一種基于間接測溫方式的開關柜故障模糊診斷方法

一種基于間接測溫方式的開關柜故障模糊診斷方法
【專利摘要】本發明公開了一種基于間接測溫方式的開關柜故障模糊診斷方法。本發明是在已有的開關柜間接測溫故障診斷方法基礎上，進行進一步的優化，綜合運用各種不同的間接測溫故障診斷方法，從而制定出多項不同的故障診斷指標。根據模糊性的來源和狀態，應用模糊診斷理論和模糊算法，編制了各種診斷指標的模糊隸屬度函數，進而構造出與故障狀態等級相關的隸屬度矩陣，經過相關性的模糊矩陣運算，得到相對高可信度的故障狀態等級的診斷結論。本發明使診斷的結論更準確，避免了因任何單一的一種診斷指標的模糊性而帶來的結論不確定性。
【專利說明】
一種基于間接測溫方式的開關柜故障模糊診斷方法
技術領域
[0001] 本發明涉及電力開關柜故障診斷技術領域，特別是涉及一種基于間接測溫方式的 開關柜故障模糊診斷方法。
【背景技術】
[0002] 開關柜在電力系統中擔負著關合及斷開電力線路、保護系統安全的雙重功能，隨 著電力系統向著高電壓、大機組、大容量的迅速發展，電網日益擴大以及變電站無人值班管 理模式和綜合自動化的普及推廣，開關柜的安全運行越來越重要。開關柜內閘刀觸頭、電力 電纜進出線的接頭接觸不良時，接觸電阻增大，在負載電流流過時會產生發熱現象，過熱會 引起金屬材料的機械強度下降，絕緣材料老化并可能導致擊穿形成事故。測量和監視開關 柜內的溫度狀態，是診斷開關柜設備故障狀態的有效手段之一。
[0003] 對于目前投運的大部分開關柜設備，沒有裝配溫度監測功能，在設備故障異常發 熱溫升后，管理人員無法獲知。現有的開關柜的溫度監測和診斷方法，大都是采用電氣接點 部位的直接測溫和溫度閾值診斷方法。例如：各種接觸式測溫傳感器、紅外測溫傳感器、光 纖光柵類測溫傳感器等。而要在柜內電氣接點部位安裝任何的測溫傳感器，都受到諸多的 限制條件，例如:開關柜要停電安裝測溫設備的限制、柜內空間結構的限制、電氣間隙的限 制、傳感器耐受高壓和強磁場的限制、傳感器耐高溫能力的限制、傳感器電源和通訊線路布 線的限制、無線信號傳輸屏蔽的影響等，使得開關柜測溫傳感器的安裝和普及難度很大，成 本很高。
[0004] 本發明人曾公開了開關柜間接測溫故障診斷的四種方法（申請號為 CN201610059632.4)，提出了間接測溫為可行的故障診斷方式。但對于四種獨立的診斷方法 中，因環境、柜體結構、負荷大小、負荷周期性變化等因為，每一種方法都存在一定的診斷模 糊性，任一個單獨的診斷方法都無法對開關柜故障狀態做出準確的診斷結論。

【發明內容】

[0005] 本發明目的是克服現有技術中存在的一系列問題，提供一種基于間接測溫方式的 開關柜故障模糊診斷方法。本發明是在已有的開關柜間接測溫故障診斷方法 (CN201610059632.4)基礎上，進行進一步的優化，綜合運用各種不同的間接測溫故障診斷 方法，從而制定出多項不同的故障診斷指標。根據模糊性的來源和狀態，應用模糊診斷理論 和模糊算法，編制了各種診斷指標的模糊隸屬度函數，進而構造出與故障狀態等級相關的 隸屬度矩陣，經過相關性的模糊矩陣運算，得到相對高可信度的故障狀態等級的診斷結論。 形成了一套完整的基于間接測溫方式的開關柜故障模糊診斷方法。該方法比單獨應用任一 個診斷方法所得結論更準確、可信、可靠。本方法中還提供了一套自學習機制，適用于使用 該方法的專家診斷系統。
[0006] 為了達到上述目的，本發明所采用的技術方案如下：
[0007] -種基于間接測溫方式的開關柜故障模糊診斷方法，其包括以下步驟：
[0008] 步驟A:構造模糊診斷矩陣；用向量Y={yi，y2, ···，％}表示開關柜的致熱故障狀態 的集合，其中，yj( j = l，2，···，n)表示致熱故障狀態，η表示故障等級；用向量D = {di，d2，···， dm}表示引起致熱故障狀態的各項診斷指標的集合，其中，di(i = l，2，···，m)表示診斷指標，m 表示用于故障模糊診斷的診斷指標種類;并以向量D為對角線元素構造對角型矩陣E = diag ((11，(12，一，')用于運算過程，當采用對應項診斷指標做診斷時，令(11 = 1，否則(11 = 0;用向量 X= {xi，X2，…，Xm}表示各項診斷指標在總診斷結論中所占有的權重集，其中Xi表示第di項診 斷指標的分配權重值，所有診斷指標總權重值為1，其中，〇< Χι<1
