1.本发明涉及故障诊断技术领域，具体涉及一种光纤电流互感器的故障诊断方法和一种光纤电流互感器的故障诊断装置。
背景技术：2.智能电网的基础是对电网各个环节运行信息的实时感知，传感器作为“智能信息感知终端”，成为推动智能电网发展的重要技术手段。依托光电器件及光纤材料技术的飞速发展，光学传感器已成为重要的传感器类型，其具有精度高、响应快、频谱宽、抗电磁干扰能力强、绝缘简单可靠等优点，在电力系统中有广泛的应用前景，如光纤电流互感器、光纤分布式温度/应力传感器、气体分子光谱仪等。其中光纤电流互感器已在超/特高压直流输电工程和柔性直流工程中实现规模化应用。
3.光源是光纤电流互感器的重要组成部分，其运行稳定性直接影响互感器的工作状态。现场运行统计数据表明，光源所引起的光纤电流互感器故障率偏高，占所有故障的63％。由于光源结构工艺复杂，失效机理不明确，且光源指标参数较多，其光功率、波长、偏振等参数对光纤电流互感器性能影响交叉重叠，给现场光源故障的分析与定位带来很大困难。
4.因此，如何提供一种可以分析光纤电流互感器内部光源的工作状态与故障情况的方案，成为本领域技术人员亟待解决的技术问题。
技术实现要素：5.本发明为解决上述技术问题，本发明第一方面实施例提供了一种光纤电流互感器的故障诊断方法。
6.本发明第二方面实施例提供了一种光纤电流互感器的故障诊断装置。
7.本发明采用的技术方案如下：
8.本发明的第一方面实施例提出了一种光纤电流互感器的故障诊断方法，包括以下步骤：获取所述光纤电流互感器的光源监测数据并进行预处理后，将所述光源监测数据分为训练集、测试集和验证集；对所述光源监测数据进行特征提取；根据训练集和测试集提取的特征对svm(support vector machine，支持向量机)故障诊断模型进行训练；根据验证集提取的特征对所述svm故障诊断模型的准确率进行测试；根据测试结果的准确率获取最终的svm故障诊断模型；根据所述最终的svm故障诊断模型对所述光纤电流互感器进行故障诊断。
9.本发明上述的光纤电流互感器的故障诊断方法还具有如下附加技术特征：
10.根据本发明的一个实施例，所述光源监测数据包括：光纤电流互感器的光模块温度、相对光功率、sld(super luminescent diode，超辐射发光二极管)光功率、半波电压、sld电流、tec(thermo electric cooler，半导体制冷器)电流、参考源电压。
11.根据本发明的一个实施例，所述svm故障诊断模型采用多分类故障诊断模型。
12.根据本发明的一个实施例，所述svm故障诊断模型的核函数采用线性核函数、多项式核函数、高斯径向核函数和sigmoid核函数构建。
13.根据本发明的一个实施例，采用以下步骤对所述光纤电流互感器的光源监测数据进行预处理：将所述光源监测数据中的坏点进行差值处理，并进行数据归一化处理。
14.本发明的第二方面实施例提出了一种光纤电流互感器的故障诊断装置，包括：第一获取模块，所述第一获取模块用于获取所述光纤电流互感器的光源监测数据并进行预处理后，将所述光源监测数据分为训练集、测试集和验证集；提取模块，所述提取模块用于对所述光源监测数据进行特征提取；训练模块，所述训练模块用于根据训练集和验证集提取的特征对svm故障诊断模型进行训练；测试模块，所述测试模块用于根据测试集提取的特征对所述svm故障诊断模型的准确率进行测试；第二获取模块，所述第二获取模块用于根据测试结果的准确率获取最终的svm故障诊断模型；诊断模块，所述诊断模块用于根据所述最终的svm故障诊断模型对所述光纤电流互感器进行故障诊断。
15.本发明上述的光纤电流互感器的故障诊断装置还具有如下附加技术特征：
16.根据本发明的一个实施例，所述光源监测数据包括：光纤电流互感器的光模块温度、相对光功率、sld光功率、半波电压、sld电流、tec电流、参考源电压。
17.根据本发明的一个实施例，所述svm故障诊断模型采用多分类故障诊断模型。
18.根据本发明的一个实施例，所述svm故障诊断模型的核函数采用线性核函数、多项式核函数、高斯径向核函数和sigmoid核函数构建。
19.根据本发明的一个实施例，所述第一获取模块具体用于：将所述光源监测数据中的坏点进行差值处理，并进行数据归一化处理。
20.本发明的有益效果：
