【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及人工智能領(lǐng)域，尤其是涉及一種調(diào)相機(jī)運(yùn)行數(shù)據(jù)分析故障診斷方法、裝置及設(shè)備。
技術(shù)介紹
1、調(diào)相機(jī)就是一種無功功率補(bǔ)償裝置，它是向電力系統(tǒng)提供或者吸收無功功率的同步電機(jī)。調(diào)相機(jī)即同步調(diào)相機(jī)，是一種特殊運(yùn)行狀態(tài)下的同步電機(jī)，當(dāng)應(yīng)用于電力系統(tǒng)時(shí)，能根據(jù)系統(tǒng)的需要，自動(dòng)地在電網(wǎng)電壓下降時(shí)增加無功輸出。同步電機(jī)運(yùn)行于電動(dòng)機(jī)狀態(tài)，不帶機(jī)械負(fù)載也不帶原動(dòng)機(jī)，只向電力系統(tǒng)提供或吸收無功功率的同步電機(jī)，又稱同步補(bǔ)償機(jī)。用于改善電網(wǎng)功率因數(shù)，維持電網(wǎng)電壓水平。調(diào)相機(jī)的一些故障對(duì)機(jī)組可能產(chǎn)生一些不利影響，如機(jī)械故障、換相故障或直流阻塞，電網(wǎng)系統(tǒng)中將出現(xiàn)強(qiáng)烈的無功功率波動(dòng)，導(dǎo)致電網(wǎng)電壓大幅變化，及時(shí)準(zhǔn)確地診斷調(diào)相機(jī)潛在故障，對(duì)規(guī)避事故風(fēng)險(xiǎn)、制定檢修策略至關(guān)重要。
2、傳統(tǒng)的調(diào)相機(jī)故障診斷方法主要依賴于人工檢測(cè)和經(jīng)驗(yàn)判斷，這種方法不僅效率低，而且容易受到人為因素的影響，導(dǎo)致診斷結(jié)果的準(zhǔn)確性和可靠性不高。隨著電力系統(tǒng)規(guī)模的擴(kuò)大和技術(shù)的發(fā)展，對(duì)調(diào)相機(jī)的故障診斷提出了更高的要求，需要更加精確、快速和自動(dòng)化的診斷技術(shù)。近年來，隨著人工智能和機(jī)器學(xué)習(xí)技術(shù)的發(fā)展，基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法逐漸成為研究的熱點(diǎn)。這些方法通過分析調(diào)相機(jī)運(yùn)行過程中產(chǎn)生的大量數(shù)據(jù)，如振動(dòng)、溫度、壓力等參數(shù)，利用算法模型來識(shí)別和預(yù)測(cè)潛在的故障。然而，在實(shí)際應(yīng)用中，由于調(diào)相機(jī)故障發(fā)生的概率相對(duì)較低，導(dǎo)致可用于訓(xùn)練模型的故障樣本數(shù)量有限，且這些樣本在各類故障類型中的分布往往是不均勻的。這種樣本數(shù)量少且分布不均的問題，給故障診斷模型的訓(xùn)練和優(yōu)化帶來了挑戰(zhàn)，容易在模型預(yù)測(cè)時(shí)產(chǎn)生
3、為了解決這一問題，現(xiàn)有技術(shù)中提出了多種方法，如通過重采樣技術(shù)平衡樣本分布、采用集成學(xué)習(xí)方法提高模型的泛化能力等。但現(xiàn)有技術(shù)的方法在處理不平衡數(shù)據(jù)集時(shí)仍存在一定的局限性，例如重采樣可能導(dǎo)致數(shù)據(jù)失真，而集成學(xué)習(xí)則可能增加計(jì)算復(fù)雜度。因此，如何有效地處理調(diào)相機(jī)故障診斷中的樣本不平衡問題，提高診斷的準(zhǔn)確性和效率，仍是當(dāng)前亟待解決的技術(shù)難題。
技術(shù)實(shí)現(xiàn)思路
1、有鑒于此，本申請(qǐng)?zhí)峁┝艘环N調(diào)相機(jī)運(yùn)行數(shù)據(jù)分析故障診斷方法，解決現(xiàn)有技術(shù)中的訓(xùn)練數(shù)據(jù)樣本不平衡導(dǎo)致調(diào)相機(jī)組故障診斷準(zhǔn)確率低、效率不高的技術(shù)問題。
2、根據(jù)本申請(qǐng)的第一方面，提供了一種調(diào)相機(jī)運(yùn)行數(shù)據(jù)分析故障診斷方法，包括：
3、獲取調(diào)相機(jī)歷史運(yùn)行數(shù)據(jù)樣本，其中，運(yùn)行數(shù)據(jù)樣本中包括正常狀態(tài)運(yùn)行數(shù)據(jù)和故障狀態(tài)運(yùn)行數(shù)據(jù)；
4、基于無編碼比值法構(gòu)建調(diào)相機(jī)多維運(yùn)行特征；
5、采用核主成分分析方法對(duì)多維運(yùn)行特征進(jìn)行降維處理，獲得第一樣本數(shù)據(jù)集；
