【技術實現步驟摘要】
本申請涉及數據分析，具體涉及基于電參數分析的開關設備檢測方法。
技術介紹
1、開關設備的檢測是確保開關設備能夠穩定可靠運行的重要環節，目前針對開關設備的性能檢測內容包括電氣性能檢測、絕緣電阻測試、接觸電阻測試等。在對開關設備進行檢測時，通常是利用監測設備監測開關設備在各種測試下的電參數數據，使用示波器等測量設備顯示電參數數據的波形，然后通過預定的判斷閾值或者經驗人員檢測開關設備是否異常，這類檢測方式即依賴于判斷閾值在各種檢測內容下的合理性，又無法直接測量開關設備的故障信息。
2、目前一種使用頻率較高的檢測方式是利用數據分析的方式對開關設備在檢測過程中輸出的電參數數據進行處理和分析來直接測量開關設備是否存在故障。其中，聚類檢測是常用的數據分析技術之一，如利用birch（balanced?iterative?reducing?andclustering?using?hierarchies）聚類算法對開關設備進行檢測時的電參數數據進行處理，基于聚類結果分析開關設備是否存在故障，然而在使用birch算法時需要設置的分子因子參數，導致當開關設備檢測過程中的電參數數據分布較為離散時，無法準確的判斷開關設備是否發生了故障，得到準確的檢測結果。
技術實現思路
1、為解決上述問題，本申請提供基于電參數分析的開關設備檢測方法。
2、本申請的基于電參數分析的開關設備檢測方法采用如下技術方案：
3、本申請一個實施例提供了基于電參數分析的開關設備檢測方法，該方法包括以下步
4、獲取開關設備檢測過程中的若干初始電參數數據；
5、根據所有初始電參數數據構建聚類特征樹；獲取聚類特征樹的每個非葉子節點中每個聚類特征的若干個電參數序列；對每個電參數序列進行分割得到若干個子序列，基于子序列內數據分布偏差以及子序列內數據的擬合結果確定每個電數據的偏離度；根據電數據的偏離度確定每個非葉子節點中每個聚類特征的聚集度；
6、根據非葉子節點中所有聚類特征的聚集度得到每個非葉子節點的聚集特征值；基于所述聚集特征值結合非葉子節點在聚類特征樹中的層數確定非葉子節點的分支因子系數；
7、基于非葉子節點的分支因子系數更新聚類特征樹得到優化聚類特征樹，基于優化聚類特征樹確定開關設備檢測中所采集電參數數據中的異常電數據。
8、優選的，所述根據所有初始電參數數據構建聚類特征樹，包括的具體步驟如下：
9、利用birch聚類算法對所有初始電參數數據進行聚類，得到聚類特征樹。
10、優選的，所述聚類特征樹的每個非葉子節點中每個聚類特征的若干個電參數序列的具體方法如下：
11、獲取聚類特征樹的所有非葉子節點，并分別確定每個非葉子節點的所有聚類特征；
12、將每個非葉子節點的每個聚類特征對應類簇內所有的電流值、電壓值以及阻抗值按照采集時間進行排序，分別得到電流參數序列、電壓參數序列以及阻抗參數序列，將所述電流參數序列、電壓參數序列以及阻抗參數序列均作為聚類特征的一個電參數序列。
13、優選的，所述確定每個電數據的偏離度的具體方法如下：
14、對每個子序列內的電數據進行數據擬合，基于擬合結果計算子序列的斜率特征值；
15、對于每個電參數序列的每個電數據，統計每個電參數序列中所有包含與每個電數據的數據值相等的子序列，計算統計所得子序列之間差異性度量距離的均值；
16、將所述均值與統計所得子序列中不重復的電數據取值數量的比值作為每個電數據的偏離權重；
17、計算每個電數據與每個電數據所在子序列內所有電數據的均值之間的差值的絕對值，將所述絕對值與每個電數據的偏離權重的乘積作為每個電數據的偏離度。
18、優選的，所述子序列的斜率特征值的計算方法如下：
19、將子序列內的電數據按照時間順序進行排列，采用數據擬合的方式得到排列結果對應的擬合曲線；
20、分別計算子序列內每個電數據在擬合曲線上的斜率，將子序列內所有電數據的斜率的均值作為子序列的斜率特征值。
21、優選的，所述每個非葉子節點中每個聚類特征的聚集度的確定方式為：
22、分別計算出非葉子節點下每個聚類特征的所有電參數序列中電數據的偏離度，對所有所述電參數的偏離度的均值進行負映射，將負映射結果作為非葉子節點中每個聚類特征的聚集度。
23、優選的，所述根據非葉子節點中所有聚類特征的聚集度得到每個非葉子節點的聚集特征值，包括的具體步驟如下：
24、將每個非葉子節點中每個聚類特征的每個電參數序列內的電數據作為輸入，利用lof算法獲取每個電數據的異常得分，其次確定每個非葉子節點中所有聚類特征的所有電參數序列內電數據的異常得分的第三四分位數，將所有所述異常得分大于所述第三四分位數的電數據作為一個篩選數據；