21.本发明通过提取光源监测数据训练svm故障诊断模型实现光纤电流互感器的故障诊断，从而可以分析光纤电流互感器内部光源的工作状态与故障情况等信息，方便光纤电流互感器的监控与检修。
附图说明
22.图1是根据本发明一个实施例的光纤电流互感器的故障诊断方法的流程图；
23.图2是根据本发明一个实施例的svm故障诊断模型的结构示意图；
24.图3是根据本发明一个实施例的光纤电流互感器的故障诊断装置的方框示意图。
具体实施方式
25.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，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，都属于本发明保护的范围。
26.图1是根据本发明一个实施例的光纤电流互感器的故障诊断方法的流程图，如图1所示，该方法包括以下步骤：
27.s1，获取光纤电流互感器的光源监测数据并进行预处理后，将光源监测数据分为训练集、测试集和验证集。
28.进一步地，根据本发明的一个实施例，光源监测数据包括：光纤电流互感器的光模块温度(℃)、相对光功率(％)、sld光功率(uw)、半波电压(v)、sld 电流(ma)、tec电流(a)、参考源电压(v)等系列指标及关键参数数据。并根据光源监测数据划分数据集，其中选用70％的数据作为训练集，20％作为测试集，10％作为验证集。
29.训练集含有参考答案的数据，用来训练模型的已标注数据，用来建立模型，发现规律；测试集为模型训练过程中单独留出的样本集，用于调整模型的超参数和用于对模型的能力进行初步评估；验证集可以用来评估模最终模型的泛化能力，但不能作为调参、选择特征等算法相关的选择的依据。已标注数据，通常做法是将标注隐藏，输送给训练好的模型，通过结果与真实标注进行对比，评估模型的学习能力。
30.在本发明的一个实施例中，可以采用以下步骤对光纤电流互感器的光源监测数据进行预处理：将光源监测数据中的坏点进行差值处理，并进行数据归一化处理。
31.s2，对光源监测数据进行特征提取。
32.在本发明的实施例中，基于pca(principal components analysis主成分分析)进行特征提取，特征为故障特征。
33.举例而言，采用pca进行特提取的过程具体为：假设对光纤电流互感器输出信号计算得到的特征向量矩阵为x＝(x1,x2,...,xm)，其中m为特征向量的个数，每个特征向量xi＝(p
ij
,i＝1,2,...,m,j＝1,2,...,n)，其中n为特征向量维度。则特征向量xi对应的协方差矩阵为：
[0034][0035]
其中，为所有样本特征向量的均值。则协方差矩阵r
x
的所有特征值和特征向量为：λα＝λr
x
。
[0036]
对得到的特征值λ按照从大到小排序：λ1＞λ2＞...＞λn，对应的特征向量为αi(i＝1,2,...,n)。n个特征向量对应着n维主分量。为了得到最具代表性的主分量，利用特征值计算累计贡献率选择k个主分量，每个特征分量的贡献率 ri为：则主要特征分量的累计贡献率rk为：
[0037]
当rk＞90％时，即前k个主要分量的累计贡献率达到90％，则认为其包含了90％以上的原始信息，完成特征提取。
[0038]
s3，根据训练集和测试集提取的特征对svm故障诊断模型进行训练。
[0039]
具体地，根据训练集数据进行模型训练、发现规律，确定故障诊断模型的相关参数，包括惩罚参数以及核函数等，利用特征向量集以及对应的故障标签集对svm进行训练和学习，得到光纤电流互感器故障诊断模型。利用测试集数据调整模型的超参数并对模型的能力进行初步评估。
[0040]
svm故障诊断模型具体为：
[0041]
假设线性可分的数据样本集(测试集)为d＝{(xi,yi)|i＝1,2,...,m}，xi∈rn，yi∈[-1,+1]，其中xi为样本特征向量，yi为样本类别标签，m为样本数量。则在空间内存在一个超平面h：ω
·
x+b＝0，其中，ω为超平面法向量，b为偏移量，形成最优超平面分类图。
[0042]
利用数据集样本训练svm故障诊断模型，在两个超平面h1和h2之间确 h的位置，保证h1和h2之间距离最大，即求得最优ω和b的值：
[0043][0044]
通过引入松弛变量ξi≥0，使得约束条件变为yi(ω
·