[0009] 步驟B:根據模糊性的來源和狀態結合預設的物理模型，對向量Y中的故障狀態 (j = 1，2，…，η)，計算出各項診斷指標，并根據給定的診斷標準，做出故障等級的評判;計算 并確定各項診斷指標di(i = l，2，···，m)對故障狀態的可信度rij;n個等級的故障狀態對應m 個診斷指標的評價集就構成了模糊診斷矩陣R，如下所示：
[0011 ] 其中，0<rij < 1，1 ，1 < j ，R表示向量D到向量Y的模糊關系;其中，所述模 糊性的來源和狀態模糊性是指計算或取得該診斷指標時，基于的物理狀態和物理參數等不 是準確的（但根據經驗或統計數據，是有一定分布概率存在的，也就是一定的可能性是正確 的，即存在模糊性。
[0012] 步驟C:經過模糊運算Υ = Χ · E · R后，得到模糊處理后的向量Y={yi，y2，'"，yn}，挑 選出數值最大的5^作為最終輸出的診斷結論。
[0013]優選的，步驟C中，在模糊處理后的向量￥={71，72，"_， 7"}中，如果有兩個或兩個以 上的相同最大值，則選擇j值最大的一個5^作為最終輸出的診斷結論。
[0014]優選的，步驟Β中，rij的確定方法為:根據各項診斷指標的模糊性的來源和狀態，構 造出相應的隸屬度函數。
[0015]進一步優選的，第一項診斷指標cb對可信度^」的計算過程如下：
[0016]設發熱不均衡度系數為：
不均衡度分布概率為
(p多1);其中0max為實際開關柜內器件的最高溫度，ejt)為計算出的開關柜內集總熱源溫 度，P0為發熱不均衡度系數分布的中心值，〇為分布的狀態系數，且(t );
[0017]貝lj隸屬度函數為 AaSptAU)，并結合如下標 準，
[0020]得到rij = qi*yij，0<qi<l。
[0021 ]進一步優選的，第二項診斷指標山對可信度r2j的計算過程如下：
[0022]設模糊性條件1的可信度為q21;模糊性條件2的可信度為q22，第二項診斷指標山的 總可信度為 q2,則：:
?0^q2^1,0^q2i^l,0^q22^1;
[0023] 貝ijr2j = q2*y2j，j = ]_，2,3,4;
[0024] 模糊性條件1:對于兩臺開關柜設備，因負載大小不同，而帶來間接點的溫度差異；
[0025] 模糊性條件2:對于兩臺開關柜設備，因所處環境不同，或內部結構有差異，而帶來 間接點的溫度差異；
[0026] 設兩臺開關柜間接點溫升的變比系數為：
，其中，ΛΘ2(〇η為 高溫升間接點；A92(t)L為低溫升間接點；
[0027] 兩臺開關柜間接點溫升的變比系數δ診斷閾值標準如下：
[0029]結合兩臺開關柜間接點溫升的變比系數δ診斷閾值標準得到隸屬函數表達式為：

[0034]其中，El至E6為從正常到報警的變比系數的值。
[0035]進一步優選的，第三項診斷指標d3對可信度的計算過程如下：
[0036]設開關柜當前溫度與其前十分鐘時刻的溫度比較的診斷隸屬度為μ3」，可信度原始 值設為q3,〇<q3彡1;
[0037 ]合成的可信模糊隸屬度為:r3 j = q3*P3 j，j = 1，2，3，4;
[0038] 設開關柜間接點溫度值的歷史變比系數為：
^其中，ΛΘ2(〇Η 為當前被診斷的時刻；AQ2(t)L為歷史參照時刻，且需滿足:A92(t)H>A02(t)L ;
[0039] 隸屬函數表達式為：

[0044] 其中，El至E6為診斷結論從正常到報警的歷史變比系數的值。
[0045] 進一步優選的，第三項診斷指標d4對可信度的計算過程如下：
[0046] 設開關柜當前溫度與其前一個小時時刻的溫度比較的診斷隸屬度為μ4」，可信度原 始值設為q4,0<qd;
[0047]合成的可信模糊隸屬度為:r4j = q4*P4j，j = 1，2，3，4;
[0048] 設開關柜間接點溫度值的歷史變比系數為：
_其中，ΛΘ2(〇Η 為當前被診斷的時刻；AQ2(t)L為歷史參照時刻，且需滿足:A92(t)H>A02(t)L ;