6、基于輔助對(duì)抗生成網(wǎng)絡(luò)，生成新的故障特征樣本，以平衡樣本數(shù)據(jù)集，獲得第二樣本數(shù)據(jù)集；
7、利用第二樣本數(shù)據(jù)集，訓(xùn)練基于最小二乘支持向量機(jī)lssvm的調(diào)相機(jī)故障診斷模型；
8、輸入調(diào)相機(jī)待診斷運(yùn)行數(shù)據(jù)，提取多維運(yùn)行特征并進(jìn)行kpca降維處理，輸入訓(xùn)練好的調(diào)相機(jī)故障診斷模型進(jìn)行故障診斷。
9、根據(jù)本申請(qǐng)的第二方面，提供了一種調(diào)相機(jī)運(yùn)行數(shù)據(jù)分析故障診斷裝置，包括：
10、獲取模塊，用于獲取調(diào)相機(jī)歷史運(yùn)行數(shù)據(jù)樣本，其中，運(yùn)行數(shù)據(jù)樣本中包括正常狀態(tài)運(yùn)行數(shù)據(jù)和故障狀態(tài)運(yùn)行數(shù)據(jù)；
11、構(gòu)建模塊，用于基于無編碼比值法構(gòu)建調(diào)相機(jī)多維運(yùn)行特征；
12、降維模塊，用于采用核主成分分析kpca方法對(duì)多維運(yùn)行特征進(jìn)行降維處理，獲得第一樣本數(shù)據(jù)集；
13、生成模塊，用于基于輔助對(duì)抗生成網(wǎng)絡(luò)，生成新的故障特征樣本，以平衡樣本數(shù)據(jù)集，獲得第二樣本數(shù)據(jù)集；
14、訓(xùn)練模塊，用于利用第二樣本數(shù)據(jù)集，訓(xùn)練基于最小二乘支持向量機(jī)lssvm的調(diào)相機(jī)故障診斷模型；
15、診斷模塊，用于輸入調(diào)相機(jī)待診斷運(yùn)行數(shù)據(jù)，提取多維運(yùn)行特征并進(jìn)行核主成分分析降維處理，輸入訓(xùn)練好的調(diào)相機(jī)故障診斷模型進(jìn)行故障診斷。
16、根據(jù)本申請(qǐng)的第三方面，提供了一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在存儲(chǔ)器中并可在處理器上運(yùn)行的計(jì)算機(jī)程序，處理器執(zhí)行計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述調(diào)相機(jī)運(yùn)行數(shù)據(jù)分析故障診斷方法的步驟。
17、根據(jù)本申請(qǐng)的第四方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述調(diào)相機(jī)運(yùn)行數(shù)據(jù)分析故障診斷方法的步驟。
18、借由上述技術(shù)方案，本申請(qǐng)?zhí)峁┑囊环N調(diào)相機(jī)運(yùn)行數(shù)據(jù)分析故障診斷方法、裝置、設(shè)備及介質(zhì)，通過獲取調(diào)相機(jī)歷史運(yùn)行數(shù)據(jù)樣本；基于無編碼比值法構(gòu)建調(diào)相機(jī)多維運(yùn)行特征；采用核主成分分析方法對(duì)多維運(yùn)行特征進(jìn)行降維處理，獲得第一樣本數(shù)據(jù)集；基于輔助對(duì)抗生成網(wǎng)絡(luò)，生成新的故障特征樣本，以平衡樣本數(shù)據(jù)集，獲得第二樣本數(shù)據(jù)集；利用第二樣本數(shù)據(jù)集，訓(xùn)練基于最小二乘支持向量機(jī)lssvm的調(diào)相機(jī)故障診斷模型，輸入調(diào)相機(jī)待診斷運(yùn)行數(shù)據(jù)，提取多維運(yùn)行特征并進(jìn)行核主成分分析降維處理，輸入訓(xùn)練好的lssvm的調(diào)相機(jī)故障診斷模型進(jìn)行故障診斷，本專利技術(shù)通過引入輔助對(duì)抗生成網(wǎng)絡(luò)對(duì)原始故障樣本數(shù)據(jù)進(jìn)行平衡擴(kuò)充，并構(gòu)建融合多源信息的非編碼比值特征，再結(jié)合核主成分分析進(jìn)行特征降維提取，最后采用班翠鳥優(yōu)化算法尋優(yōu)lssvm診斷模型參數(shù)，形成了一套集樣本增強(qiáng)、特征優(yōu)選、智能建模及優(yōu)化為一體的故障診斷策略，本專利技術(shù)有效解決了調(diào)相機(jī)故障樣本少、類別分布不均衡、特征維度高且冗余等問題，提高了故障診斷的準(zhǔn)確性、泛化性和實(shí)時(shí)性。
