一种电力设备载流故障在线诊断预警方法

摘要

本发明公开了一种电力设备载流故障在线诊断预警方法，采用主成分分析法(PCA)对实时温度和不同时间尺度的平均温度值进行实时PCA和变尺度PCA分析，从而去除数据中带有的噪声，且监测出存在故障或可能存在故障的电力设备触点，同时采用K-means聚类算法进行聚类分析，从而确定发生故障或可能存在故障的触点的位置，另外，PCA监测的响应速度较快，在触点温度上升的初期，特征值快速上升，为诊断系统进一步分析和预警提供了足够的时间。同时，基于PCA的电力设备载流故障预警方法算法简单，实时性强，本发明在很大程度上提高了电力系统的可靠性。本发明可广泛应用于电力设备保护领域。

主权项

一种电力设备载流故障在线诊断预警方法，其特征在于，该方法包括以下步骤：(1)采集电力设备触点的实时温度，对采集到的电力设备触点实时温度数据进行预处理，剔除无效数据，计算多个时间尺度的温度平均值，并设定温度值的主成分特征值的阀值，所述时间尺度即为某一段时间；(2)采用主成分分析法对温度数据进行分析，它包括对实时温度进行实时主成分分析和对不同时间尺度的平均温度值进行变尺度主成分分析，监测实时温度和不同时间尺度的平均温度值的主成分特征值的变化；(3)若监测到的实时温度和不同时间尺度的平均温度值的主成分特征值和所设定的主成分特征值的阀值相比过高，则进行步骤(4)，否则重复步骤(1)和(2)；(4)提取主成分特征值过高的温度数据，对温度数据进行变化方向的判断，若温度变化为下降，则为正常状态，重复步骤(1)和(2)，若温度变化为上升，则进行步骤(5)；(5)利用K‑means聚类分析法对温度数据进行聚类分析，得到正常触点和异常触点两类集合，异常触点即为存在故障或存在故障隐患的触点，进而进行预警。