本發(fā)明涉及一種高壓供配電線路或供配電系統(tǒng)中高壓斷路器狀態(tài)識別方法，特別涉及一種基于觸頭行程曲線特征提取和特征選擇的高壓斷路器機(jī)械狀態(tài)識別方法。

背景技術(shù)：

高壓斷路器是電力系統(tǒng)中數(shù)量最大的電力設(shè)備之一，同時也是最重要的開關(guān)設(shè)備，擔(dān)負(fù)著控制和保護(hù)的雙重任務(wù)。因此，它的性能的好壞，工作的可靠程度是決定電力系統(tǒng)安全運(yùn)行的重要因素。

由于高壓斷路器的內(nèi)部結(jié)構(gòu)不可見，很難直觀的獲知其中的組件是否處于正常工作狀態(tài)。然而，將運(yùn)行中的高壓斷路器拆解后對內(nèi)部組件進(jìn)行測量分析又顯得不切實際，所以，為了獲知高壓斷路器內(nèi)部機(jī)構(gòu)的狀態(tài)，一般通過測量其重要組件的行程曲線，通過對曲線進(jìn)行處理和分析，判斷機(jī)構(gòu)是處于正常工作狀態(tài)或者是處于某種故障狀態(tài)。目前來說，一般取觸頭的行程曲線來對高壓斷路器進(jìn)行機(jī)械狀態(tài)識別，但是針對觸頭行程曲線，除了計算分/合閘時間、分/合閘速度之外尚無一套可以反映整個分/合閘過程每個階段特性的特征提取和特征選擇體系，因此本發(fā)明提取各時刻的行程值作為特征，計算各特征與狀態(tài)類別之間的互信息，然后尋找出最優(yōu)特征向量，對未知狀態(tài)數(shù)據(jù)進(jìn)行識別，最優(yōu)特征向量所對應(yīng)的時刻可以認(rèn)為是在分/合閘過程中需要重點關(guān)注和分析的關(guān)鍵點。

技術(shù)實現(xiàn)要素：

目的：為了克服現(xiàn)有技術(shù)的不足，針對高壓斷路器機(jī)械狀態(tài)識別中遇到的特征量提取困難，本發(fā)明提供一種基于觸頭行程曲線特征提取和特征選擇的高壓斷路器機(jī)械狀態(tài)識別方法，提取各時刻的行程值作為特征，計算各特征與狀態(tài)類別之間的互信息，然后尋找出最優(yōu)特征向量，對未知狀態(tài)數(shù)據(jù)進(jìn)行識別，最優(yōu)特征向量所對應(yīng)的時刻可以認(rèn)為是在分/合閘過程中需要重點關(guān)注和分析的關(guān)鍵點。

技術(shù)方案：為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案為：

一種高壓斷路器機(jī)械狀態(tài)識別方法，其特征在于：通過對分/合閘過程中的觸頭行程曲線進(jìn)行特征提取和特征選擇來對高壓斷路器的機(jī)械狀態(tài)進(jìn)行識別，具體包括以下步驟：

步驟1)通過大量分/合閘試驗獲取不同狀態(tài)下的高壓斷路器觸頭行程曲線，首先對波形進(jìn)行截取、濾波等預(yù)處理，計算分/合閘速度、平均速度，將[分/合閘時間、分/合閘速度、平均速度]定為核心的三個特征，然后對所有觸頭行程曲線進(jìn)行等寬離散，每隔一小段時間截取一個行程點，以提取時刻的不同分為n類特征，將這些等寬離散出的特征點定為待篩選特征；n為自然數(shù)；

步驟2)每條觸頭行程曲線(即每個樣本)生成一組待篩選特征，每組均具有n類特征；如果某一類特征下各樣本的取值全部相同，則認(rèn)為此類特征對分類沒有貢獻(xiàn)，去除此類特征；分別計算各類特征與狀態(tài)類別之間的互信息，以此表征此類特征與狀態(tài)類別之間的相關(guān)性，即表征各樣本在此時刻的行程值的區(qū)別與狀態(tài)類別的區(qū)別之間的相關(guān)性；計算得到的互信息越大，則表明此特征對最終的狀態(tài)識別越重要；

步驟3)各類特征與狀態(tài)類別之間的互信息計算完成后，根據(jù)最大相關(guān)最小冗余準(zhǔn)則對這些特征進(jìn)行篩選，尋找出一組最優(yōu)特征向量；此最優(yōu)特征向量既可以滿足準(zhǔn)確分類的要求，也足夠簡潔，不會使得識別速度過于緩慢；

