專利名稱：一種電力異常故障數(shù)據(jù)分析裝置及診斷方法
技術(shù)領(lǐng)域：
本發(fā)明屬于設(shè)備故障檢測領(lǐng)域，特別涉及一種電力異常故障數(shù)據(jù)分析裝置及診斷方法。
背景技術(shù)：
目前對(duì)于電壓異常故障數(shù)據(jù)進(jìn)行分析的裝置，如果信號(hào)頻帶和噪聲頻帶重疊時(shí)，則利用 簡單的濾波技術(shù)是不可能解決問題的，對(duì)噪聲抑制能力差，異常信號(hào)可以檢測出來，但是兩 邊的脈沖波過高，對(duì)于檢測異常信號(hào)有影響，目前異常故障診斷方法有模糊邏輯方法、小波 方法、模式識(shí)別方法等，這些方法主要利用統(tǒng)計(jì)學(xué)方法對(duì)數(shù)據(jù)進(jìn)行分析，這些方法假設(shè)對(duì)象的 動(dòng)態(tài)特性是隨機(jī)的，導(dǎo)致診斷精確度不夠理想，對(duì)于較小的信號(hào)故障無能為力，另外，小波故 障診斷方法存在著誤報(bào)率過高的問題，嚴(yán)重的限制了小波故障診斷方法在實(shí)踐領(lǐng)域中的應(yīng)用， 模糊邏輯方法不具備自學(xué)習(xí)能力，存在模糊診斷知識(shí)獲取困難的瓶頸，尤其是故障與征兆的模 糊關(guān)系較難確定，容易產(chǎn)生漏報(bào)和誤診，并且模糊規(guī)則、隸屬函數(shù)和決策算法的最優(yōu)化選擇比 較困難，而模式識(shí)別法它存在故障特征向量和判別函數(shù)難以表達(dá)和確定，對(duì)新穎故障的診斷無 能為力，對(duì)故障界限不明確的故障模式診斷效果較差等不足。

發(fā)明內(nèi)容
針對(duì)現(xiàn)有技術(shù)中存在的問題，本發(fā)明提供一種電力異常故障數(shù)據(jù)分析裝置及診斷方法， 通過神經(jīng)網(wǎng)絡(luò)對(duì)設(shè)備故障的計(jì)算與分析，以達(dá)到對(duì)電壓的異常故障數(shù)據(jù)進(jìn)行檢測的目的。
本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的本發(fā)明包括分析裝置與診斷方法，其中分析裝置包括 信號(hào)采集單元、旋轉(zhuǎn)電容濾波器電路、信號(hào)處理器、電源模塊、通訊模塊和上位機(jī)，信號(hào)采 集單元包括第一級(jí)運(yùn)算放大器、第二級(jí)反相比例運(yùn)算放大器、第三級(jí)運(yùn)算放大器、電阻、電 容和二極管；旋轉(zhuǎn)電容濾波器電路包括電阻、第四級(jí)運(yùn)算放大器、第五級(jí)運(yùn)算放大器、RC電
路、第二雙刀雙擲電子開關(guān)、第三雙刀雙擲電子開關(guān)、第四雙刀雙擲電子開關(guān)和第五雙刀雙
擲電子開關(guān)；電路聯(lián)接是信號(hào)采集單元中聯(lián)接第二級(jí)反相比例運(yùn)算放大器輸出端的電阻聯(lián)接 旋轉(zhuǎn)電容濾波器電路的輸入端旋轉(zhuǎn)電容濾波器電路的輸出端聯(lián)接信號(hào)處理器的輸入端，信 號(hào)處理器的輸出端通過串行通訊聯(lián)接上位機(jī)的輸入端；電源模塊聯(lián)接信號(hào)處理器；其中信號(hào) 采集單元由兩個(gè)電阻組成的分壓電路聯(lián)接第一級(jí)運(yùn)算放大器的同相輸入端，第一級(jí)運(yùn)算放大
器的輸出端通過電阻聯(lián)接第二級(jí)反相比例運(yùn)算放大器反相輸入端，第二級(jí)反相比例運(yùn)算放大 器輸出端通過電阻聯(lián)接旋轉(zhuǎn)電容濾波器電路的輸入端，旋轉(zhuǎn)電容濾波器電路的輸出端聯(lián)接第三級(jí)運(yùn)算放大器的反相輸入端，第三級(jí)運(yùn)算放大器的輸出端聯(lián)接由電阻和電容組成的無源濾 波器，無源濾波器的輸出端聯(lián)接二極管組成的限幅電路。
其中，所述的旋轉(zhuǎn)電容濾波器電路包括電阻、第四級(jí)運(yùn)算放大器、第五級(jí)運(yùn)算放大器、 RC電路、第二雙刀雙擲電子開關(guān)、第三雙刀雙擲電子開關(guān)、第四雙刀雙擲電子開關(guān)和第五雙 刀雙擲電子開關(guān)，第四級(jí)運(yùn)算放大器與第五級(jí)運(yùn)算放大器組成并聯(lián)電路，在第四級(jí)運(yùn)算放大 器的反相輸入端聯(lián)接第二雙刀雙擲電子幵關(guān)，第二雙刀雙擲電子開關(guān)通過RC電路聯(lián)接第三雙 刀雙擲電子開關(guān)；在第五級(jí)運(yùn)算放大器的反相輸入端聯(lián)接第四雙刀雙擲電子開關(guān)，第四雙刀 雙擲電子開關(guān)通過RC電路聯(lián)接第五雙刀雙擲電子開關(guān)，旋轉(zhuǎn)電容濾波器電路中第二雙刀雙擲 電子開關(guān)、第三雙刀雙擲電子開關(guān)、第四雙刀雙擲電子開關(guān)和第五雙刀雙擲電子開關(guān)在電路 運(yùn)行時(shí)相繼循環(huán)聯(lián)接。
