性、传递信息的及时性、运行的可靠性至关重要，只有自身运行良好，才能对输电线路运行进行有效的监视与评估，为线路运行方案提供准确可靠的依据。所以，在输电线路系统的故障诊断中，首先应进行传感器的检验,对其运行状态进行有效的监视与评估。
3.随着输电线路在线监测系统的广泛应用，现有技术中对其进行故障评估的研究工作主要集中在输电线路或是整个监测系统的监测量进行评估，鲜有对传感器本身进行故障检测与准确性评估的技术。然而，本领域内技术人员均了解传感器性能监视与评估的重要性。
4.基于此，期望提供一种输电线路状态监测传感器的在线性能评估与故障诊断方法。


技术实现要素：

5.本发明的目的之一在于提供一种输电线路状态监测传感器的在线性能评估与故障诊断方法，其旨在结合在线监测测量不确定度来实现对传感器性能的在线评估和故障诊断。
6.为了实现上述目的，本发明提供了一种输电线路状态监测传感器的在线性能评估与故障诊断方法，其包括步骤：
7.(1)采集传感器测得的测量值数据；
8.(2)将前m个测量值数据输入神经网络，以得到下一时刻的传感器测量的预测值；
9.(3)计算预测值与与之对应的实际测量值的残差值；
10.(4)将残差值与设定的阈值进行比较，若残差值连续超过所述阈值的次数大于设定的正整数d时，则判断传感器产生了突变信号。
11.本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断方法将时间序列预测方法和基于神经网络智能学习方法相结合。由于实际测量环境中通常存在着很多电磁干扰和随机干扰，使传感器测得的时间序列中不可避免地存在一些噪声，因此首先对传感器数据进行预处理，将预处理后的数据作为神经网络的输入。
12.进一步地，在本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断方法的步骤(4)中，若残差值未超过所述阈值，则对该实际测量值的重复不确定度进行计
算，以评估数据可靠性。
13.进一步地，在本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断方法的步骤(1)中，对传感器数据进行冗余采样或正常采样。
14.优选地，在本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断方法中，在步骤(1)和步骤(2)之间还包括步骤：对传感器测得的测量值数据进行预处理。
15.进一步地，在本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断方法中，所述预处理包括小波滤波，以滤除噪声，提升数据质量。
16.进一步地，在本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断方法中，所述小波滤波采用daubechie小波、coiflets小波、symlets小波和双正交样条小波biorsolines的其中至少一种。
17.在具体的实施方式中，可以选用daubechie小波、coiflets小波、symlets小波和双正交样条小波biorsolines等。除了选择合适的小波，本领域内技术人员还可以根据需要确定合适的分解尺度，滤波阈值。可以采用现有技术中的通用阈值法、极小化风险阈值法、或假设检验法确定阈值。
18.本技术方案根据确定的阈值，完成对小波系数的非线性处理，完成滤波处理。
19.进一步地，在本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断方法的步骤(2)中，所述神经网络包括bp神经网络。
20.更进一步地，所述bp神经网络包括输入层、隐含层和输出层。
21.本发明中的bp神经网络采用三层结构：输入层、隐含层和输出层，其中输入层输入的是传感器前m个时刻的测量结果，输出层只有一个节点，即预测传感器下一时刻的测量结果。
22.进一步地，在本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断方法的步骤(4)中，按照下述公式计算重复不确定度u(y)：
[0023][0024]
其中，n表示测量次数，kn表示与测量次数相关的系数，|δi|
max
表示传感器单次测量的残差值。
[0025]
其中，对于在线传感器来说，n＝1，此时kn＝0.8。
[0026]
进一步地，在本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断方法中，当传感器被判断为产生了突变信号时，提取突变信号的特征，并基于该突变信号的特征判断传感器是否发生了故障。
[0027]
在本技术方案中，当传感器被判断为产生了突变信号时，本技术方案基于小波及小波包变换的频带技术，提取突变信号的特征，并基于其与突变原因之间的对应关系，判断传感器是否发生了故障。
[0028]
表1列出了突变信号的特征与突变原因之间的对应关系。
[0029]
表1
[0030]
突变原因传感器输出信号特征给定输入只有低频信号过程扰动只有低频信号
传感器故低频信号 高频信号被控对象与传感器的输入带宽