[0049] 隸屬函數表達式為：

[0054]其中，El至E6為診斷結論從正常到報警的歷史變比系數的值。
[0055]進一步優選的，第三項診斷指標也對可信度的計算過程如下：
[0056]設開關柜當前溫度與其昨天同一時刻的溫度比較的診斷隸屬度為!^，可信度原始 值設為q5,〇<q5彡1;
[0057 ]合成的可信模糊隸屬度為:n j = q5*P5 j，j = 1，2，3，4;
[0058] 設開關柜間接點溫度值的歷史變比系數為：
其中，A02(t)H 為當前被診斷的時刻；AQ2(t)L為歷史參照時刻，且需滿足:A92(t)H>A02(t)L ;
[0059] 隸屬函數表達式為：
[0064]其中，E1至E6為診斷結論從正常到報警的歷史變比系數的值。
[0065]進一步優選的，第三項診斷指標d6對可信度的計算過程如下：
[0066]設開關柜當前溫度與其前一個小時時刻的溫度比較的診斷隸屬度為μ6」，可信度原 始值設為q6,〇<q6彡1;
[0067 ]合成的可信模糊隸屬度為:r6j = q6*P6j，j = 1，2，3，4;
[0068] 設開關柜間接點溫度值的歷史變比系數為：
其中，ΛΘ2(〇Η 為當前被診斷的時刻；AQ2(t)L為歷史參照時刻，且需滿足:A92(t)H>A02(t)L ;
[0069] 隸屬函數表達式為：
[0074]其中，E1至E6為診斷結論從正常到報警的歷史變比系數的值。
[0075]優選的，步驟C之后還有以下步驟：
[0076]當最終輸出的論斷結論與實際的故障狀態不符時，利用神經網絡對權重集進行修 正，修正過程如下：
[0077]
式中（yj)r為期望輸出，yj為實際輸出，bj表示輸出誤差，
，采用下面的公式來求取χ1:
[0078] 對于特定的j，將rij從大到小排序，選出數值最大的rij，其對應的i值為i'，Xi'（t+ 1) = Xi，（ t)*abj，貝lj除i外的其他
[0079] 其中，Xi (t)表示時刻t的權重值，Xi (t+1)表示對時刻t的權值修正一次后得到的新 的權重值，a為比例因子，滿足(Xa彡1。
[0080] 相比現有技術，本發明的有益效果在于：
[0081] 1、本發明提出的在已有的開關柜間接測溫故障診斷方法基礎上，進行進一步的優 化，綜合運用各種不同的間接測溫故障診斷指標，并結合應用模糊診斷理論和模糊算法，開 發出了模糊診斷的計算方法和實現過程。使診斷的結論更準確，避免了因任何單一的一種 診斷指標的模糊性而帶來的結論不確定性。
[0082] 2、本發明提出的開關柜測溫模糊故障診斷方法，綜合應用多種比較診斷指標，縱 向（歷史)和橫向（同型柜體）間的比較，提取和利用了多種隱性的致熱型故障表現特征，增 加了開關柜間接測溫故障診斷的可檢出性。能在故障隱患期就能發現并提供量化了的診斷 信息，使開關柜間接測溫的方法和系統適合于大面積的應用和普及。
【附圖說明】
[0083] 圖1為模糊溫度(或溫升)閾值診斷法隸屬度分布示意圖；
[0084] 圖2為模糊溫升變化系數診斷法隸屬度分布示意圖；
[0085]圖3為程序的運行邏輯。
【具體實施方式】
[0086] 下面，結合附圖以及【具體實施方式】，對本發明做進一步描述：
[0087] 本實施例的基于在線間接測溫方式的開關柜故障診斷方法，包含以下三個步驟 (步驟A-C)和一種自學習機制(步驟D)。
[0088]步驟A:構造模糊診斷矩陣;設開關柜的致熱故障狀態的集合Y={yi，y2，-_，y n}，$ n = 4,即表示故障等級的數量共有4級，yl表示設備處于健康狀態，設備正常運行;y2表示設 備有故障隱患，但能維持正常運行;y3表示設備有嚴重故障可能性，發出過熱預警;y4表示 設備有緊急故障可能性，發出過熱報警。設引起致熱故障狀態的各項診斷指標為征兆集，征 兆集用向量D= {cU，^，···，dm}表示，其中，m表示用于故障模糊診斷的診斷指標種類，當采用 該項診斷指標做診斷時，令di=l，否則di = 0(表示未采用）；并以向量D為對角線元素構造對 角型矩陣EidiagW^cb，···，')用于運算過程;設各項診斷指標在總診斷結論中所占有的 權重集，用向量X = { XI，X2，…，Xm}表示，其中Xi表示第di項診斷指標的分配權重值。所有診斷 指標總權重值為1，其中，〇<xi<l，