所述的電力異常故障數(shù)據(jù)分析裝置的異常故障數(shù)據(jù)診斷方法，按如下步驟進(jìn)行-步驟一、采集數(shù)據(jù)，包括電壓，利用相空間重構(gòu)的方法，求出嵌入延遲T和最佳嵌入維d,利 用原始時(shí)間序列V重構(gòu)相空間
其中？ = 1，2,...]1^, Mrf=JV-^-l)r,N是原始數(shù)據(jù)的個(gè)數(shù)，這個(gè)A^個(gè)d維矢量在d
維相空間描述出的軌跡將把混沌吸引子完全展開，在拓?fù)涞葍r(jià)的情況下恢復(fù)原來系 統(tǒng)的動(dòng)力學(xué)行為；
步驟二、局部對(duì)電壓時(shí)間序列利用神經(jīng)網(wǎng)絡(luò)建模，采用BP網(wǎng)絡(luò)作為訓(xùn)練模型網(wǎng)絡(luò)，利用重 構(gòu)相空間后的數(shù)據(jù)訓(xùn)練BP網(wǎng)絡(luò)，對(duì)采集數(shù)據(jù)進(jìn)行建模，其中，d為神經(jīng)網(wǎng)絡(luò)的輸
入節(jié)點(diǎn)個(gè)數(shù)，X(O作為神經(jīng)網(wǎng)絡(luò)的輸入，得到神經(jīng)網(wǎng)絡(luò)預(yù)測原始模型； 步驟三、采集數(shù)據(jù)《聯(lián)合原始數(shù)據(jù)組成輸入向量，作為當(dāng)前神經(jīng)網(wǎng)絡(luò)的輸入，通過建模，
得到預(yù)測的下一步輸出&1; 步驟四、采集數(shù)據(jù)X,.在內(nèi)共k個(gè)向量A,x,一,…Vw實(shí)時(shí)訓(xùn)練BP網(wǎng)絡(luò)，得到的權(quán)值用來實(shí)
時(shí)更新下一步預(yù)測的BP網(wǎng)絡(luò)的權(quán)值，k表示采集數(shù)據(jù)Z,向量個(gè)數(shù)，A = 0，...，W， /V 為自然數(shù)；
步驟五、A和其預(yù)測值^的預(yù)測誤差值err作為故障判斷的依據(jù)，如果err〉RT，則表示當(dāng) 前數(shù)據(jù)有異常，否則繼續(xù)判斷，其中RT為預(yù)先設(shè)定或者通過自動(dòng)識(shí)別得到的閾值。 其中，第1、 2步利用原始數(shù)據(jù)離線完成，為了保證診斷的實(shí)時(shí)性3、 4、 5步應(yīng)同時(shí)進(jìn)行。
該方法除了神經(jīng)網(wǎng)絡(luò)的參數(shù)需要確定以外，還需要確定參數(shù)k， k表示需要確定在線訓(xùn) 練的原始數(shù)據(jù)的個(gè)數(shù)，6 = 0，...，^, A為自然數(shù)，改參數(shù)k如果太大，計(jì)算機(jī)將無法在規(guī)定的
時(shí)間內(nèi)完成網(wǎng)絡(luò)參數(shù)的訓(xùn)練，如果太小則無法體現(xiàn)要訓(xùn)練數(shù)據(jù)的特點(diǎn)，導(dǎo)致預(yù)測出現(xiàn)較大誤 差甚至錯(cuò)誤；另外需要確定的一個(gè)參數(shù)是閾值RT， RT為預(yù)先設(shè)定或者通過自動(dòng)識(shí)別得到的 閾值，該參數(shù)作為判斷數(shù)據(jù)是否發(fā)生異常的觸發(fā)器，要根據(jù)神經(jīng)網(wǎng)絡(luò)的預(yù)測誤差err來決定。 如果err較小則可以適當(dāng)減小RT，如果err變大，則要相應(yīng)增大RT，事實(shí)上，k、 err和RT 是有關(guān)系的， 一般來說，在線訓(xùn)練的數(shù)據(jù)個(gè)數(shù)k越大，那么預(yù)測的誤差err越小，那么RT 也就可以適當(dāng)?shù)臏p小，并且這樣可以發(fā)現(xiàn)更小的故障。
其中相空間重構(gòu)法通過測量可得到采樣信號(hào)的時(shí)間序列矩陣，采集數(shù)據(jù){}4} = {1(/^)}，
其中& = 0,...,^, r為采樣周期，每個(gè)Z(W)為W時(shí)刻實(shí)測的m維向量(包括壓力、流量、
輸差等)。然后針對(duì)x(^r)的第/個(gè)分量構(gòu)造形式上的狀態(tài)向量
《(wv[z,(A:r)，《(A:r—1)^)f"、i,…,附；其中i^h r2 ，…，^;r是
