一种智能断路器运行工况检测方法与流程

1.本发明涉及智能断路器运行工况检测技术领域，更具体地说，它涉及一种智能断路器运行工况检测方法。


背景技术：

2.目前有多种人工神经网络的改进型运用在了高压断路器的诊断方面，比如概率神经网络、极限学习机等，但是这些方法有很多都只针对断路器的某一故障类别机械故障或绝缘故障进行了优化，在单独的故障上诊断准确，但不能综合地评价整个断路器的状态，模糊逻辑是一种对经验知识进行表达与推理的方法，能够很好地表示出专家经验知识并模仿人类的推理思维进行推理运算，具有优良的人机交互能力，但模糊逻辑运用在高压断路器故障诊断上主要都是偏向于综合评判这一方面，虽然能够给出智能断路器的综合运行状况，但在对单独故障类别的诊断上就比较模糊，导致现有诊断方法无法实现综合评估和单独故障类别诊断兼备的效果，降低了检测方法的诊断效率。


技术实现要素：

3.针对现有技术存在的不足，本发明的目的在于提供一种智能断路器运行工况检测方法。
4.为实现上述目的，本发明提供了如下技术方案：一种智能断路器运行工况检测方法，包括智能断路器、开关控制器、传感器、断路器在线监测模块、合并单元、过程层网络和控制模块，所述智能断路器和开关控制器相交互连接，所述传感器模块分别和断路器在线监测模块和合并模块相连接，所述断路器在线监测模块与监测分析模块相连接，所述监测分析模块与控制模块相连接，所述合并模块、过程层网络和控制模块依次连接，所述控制模块与开关控制器相连接。
5.所述控制模块用于控制开关控制器的启闭，所述开关控制器用于控制智能断路器的运行和关闭，所述传感器模块用于转换将电路中的大电压电流并传输到合并单元，通过合并单元和过程层网络传输到测控模块进行测量和保护，且传感器模块对智能断路器的运行状态情况进行获取，并将获取的检测数据传输到断路器在线监测模块上，所述断路器在线监测模块用于实时监测智能断路器的运行，所述检测分析模块用于对智能断路器运行的数据分析，并分析智能断路器是否需要调整，所述控制模块用于下达智能断路器调整的命令。
6.本发明进一步设置为：所述传感器模块包括互感器、霍尔电流传感器、位移传感器、储能电机电流传感器、气体压力传感器、气体密度传感器和温度传感器，且上述互感器和多种传感器均单独设置，所述互感器用于将电路中的大电压电流并传输到合并单元，多种传感器分别对智能断路器的运行状态进行检测，并将检测结果传输到断路器在线监测模块。
7.本发明进一步设置为：所述监测分析模块包括机械特性分析模块、气体分析模块
和触头升温分析模块，所述机械特性分析模块、气体分析模块和触头升温分析模块均单独设置。
8.本发明进一步设置为：根据上述多个模块组合形成智能诊断模型，基于建立的智能诊断模型构建智能诊断控制策略，控制策略设置于断路器在线监测模块内，且此策略为基于模糊逻辑、神经网络和遗传算法三者结合的模糊遗传神经网络系统fnn-ga，并将传感器模块测得结果带入此系统内计算。
9.本发明进一步设置为：所述遗传算法包括编码和遗传操作，所述遗传操作包括选择操作、交叉操作与变异操作，为提高智能诊断模型的运行速度和收敛能力，在交叉操作与变异操作的基础上做改进，交叉操作的交叉率与变异操作的变异率通常均为固定值，但是种群个体间的差异在算法运行初期较大，若能以较大的交叉率进行交叉操作，就能加快算法初期的收敛速度；群体个体间的差异在算法运行后期较小，若能以较小的交叉率进行交叉操作，就能减少破坏优秀个体的可能性，算法初期应选择较小的变异率，利于种群的早期进化；后期提升变异率，以防进入局部最优，根据上述分析，改进了计算交叉率pc和变异率pm的方法，改进内容如下：
[0010][0011][0012]
式中，f
max
为最大个体适应度，f
avg
为平均个体适应度，f'为执行交叉操作个体中最大适应度，f是执行变异操作个体中的最大适应度。
[0013]
本发明进一步设置为：根据智能诊断模型的输出量与训练样本的期望输出的差之和的最小值作为目标函数，即
[0014][0015]
式中，y
fnn-ga
为fnn-ga模型的输出值，y
data
为训练样本的以往输出，n为样本个数。
[0016]
本发明进一步设置为：所述个体适应度公式改进如下：
[0017][0018]
式中，c
max
选为种群最大的个体适应度。
[0019]
本发明进一步设置为：基于fnn-ga的智能断路器运行状态诊断模型，其运行步骤如下：
[0020]
s1、对fnn和ga进行初始化，针对专家给出的规则配置基础数值。