[0089] 步驟B:計算并確定各項診斷指標對故障狀態可信度rij的方法，本發明優選的診斷 指標分為三大類共6個分項。并分別針對每項指標給出了詳盡的診斷方法、診斷計算方式、 診斷標準、模糊隸屬度計算方法、故障等級的算法。下面就:第一類診斷指標：以計算出的傳 熱學集總熱源溫度與標準閾值比較的診斷；閾值診斷標準;合成的可信模糊隸屬度計算方 法;模糊溫度(或溫升）閾值診斷法;第二類診斷指標:兩臺同型柜體，相同位置的間接點溫 度橫向比較，溫升變比系數診斷；間接測溫點橫向對比的診斷計算方法和標準;模糊溫升變 比系數診斷法;第三類診斷指標：間接點的當前溫度與歷史不同時期溫度比較，溫升變比系 數診斷;故障等級隸屬度矩陣構造的方法等內容分別加以詳述。
[0090] 第一類診斷指標：以計算出的傳熱學集總熱源溫度與標準閾值比較的診斷。
[0091] 診斷的模糊性在于:計算出的開關柜內集總熱源溫度與實際柜內器件的最高溫度 的差異為模糊狀態。
[0092] 首先利用隸屬度函數將發熱不均衡度的分布概率表達出來，根據開關柜電氣連接 特性，發熱不均衡性發生的概率分布為正態分布型，通過構造正態分布函數來描述發熱不 均衡的模糊性。
[0093] 設發熱不均衡度系數為：
不均衡度分布概率 (P彡1);其中0max為實際柜內器件的最高溫度dKt)為計算出的開關柜內集總熱源溫度，po 為發熱不均衡度系數分布的中心值，σ為分布的狀態系數，且GmaxMK t )。
[0094] 則最高溫度的隸屬度分布概率（函數）為：
9max^P〇9l(t) 〇
[0095] 優化的隸屬度分布函數的參數經驗原始值為:？〇 = 1.1，〇 = 12。這樣，即可根據上 面最高溫度可信度分布函數，再根據最高溫度診斷標準，即可計算出，在不同故障等級中， 故障隸屬度的具體數值。
[0096] 閾值診斷標準：
[0097] 參照《GBT11022-2011高壓開關設備和控制設備標準的共用技術要求》中關于一次 設備溫度和溫升極限的標準，以某設備廠家KYN28-1250型高壓開關柜為例，給出優化的一 次設備溫度和溫升極限的診斷閾值標準為：
[0098]
[0099]合成的可信模糊隸屬度計算方法：
[0100] 在這種診斷指標中，要應用某種傳熱物理模型計算柜內的集總熱源溫度，因計算 模型與實際可能存在偏差，所以在該項結論中加入可信度系數，用于判斷計算模型的可信 性。可信度設置方法:設該診斷指標的可信度為qnOSqiSUO表示否定，0.5表示不確定，1 表示肯定;可信度原始值設為:qi = 〇. 9。合成的可信模糊隸屬度為:rij = qi*yij。
[0101] 模糊溫度(或溫升)閾值診斷法：
[0102] 模糊溫度(或溫升）閾值診斷法是對閾值法的改進，體現了集總熱源溫度與實際最 高溫度之間的差異的不確定性，應用模糊數學的方式進行表達，計算出不同故障等級狀態 出現的可能性即隸屬度。
[0103]結合圖1所示，模糊溫度(或溫升)閾值診斷法的故障隸屬度函數表達式：
[0108] 如果應用溫升作為診斷標準，則只需將上述表達式的eKt)變換為ΛΘΚΟ,并更換 相應的標準診斷閾值即可。
[0109] 第二類診斷指標:兩臺同型開關柜，相同位置的間接點溫度橫向比較，溫升變比系 數診斷：
[0110] 模糊性條件1:對于兩臺開關柜，因負載大小不同，而帶來間接點的溫度差異；
[0111] 模糊性條件2:對于兩臺開關柜，因所處環境(包括位置、通風、受相鄰的其他柜體 影響、受空調影響、氣候因素等)不同；或內部結構有差異(包括一次設備結構布局，二次設 備位置和結構的影響、柜內加熱器實際功率影響等)等，而帶來間接點的溫度差異。
[0112] 將上述模糊性條件的可信度分別進行數學表達。可信度允許可調節范圍：0~1，0 表示否定，〇. 5表示不確定，1表示肯定。模糊性條件1的可信度為q2i，設原始值q2i = 0.5;模 糊性條件2的可信度為q22，設原始值q21 = 0.8。第二類診斷指標的總可信度為沿，則：

