基于ANFIS的储能系统断路器故障诊断方法及系统与流程

技术特征：
1.一种基于anfis的储能系统断路器故障诊断方法，其特征在于，所述方法包括：获取待诊断储能系统断路器在分合闸线圈过程中的电流最大最小值、电流最大值对应的时间、电流最小值对应的时间和电流最大值至最小值所持续时间或电流最小值至最大值所持续时间，并进行归一化处理；将归一化处理后的所述电流最大最小值、电流最大值对应的时间、电流最小值对应的时间和电流最大值至最小值所持续时间或电流最小值至最大值所持续时间输入预先训练好的基于anfis的储能系统断路器故障诊断模型中，得到所述待诊断储能系统断路器的状态；其中，所述基于anfis的储能系统断路器故障诊断模型是以归一化处理后的储能系统断路器在分合闸线圈过程中的电流最大最小值、电流最大值对应的时间、电流最小值对应的时间和电流最大值至最小值所持续时间或电流最小值至最大值所持续时间为输入，以预设的断路器的状态为输出进行训练得到的。2.如权利要求1所述的方法，其特征在于，所述预设的断路器的状态包括：正常分闸、铁芯在合闸起始阶段动作不完整、操作源电压过低、铁芯空行程过大和动作开关接触不良。3.如权利要求2所述的方法，其特征在于，所述基于anfis的储能系统断路器故障诊断模型是由模糊化层、规则推理层、归一化层、逆模糊化层和输出层构成的。4.如权利要求3所述的方法，其特征在于，所述基于anfis的储能系统断路器故障诊断模型的训练过程包括：获取历史时段内所述断路器在各状态下的样本数据，并将所述样本数据划分为训练集和测试集；其中所述样本数据中包含所述断路器在各分合闸线圈过程中的电流最大最小值、电流最大值对应的时间、电流最小值对应的时间和电流最大值至最小值所持续时间或电流最小值至最大值所持续时间数据，及各分合闸线圈过程对应的断路器的状态数据；利用所述训练集对初始的自适应模糊神经系统进行训练，得到初始的基于anfis的储能系统断路器故障诊断模型；基于所述测试集对所述初始的基于anfis的储能系统断路器故障诊断模型进行优化，得到训练好的基于anfis的储能系统断路器故障诊断模型。5.如权利要求4所述的方法，其特征在于，所述利用所述训练集对初始的自适应模糊神经系统进行训练，得到初始的基于anfis的储能系统断路器故障诊断模型，包括：将训练集中的数据依次输入所述初始的自适应模糊神经系统的模糊化层、规则推理层、归一化层、逆模糊化层和输出层进行训练，当达到最大迭代次数，终止训练，得到初始的基于anfis的储能系统断路器故障诊断模型。6.如权利要求5所述的方法，其特征在于，所述基于所述测试集对所述初始的基于anfis的储能系统断路器故障诊断模型进行优化，得到训练好的基于anfis的储能系统断路器故障诊断模型，包括：将测试集中的各分合闸线圈过程中的电流最大最小值、电流最大值对应的时间、电流最小值对应的时间和电流最大值至最小值所持续时间或电流最小值至最大值所持续时间数据输入所述初始的基于anfis的储能系统断路器故障诊断模型中，得到所述初始的基于anfis的储能系统断路器故障诊断模型输出的各分合闸线圈过程对应的断路器的状态数据；
将所述初始的基于anfis的储能系统断路器故障诊断模型输出的各分合闸线圈过程对应的断路器的状态数据与所述测试集中的各分合闸线圈过程对应的断路器的状态数据对比，若所述初始的基于anfis的储能系统断路器故障诊断模型输出的所述状态数据与测试集中的所述状态数据的误差小于等于预设的误差阈值，则将所述初始的基于anfis的储能系统断路器故障诊断模型作为训练好的基于anfis的储能系统断路器故障诊断模型，否则调整所述模型的参数重新进行训练，直至所述误差小于等于预设的误差阈值。7.一种基于anfis的储能系统断路器故障诊断系统，其特征在于，所述系统包括：获取模块，用于获取待诊断储能系统断路器在分合闸线圈过程中的电流最大最小值、电流最大值对应的时间、电流最小值对应的时间和电流最大值至最小值所持续时间或电流最小值至最大值所持续时间，并进行归一化处理；诊断模块，用于将归一化处理后的所述电流最大最小值、电流最大值对应的时间、电流最小值对应的时间和电流最大值至最小值所持续时间或电流最小值至最大值所持续时间输入预先训练好的基于anfis的储能系统断路器故障诊断模型中，得到所述待诊断储能系统断路器的状态；其中，所述基于anfis的储能系统断路器故障诊断模型是以归一化处理后的储能系统断路器在分合闸线圈过程中的电流最大最小值、电流最大值对应的时间、电流最小值对应的时间和电流最大值至最小值所持续时间或电流最小值至最大值所持续时间为输入，以预设的断路器的状态为输出进行训练得到的。8.如权利要求7所述的系统，其特征在于，所述预设的断路器的状态包括：正常分闸、铁芯在合闸起始阶段动作不完整、操作源电压过低、铁芯空行程过大和动作开关接触不良。9.如权利要求8所述的系统，其特征在于，所述基于anfis的储能系统断路器故障诊断模型是由模糊化层、规则推理层、归一化层、逆模糊化层和输出层构成的。10.如权利要求9所述的系统，其特征在于，所述系统还包括：训练模块，所述训练模块用于：获取历史时段内所述断路器在各状态下的样本数据，并将所述样本数据划分为训练集和测试集；其中所述样本数据中包含所述断路器在各分合闸线圈过程中的电流最大最小值、电流最大值对应的时间、电流最小值对应的时间和电流最大值至最小值所持续时间或电流最小值至最大值所持续时间数据，及各分合闸线圈过程对应的断路器的状态数据；利用所述训练集对初始的自适应模糊神经系统进行训练，得到初始的基于anfis的储能系统断路器故障诊断模型；基于所述测试集对所述初始的基于anfis的储能系统断路器故障诊断模型进行优化，得到训练好的基于anfis的储能系统断路器故障诊断模型。

技术总结
本申请提出基于ANFIS的储能系统断路器故障诊断方法及系统，所述方法包括：获取待诊断储能系统断路器在分合闸线圈过程中的电流最大最小值、电流最大值对应的时间、电流最小值对应的时间和电流最大值至最小值所持续时间或电流最小值至最大值所持续时间，并进行归一化处理；将归一化处理后的所述电流最大最小值、电流最大值对应的时间、电流最小值对应的时间和电流最大值至最小值所持续时间或电流最小值至最大值所持续时间输入预先训练好的基于ANFIS的储能系统断路器故障诊断模型中，得到所述待诊断储能系统断路器的状态。本申请提出的技术方案，可以准确速度对储能系统断路器的状态进行诊断，保证电力系统安全稳定运行具有重要的实用意义。具有重要的实用意义。具有重要的实用意义。


技术研发人员：王绍民 林松青 薛晓峰 李顺宁 姜滨 梁晓斌 刘文武 张宗祯 王仪杭 常云潇 张晨曦 苏婉莉 李志鹏 薛菲 寇水潮
受保护的技术使用者：西安热工研究院有限公司
技术研发日：2022.11.11
技术公布日：2023/2/3