未知的延遲時(shí)間向量，^是t的第/個(gè)分量(/ = 1,...,/ );" = [ ! "2 "m]T,",是w的
第i個(gè)分量，是未知的嵌入維數(shù)(z' = l,...，m)。為了確定、和",值，從而確定r和"，發(fā)明首先 利用時(shí)間序列計(jì)算
=學(xué):-函K -O]) (2)
和
其中/t'〈/t, ;t'=o，i，...，五(.)是期望值，可是平均值，v4(f)是線性相關(guān)的函數(shù)，<2xW)
是非線性相關(guān)的函數(shù)。設(shè)^，^分別是^^')和^^(^)達(dá)到第一個(gè)最小值的時(shí)間，貝'何 得到如下時(shí)間單元
5;minO^,r"J (4) 這樣延遲時(shí)間常數(shù)r,.可以選擇為
Int[5/5]《r, S Int[f /2〗+1 ( 5 )
其中Int卜]表示實(shí)數(shù)的整數(shù)部分。然后通過采用相關(guān)函數(shù)來計(jì)算吸引子的相關(guān)維數(shù)q(/)=-
(6)
翠-1)*-
其中/是一個(gè)常參數(shù)。0為Heaviside函數(shù)。計(jì)算= l!^logC,.(/)/log/可得到吸引子的估計(jì)維
數(shù)4,則該系統(tǒng)的第/個(gè)分量的嵌入維數(shù)為",22巧,+l。 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程
1網(wǎng)絡(luò)初始化，用一組隨機(jī)數(shù)對(duì)網(wǎng)絡(luò)賦初始權(quán)值，設(shè)置學(xué)習(xí)步長7、允許誤差s、網(wǎng)絡(luò) 結(jié)構(gòu)(即網(wǎng)絡(luò)層數(shù)丄和每層節(jié)點(diǎn)數(shù)A)，令樣本模式計(jì)數(shù)器P^訓(xùn)練次數(shù)計(jì)數(shù)器q^;
2為網(wǎng)絡(luò)輸入一組學(xué)習(xí)樣本； 3對(duì)每個(gè)學(xué)習(xí)樣本p循環(huán)
(1)逐層正向計(jì)算網(wǎng)絡(luò)d個(gè)輸入節(jié)點(diǎn)的輸入X(O和輸出；
(2)計(jì)算第p個(gè)樣本的輸出的誤差^和網(wǎng)絡(luò)的總誤差E，
(7)
(8)
式中7^和7^分別為輸出層第j個(gè)節(jié)點(diǎn)的期望輸出和實(shí)際輸出，」^為輸出的誤差和E為 網(wǎng)絡(luò)的總誤差；
(3) 當(dāng)E小于允許誤差s或者達(dá)到指定的迭代次數(shù)時(shí)，學(xué)習(xí)過程結(jié)束，否則， 進(jìn)行誤差反向傳播。
(4) 反向逐層計(jì)算網(wǎng)絡(luò)各節(jié)點(diǎn)誤差^ 。如果/取為S型函數(shù)，即
則對(duì)于輸出層有
《)
(9)
對(duì)于隱含層有:
(5)修正網(wǎng)絡(luò)聯(lián)接權(quán)值
(10)
(1式中，A:為學(xué)習(xí)次數(shù)，7為學(xué)習(xí)因子。7取值越大，每次權(quán)值的改變?cè)絼×?，這可能導(dǎo)致
學(xué)習(xí)過程振蕩，因此，為了使學(xué)習(xí)因子的取值足夠大，又不至產(chǎn)生振蕩，通常在權(quán)值修正公 式中加入一個(gè)附加動(dòng)量法。
本發(fā)明優(yōu)點(diǎn)把BP神經(jīng)網(wǎng)絡(luò)和相空間重構(gòu)的方法進(jìn)行了巧妙的結(jié)合，這樣結(jié)合能恢復(fù)原來 系統(tǒng)的動(dòng)態(tài)特性，更能準(zhǔn)確的描述動(dòng)態(tài)模型，建立對(duì)象的動(dòng)態(tài)特性，從而準(zhǔn)確的求出嵌入延遲 r和最佳嵌入d，同時(shí)適合多種采集信號(hào)類型、處理速度準(zhǔn)確快速、適用于各種復(fù)雜儲(chǔ)運(yùn)工況， 能夠有效地對(duì)信號(hào)故障特別是細(xì)微的故障數(shù)據(jù)進(jìn)行分析處理。旋轉(zhuǎn)濾波電容器可以對(duì)噪音有 很強(qiáng)的抑制能力。


圖l為本發(fā)明裝置結(jié)構(gòu)框圖2為本發(fā)明電原理圖3為本發(fā)明電源模塊電原理圖4為本發(fā)明旋轉(zhuǎn)電容濾波器脈沖信號(hào)方波圖
圖5為本發(fā)明診斷方法流程圖6為本發(fā)明時(shí)間序列分析模塊結(jié)構(gòu)圖7為本發(fā)明相空間重構(gòu)法流程圖8為本發(fā)明在線故障診斷方法結(jié)構(gòu)圖9為本發(fā)明BP神經(jīng)網(wǎng)絡(luò)序列分析流程圖10為未使用本發(fā)明旋轉(zhuǎn)電容濾波器電路的采樣信號(hào)波形圖ll為使用本發(fā)明旋轉(zhuǎn)電容濾波器電路的采樣信號(hào)波形圖12為診斷之前的原始數(shù)據(jù)圖