[0113]通過第二類診斷指標的橫向對比方法算出合成的可信模糊隸屬度:r2j = q2*P2j。其 中，1^為該診斷指標的隸屬度，隸屬度的計算方法見下面所描述的"模糊溫升變比系數診斷 法"。
[0114] 間接測溫點橫向對比的診斷計算方法和標準：
[0115] 兩臺柜體間接點溫升的變比系數為：
其中，A02(t)H為高溫 升間接點；ΛΘΑΧ為低溫升間接點。在實際的診斷應用中，優選的，對于同一個站室內的設 備，選取間接點溫升最高的兩個不同柜體進行診斷計算。（基于一種通常的故障發生概率原 理：即同一個站內，同一時間段內，發生同一種故障，通常只有一臺設備故障發生的概率遠 大于多臺設備同時故障發生的概率。）
[0116] 參照《DL/T664-1999中華人民共和國電力行業標準帶電設備紅外診斷技術應用導 貝1J》中關于"電流致熱型設備的相對溫差判據"，以某設備廠家KYN28-1250型高壓開關柜為 例，給出優化的兩臺開關柜間接點溫升的變比系數S診斷閾值標準：
[0118] 模糊溫升變比系數診斷法：
[0119] 模糊溫升變比系數診斷法其實就是閾值法的改進，對原診斷邊界閾值做模糊化處 理。如圖2所示，當δ介于E1和E2之間時，高壓柜體有可能正常，也可能是有隱患，這時要將得 到的變比系數代入隸屬度函數中進行計算，得到高壓柜體屬于正常的概率和屬于隱患的概 率。間接點溫升的變比系數S的隸屬度函數表達式為：
[0124]第三類診斷指標：間接點的當前溫度與歷史不同時期溫度比較，溫升變比系數診 斷：
[0125] 診斷過程的模糊性在于:對于同一設備，在歷史的不同時刻，負載大小近似相同的 可能性較大，但也可能因負載大小不同而帶來溫升不同的模糊性。為了增加診斷的可信度， 根據歷史負荷變化的周期性規律和季節變化的周期性規律，選擇歷史時期對比點。例如，對 于某電力系統變配電站，通常有：
[0126] 1)每天的用電負荷呈現峰平峰平峰谷這樣規律性的變化；
[0127] 2)而每年的用電負荷也有四季分明循環變化的規律；
[0128] 3)電氣設備的老化曲線呈現為水平型的拋物線狀態；
[0129] 4)電氣設備致熱型故障發生過程，溫度變化規律呈現先平緩后逐漸加速升溫的向 上的拋物線形狀。
[0130] 按照4個不同歷史時間分別進行判斷，可到4種不同的歷史診斷結論，構造相應的 診斷隸屬度函數：
[0131] 1)第3.1種診斷指標，當前溫度與設備前十分鐘時刻的比較:診斷隸屬度y3j。
[0132] 2)第3.2種診斷指標，當前溫度與設備前一個小時時刻的比較:診斷隸屬度μ?。
[0133] 3)第3.3種診斷指標，當前溫度與昨天同時刻的比較:診斷隸屬度y5j。
[0134] 4)第3.4種診斷指標，當前溫度與設備投運后第一年(如無，則選擇去年）同時刻的 比較:診斷隸屬度y6j。
[0135] 上述各診斷隸屬度yij (i = 2,3,4,5,6)的計算方法和函數表達式，按所述"模糊溫 升變比系數診斷法"進行計算。
[0136] 不同歷史時期診斷指標的可信度，以及合成的可信模糊隸屬度：
[0137] 4個不同歷史時間的溫升變比系數診斷中，因存在各自不同的模糊性條件，所以， 在各項結論中分別加入了可信度系數的參數，用于判斷各個時期比較的條件可信性。可信 度設置方法:設各診斷指標的可信度為(^(」=3,4,5,6)，允許可調節范圍0~1，0表示否定， 0.5表示不確定，1表示肯定；
[0138] 則各診斷指標合成的可信模糊隸屬度為：
[0139] 1)第3.1種診斷指標，當前溫度與設備前十分鐘時刻的比較：
[0140] 診斷過程的模糊性在于:對于同一設備，在短時間內，盡管有負載的波動，但溫度 波動與負載相比呈現阻尼性，變化不大。可比性較大，如果有明顯溫升，極可能是嚴重故障， 可信度較高。
[0141 ]可信度原始值設為:q3 = 0 · 8。合成的可信模糊隸屬度為:r3j = q3*P3j。
[0142] 2)第3.2種診斷指標，當前溫度與設備前一個小時時刻的比較：
[0143] 診斷過程的模糊性在于:對于同一設備，在一小時時間段，溫度正常波動，如果有 明顯溫升，也可能是故障。
[0144]可信度原始值設為:q4=0.6。合成的可信模糊隸屬度為:r4j = q4*P4j。