步驟4)將[分/合閘時間、分/合閘速度、平均速度]三個核心特征和篩選出的最優(yōu)特征組成最終的特征向量，使用其對支持向量機(jī)進(jìn)行訓(xùn)練，對未知狀態(tài)數(shù)據(jù)進(jìn)行狀態(tài)識別。

步驟2)中，互信息的計算公式為x表示的是某一類特征，x表示的是各樣本數(shù)據(jù)此類特征的取值，y表示的是狀態(tài)類別，y表示的是各樣本數(shù)據(jù)的狀態(tài)類別。互信息的計算中涉及到概率密度的計算，本發(fā)明采用核函數(shù)密度估計的方法進(jìn)行計算。需要指出的是，這里的互信息不光可以計算某類特征和狀態(tài)類別之間的相關(guān)性，也可以計算某兩類特征之間的相關(guān)性，這一點后續(xù)的特征篩選中也會用到。

步驟3)中，最大相關(guān)最小冗余準(zhǔn)則的定義為，相關(guān)性參數(shù)s為特征集，|s|為特征集中特征種類的個數(shù)，xi為各類特征，c為狀態(tài)類別，d表示的是所選特征集與狀態(tài)類別的相關(guān)性，d越大，則表示此特征集對狀態(tài)類別的區(qū)分度很好；冗余性參數(shù)r表示的是各類特征之間的冗余性，r越小，則表示此特征集中各特征之間的重復(fù)性越??；xi和xj指的都是特征。

最大相關(guān)最小冗余準(zhǔn)則就是尋找一組特征組合，使得相關(guān)性盡可能的大而冗余性盡可能的小，遂定義一個算子φ＝wd-(1-w)r，計算得到使得φ取最大值的特征組合，即為最優(yōu)特征組合。w為權(quán)重系數(shù)，w越大則表示越側(cè)重于最大相關(guān)性，此時尋找出的特征種類一般更多，利用此特征集進(jìn)行分類識別，準(zhǔn)確度較高但速度較慢；w越小則表示越側(cè)重于最小冗余性，此時尋找出的特征種類一般更少，利用此特征集進(jìn)行分類識別，準(zhǔn)確度較低但速度較快。

此處w的選擇，本發(fā)明利用粒子群尋優(yōu)算法，以分類準(zhǔn)確度作為適應(yīng)度指標(biāo)，w的尋優(yōu)和懲罰因子c，核函數(shù)參數(shù)g存在嵌套關(guān)系，即w改變后特征集改變，特征集的改變會導(dǎo)致c，g的改變，w、c、g三個參數(shù)確定后才可以計算分類準(zhǔn)確率。

步驟3)中，特征的篩選過程，包括以下步驟：

1)分計算各類特征與狀態(tài)類別之間的互信息大小，然后按照互信息由大到小的順序?qū)⒏黝愄卣鬟M(jìn)行排序；

2)以[分/合閘時間、分/合閘速度、平均速度]作為初始特征集，計算φ＝wd-(1-w)r；

3)按照1)中排好的順序，向特征集中添加1個特征，然后計算φ'＝wd-(1-w)r，若計算得到的φ'比未添加此特征時計算得到的φ大，則保留此特征構(gòu)成新的特征集，反正，則舍去該特征；

4)重復(fù)3)，直到全部計算完成，此時得到的特征集即為最優(yōu)特征集。

步驟4)中，對支持向量機(jī)的訓(xùn)練，是基于“一對多”的思路將原本適用于二分類的支持向量機(jī)擴(kuò)展成可進(jìn)行多分類的分類器，支持向量機(jī)核函數(shù)選擇徑向基函數(shù)，其中懲罰因子c和核函數(shù)參數(shù)g通過粒子群算法的尋優(yōu)算法獲得，適應(yīng)度設(shè)為分類準(zhǔn)確率。

其中，“一對多”的分類思路是指：如果對n種狀態(tài)進(jìn)行分類，即構(gòu)造n個兩類分類器，其中第i個分類器把第i類同余下的各類劃分開，訓(xùn)練時第i個分類器取訓(xùn)練集中第i類為正類，其余類別點為負(fù)類進(jìn)行訓(xùn)練；判別時，輸入信號分別經(jīng)過n個分類器共得到n個輸出值，最大者對應(yīng)類別為輸入的類別，i、n均為自然數(shù)。

