本發(fā)明專利技術(shù)涉及一種多異源特征融合結(jié)合聚類算法的電氣設(shè)備絕緣故障狀態(tài)分類方法、裝置及存儲(chǔ)介質(zhì)，其中方法包括：獲取電氣設(shè)備運(yùn)行的歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)；分別對(duì)歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)進(jìn)行特征提取、拼接、自動(dòng)編碼器降維和標(biāo)準(zhǔn)化處理，得到歷史數(shù)據(jù)特征組和實(shí)時(shí)數(shù)據(jù)特征組；基于參數(shù)自適應(yīng)選取的DBSCAN聚類算法，對(duì)歷史數(shù)據(jù)特征組和實(shí)時(shí)數(shù)據(jù)特征組分別進(jìn)行聚類，實(shí)現(xiàn)電氣設(shè)備絕緣故障狀態(tài)分類，得到聚類的歷史核心對(duì)象列表和實(shí)時(shí)核心對(duì)象列表；抽取、合并歷史核心對(duì)象列表和實(shí)時(shí)核心對(duì)象列表，并應(yīng)用參數(shù)自適應(yīng)選取的DBSCAN聚類算法，得到實(shí)時(shí)數(shù)據(jù)的精準(zhǔn)絕緣故障狀態(tài)分類結(jié)果。與現(xiàn)有技術(shù)相比，本發(fā)明專利技術(shù)具有分類結(jié)果準(zhǔn)確、可解釋性好等優(yōu)點(diǎn)。釋性好等優(yōu)點(diǎn)。釋性好等優(yōu)點(diǎn)。
【技術(shù)實(shí)現(xiàn)步驟摘要】
一種電氣設(shè)備絕緣故障狀態(tài)分類方法、裝置及存儲(chǔ)介質(zhì)
[0001]本專利技術(shù)涉及高壓電氣設(shè)備絕緣故障狀態(tài)分類領(lǐng)域，尤其是涉及一種多異源特征融合結(jié)合聚類算法的電氣設(shè)備絕緣故障狀態(tài)分類方法、裝置及存儲(chǔ)介質(zhì)。
技術(shù)介紹
[0002]在長(zhǎng)時(shí)間的高電壓和惡劣環(huán)境的作用下，高壓電氣設(shè)備可能發(fā)生溫升、放電等故障。電氣設(shè)備故障可以通過泄漏電流、紅外成像圖、紫外成像圖、可見光圖像、特高頻等多種檢測(cè)手段進(jìn)行判別。而對(duì)電氣設(shè)備運(yùn)行狀態(tài)分級(jí)，力求在不同環(huán)境條件，對(duì)多檢測(cè)信號(hào)，尤其是對(duì)不同拍攝視角的圖像，能在狀態(tài)分級(jí)中有客觀的受影響較小的統(tǒng)一的劃分方法，以此減少運(yùn)維人員工作。
[0003]針對(duì)檢測(cè)到的圖像信號(hào)具有維度高、信息冗余復(fù)雜等特點(diǎn)，對(duì)數(shù)據(jù)進(jìn)行降維是非常必要的。而利用無監(jiān)督學(xué)習(xí)對(duì)設(shè)備運(yùn)行狀態(tài)特征進(jìn)行聚類，有助于對(duì)設(shè)備運(yùn)行狀態(tài)獲得的大量實(shí)時(shí)和歷史檢測(cè)數(shù)據(jù)劃分。電氣設(shè)備檢測(cè)數(shù)據(jù)是一系列多檢測(cè)方式檢測(cè)源數(shù)據(jù)及特征提取后特征構(gòu)成的無標(biāo)記數(shù)據(jù)，使用無監(jiān)督聚類模型劃分故障狀態(tài)，可提高數(shù)據(jù)的利用率，便于后續(xù)分析、建模使用這些無標(biāo)記數(shù)據(jù)。對(duì)于電氣設(shè)備不同故障原因的檢測(cè)信號(hào)特征的數(shù)據(jù)分布不一定相同，對(duì)于實(shí)時(shí)檢測(cè)的電氣設(shè)備信號(hào)，歷史數(shù)據(jù)庫(kù)的劃分范圍結(jié)果不一定適用。
[0004]利用多特征直接進(jìn)行聚類或者機(jī)器學(xué)習(xí)故障分類劃分，缺乏對(duì)多源檢測(cè)特征有效、高效的關(guān)聯(lián)分析，使得各檢測(cè)特征在聚類分類中的貢獻(xiàn)差別大，并且特征冗余度高。且以往的故障狀態(tài)分級(jí)方法一般只利用歷史數(shù)據(jù)，難以根據(jù)實(shí)時(shí)數(shù)據(jù)對(duì)模型進(jìn)行更新。