[0031]
进一步地，在本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断方法中，当突变信号的特征为低频信号 高频信号时，判断传感器发生了故障。
[0032]
本发明的另一目的在于提供一种输电线路状态监测传感器的在线性能评估与故障诊断系统，其能够结合在线监测测量不确定度来实现对传感器性能的在线评估和故障诊断。
[0033]
基于上述目的，本发明相应地提供了一种输电线路状态监测传感器的在线性能评估与故障诊断系统，其包括：
[0034]
数据采集模块，其采集传感器测得的测量值数据；
[0035]
神经网络模块，将前m个测量值数据输入神经网络模块，以得到下一时刻的传感器测量的预测值；
[0036]
评估和诊断模块，其计算预测值与与之对应的实际测量值的残差值；以及将残差值与设定的阈值进行比较，若残差值连续超过所述阈值的次数大于设定的正整数d时，判断传感器产生了突变信号。
[0037]
进一步地，在本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断系统中，所述评估和诊断模块还被设置为：若残差值未超过所述阈值，则对该实际测量值的重复不确定度进行计算，以评估数据可靠性。
[0038]
进一步地，在本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断系统中，所述数据采集模块对传感器数据进行冗余采样或正常采样。
[0039]
进一步地，本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断系统还包括预处理模块，其对传感器测得的测量值数据进行预处理。
[0040]
更进一步地，在本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断系统中，所述预处理包括小波滤波，以滤除噪声。
[0041]
更进一步地，在本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断系统中，所述小波滤波采用daubechie小波、coiflets小波、symlets小波和双正交样条小波biorsolines的其中至少一种。
[0042]
进一步地，在本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断系统中，所述神经网络模块包括bp神经网络。
[0043]
更进一步地，在本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断系统中，所述bp神经网络包括输入层、隐含层和输出层。
[0044]
进一步地，在本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断系统中，所述评估和诊断模块按照下述公式计算重复不确定度u(y)：
[0045][0046]
其中，n表示测量次数，kn表示与测量次数相关的系数，|δi|
max
表示传感器单次测量的残差值。
[0047]
更进一步地，在本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断系统中，当n＝1时，表示传感器为在线传感器，此时kn＝0.8。
[0048]
进一步地，在本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断系统中，所述评估和诊断模块还被设置为：当传感器被判断为产生了突变信号时，提取突变信号的特征，并基于该突变信号的特征判断传感器是否发生了故障。
[0049]
进一步地，在本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断系统中，所述评估和诊断模块被设置为：当突变信号的特征为低频信号 高频信号时，判断传感器发生了故障。
[0050]
本发明的又一目的在于提供一种计算机可读存储介质，其能够执行结合在线监测测量不确定度来实现对传感器性能的在线评估和故障诊断的计算机程序。
[0051]
基于上述目的，本发明相应地提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序执行本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断方法。
[0052]
本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断方法可以针对于各种输电线路状态监测传感器，包括温度，电流、张力、振动、微风舞动传感器等。
[0053]
本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断方法及系统以及计算机可读存储程序均具有以下有益效果：
[0054]
其能够有效、准确、便捷地对传感器检测信息的准确性、传递信息的及时性、运行的可靠性进行监控，为进一步的决策提供依据，从而保障对输电线路运行的有效的监视与评估，为线路运行方案提供准确可靠的依据。