圖13為診斷之后檢測異常故障數(shù)據(jù)圖。
圖中l(wèi)信號(hào)采集單元，2旋轉(zhuǎn)電容濾波器電路，3信號(hào)處理器，4上位機(jī)，5電源模塊。
具體實(shí)施例方式
本發(fā)明利用安裝在電力設(shè)備上的電壓傳感器聯(lián)接信號(hào)采集單元，信號(hào)處理器為 DSPIC30F6010A。
該裝置(如圖1， 2所示)，包括信號(hào)采集單元、旋轉(zhuǎn)電容濾波器電路、信號(hào)處理器、電 源模塊、通訊模塊和上位機(jī)，信號(hào)采集單元進(jìn)行信號(hào)采集，信號(hào)采集單元包括第一級(jí)運(yùn)算放 大器(AMP1A)、第二級(jí)反相比例運(yùn)算放大器(AMP1B)、第三級(jí)運(yùn)算放大器(AMP1D)、電阻、 電容和二極管；旋轉(zhuǎn)電容濾波器電路包括電阻、第四級(jí)運(yùn)算放大器(AMP1C)、第五級(jí)運(yùn)算放 大器(AMP2C)、 RC電路、第二雙刀雙擲電子開關(guān)(S2)、第三雙刀雙擲電子開關(guān)(S3)、第四雙刀雙擲電子開關(guān)(S4)和第五雙刀雙擲電子開關(guān)(S5);信號(hào)采集單元中聯(lián)接第二級(jí)反相比例 運(yùn)算放大器(AMP1B)輸出端的電阻(RA9)聯(lián)接旋轉(zhuǎn)電容濾波器電路；旋轉(zhuǎn)電容濾波器電路 從噪聲中檢測已知頻率的正弦信號(hào)和方波信號(hào)，旋轉(zhuǎn)電容濾波器通過電子開關(guān)周期性的轉(zhuǎn)換 方向，電流源給RC電路充電；旋轉(zhuǎn)電容濾波器電路的輸出信號(hào)經(jīng)過信號(hào)采集單元處理成信號(hào) 處理器可以接受的0—3.3V電壓以后將信號(hào)傳遞至信號(hào)處理器，信號(hào)處理單元通過分析提取 的變化信號(hào)，針對(duì)這個(gè)變化信號(hào)對(duì)BP神經(jīng)網(wǎng)絡(luò)模型的影響來確定是否發(fā)生信號(hào)異常，當(dāng)實(shí)時(shí) 模型和歷史模型之間的模型差符合性能指標(biāo)時(shí)，不作處理，當(dāng)模型差大于性能指標(biāo)時(shí)，即判 斷有異常信號(hào)存在；信號(hào)處理器DSPIC30F6010A接口 SCI—0UT、 SCI—IN通過串行通訊端子 SCIJ)UT、 SCI—IN聯(lián)接上位機(jī)，如圖3所示；電源模塊聯(lián)接信號(hào)處理器，進(jìn)行供電，(如圖3 所示)；其中信號(hào)采集單元(如圖2所示)，由兩個(gè)電阻(RA1)和(RA2)組成的分壓電路聯(lián) 接第一級(jí)運(yùn)算放大器(AMP1A)的同相輸入端，第一級(jí)運(yùn)算放大器(AMP1A)的輸出端通過電 阻(RA3)聯(lián)接第二級(jí)反相比例運(yùn)算放大器(AMP1B)反相輸入端，第二級(jí)反相比例運(yùn)算放大 器(AMP1B)輸出端通過電阻(RA9)聯(lián)接旋轉(zhuǎn)電容濾波器電路的輸入端，旋轉(zhuǎn)電容濾波器電 路的輸出端聯(lián)接第三級(jí)運(yùn)算放大器(AMP1D)的反相輸入，第三級(jí)運(yùn)算放大器(AMP1D)的輸 出端聯(lián)接由電阻(RA12)和電容(CA4)組成的無源濾波器，3源濾波器的輸出端聯(lián)接二極管 (Dl)和(D2)組成的限幅電路。
所述的旋轉(zhuǎn)電容濾波器電路(如圖2所示)，包括電阻、第四級(jí)運(yùn)算放大器(AMP1C)、第 五級(jí)運(yùn)算放大器(AMP2C)、RC電路、第二雙刀雙擲電子開關(guān)(S2)、第三雙刀雙擲電子開關(guān)(S3)、 第四雙刀雙擲電子開關(guān)(S4)和第五雙刀雙擲電子開關(guān)(S5)，第四級(jí)運(yùn)算放大器(AMP1C) 與第五級(jí)運(yùn)算放大器(AMP2C)組成并聯(lián)電路，在第四級(jí)運(yùn)算放大器(AMP1C)的反相輸入端 聯(lián)接第二雙刀雙擲電子開關(guān)(S2)，第二雙刀雙擲電子開關(guān)(S2)通過由電阻(RA11)和電容 (CA2)組成的RC電路聯(lián)接第三雙刀雙擲電子開關(guān)(S3);在第五級(jí)運(yùn)算放大器(AMP2C)的反 相輸入端聯(lián)接第四雙刀雙擲電子開關(guān)(S4)，第四雙刀雙擲電子開關(guān)(S4)通過由電阻(RA23) 和電容(CA3)組成的RC電路聯(lián)接第五雙刀雙擲電子開關(guān)(S5)。