[0021]
s2、将训练样本的输入值输入智能断路器运行状态诊断模型的系统网络中，通过观察输出的数值判断是否达到期望输出值。
[0022]
s3、若达到了期望的输出，则模型训练完成；若未能达到了期望的输出，则用ga对现有的连接权和阈值进行编码。
[0023]
s4、进行一次遗传操作产生新的群体，然后解码产生新的连接权和阈值来替换原来的值。
[0024]
s5、重复s2到s4，直到输出达到期望或者迭代次数达到为止，至此模型训练完毕，是随着对模型不断地训练，通过ga的选取，影响较小或者无用的模糊规则将会获得较低的连接权，从而使模型的运行速度不断提升。
[0025]
s6、通过传感器模块将电路中的大电压电流转换成小电压电流，并传输到合并单元，通过合并单元和过程层网络传输到测控模块进行测量和保护，且传感器模块对智能断路器的运行状态情况进行获取，并将获取的检测数据传输到断路器在线监测模块上，通过系统fnn-ga实时监测智能断路器的运行状态，检测分析模块对智能断路器运行的数据分析后判断智能断路器是否需要调整，通过控制模块下达智能断路器调整的命令。
[0026]
本发明的优点是，采用基于遗传算法改进的模糊神经网络fnn-ga模型来评估高压断路器的工作状态，通过fnn-ga的高效的自学习性、优良的自适应性、快速的数据处理能力和良好的人机交互能力对现有专家经验快速获取和对故障样本进行分析学习，得到完备的诊断知识库，从而为高压断路器的运行状态评估提供准确的凭据，实现既能综合评估断路器的工作状态又能在单独故障类别上进行精确诊断。
附图说明
[0027]
图1为本发明的系统流程图；
[0028]
图2为本发明的监测分析模块结构示意图。
具体实施方式
[0029]
需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互结合。下面将参考附图并结合实施例来详细说明本发明。
[0030]
需要指出的是，除非另有指明，本技术使用的所有技术和科学术语具有与本技术所属技术领域的普通技术人员通常理解的相同含义。
[0031]
本发明中，在未作相反说明的情况下，使用的方位如“上、下”通常是针对附图所示的方向而言，或者是针对竖直、垂直或重力方向上而言的；同样地，为便于理解和描述，“左、右”通常是针对附图所示的左、右；“内、外”是指相对于各部件本身的轮廓的内、外，但上述方位词并不用于限制本发明。
[0032]
请参阅图1-2，本发明提供以下技术方案：
[0033]
实施例
[0034]
一种智能断路器运行工况检测方法，包括智能断路器、开关控制器、传感器、断路器在线监测模块、合并单元、过程层网络和控制模块，智能断路器和开关控制器相交互连接，传感器模块分别和断路器在线监测模块和合并模块相连接，断路器在线监测模块与监测分析模块相连接，监测分析模块与控制模块相连接，合并模块、过程层网络和控制模块依次连接，控制模块与开关控制器相连接。
[0035]
控制模块用于控制开关控制器的启闭，开关控制器用于控制智能断路器的运行和关闭，传感器模块用于转换将电路中的大电压电流并传输到合并单元，通过合并单元和过程层网络传输到测控模块进行测量和保护，且传感器模块对智能断路器的运行状态情况进
行获取，并将获取的检测数据传输到断路器在线监测模块上，断路器在线监测模块用于实时监测智能断路器的运行，检测分析模块用于对智能断路器运行的数据分析，并分析智能断路器是否需要调整，控制模块用于下达智能断路器调整的命令。
[0036]
传感器模块包括互感器、霍尔电流传感器、位移传感器、储能电机电流传感器、气体压力传感器、气体密度传感器和温度传感器，且上述互感器和多种传感器均单独设置，互感器用于将电路中的大电压电流并传输到合并单元，多种传感器分别对智能断路器的运行状态进行检测，并将检测结果传输到断路器在线监测模块。
[0037]
监测分析模块包括机械特性分析模块、气体分析模块和触头升温分析模块，机械特性分析模块、气体分析模块和触头升温分析模块均单独设置。
[0038]
根据上述多个模块组合形成智能诊断模型，基于建立的智能诊断模型构建智能诊断控制策略，控制策略设置于断路器在线监测模块内，且此策略为基于模糊逻辑、神经网络和遗传算法三者结合的模糊遗传神经网络系统fnn-ga，并将传感器模块测得结果带入此系统内计算。
[0039]