附图说明
[0055]
图1为本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断方法在一种实施方式下的流程图示意图。
[0056]
图2为本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断方法及系统在一种实施方式下采用的神经网络的架构示意图。
[0057]
图3示例性地显示了在一种实施方式下正常采样的温度传感器输出的信号。
具体实施方式
[0058]
下面将结合说明书附图和具体的实施例对本本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断方法及系统做进一步的解释和说明，然而该解释和说明并不对本发明的技术方案构成不当限定。
[0059]
图1为本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断方法在一种实施方式下的流程图示意图。
[0060]
该实施方式以输电线路采集的导线温度数据为例，测试的传感器为pt-100温度传感器。该传感器的量程为100℃，感温元件为cu50，其标称精度等级为1级。经测试，该传感器的实际重复不确定度为0.23℃，该数值可以与后续采用本技术方案获得的重复不确定度进行比对，以验证本案的实施效果。
[0061]
在该实施方式下，采用本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断方法对该pt-100温度传感器进行在线性能评估与故障诊断包括步骤：
[0062]
100：采集传感器测得的测量值数据：本实施例中采用了冗余采样，设置冗余采样
周期为100ms(频率为10hz，其为故障诊断和使用冗余采样频率法实时滤波而设置)。在其他实施方式中，当正常采样时，可以设置启采样周期为6.4s。
[0063]
200：对传感器测得的测量值数据进行小波滤波：本实施例中采用了db4小波(即daubechie小波)，数据窗长度n＝64，分解层数j＝4，滤波阈值选用了birge-massart策略产生的尺度相关阈值，阈值作用函数为软阈值形式。
[0064]
300：将预处理后的前m个测量值数据输入神经网络，以得到下一时刻的传感器测量的预测值：在本实施方式中，由于温度值的采样周期较长，选择了10个输入节点的bp神经网络，以进行预测。
[0065]
图2显示了本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断方法及系统在一种实施方式下采用的神经网络的架构示意图。
[0066]
如图2所示，该bp神经网络采用三层结构：输入层、隐含层和输出层，其中输入层输入的是传感器前m个时刻的测量结果y(t)、y(t-1)、
……
y(t-m 1)，输出层只有一个节点，输出预测的传感器下一时刻的测量结果
[0067]
400：计算预测值与与之对应的实际测量值的残差值。
[0068]
500：将残差值与设定的阈值进行比较，若残差值连续超过所述阈值的次数大于设定的正整数d时，则判断传感器产生了突变信号；若残差值未超过所述阈值，则对该实际测量值的重复不确定度进行计算，以评估数据可靠性。在该实施例中，可以将阈值θ设置为1℃。
[0069]
在本实施方式中，按照下述公式计算重复不确定度u(y)：
[0070][0071]
其中，n表示测量次数，kn表示与测量次数相关的系数，|δi|
max
表示传感器单次测量的残差值。
[0072]
其中，对于在线传感器来说，n＝1，此时kn＝0.8。
[0073]
当传感器被判断为产生了突变信号时，突变信号识别程序基于小波及小波包变换的频带技术提取突变信号的特征，基于该突变信号的特征判断传感器是否发生了故障。
[0074]
在一种实施方式下，采用本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断系统对该pt-100温度传感器进行在线性能评估与故障诊断。该在线性能评估与故障诊断系统包括：数据采集模块、神经网络模块以及评估和诊断模块。
[0075]
其中，数据采集模块采集传感器测得的测量值数据。例如在某些具体的实施例中可以采用冗余采样，设置冗余采样周期为100ms(频率为10hz，其为故障诊断和使用冗余采样频率法实时滤波而设置)。在其他具体的实施例中，当正常采样时，可以设置启采样周期为6.4s。
[0076]
神经网络模块用于基于输入其中的前m个测量值数据，得到下一时刻的传感器测量的预测值。在某些具体的实施例中，由于温度值的采样周期较长，选择了10个输入节点的bp神经网络，以进行预测。
[0077]
在某些具体的实施例中，可以采用如图2所示的bp神经网络。该bp神经网络采用三层结构：输入层、隐含层和输出层，其中输入层输入的是传感器前m个时刻的测量结果y(t)、
y(t-1)、
……
y(t-m 1)，输出层只有一个节点，输出预测的传感器下一时刻的测量结果
[0078]