旋轉(zhuǎn)電容濾波器，為一種開關(guān)電容濾波器，它具有抑制噪聲能力，對(duì)異常信號(hào)檢測有著 很強(qiáng)的輔助作用，(如圖10所示)，在沒有設(shè)計(jì)旋轉(zhuǎn)電容濾波器以前，異常信號(hào)可以檢測出來， 但是兩邊的脈沖波過高，對(duì)于檢測異常信號(hào)有影響，但是，(如圖ll所示)，設(shè)計(jì)了旋轉(zhuǎn)濾波 器濾波以后，兩邊的脈沖波平坦了，可以更好的對(duì)異常信號(hào)進(jìn)行檢測，S2、 S3、 S4、 S5是由 脈沖信號(hào)控制的雙刀雙擲電子開關(guān)，控制脈沖信號(hào)P(t)是頻率為f的方波，如圖4所，當(dāng)p(t) 為高電平時(shí)，電子開關(guān)接到S2、 S4，當(dāng)p(t)為低電平時(shí)，電子開關(guān)接到S3、 S5，這樣電流源 就通過電子開關(guān)周期性的轉(zhuǎn)換方向，給RC充電，這相當(dāng)于電容C在兩個(gè)半圓形極板中以開關(guān)頻率旋轉(zhuǎn)。
電路工作過程為(如圖2所示)，設(shè)備輸出檢測的電壓信號(hào)VCVA經(jīng)由電阻(RA1)和 (RA2)構(gòu)成的分壓電路分壓后，送到第一級(jí)運(yùn)算放大器(AMP1A)，經(jīng)過一個(gè)電阻(RA3)， 進(jìn)入第二級(jí)反相比例運(yùn)算放大器(AMP1B)，再經(jīng)過一個(gè)電阻(RA9)，進(jìn)入到我們搭建的旋轉(zhuǎn) 電容濾波器，電壓流經(jīng)電阻(RA9)，進(jìn)入第四級(jí)運(yùn)算放大器(AMP1C)與第五級(jí)運(yùn)算放大器 (AMP2C)并聯(lián)電路，分壓后電壓通過第二雙刀雙擲電子開關(guān)(S2)和第四雙刀雙擲電子開關(guān) (S4),經(jīng)過電阻(RA11)和電容(CA2)并聯(lián)電路和經(jīng)過電阻(RA23)和電容(CA3)并聯(lián)電 路，再經(jīng)過第三雙刀雙擲電子開關(guān)(S3)和第五雙刀雙擲電子丌關(guān)(S5),輸出電壓，再進(jìn)入 第三極運(yùn)算放大器(AMP1D)，最后電阻(RA12)和電容(CA4)組成無源濾波器，在調(diào)理通 道的輸出端接兩個(gè)二極管(Dl)和(D2)構(gòu)成限幅電路，使信號(hào)處理器DSPIC30F6010A能正 常工作。
所述的電力異常故障數(shù)據(jù)分析裝置的異常故障數(shù)據(jù)診斷方法，按如下步驟進(jìn)行(如圖8 所示)，
步驟一、令K=10，采集10個(gè)電壓值，分別為X產(chǎn)3. 5、X2=4. 6、X3=2. 6、X4=3. 4、X5=4. 0、X6=4. 1,X7=3. 6. X8=4. 3、X9=4. 4乂。=3. 8利用相空間重構(gòu)的方法，求出嵌入延遲f =4和最佳嵌入維d=3， 利用原始時(shí)間序列V重構(gòu)相空間
義,=C^，X"r X,+2r""，X"(rf-l)i") (1)
其中？ = 1,2，...^^, Md-iV-(rf-l)T,N是原始數(shù)據(jù)的個(gè)數(shù)，這個(gè)A^個(gè)d維矢量在d
維相空間描述出的軌跡將把混沌吸引子完全展開，在拓?fù)涞葍r(jià)的情況下恢復(fù)原來系 統(tǒng)的動(dòng)力學(xué)行為。
步驟二、局部對(duì)電壓的時(shí)間序列利用神經(jīng)網(wǎng)絡(luò)建模，(如圖6所示)，這里我們采用BP網(wǎng)絡(luò) 作為訓(xùn)練模型網(wǎng)絡(luò)，利用重構(gòu)相空間后的數(shù)據(jù)訓(xùn)練BP網(wǎng)絡(luò)，對(duì)采集數(shù)據(jù)進(jìn)行建模，
其中，d為祌經(jīng)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)個(gè)數(shù)，X(O作為神經(jīng)網(wǎng)絡(luò)的輸入，得到神經(jīng)網(wǎng)絡(luò)預(yù) 測原始模型；
步驟三、采集數(shù)據(jù)《聯(lián)合原始數(shù)據(jù)組成輸入向量，作為當(dāng)前神經(jīng)網(wǎng)絡(luò)的輸入，通過建模、
得到預(yù)測的下一步輸出、+1; 步驟四、數(shù)據(jù)X,.在內(nèi)共k個(gè)向量x,.,&,實(shí)時(shí)訓(xùn)練BP網(wǎng)絡(luò)，得到的權(quán)值用來實(shí)時(shí)更