有益效果：本發(fā)明提供的高壓斷路器機(jī)械狀態(tài)識別方法，通過大量分合閘實驗獲取不同機(jī)械狀態(tài)下的高壓斷路器的觸頭行程曲線，計算[分/合閘時間、分合閘速度、平均速度]并定為核心的三個特征，然后對觸頭行程曲線進(jìn)行等寬離散，將各時刻的行程值取為特征點，構(gòu)成待篩選特征；計算各待篩選特征點與故障類別之間的互信息，以此表征此時刻的觸頭行程與故障類別之間的相關(guān)性；根據(jù)最大相關(guān)最小冗余準(zhǔn)則對以上特征進(jìn)行篩選，選擇出一組最優(yōu)特征向量；使用篩選出的最優(yōu)特征向量對支持向量機(jī)進(jìn)行訓(xùn)練，對未知狀態(tài)數(shù)據(jù)進(jìn)行狀態(tài)識別。不僅全面的考察了分/合閘過程中各時刻的信息，使得狀態(tài)識別更加準(zhǔn)確和完善，而且可以根據(jù)各時刻行程值與狀態(tài)類別相關(guān)性的大小定位出分/合閘過程中比較重要的階段或者關(guān)鍵點，為分/合閘過程的分析提供了參考。

附圖說明

圖1為本發(fā)明所述方法的整體流程圖；

圖2是特征選擇的算法流程圖。

具體實施方式

下面結(jié)合具體實施例對本發(fā)明作更進(jìn)一步的說明。

如圖1所示，一種基于觸頭行程曲線特征提取和特征選擇的高壓斷路器機(jī)械狀態(tài)識別方法，可分為以下四個步驟：

1)通過大量合閘試驗獲取不同狀態(tài)下的高壓斷路器觸頭行程曲線，首先對波形進(jìn)行截取、濾波等預(yù)處理，計算合閘速度、平均速度，合閘速度為剛合點前40％行程的平均速度，平均速度為總行程的10％到90％的平均速度，將[合閘時間、合閘速度、平均速度]定為核心的三個特征，然后對所有觸頭行程曲線進(jìn)行等寬離散，在90ms的曲線長度上每隔1ms截取一個行程點，以提取時刻的不同分為90類特征，將這些等寬離散出的特征點定為待篩選特征。

2)每條觸頭行程曲線(即每個樣本)生成一組待篩選特征，每組均具有90類特征。如果某一類特征下各樣本的取值全部相同，則認(rèn)為此類特征對分類沒有貢獻(xiàn)，去除此類特征。分別計算各類特征與狀態(tài)類別之間的互信息，以此表征此類特征與狀態(tài)類別之間的相關(guān)性，即表征各樣本在此時刻的行程值的區(qū)別與狀態(tài)類別的區(qū)別之間的相關(guān)性。計算得到的互信息越大，則表明此特征對最終的狀態(tài)識別越重要。

3)各類特征與狀態(tài)類別之間的互信息計算完成后，根據(jù)最大相關(guān)最小冗余準(zhǔn)則對這些特征進(jìn)行篩選，尋找出一組最優(yōu)特征向量。此最優(yōu)特征向量既可以滿足準(zhǔn)確分類的要求，也足夠簡潔，不會使得識別速度過于緩慢。

4)將[合閘時間、合閘速度、平均速度]三個核心特征和篩選出的最優(yōu)特征組成最終的特征向量，使用其對支持向量機(jī)進(jìn)行訓(xùn)練，對未知狀態(tài)數(shù)據(jù)進(jìn)行狀態(tài)識別。

參見圖2，本發(fā)明所述的特征選擇方法可分為以下步驟：

1)分別計算各類特征與狀態(tài)類別之間的互信息大小，然后按照互信息由大到小的順序?qū)Ω黝愄卣鬟M(jìn)行排序，例如x＝[x1,x2,x3...xn]；

2)以[合閘時間、合閘速度、平均速度]作為初始特征集，計算φ＝wd-(1-w)r，其中令w＝0.9；

3)令k＝1，向特征集中添加特征xk，然后計算φ'＝wd-(1-w)r，若計算得到的φ'比未添加此特征時計算得到的φ大，則保留特征xk與之前的特征構(gòu)成新的特征集，反正，則舍去該特征；

4)令k＝k+1，循環(huán)步驟3)，直到k>n；

5)最終獲得的特征集即為最優(yōu)特征向量。

需要指出的是，此處取w＝0.9，是因為在實例中，更加側(cè)重相關(guān)性，換句話說更加看重分類的準(zhǔn)確度，對分類速度并無過高要求，并且在實例中取w＝0.9最終得到的特征向量為4維，并不是特別復(fù)雜，既保障了分類的準(zhǔn)確度，也具有很快的識別速度。

以上所述僅是本發(fā)明的優(yōu)選實施方式，應(yīng)當(dāng)指出：對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤飾，這些改進(jìn)和潤飾也應(yīng)視為本發(fā)明的保護(hù)范圍。