技術(shù)實(shí)現(xiàn)思路
[0005]本專利技術(shù)的目的就是為了提供一種多異源特征融合結(jié)合聚類算法的電氣設(shè)備絕緣故障狀態(tài)分類方法、裝置及存儲(chǔ)介質(zhì)，實(shí)現(xiàn)精確的故障狀態(tài)分類。
[0006]本專利技術(shù)的目的可以通過以下技術(shù)方案來實(shí)現(xiàn)：
[0007]一種多異源特征融合結(jié)合聚類算法的電氣設(shè)備絕緣故障狀態(tài)分類方法，包括以下步驟：
[0008]獲取電氣設(shè)備運(yùn)行的歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)，所述歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)包括設(shè)備運(yùn)行電壓等級(jí)、環(huán)境溫度、泄漏電流波形和紅外圖像；
[0009]分別對(duì)歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)進(jìn)行特征提取、拼接、自動(dòng)編碼器降維和標(biāo)準(zhǔn)化處理，得到歷史數(shù)據(jù)特征組和實(shí)時(shí)數(shù)據(jù)特征組；
[0010]基于參數(shù)自適應(yīng)選取的DBSCAN聚類算法，對(duì)歷史數(shù)據(jù)特征組和實(shí)時(shí)數(shù)據(jù)特征組分別進(jìn)行聚類，實(shí)現(xiàn)電氣設(shè)備絕緣故障狀態(tài)分類，得到聚類的歷史核心對(duì)象列表和實(shí)時(shí)核心對(duì)象列表；
[0011]抽取、合并歷史核心對(duì)象列表和實(shí)時(shí)核心對(duì)象列表，并應(yīng)用參數(shù)自適應(yīng)選取的DBSCAN聚類算法，得到實(shí)時(shí)數(shù)據(jù)的精準(zhǔn)絕緣故障狀態(tài)分類結(jié)果。
[0012]對(duì)歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)中的泄漏電流波形進(jìn)行特征提取時(shí)，提取電流波形的幅值和有效值特征。
[0013]對(duì)歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)中的紅外圖像進(jìn)行特征提取時(shí)，提取圖像的HSV特征和圖像熵特征。
[0014]將多檢測(cè)信號(hào)的特征進(jìn)行拼接，得到一條設(shè)備運(yùn)行狀態(tài)判別向量：
[0015]X＝(V,T,I
max
,I
E
,H
i
,S
i
,V
i
,E)
[0016]其中，i為遍歷的像素點(diǎn)，V為設(shè)備運(yùn)行的外加電壓值，T為環(huán)境溫度，I
max
為泄漏電流最大值，I
E
為泄漏電流有效值，紅外圖像的HSV特征平均值為H
i
，S
i
和V
i
，E為紅外圖像的熵值。
[0017]所述自動(dòng)編碼器的隱藏特征設(shè)定為4維特征，自動(dòng)編碼器編碼和解碼均有N層隱藏層，利用N層編碼隱藏層對(duì)拼接后的特征進(jìn)行非線性變換，通過虛構(gòu)1個(gè)X
q
→
h
→
X
q
的三層網(wǎng)絡(luò),學(xué)習(xí)得出1種特征變化h＝f(wx+b)，其中，X
q
為輸入的拼接特征，X
q
為輸出，x為原異源融合特征，h為自動(dòng)編碼器隱藏層特征，即x的編碼特征，w為權(quán)重矩陣，b為偏置向量，f為激活函數(shù)。
[0018]采用自適應(yīng)迭代矩估計(jì)對(duì)自動(dòng)編碼器進(jìn)行訓(xùn)練，以最小均方差為目標(biāo)使輸入X
q
與輸出X
q
之間的誤差最小，從而得到最優(yōu)自動(dòng)編碼器結(jié)構(gòu)及編碼數(shù)據(jù)X
q
。
[0019]DBSCAN聚類算法選用歐式聚類，聚類初始核心對(duì)象隨機(jī)選取，根據(jù)數(shù)據(jù)集，自適應(yīng)計(jì)算聚類算法所需參數(shù)：領(lǐng)域?qū)ο髷?shù)eps和Minpts，其中，eps為所有點(diǎn)對(duì)所有其他數(shù)據(jù)點(diǎn)的K
?