新下一步預(yù)測的BP網(wǎng)絡(luò)的權(quán)值； 步驟五、；c,和其預(yù)測值^的預(yù)測誤差值err作為故障判斷的依據(jù)，設(shè)置閾值RT=30如果err〉RT，則表示當(dāng)前數(shù)據(jù)有異常，否則繼續(xù)判斷。 其中，第1、 2步利用原始數(shù)據(jù)離線完成，為了保證診斷的實(shí)時(shí)性3、 4、 5步應(yīng)同時(shí)進(jìn)行。
該方法除了神經(jīng)網(wǎng)絡(luò)的參數(shù)需要確定以外，還需要確定參數(shù)k, k表示需要確定在線訓(xùn) 練的原始數(shù)據(jù)的個(gè)數(shù)，A = 0,...,iV， yV為自然數(shù)，改參數(shù)k如果太大，計(jì)算機(jī)將無法在規(guī)定的
時(shí)間內(nèi)完成網(wǎng)絡(luò)參數(shù)的訓(xùn)練，如果太小則無法體現(xiàn)要訓(xùn)練數(shù)據(jù)的特點(diǎn)，導(dǎo)致預(yù)測出現(xiàn)較大誤 差甚至錯(cuò)誤；另外需要確定的一個(gè)參數(shù)是閾值RT， RT為預(yù)先設(shè)定或者通過自動(dòng)識(shí)別得到的 閾值，該參數(shù)作為判斷數(shù)據(jù)是否發(fā)生異常的觸發(fā)器，要根據(jù)神經(jīng)網(wǎng)絡(luò)的預(yù)測誤差err來決定， 如果err較小則可以適當(dāng)減小RT，如果err變大，則要相應(yīng)增大RT，事實(shí)上，k、 err和RT 是有關(guān)系的， 一般來說，在線訓(xùn)練的數(shù)據(jù)個(gè)數(shù)k越大，那么預(yù)測的誤差err越小，那么RT 也就可以適當(dāng)?shù)臏p小，并且這樣可以發(fā)現(xiàn)更小的故障。
其中相空間重構(gòu)法通過測量可得到采樣信號(hào)的時(shí)間序列矩陣，采集數(shù)據(jù){^4} = {義(^^ ，
如圖7所示，其中it-o，…，iv， r為采樣周期，每個(gè)x(Arr)為;tr時(shí)刻實(shí)測的附維向量(包括 壓力、流量、輸差等)。然后針對(duì)xotr)的第/個(gè)分量構(gòu)造形式上的狀態(tài)向量
J^^r)-[義,(A:r)，I,(^r — r,),…，義,(A:r —1)7,)f，z:l，…，w;其中r-[八r2 7(1/是 未知的延遲時(shí)間向量，r,是r的第/個(gè)分量(/ = 1，...,附)；"=[ ! "2 ,...， ",是"的 第f個(gè)分量，是未知的嵌入維數(shù)U = l，.,.，/ )。為了確定r,和"'值，從而確定r和"，發(fā)明首先 利用時(shí)間序列計(jì)算
=(2)
和
<v(fc')-￡{[(《)2—{(《)2}f[(《—》2—{(X".)2}]} (3) 其中it'd, f=0,l,...，外)是期望值，R是平均值，yk(A:')是線性相關(guān)的函數(shù)，^^(O 是非線性相關(guān)的函數(shù)。設(shè)^，^分別是^^')和^^W)達(dá)到第一個(gè)最小值的時(shí)間，貝U可 得到如下時(shí)間單元
5 =min{rw,T^2} (4) 這樣延遲時(shí)間常數(shù)、可以選擇為Int[f; /5〗《r, S Int[5 /2〗+1 ( 5 )
其中IntW表示實(shí)數(shù)的整數(shù)部分。然后通過采用相關(guān)函數(shù)來計(jì)算吸引子的相關(guān)維數(shù).-
C,(/) = ~~^~~ f 6>(/-|《-z、l,…，m (6)
其中/是一個(gè)常參數(shù)。P為Heaviside函數(shù)。計(jì)算^-^^logC^/Vlog/可得到吸引子的估計(jì)維
數(shù)巧,，則該系統(tǒng)的第z'個(gè)分量的嵌入維數(shù)為",22巧,+l。 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程
1網(wǎng)絡(luò)初始化，用一組隨機(jī)數(shù)對(duì)網(wǎng)絡(luò)賦初始權(quán)值，設(shè)置學(xué)習(xí)步長;/、允許誤差e、網(wǎng)絡(luò) 結(jié)構(gòu)(即網(wǎng)絡(luò)層數(shù)Z和每層節(jié)點(diǎn)數(shù)巧)，令樣本模式計(jì)數(shù)器P^訓(xùn)練次數(shù)計(jì)數(shù)器q^;
2為網(wǎng)絡(luò)輸入一組學(xué)習(xí)樣本； 3對(duì)每個(gè)學(xué)習(xí)樣本p循環(huán)