遗传算法包括编码和遗传操作，遗传操作包括选择操作、交叉操作与变异操作，为提高智能诊断模型的运行速度和收敛能力，在交叉操作与变异操作的基础上做改进，交叉操作的交叉率与变异操作的变异率通常均为固定值，但是种群个体间的差异在算法运行初期较大，若能以较大的交叉率进行交叉操作，就能加快算法初期的收敛速度；群体个体间的差异在算法运行后期较小，若能以较小的交叉率进行交叉操作，就能减少破坏优秀个体的可能性，算法初期应选择较小的变异率，利于种群的早期进化；后期提升变异率，以防进入局部最优，根据上述分析，改进了计算交叉率pc和变异率pm的方法，改进内容如下：
[0040][0041][0042]
式中，f
max
为最大个体适应度，f
avg
为平均个体适应度，f'为执行交叉操作个体中最大适应度，f是执行变异操作个体中的最大适应度。
[0043]
根据智能诊断模型的输出量与训练样本的期望输出的差之和的最小值作为目标函数，即
[0044][0045]
式中，y
fnn-ga
为fnn-ga模型的输出值，y
data
为训练样本的以往输出，n为样本个数。
[0046]
个体适应度公式改进如下：
[0047][0048]
式中，c
max
选为种群最大的个体适应度。
[0049]
基于fnn-ga的智能断路器运行状态诊断模型，其运行步骤如下：
[0050]
步骤一、对fnn和ga进行初始化，针对专家给出的规则配置基础数值。
[0051]
步骤二、将训练样本的输入值输入智能断路器运行状态诊断模型的系统网络中，通过观察输出的数值判断是否达到期望输出值。
[0052]
步骤三、若达到了期望的输出，则模型训练完成；若未能达到了期望的输出，则用ga对现有的连接权和阈值进行编码。
[0053]
步骤四、进行一次遗传操作产生新的群体，然后解码产生新的连接权和阈值来替换原来的值。
[0054]
步骤五、重复步骤二到步骤四，直到输出达到期望或者迭代次数达到为止，至此模型训练完毕，随着对模型不断地训练，通过ga的选取，影响较小或者无用的模糊规则将会获得较低的连接权，从而使模型的运行速度不断提升。
[0055]
步骤六，通过传感器模块将电路中的大电压电流转换成小电压电流，并传输到合并单元，通过合并单元和过程层网络传输到测控模块进行测量和保护，且传感器模块对智能断路器的运行状态情况进行获取，并将获取的检测数据传输到断路器在线监测模块上，通过系统fnn-ga实时监测智能断路器的运行状态，检测分析模块对智能断路器运行的数据分析后判断智能断路器是否需要调整，通过控制模块下达智能断路器调整的命令。
[0056]
具体地，工作人员对fnn和ga的数值进行初始化，针对专家给出的规则配置基础数值，将训练样本的输入值输入智能断路器运行状态诊断模型的系统网络中，通过观察输出的数值判断是否达到期望输出值，若达到了期望的输出，则模型训练完成；若未能达到了期望的输出，则用ga对现有的连接权和阈值进行编码，进行一次遗传操作产生新的群体，然后解码产生新的连接权和阈值来替换原来的值，重复输入训练样本的输入值，直到输出达到期望或者迭代次数达到为止，至此模型训练完毕，随着对模型不断地训练，通过ga的选取，影响较小或者无用的模糊规则将会获得较低的连接权，从而使模型的运行速度不断提升。
[0057]
通过传感器模块将电路中的大电压电流转换成小电压电流，并传输到合并单元，通过合并单元和过程层网络传输到测控模块进行测量和保护，且传感器模块对智能断路器的运行状态情况进行获取，并将获取的检测数据传输到断路器在线监测模块上，通过系统fnn-ga实时监测智能断路器的运行状态，检测分析模块对智能断路器运行的数据分析后判断智能断路器是否需要调整，通过控制模块下达智能断路器调整的命令，已达到智能断路器快速合闸或者分闸的效果。
[0058]
显然，上述所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
[0059]
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、工作、器件、组件和/或它们的组合。
[0060]
需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施方式能够以除了在这里图示或描述的那些以外的顺序实施。
[0061]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
[0062]
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