[0145] 3)第3.3種診斷指標，當前溫度與昨天同時刻的比較：
[0146] 診斷過程的模糊性在于:對于同一設備，在兩天的同一時刻，負載大小近似相同的 可能性較大，但也可能因負載大小不同而帶來溫升不同的模糊性。實際應用中，可選用："今 天的最高溫度與昨天最高溫度的比較。"
[0147] 可信度原始值設為:q5 = 0.7。合成的可信模糊隸屬度為:r5j = q5*y5j。
[0148] 4)第3.4種診斷指標，當前溫度與設備投運后第一年(如無，則選擇去年）同時刻的 比較：
[0149] 診斷過程的模糊性在于:對于同一設備，在兩年的同一天，處于相同的季節，負載 大小相近的可能性較大。實際應用中，可選用："當天的最高溫度與設備投運后第一年同一 天最高溫度的比較。"
[0150]可信度原始值設為:q6 = 0.6。合成的可信模糊隸屬度為:r6j = q6*y6j。
[0151 ]間接測溫點溫升歷史對比的診斷方法和標準：
[0152] 該方法與"間接測溫點橫向對比的診斷計算方法和標準"相同。具體的，間接點溫 度值的歷史變比系數：
，其中，ΛΘ2(〇Η為當前被診斷的時刻，A0 2(t)L 為歷史參照時刻，且需滿足：A92(t)H>A02(t) L。（也就是說，第三類診斷指標的隸屬度計 算，計算方法與"模糊溫升變比系數診斷法"一致，但是，各參數的名稱不同。）
[0153] 故障等級隸屬度矩陣構造的方法：
[0154] 將上述步驟中計算出的rij，構造成矩陣形式的模糊診斷矩陣R，如下所示：
[0156] X = {xi，X2,…，Xm}表示各項診斷指標在總診斷結論中所占有的權重集，其中Xi表 示第cU項診斷指標的分配權重值。因所有診斷指標總權重值為1，則有：[f =1% = l。各項 權重值Xi(i = 1，2,3,4,5,6)，可根據實際情況對各項診斷指標的重要性做出修改。Xi允許可 調節范圍0~1，0表示無權(或無法采用該方法），1表示極大權(最大權）。在本實施例中，根 據高壓開關柜運行經驗，給出原始設定值為4={0.3,0.3,0.1，0.1，0.1，0.1}。
[0157] 第三步：經過模糊運算Υ = Χ · E · R后，得到故障等級的模糊向量Y={yi，y2，y3， y4}，挑選出數值最大的y』(如果數據集中，有兩個或兩個以上的相同最大值，則選擇其中j值 最大的一個），作為最終的輸出診斷結論。認為待診斷目標的故障等級是隸屬度最大的，最 后輸出診斷結論為隸屬度最大的故障等級j，和對應的隸屬度y j。
[0158] 步驟D、自學習機制：
[0159] rij的可靠性決定了診斷結論的優劣與成敗，其確定的方法，需根據各分項診斷指 標中模糊性的狀態和來源，相應的構造出計算隸屬度函數，（根據模糊性狀態不同，隸屬度 函數有可能不同）。其中各隸屬度函數的分布規律(即分布參數)的初始設定，根據經驗和歷 史故障統計結論進行綜合評定。在以后的實際應用中，通過自學習機制逐步修改完善。 [0160]具體的修正方法為:故障診斷專家系統對經過專家確認的歷史樣本進行自學習， 得到修正后的各分項診斷指標中的模糊性狀態，進而在對算法中隸屬度函數進行修正，即 實際修正的是各隸屬度函數的分布參數，使各個分項的各分項診斷指標更準確地反映設備 的故障狀態，從而完成自學習機制。由于診斷系統采用的方法以模糊診斷為主，因此自學習 將通過與之對應的模糊神經網絡進行。神經元網絡自學習的主要方法是：提供包含輸入和 輸出向量的迭代學習樣本數據，網絡學習過程就是對隸屬度函數分布參數不斷進行調整， 進而使可信度分布參數和權重值不斷進行優化，使網絡收斂，誤差值達到最小的過程。
[0161] 具體步驟是:將故障模糊診斷指標權重集乂={^，12，一&}，作為神經網絡的輸入， 神經網絡通過合成運算，得到實際輸出Y= {yi，y2，…，yn}，其運算公式為：
[0162]
，.:Tij = qi*yij，其中，0<rij<l，Ki<m，K j<n，Xi是網絡中輸 入模式與輸出模式之間的權值。
[0163] 各分項診斷指標的權重值和可信度值的調節過程的基本思想是利用神經網絡的 期望輸出和實際輸出之間的偏差作為連接權值調整的參考，并最終減少這種偏差，具體調 節過程為：