25、將每個非葉子節點中所有聚類特征的聚集度的均值與每個非葉子節點中篩選電數據的數量的比值作為每個非葉子節點的聚集特征值。
26、優選的，所述非葉子節點的分支因子系數的確定方式為：
27、將聚類特征樹中根節點所在層數設置為1，以1為步長依次往下增加，確定每一個非葉子節點的層數；
28、將每個非葉子節點的聚集特征值與聚類特征樹中所有非葉子節點的聚集特征值之和的比值作為第一權值；
29、將聚類特征樹的層數與每個非葉子節點的層數的差值與聚類特征樹的層數的比值作為每個非葉子節點的層數等級；
30、將第一權值與每個非葉子節點的層數等級的乘積作為每個非葉子節點的分支因子系數。
31、優選的，所述基于非葉子節點的分支因子系數更新聚類特征樹，包括的具體步驟如下：
32、計算分支因子的最大經驗值與最小經驗值之間的差值將每個非葉子節點的分支因子系數的乘積，將所述乘積與分支因子的最小經驗值之和作為每個非葉子節點的自適應分支因子；
33、分別計算聚類特征樹上每個非葉子節點的自適應分支因子，并依次賦值于聚類特征樹上每個非葉子節點，完成對聚類特征樹的更新，得到優化聚類特征樹；
34、對于優化聚類特征樹上葉子節點中的每個聚類特征，分別統計每個聚類特征對應類簇中電數據的數量，計算優化聚類特征樹上所有所述聚類特征對應類簇中電數據數量的第一四分位數，將數量小于第一四分位數的聚類特征作為優化聚類特征樹中的異常聚類特征。
35、優選的，所述檢測開關設備檢測中所采集電參數數據中的異常電數據，包括的具體步驟如下：
36、利用數字化測量設備采集開關設備在性能檢測過程中的電數據，將所采集的電數據加入優化聚類特征樹中；
37、在一個新采集的電參數數據加入到優化聚類特征樹后，若新采集的電參數數據被劃分進異常聚類特征對應的類簇中或者在優化聚類特征樹中添加了一個新的聚類特征，則新采集的電參數數據被視為異常電參數數據；反之，新采集的電參數數據為正常電參數數據。...
【技術保護點】
1.基于電參數分析的開關設備檢測方法，其特征在于，該方法包括以下步驟：
2.根據權利要求1所述基于電參數分析的開關設備檢測方法，其特征在于，所述根據所有初始電參數數據構建聚類特征樹，包括的具體步驟如下：
3.根據權利要求1所述基于電參數分析的開關設備檢測方法，其特征在于，所述聚類特征樹的每個非葉子節點中每個聚類特征的若干個電參數序列的具體方法如下：
4.根據權利要求1所述基于電參數分析的開關設備檢測方法，其特征在于，所述確定每個電數據的偏離度的具體方法如下：
5.根據權利要求4所述基于電參數分析的開關設備檢測方法，其特征在于，所述子序列的斜率特征值的計算方法如下：
6.根據權利要求4所述基于電參數分析的開關設備檢測方法，其特征在于，所述每個非葉子節點中每個聚類特征的聚集度的確定方式為：
7.根據權利要求4所述基于電參數分析的開關設備檢測方法，其特征在于，所述根據非葉子節點中所有聚類特征的聚集度得到每個非葉子節點的聚集特征值，包括的具體步驟如下：
8.根據權利要求7所述基于電參數分析的開關設備檢測方
9.根據權利要求8所述基于電參數分析的開關設備檢測方法，其特征在于，所述基于非葉子節點的分支因子系數更新聚類特征樹，包括的具體步驟如下：
10.根據權利要求1所述基于電參數分析的開關設備檢測方法，其特征在于，所述檢測開關設備檢測中所采集電參數數據中的異常電數據，包括的具體步驟如下：
...【技術特征摘要】
1.基于電參數分析的開關設備檢測方法，其特征在于，該方法包括以下步驟：
2.根據權利要求1所述基于電參數分析的開關設備檢測方法，其特征在于，所述根據所有初始電參數數據構建聚類特征樹，包括的具體步驟如下：
3.根據權利要求1所述基于電參數分析的開關設備檢測方法，其特征在于，所述聚類特征樹的每個非葉子節點中每個聚類特征的若干個電參數序列的具體方法如下：
4.根據權利要求1所述基于電參數分析的開關設備檢測方法，其特征在于，所述確定每個電數據的偏離度的具體方法如下：
5.根據權利要求4所述基于電參數分析的開關設備檢測方法，其特征在于，所述子序列的斜率特征值的計算方法如下：
6.根據權利要求4所述基于電參數分析的開關設備檢...
【專利技術屬性】
技術研發人員：錢成虎，李啟偉，涂紹杰，
申請(專利權)人：西普智能科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。