(1) 逐層正向計(jì)算網(wǎng)絡(luò)d個(gè)輸入節(jié)點(diǎn)的輸入X(/)和輸出；
(2) 計(jì)算第p個(gè)樣本的輸出的誤差^和網(wǎng)絡(luò)的總誤差E，
A=》")2 (7) z 乂=
五=力￡尸 (8)
式中7;和7^分別為輸出層第j個(gè)節(jié)點(diǎn)的期望輸出和實(shí)際輸出，^為輸出的誤差和E為 網(wǎng)絡(luò)的總誤差；
(3) 當(dāng)E小于允許誤差f或者達(dá)到指定的迭代次數(shù)時(shí)，學(xué)習(xí)過程結(jié)束，否則， 進(jìn)行誤差反向傳播。
(4) 反向逐層計(jì)算網(wǎng)絡(luò)各節(jié)點(diǎn)誤差^^。如果,取為S型函數(shù)，即
則對(duì)于輸出層有
《 ~-《) (9)
對(duì)于隱含層有-
(io)(5)修正網(wǎng)絡(luò)連接權(quán)值
(11)
式中，/fc為學(xué)習(xí)次數(shù)，7為學(xué)習(xí)因子。7取值越大，每次權(quán)值的改變?cè)絼×遥@可能導(dǎo)致 學(xué)習(xí)過程振蕩，因此，為了使學(xué)習(xí)因子的取值足夠大，又不至產(chǎn)生振蕩，通常在權(quán)值修正公 式中加入一個(gè)附加動(dòng)量法。
其診斷過程最終由DSPIC30F6010A處理器的控制實(shí)現(xiàn)，按以下控制步驟執(zhí)行，(如圖5所
示)
步驟一開始；
步驟二定義程序出口地址并初始化1/0設(shè)備、同時(shí)初始化看門狗、中斷向量、裝置時(shí) 鐘；
步驟四設(shè)置異常響應(yīng)，并設(shè)置中斷響應(yīng)地址和開中斷； 步驟五初始化存儲(chǔ)系統(tǒng)，為采樣數(shù)據(jù)分配內(nèi)存； 步驟六設(shè)置采樣間隔及使能各采樣通道；
步驟七DSPIC30F6010A微處理器對(duì)常規(guī)數(shù)據(jù)進(jìn)行信號(hào)采集和利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行分析 處理；
步驟八對(duì)數(shù)據(jù)結(jié)果打包匯總，上傳到上位機(jī)； 步驟九結(jié)束。
BP神經(jīng)網(wǎng)絡(luò)分析過程包括以下步驟，(如圖9所示)
步驟一網(wǎng)絡(luò)初始化，用一組隨機(jī)數(shù)對(duì)網(wǎng)絡(luò)賦初始權(quán)值；
步驟二為網(wǎng)絡(luò)提供一組學(xué)習(xí)樣本；
步驟三逐層正向計(jì)算網(wǎng)絡(luò)各節(jié)點(diǎn)的輸入和輸出；
步驟四計(jì)算第p個(gè)樣本的輸出的誤差^和網(wǎng)絡(luò)的總誤差E;
步驟五修正網(wǎng)絡(luò)連接權(quán)值；
我們從現(xiàn)場采集1200個(gè)電壓數(shù)據(jù)，嵌入維是3維，嵌入延遲為4， BP神經(jīng)網(wǎng)絡(luò)的參數(shù)選 取中，BP神經(jīng)網(wǎng)絡(luò)采用三層結(jié)構(gòu)，輸入節(jié)點(diǎn)3個(gè)，隱含層節(jié)點(diǎn)28個(gè)， 一個(gè)輸出節(jié)點(diǎn)。設(shè)置 RT=30，(如圖12， 13所示)，圖15縱坐標(biāo)表示電壓值，圖16縱坐標(biāo)表示預(yù)測誤差，從圖12 和13可以看出，在第1000個(gè)點(diǎn)處，預(yù)測誤差40>30,在此處檢測到異常信號(hào)。
權(quán)利要求
1、一種電力異常故障數(shù)據(jù)分析裝置，其特征在于該裝置包括信號(hào)采集單元、旋轉(zhuǎn)電容濾波器電路、信號(hào)處理器、電源模塊、通訊模塊和上位機(jī)，信號(hào)采集單元包括第一級(jí)運(yùn)算放大器、第二級(jí)反相比例運(yùn)算放大器、第三級(jí)運(yùn)算放大器、電阻、電容和二極管；旋轉(zhuǎn)電容濾波器電路包括電阻、第四級(jí)運(yùn)算放大器、第五級(jí)運(yùn)算放大器、RC電路、第二雙刀雙擲電了開關(guān)、第三雙刀雙擲電子開關(guān)、第四雙刀雙擲電子開關(guān)和第五雙刀雙擲電子開關(guān)；電路連接是信號(hào)采集單元中連接第二級(jí)反相比例運(yùn)算放大器輸出端的電阻連接旋轉(zhuǎn)電容濾波器電路的輸入端；旋轉(zhuǎn)電容濾波器電路的輸出端連接信號(hào)處理器的輸入端，信號(hào)處理器的輸出端通過串行通訊連接上位機(jī)的輸入端，電源模塊連接信號(hào)處理器；其中信號(hào)采集單元由兩個(gè)電阻組成的分壓電路連接第一級(jí)運(yùn)算放大器的同相輸入端，第一級(jí)運(yùn)算放大器的輸出端通過電阻連接第二級(jí)反相比例運(yùn)算放大器反相輸入端，第二級(jí)反相比例運(yùn)算放大器輸出端通過電阻連接旋轉(zhuǎn)電容濾波器電路的輸入端，旋轉(zhuǎn)電容濾波器電路的輸出端連接第三級(jí)運(yùn)算放大器的反相輸入端，第三級(jí)運(yùn)算放大器的輸出端連接由電阻和電容組成的無源濾波器，無源濾波器的輸出端連接二極管組成的限幅電路。