[0164]
，式中（n)r為期望輸出（因單純的測溫故障診斷中，診斷結論具有單 一性，所以每次只選取數值最大的一個(n)r進行自學習運算），^為實際輸出，bj表示輸出 誤差，采用下面的公式來求取Χ1:
[0165] 對于特定的j，將rij從大到小排序，選出數值最大的rij，其對應的i值為i'，Xi'（t+ 1) = Xi，（ t)*abj，貝lj除i外的其他
[0166] 其中，Xi (t)表示時刻t的權重值，Xi (t+1)表示對時刻t的權值修正一次后得到的新 的權重值，a為比例因子，滿足0<a<l，采用上述的方法最終總能收斂，從而完成對各個診 斷指標權重 Xl的調整，達到自學習的效果。
[0167] 另外，結合上述步驟A至D，本實施例可制作成可運行的軟件程序，程序的運行邏輯 如圖3所示。輸入的溫度數據由溫度傳感器采集，溫度數據的采集原理請見申請號為 201610059632.4的中國發明專利，在此不再贅述。
[0168] 對本領域的技術人員來說，可根據以上描述的技術方案以及構思，做出其它各種 相應的改變以及形變，而所有的這些改變以及形變都應該屬于本發明權利要求的保護范圍 之內。
【主權項】
1. 一種基于間接測溫方式的開關柜故障模糊診斷方法，其特征在于，包括W下步驟： 步驟A:構造模糊診斷矩陣；用向量￥=^1，72，-，，7。}表示開關柜的致熱故障狀態的集 合，其中，7^^ = 1，2，-，，11)表示致熱故障狀態，11表示故障等級；用向量0={山，(12，-，，(1。}表 示引起致熱故障狀態的各項診斷指標的集合，其中，di(i = l，2，···，!!!)表示診斷指標，m表示 用于故障模糊診斷的診斷指標種類;并W向量D為對角線元素構造對角型矩陣E = diag(di， cb，…，cU)用于運算過程，當采用對應項診斷指標做診斷時，令di = 1，否則di = 0;用向量X = {χ?，Χ2，···，Χη}表示各項診斷指標在總診斷結論中所占有的權重集，其中XI表示第di項診斷 指標的分配權重值，所有診斷指標總權重值為1，其中，0 < Χ? < 1，Σ晉ιΧ?二1; 步驟Β:根據模糊性的來源和狀態結合預設的物理模型，對向量Υ中的故障狀態y^j = l， 2,…，η)，計算出各項診斷指標，并根據給定的診斷標準，做出故障等級的評判;計算并確定 各項診斷指標di(i = l，2，···，m)對故障狀態的可信度；Tij;n個等級的故障狀態對應m個診斷 指標的評價集就構成了模糊診斷矩陣R，如下所示：其中，0《町《1，1《i《m，1《j《η，R表示向量昭I響量Y的模糊關系； 步驟C:經過模糊運算Υ = Χ · Ε · R后，得到模糊處理后的向量￥=^1，72，-'，7。}，挑選出 數值最大的乍為最終輸出的診斷結論。2. 如權利要求1所述的開關柜故障模糊診斷方法，其特征在于，步驟C中，在模糊處理后 的向量Y={yl，y2，…，yn}中，如果有兩個或兩個W上的相同最大值，則選擇j值最大的一個 yj作為最終輸出的診斷結論。3. 如權利要求1所述的開關柜故障模糊診斷方法，其特征在于，步驟B中，ru的確定方法 為:根據各項診斷指標的模糊性的來源和狀態，構造出相應的隸屬度函數。4. 如權利要求3所述的開關柜故障模糊診斷方法，其特征在于， 第一項診斷指標山對可信度ru的計算過程如下： 設發熱不均衡度系數為(p>l);其中為實際開關柜內器件的最高溫度，01(t)為計算出的開關柜內集總熱源溫 度，P0為發熱不均衡度系數分布的中屯、值，σ為分布的狀態系數，且0max〉01 (t ); 則隸屬度函數為：，0max>P〇01(t)，并結合如下標準，得?Jr 1 j = qi*yi j，ο《qi《1。5.如權利要求3所述的開關柜故障模糊診斷方法，其特征在于， 第二項診斷指標cb對可信度η北勺計算過程如下： 設模糊性條件1的可信度為Q21;模糊性條件2的可信度為022,第二項診斷指標cb的總可 信度為Q2,貝！