最近鄰距離求平均值后取的最大值，Pi為第i個(gè)對(duì)象的eps領(lǐng)域內(nèi)的對(duì)象數(shù)量，n為數(shù)據(jù)集中的總對(duì)象數(shù)，則：
[0020][0021]DBSCAN聚類算法的聚類簇的個(gè)數(shù)根據(jù)電氣設(shè)備故障狀態(tài)分類設(shè)定約束條件為1<a<4，其中，a表示聚類簇個(gè)數(shù)，所述約束條件表示在對(duì)電氣設(shè)備故障狀態(tài)類型分類時(shí)，至少將樣本數(shù)據(jù)劃分為故障和非故障兩類，至多劃分為正常、一般故障和嚴(yán)重故障三類。
[0022]一種多異源特征融合結(jié)合聚類算法的電氣設(shè)備絕緣故障狀態(tài)分類裝置，包括存儲(chǔ)器、處理器，以及存儲(chǔ)于所述存儲(chǔ)器中的程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如上述所述的方法。
[0023]一種存儲(chǔ)介質(zhì)，其上存儲(chǔ)有程序，所述程序被執(zhí)行時(shí)實(shí)現(xiàn)如上述所述的方法。
[0024]與現(xiàn)有技術(shù)相比，本專利技術(shù)具有以下有益效果：
[0025](1)本專利技術(shù)通過自動(dòng)編碼器實(shí)現(xiàn)特征融合降維，優(yōu)化特征，獲取能更好表現(xiàn)特征信息的隱藏特征，減少特征冗余，有利于提高數(shù)據(jù)集對(duì)不同故障類型的表達(dá)能力，提高了后期聚類分類準(zhǔn)確性。
[0026](2)本專利技術(shù)采用根據(jù)不同數(shù)據(jù)集自適應(yīng)進(jìn)行參數(shù)選取的DBSCAN算法，在初步聚類后基于歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)再聚類，可以實(shí)現(xiàn)對(duì)歷史數(shù)據(jù)集與實(shí)時(shí)檢測(cè)數(shù)據(jù)集的準(zhǔn)確分類，同時(shí)對(duì)檢測(cè)離散點(diǎn)可以有效檢出，計(jì)算簡(jiǎn)便，分類模型更新快速。
[0027](3)本專利技術(shù)獲取的數(shù)據(jù)信息多元，包括泄漏電流和紅外圖像等多檢測(cè)信息，同時(shí)，對(duì)多檢測(cè)源信息特征提取。
附圖說明
[0028]圖1為本專利技術(shù)的方法流程圖。
具體實(shí)施方式
[0029]下面結(jié)合附圖和具體實(shí)施例對(duì)本專利技術(shù)進(jìn)行詳細(xì)說明。本實(shí)施例以本專利技術(shù)技術(shù)方案為前提進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和具體的操作過程，但本專利技術(shù)的保護(hù)范圍不限于下述的實(shí)施例。
[0030]一種多異源特征融合結(jié)合聚類算法的電氣設(shè)備絕緣故障狀態(tài)分類方法，如圖1所示，包括以下步驟：
[0031]1)獲取電氣設(shè)備運(yùn)行的歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)，所述歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)包括設(shè)備運(yùn)行電壓等級(jí)、環(huán)境溫度、泄漏電流波形和紅外圖像。
[0032]本實(shí)施例針對(duì)的電氣設(shè)備是如變電站的絕緣子和避雷器等高壓絕緣設(shè)備。在線監(jiān)測(cè)的泄漏電流片段以0.3s的片段為一條檢測(cè)信號(hào)。樣本數(shù)據(jù)有100條。