技术特征：
1.一种智能断路器运行工况检测方法，其特征在于：包括智能断路器、开关控制器、传感器、断路器在线监测模块、合并单元、过程层网络和控制模块，所述智能断路器和开关控制器相交互连接，所述传感器模块分别和断路器在线监测模块和合并模块相连接，所述断路器在线监测模块与监测分析模块相连接，所述监测分析模块与控制模块相连接，所述合并模块、过程层网络和控制模块依次连接，所述控制模块与开关控制器相连接；所述控制模块用于控制开关控制器的启闭，所述开关控制器用于控制智能断路器的运行和关闭，所述传感器模块用于转换将电路中的大电压电流并传输到合并单元，通过合并单元和过程层网络传输到测控模块进行测量和保护，且传感器模块对智能断路器的运行状态情况进行获取，并将获取的检测数据传输到断路器在线监测模块上，所述断路器在线监测模块用于实时监测智能断路器的运行，所述检测分析模块用于对智能断路器运行的数据分析，并分析智能断路器是否需要调整，所述控制模块用于下达智能断路器调整的命令。2.根据权利要求1所述的一种智能断路器运行工况检测方法，其特征在于：所述传感器模块包括互感器、霍尔电流传感器、位移传感器、储能电机电流传感器、气体压力传感器、气体密度传感器和温度传感器，且上述互感器和多种传感器均单独设置，所述互感器用于将电路中的大电压电流并传输到合并单元，多种传感器分别对智能断路器的运行状态进行检测，并将检测结果传输到断路器在线监测模块。3.根据权利要求2所述的一种智能断路器运行工况检测方法，其特征在于：所述监测分析模块包括机械特性分析模块、气体分析模块和触头升温分析模块，所述机械特性分析模块、气体分析模块和触头升温分析模块均单独设置。4.根据权利要求3所述的一种智能断路器运行工况检测方法，其特征在于：根据上述多个模块组合形成智能诊断模型，基于建立的智能诊断模型构建智能诊断控制策略，控制策略设置于断路器在线监测模块内，且此策略为基于模糊逻辑、神经网络和遗传算法三者结合的模糊遗传神经网络系统fnn-ga，并将传感器模块测得结果带入此系统内计算。5.根据权利要求4所述的一种智能断路器运行工况检测方法，其特征在于：所述遗传算法包括编码和遗传操作，所述遗传操作包括选择操作、交叉操作与变异操作，为提高智能诊断模型的运行速度和收敛能力，在交叉操作与变异操作的基础上做改进，交叉操作的交叉率与变异操作的变异率通常均为固定值，但是种群个体间的差异在算法运行初期较大，若能以较大的交叉率进行交叉操作，就能加快算法初期的收敛速度；群体个体间的差异在算法运行后期较小，若能以较小的交叉率进行交叉操作，就能减少破坏优秀个体的可能性，算法初期应选择较小的变异率，利于种群的早期进化；后期提升变异率，以防进入局部最优，根据上述分析，改进了计算交叉率p
c
和变异率p
m
的方法，改进内容如下：的方法，改进内容如下：式中，f
max
为最大个体适应度，f
avg
为平均个体适应度，f'为执行交叉操作个体中最大适
应度，f是执行变异操作个体中的最大适应度。6.根据权利要求5所述的一种智能断路器运行工况检测方法，其特征在于：根据智能诊断模型的输出量与训练样本的期望输出的差之和的最小值作为目标函数，即式中，y
fnn-ga
为fnn-ga模型的输出值，y
data
为训练样本的以往输出，n为样本个数。7.根据权利要求6所述的一种智能断路器运行工况检测方法，其特征在于：所述个体适应度公式改进如下：式中，c
max
选为种群最大的个体适应度。8.根据权利要求7所述的一种智能断路器运行工况检测方法，其特征在于：基于fnn-ga的智能断路器运行状态诊断模型，其运行步骤如下：s1、对fnn和ga进行初始化，针对专家给出的规则配置基础数值；s2、将训练样本的输入值输入智能断路器运行状态诊断模型的系统网络中，通过观察输出的数值判断是否达到期望输出值；s3、若达到了期望的输出，则模型训练完成；若未能达到了期望的输出，则用ga对现有的连接权和阈值进行编码；s4、进行一次遗传操作产生新的群体，然后解码产生新的连接权和阈值来替换原来的值；s5、重复s2到s4，直到输出达到期望或者迭代次数达到为止，至此模型训练完毕，是随着对模型不断地训练，通过ga的选取，影响较小或者无用的模糊规则将会获得较低的连接权，从而使模型的运行速度不断提升。

技术总结
本发明涉及智能断路器运行工况检测技术领域，提供了一种智能断路器运行工况检测方法，包括智能断路器、开关控制器、传感器、断路器在线监测模块、合并单元、过程层网络和控制模块，所述智能断路器和开关控制器相交互连接，所述传感器模块分别和断路器在线监测模块和合并模块相连接，所述监测分析模块与控制模块相连接，所述合并模块、过程层网络和控制模块依次连接，该装置解决了现有诊断方法无法实现综合评估和单独故障类别兼备精确诊断的效果，本发明通过采用基于遗传算法改进的模糊神经网络FNN-GA模型来评估高压断路器的工作状态，达到了实现既能综合评估断路器的工作状态又能在单独故障类别上进行精确诊断的效果。又能在单独故障类别上进行精确诊断的效果。又能在单独故障类别上进行精确诊断的效果。


技术研发人员：康晨曦 孙冠东
受保护的技术使用者：南通连邦数智信息技术有限公司
技术研发日：2023.06.25
技术公布日：2023/9/20