在该在线性能评估与故障诊断系统中，评估和诊断模块用于计算预测值与与之对应的实际测量值的残差值；以及评估和诊断模块将残差值与设定的阈值进行比较，若残差值连续超过所述阈值的次数大于设定的正整数d时，则判断传感器产生了突变信号；若残差值未超过所述阈值，则对该实际测量值的重复不确定度进行计算，以评估数据可靠性。在某些具体的实施例中，可以将阈值θ设置为1℃。
[0079]
需要说明的是，作为一种优选的实施方式，该在线性能评估与故障诊断系统还可以包括预处理模块，该预处理模块对传感器测得的测量值数据进行预处理，然后将经过预处理的前m个测量值数据输入到下游的神经网络模块中。在某些实施例中，预处理可以包括小波滤波。在某些具体的实施例中，可以采用db4小波(即daubechie小波)，数据窗长度n＝64，分解层数j＝4，滤波阈值可以选用birge-massart策略产生的尺度相关阈值，阈值作用函数为软阈值形式。
[0080]
另外需要说明的是，在某些实施方式中，评估和诊断模块可以按照下述公式计算重复不确定度u(y)：
[0081][0082]
其中，n表示测量次数，kn表示与测量次数相关的系数，|δi|
max
表示传感器单次测量的残差值。
[0083]
其中，对于在线传感器来说，n＝1，此时kn＝0.8。
[0084]
当传感器被判断为产生了突变信号时，突变信号识别程序基于小波及小波包变换的频带技术提取突变信号的特征，评估和诊断模块基于该突变信号的特征判断传感器是否发生了故障。
[0085]
本发明还提供了一种实施方式，在该实施方式下，计算机程序存储在计算机可读存储介质中，该计算机程序执行下述步骤：
[0086]
100：采集传感器测得的测量值数据，例如可以采用冗余采样，设置冗余采样周期为100ms(频率为10hz，其为故障诊断和使用冗余采样频率法实时滤波而设置)。或者在其他实施方式中，当正常采样时，可以设置启采样周期为6.4s。
[0087]
200：对传感器测得的测量值数据进行小波滤波：例如在某些具体的实施例中采用了db4小波(即daubechie小波)，数据窗长度n＝64，分解层数j＝4，滤波阈值选用了birge-massart策略产生的尺度相关阈值，阈值作用函数为软阈值形式。
[0088]
300：将预处理后的前m个测量值数据输入神经网络，以得到下一时刻的传感器测量的预测值：在某些具体的实施方式中，由于温度值的采样周期较长，选择了10个输入节点的bp神经网络，以进行预测。
[0089]
400：计算预测值与与之对应的实际测量值的残差值。
[0090]
500：将残差值与设定的阈值进行比较，若残差值连续超过所述阈值的次数大于设定的正整数d时，则判断传感器产生了突变信号；若残差值未超过所述阈值，则对该实际测量值的重复不确定度进行计算，以评估数据可靠性。在该实施例中，可以将阈值θ设置为1
℃。
[0091]
在某些实施方式中，按照下述公式计算重复不确定度u(y)：
[0092][0093]
其中，n表示测量次数，kn表示与测量次数相关的系数，|δi|
max
表示传感器单次测量的残差值。
[0094]
其中，对于在线传感器来说，n＝1，此时kn＝0.8。
[0095]
当传感器被判断为产生了突变信号时，突变信号识别程序基于小波及小波包变换的频带技术提取突变信号的特征，基于该突变信号的特征判断传感器是否发生了故障。
[0096]
图3示例性地显示了在一种实施方式下正常采样的温度传感器输出的信号。
[0097]
本实施例对上述传感器连续进行了10次评估，每次评估的点数为100点，10次评估的平均重复不确定度列于表2。
[0098]
表2.温度传感器10次评估的平均重复不确定度
[0099]
序号12345678910重复不确定度0.2160.2170.2180.2170.2130.2130.2100.2070.2060.207
[0100]
从表2可以看出，单次测量的重复不确定度存在较大的分散性，但采用平均值作为一个处理周期内的重复不确定度时，与前文所列的实际值0.23相当接近，这显示了本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断方法及系统的有效性。
[0101]
另外，采用本发明所述的输电线路状态监测传感器的在线性能评估与故障诊断方法及系统将发现的信号发生突变的传感器，确定为传感器故障，也与实际相符合。
[0102]
需要说明是，计算获得的重复不确定度的值越低表征着该传感器的可靠性越好。
[0103]
需要说明的是，本发明的保护范围中现有技术部分并不局限于本技术文件所给出的实施例，所有不与本发明的方案相矛盾的现有技术，包括但不局限于在先专利文献、在先公开出版物，在先公开使用等等，都可纳入本发明的保护范围。
[0104]
此外，本案中各技术特征的组合方式并不限本案权利要求中所记载的组合方式或是具体实施例所记载的组合方式，本案记载的所有技术特征可以以任何方式进行自由组合或结合，除非相互之间产生矛盾。
[0105]
还需要注意的是，以上所列举的实施例仅为本发明的具体实施例。显然本发明不局限于以上实施例，随之做出的类似变化或变形是本领域技术人员能从本发明公开的内容直接得出或者很容易便联想到的，均应属于本发明的保护范围。