J.0《q2《l，0《q2i《l，0《q22《l; 貝 Ijr2j = q2*y2j，j = l，2,3,4; 模糊性條件1:對于兩臺開關柜設備，因負載大小不同，而帶來間接點的溫度差異； 模糊性條件2:對于兩臺開關柜設備，因所處環境不同，或內部結構有差異，而帶來間接 點的溫度差異； 設兩臺開關柜間接點溫升的變比系數為I其中，A02(t)H為高溫 升間接點；A02(t)L為低溫升間接點； 兩臺開關柜間接點溫升的變比系數δ診斷闊值標準如下：結合兩臺開關柜間接點溫升的變比系數S診斷闊值標準得到隸屬函數表達式為：其中，El至E6為從正常到報警的變比系數的值。6.如權利要求3所述的開關柜故障模糊診斷方法，其特征在于， 第Ξ項診斷指標d3對可信度η北勺計算過程如下： 設開關柜當前溫度與其前十分鐘時刻的溫度比較的診斷隸屬度為μ3^，可信度原始值設 為q3,0《q3《l; 合成的可信模糊隸屬度為:r3j = q3*W3j，j = 1，2，3，4; 設開關柜間接點溫度值的歷史變比系數為：庚中，A02(t)H為當 前被診斷的時刻；A02(t)L為歷史參照時刻，且需滿足:A02(t)H〉A02(t)L; 隸屬函數表達式為：其中，El至E6為診斷結論從正常到報警的歷史變比系數的值。7.如權利要求3所述的開關柜故障模糊診斷方法，其特征在于， 第Ξ項診斷指標CU對可信度Γ4北勺計算過程如下： 設開關柜當前溫度與其前一個小時時刻的溫度比較的診斷隸屬度為μ4^，可信度原始值 設為q4,0《q4《l; 合成的可信模糊隸屬度為:r4j = q4*W4j，j = 1，2，3，4; 設開關柜間接點溫度值的歷史變比系數為：，其中，A02(t)H為當 前被診斷的時刻；A02(t)L為歷史參照時刻，且需滿足:A02(t)H〉A02(t)L; 隸屬函數表達式為：其中，El至E6為診斷結論從正常到報警的歷史變比系數的值。8.如權利要求3所述的開關柜故障模糊診斷方法，其特征在于， 第Ξ項診斷指標ds對可信度η北勺計算過程如下： 設開關柜當前溫度與其昨天同一時刻的溫度比較的診斷隸屬度為μ5^，可信度原始值設 為95,0《化《1; 合成的可?目板糊隸屬度為:r日j = q日*]i日j，j = 1,2,3,4; 設開關柜間接點溫度值的歷史變比系數為：，其中，A02(t)H為當 前被診斷的時刻；A02(t)L為歷史參照時刻，且需滿足:A02(t)H〉A02(t)L; 隸屬函數表達式為：其中，El至E6為診斷結論從正常到報警的歷史變比系數的值。9. 如權利要求3所述的開關柜故障模糊診斷方法，其特征在于， 第Ξ項診斷指標d6對可信度rw的計算過程如下： 設開關柜當前溫度與其前一個小時時刻的溫度比較的診斷隸屬度為μ^，可信度原始值 設為q6,0《q6《l; 合成的可?曰板糊隸屬度為:rsj二q6*y6j, j二1,2,3,4; 設開關柜間接點溫度值的歷史變比系數為：其中，A02(t)H為當 前被診斷的時刻；A02(t)L為歷史參照時刻，且需滿足:A02(t)H〉A02(t)L; 隸屬函數表達式為：其中，E1至E6為診斷結論從正常到報警的歷史變比系數的值。10. 如權利要求1所述的開關柜故障模糊診斷方法，其特征在于， 步驟C之后還有W下步驟： 當最終輸出的論斷結論與實際的故障狀態不符時，利用神經網絡對權重集進行修正， 修正過程如下： 令式中（yj)r為期望輸出，yj為實際輸出，bj表示輸出誤差，，采用下面的公式來求取XI: 對于特定的j，將rij從大到小排序，選出數值最大的rij，其對應的i值為i '，xi，（t+1)= Xi'（t)*abj，則除i外的其化其中，Xi(t)表示時刻t的權重值，Xi(t+1)表示對時刻t的權值修正一次后得到的新的權 重值，a為比例因子，滿足〇《a《l。
【文檔編號】G06F17/50GK106096214SQ201610586572
【公開日】2016年11月9日
【申請日】2016年7月22日 公開號201610586572.1, CN 106096214 A, CN 106096214A, CN 201610586572, CN-A-106096214, CN106096214 A, CN106096214A, CN201610586572, CN201610586572.1
【發明人】郭晨華, 楊志強
【申請人】楊志強