19、上述說明僅是本申請(qǐng)技術(shù)方案的概述，為了能夠更清楚了解本申請(qǐng)的技術(shù)手段，并可依照說明書的內(nèi)容予以實(shí)施，并且為了讓本申請(qǐng)的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本申請(qǐng)的具體實(shí)施方式。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種調(diào)相機(jī)運(yùn)行數(shù)據(jù)分析故障診斷方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的調(diào)相機(jī)運(yùn)行數(shù)據(jù)分析故障診斷方法，其特征在于，所述利用所述第二樣本數(shù)據(jù)集，訓(xùn)練基于最小二乘支持向量機(jī)LSSVM模型的調(diào)相機(jī)故障診斷模型的步驟，包括：
3.根據(jù)權(quán)利要求1所述的調(diào)相機(jī)運(yùn)行數(shù)據(jù)分析故障診斷方法，其特征在于，所述基于無編碼比值法構(gòu)建調(diào)相機(jī)多維運(yùn)行特征的步驟，包括：
4.根據(jù)權(quán)利要求1所述的調(diào)相機(jī)運(yùn)行數(shù)據(jù)分析故障診斷方法，其特征在于，所述采用核主成分分析KPCA方法對(duì)多維運(yùn)行特征進(jìn)行降維處理，獲得第一樣本數(shù)據(jù)集的步驟，包括：
5.根據(jù)權(quán)利要求1所述的調(diào)相機(jī)運(yùn)行數(shù)據(jù)分析故障診斷方法，其特征在于，所述基于輔助對(duì)抗生成網(wǎng)絡(luò)，生成新的故障特征樣本，以平衡樣本數(shù)據(jù)集，獲得第二樣本數(shù)據(jù)集的步驟之前，包括：
6.根據(jù)權(quán)利要求5所述的調(diào)相機(jī)運(yùn)行數(shù)據(jù)分析故障診斷方法，其特征在于，所述輔助對(duì)抗生成網(wǎng)絡(luò)中所述生成器的訓(xùn)練步驟，包括：
7.根據(jù)權(quán)利要求6所述的調(diào)相機(jī)運(yùn)行數(shù)據(jù)分析故障診斷方法，其特征在于，所述輔助對(duì)抗生成網(wǎng)絡(luò)中所述判別器和所述輔助
8.一種調(diào)相機(jī)運(yùn)行數(shù)據(jù)分析故障診斷裝置，其特征在于，包括：
9.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述調(diào)相機(jī)運(yùn)行數(shù)據(jù)分析故障診斷方法的步驟。
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述調(diào)相機(jī)運(yùn)行數(shù)據(jù)分析故障診斷方法的步驟。
...【技術(shù)特征摘要】
1.一種調(diào)相機(jī)運(yùn)行數(shù)據(jù)分析故障診斷方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的調(diào)相機(jī)運(yùn)行數(shù)據(jù)分析故障診斷方法，其特征在于，所述利用所述第二樣本數(shù)據(jù)集，訓(xùn)練基于最小二乘支持向量機(jī)lssvm模型的調(diào)相機(jī)故障診斷模型的步驟，包括：
3.根據(jù)權(quán)利要求1所述的調(diào)相機(jī)運(yùn)行數(shù)據(jù)分析故障診斷方法，其特征在于，所述基于無編碼比值法構(gòu)建調(diào)相機(jī)多維運(yùn)行特征的步驟，包括：
4.根據(jù)權(quán)利要求1所述的調(diào)相機(jī)運(yùn)行數(shù)據(jù)分析故障診斷方法，其特征在于，所述采用核主成分分析kpca方法對(duì)多維運(yùn)行特征進(jìn)行降維處理，獲得第一樣本數(shù)據(jù)集的步驟，包括：
5.根據(jù)權(quán)利要求1所述的調(diào)相機(jī)運(yùn)行數(shù)據(jù)分析故障診斷方法，其特征在于，所述基于輔助對(duì)抗生成網(wǎng)絡(luò)，生成新的故障特征樣本，以平衡樣本數(shù)據(jù)集，獲得第二樣本數(shù)據(jù)集的步驟之前，包括：
6...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：王雙，常曉慧，王繼飛，周陶，趙澤淵，王立國(guó)，王川，黃利敏，卜曉剛，張璐，孟兵，張新宇，孟慶臣，卜澤偉，王梓，
申請(qǐng)(專利權(quán))人：國(guó)網(wǎng)冀北電力有限公司張家口供電公司，
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。