2、 根據(jù)權(quán)利要求l所述的電力異常故障數(shù)據(jù)分析裝置，其特征在于所述的旋轉(zhuǎn)電容濾波器電路包括電阻、第四級(jí)運(yùn)算放大器、第五級(jí)運(yùn)算放大器、RC電路、第二雙刀雙擲電子開關(guān)、 第三雙刀雙擲電子開關(guān)、第四雙刀雙擲電子開關(guān)和第五雙刀雙擲電子開關(guān)；第四級(jí)運(yùn)算放大 器與第五級(jí)運(yùn)算放大器組成并聯(lián)電路，在第四級(jí)運(yùn)算放大器的反相輸入端連接第二雙刀雙擲 電子開關(guān)，第二雙刀雙擲電子開關(guān)通過RC電路連接第三雙刀雙擲電子開關(guān)；在第五級(jí)運(yùn)算放 大器的反相輸入端連接第四雙刀雙擲電子開關(guān)，第四雙刀雙擲電子開關(guān)通過RC電路連接第五 雙刀雙擲電子開關(guān)，旋轉(zhuǎn)電容濾波器電路中第二雙刀雙擲電子開關(guān)、第三雙刀雙擲電子開關(guān)、 第四雙刀雙擲電子開關(guān)和第五雙刀雙擲電子開關(guān)在電路運(yùn)行時(shí)相機(jī)循環(huán)連接。
3、 采用權(quán)利要求1所述的電力異常故障數(shù)據(jù)分析裝置的異常故障數(shù)據(jù)診斷方法，其特征 在于按如下步驟進(jìn)行步驟一、采集數(shù)據(jù)，包括電壓，利用相空間重構(gòu)的方法，求出嵌入延遲r和最佳嵌入維d，利用原始時(shí)間序列V重構(gòu)相空間；步驟二、局部對(duì)電壓的時(shí)間序列利用神經(jīng)網(wǎng)絡(luò)建模，對(duì)采集數(shù)據(jù)進(jìn)行建模，得到神經(jīng)網(wǎng)絡(luò)預(yù)測原始模型；步驟三、采集數(shù)據(jù)《聯(lián)合原始數(shù)據(jù)組成輸入向量，作為當(dāng)前神經(jīng)網(wǎng)絡(luò)的輸入，通過建模，得到預(yù)測的下一步輸出^+|; 步驟四、采集數(shù)據(jù)Z,在內(nèi)共k個(gè)向量^x,一,，…^w實(shí)時(shí)訓(xùn)練BP網(wǎng)絡(luò)，得到的權(quán)值用來實(shí)時(shí)更新下一步預(yù)測的BP網(wǎng)絡(luò)的權(quán)值；步驟五、x,和其預(yù)測值^的預(yù)測誤差值err作為故障判斷的依據(jù)，如果err〉RT，則表示當(dāng) 前數(shù)據(jù)有異常，否則繼續(xù)判斷，其中RT為預(yù)先設(shè)定或者通過自動(dòng)識(shí)別得到的閾值。
全文摘要
本發(fā)明涉及一種電力異常故障數(shù)據(jù)分析裝置及診斷方法，屬于設(shè)備故障檢測領(lǐng)域，分析裝置包括信號(hào)采集單元、旋轉(zhuǎn)電容濾波器電路、信號(hào)處理器、電源模塊、通訊模塊和上位機(jī)。采用該裝置對(duì)異常故障數(shù)據(jù)診斷方法為1.利用相空間重構(gòu)的方法，求出嵌入延遲τ和最佳嵌入維d；2.對(duì)采集數(shù)據(jù)進(jìn)行建模，得到神經(jīng)網(wǎng)絡(luò)預(yù)測原始模型；3.預(yù)測的下一步輸出x_i+1^-；4.更新下一步預(yù)測的BP網(wǎng)絡(luò)的權(quán)值；5.判斷誤差。本發(fā)明地優(yōu)點(diǎn)為把BP神經(jīng)網(wǎng)絡(luò)和相空間重構(gòu)的方法進(jìn)行了巧妙的結(jié)合，適合多種采集信號(hào)類型、處理速度準(zhǔn)確快速、適用于各種復(fù)雜儲(chǔ)運(yùn)工況，能夠有效地對(duì)信號(hào)故障特別是細(xì)微的故障數(shù)據(jù)進(jìn)行分析處理。旋轉(zhuǎn)濾波電容器可以對(duì)噪音有很強(qiáng)的抑制能力。
文檔編號(hào)G06N3/00GK101533058SQ20091001127
公開日2009年9月16日 申請(qǐng)日期2009年4月24日 優(yōu)先權(quán)日2009年4月24日
發(fā)明者博 劉, 孫秋野, 張化光, 營 李, 李愛平, 楊東升, 王迎春, 穎 邢 申請(qǐng)人:東北大學(xué)