[0033]2)分別對(duì)歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)進(jìn)行特征提取、拼接、自動(dòng)編碼器降維和標(biāo)準(zhǔn)化處理，本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
【技術(shù)特征摘要】
1.一種多異源特征融合結(jié)合聚類算法的電氣設(shè)備絕緣故障狀態(tài)分類方法，其特征在于，包括以下步驟：獲取電氣設(shè)備運(yùn)行的歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)，所述歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)包括設(shè)備運(yùn)行電壓等級(jí)、環(huán)境溫度、泄漏電流波形和紅外圖像；分別對(duì)歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)進(jìn)行特征提取、拼接、自動(dòng)編碼器降維和標(biāo)準(zhǔn)化處理，得到歷史數(shù)據(jù)特征組和實(shí)時(shí)數(shù)據(jù)特征組；基于參數(shù)自適應(yīng)選取的DBSCAN聚類算法，對(duì)歷史數(shù)據(jù)特征組和實(shí)時(shí)數(shù)據(jù)特征組分別進(jìn)行聚類，實(shí)現(xiàn)電氣設(shè)備絕緣故障狀態(tài)分類，得到聚類的歷史核心對(duì)象列表和實(shí)時(shí)核心對(duì)象列表；抽取、合并歷史核心對(duì)象列表和實(shí)時(shí)核心對(duì)象列表，并應(yīng)用參數(shù)自適應(yīng)選取的DBSCAN聚類算法，得到實(shí)時(shí)數(shù)據(jù)的精準(zhǔn)絕緣故障狀態(tài)分類結(jié)果。2.根據(jù)權(quán)利要求1所述的一種多異源特征融合結(jié)合聚類算法的電氣設(shè)備絕緣故障狀態(tài)分類方法，其特征在于，對(duì)歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)中的泄漏電流波形進(jìn)行特征提取時(shí)，提取電流波形的幅值和有效值特征。3.根據(jù)權(quán)利要求2所述的一種多異源特征融合結(jié)合聚類算法的電氣設(shè)備絕緣故障狀態(tài)分類方法，其特征在于，對(duì)歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)中的紅外圖像進(jìn)行特征提取時(shí)，提取圖像的HSV特征和圖像熵特征。4.根據(jù)權(quán)利要求3所述的一種多異源特征融合結(jié)合聚類算法的電氣設(shè)備絕緣故障狀態(tài)分類方法，其特征在于，將多檢測(cè)信號(hào)的特征進(jìn)行拼接，得到一條設(shè)備運(yùn)行狀態(tài)判別向量：X＝(V,T,I
max
,I
E
,H
i
,S
i
,V
i
,E)其中，i為遍歷的像素點(diǎn)，V為設(shè)備運(yùn)行的外加電壓值，T為環(huán)境溫度，I
max
為泄漏電流最大值，I
E
為泄漏電流有效值，紅外圖像的HSV特征平均值為H
i
，S
i
和V
i
，E為紅外圖像的熵值。5.根據(jù)權(quán)利要求1所述的一種多異源特征融合結(jié)合聚類算法的電氣設(shè)備絕緣故障狀態(tài)分類方法，其特征在于，所述自動(dòng)編碼器的隱藏特征設(shè)定為4維特征，自動(dòng)編碼器編碼和解碼均有N層隱藏層，利用N層編碼隱藏層對(duì)拼接后的特征進(jìn)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：高凱，曹培，吳天逸，司文榮，黃華，金立軍，馬丹睿，賀建明，
申請(qǐng)(專利權(quán))人：同濟(jì)大學(xué)華東電力試驗(yàn)研究院有限公司，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。