xi+b)-1+ξi≥0。ξi越大，则错误分类样本距离正确类别距离越远，而正确分类样本ξi为0。通过引入ξi将凸优化问题转化为求||ω||和ξi的最小值，通过引入惩罚系数c＞0来衡量二者的权重。
[0045][0046]
建立svm模型最优分类函数f(x)：
[0047][0048]
其中，ω
*
，b
*
，为原始优化问题转化为对偶问题来求解最优值。通过判断yi的值可以判断当前特征向量是否为当前分类器所指定的状态。
[0049]
需要说明的是，在本发明的实施例中，svm故障诊断模型训练过程中， svm故障诊断模型的核函数采用线性核函数、多项式核函数、高斯径向核函数和sigmoid核函数构建。
[0050]
也就是说，本发明中，svm故障诊断模型包括四种不同的核函数构建的 svm故障诊断模型。
[0051]
s4，根据验证集提取的特征对svm故障诊断模型的准确率进行测试。
[0052]
s5，根据测试结果的准确率获取最终的svm故障诊断模型。
[0053]
具体地，利用建立好的svm故障诊断模型对验证集的数据进行分类，验证模型的准确性。通过诊断模型输出信号判断光纤电流互感器的工作状态，实现状态监测和故障诊断，根据模型输出的状态与实际状态，选取准确率 (accuracy)作为每种核函数误差判断指标，选取准确率最高的核函数对应的 vm故障诊断模型对作为最终的svm故障诊断模型。其中，准确率的计算公式为：
[0054]
accuracy＝tp+tn/tp+tn+fn+fp；
[0055]
式中，tp、fp、fn、tn分别为正确的匹配数目、误报、漏报、正确的非匹配数目。
[0056]
若准确率低于设定值，则返回步骤s3，重新调整核函数和其中的惩罚函数训练svm故障诊断模型。
[0057]
在本发明中，并且惩罚系数c以及核函数系数γ的寻优方法为网格参数寻优法。网
格参数寻优是通过在一定区间内将待研究参数划分为网格，先大范围大步距搜索区间最优解，再在小区间内小步距搜索局部最优解。利用网格寻优对多参数求解时，对多个参数的取值进行组合，构建得到参数子集，并将子集依次带入算法计算得到最优参数组合。
[0058]
s6，根据最终的svm故障诊断模型对光纤电流互感器进行故障诊断。
[0059]
具体地，本发明先采用不同的核函数构建svm故障诊断模型，然后根据训练集和测试集对svm故障诊断模型进行训练，然后采用验证集对不同的核函数构建的svm故障诊断模型进行验证，选取准确率最高的核函数对应的svm故障诊断模型作为最终的svm故障诊断模型。
[0060]
需要说明的是，如图2所示，svm故障诊断模型采用多分类故障诊断模型，即有项无环结构。
[0061]
具体地，如图2所示，svm故障诊断模型可以采用的是二叉树类型，将一对多类型和二叉树相结合，对于k种类别需要构建k-1个分类器，二叉树分为完全二叉树和偏二叉树。在对未知状态特征向量进行分类时，从根节点开始，依次对向量进行分类，直到到达二叉树的叶节点，完成状态的分类。图2 中a类、b类、c类和d类分别代表四种不同的分类结果即标签，svm1、 svm2和svm3代表三个分类器。
[0062]
综上，根据本发明实施例的光纤电流互感器的故障诊断方法，采用光源监测数据，首先对光源监测数据进行数据预处理和故障特征提取，根据光源监测数据建立基于支持向量机(svm)的光纤电流互感器建立故障诊断模型，并且采用不同的核函数进行分别比较，选择准确度高的核函数，，从而可以分析光纤电流互感器内部光源的工作状态与故障情况等信息，方便光纤电流互感器的监控与检修。
[0063]
与上述的光纤电流互感器的故障诊断方法相对应，本发明还提出一种光纤电流互感器的故障诊断装置。由于本发明的装置实施例与上述的方法实施例相对应，对于装置实施例中未披露的细节可参照上述的方法实施例，本发明中不再进行赘述。
[0064]
图3是根据本发明一个实施例的光纤电流互感器的故障诊断装置的方框示意图，如图3所示，该装置包括：第一获取模块1、提取模块2、训练模块 3、测试模块4、第二获取模块5和诊断模块6。
[0065]
其中，第一获取模块1用于获取光纤电流互感器的光源监测数据并进行预处理后，将光源监测数据分为训练集、测试集和验证集；提取模块2用于对光源监测数据进行特征提取；训练模块3用于根据训练集和验证集提取的特征对svm故障诊断模型进行训练；测试模块4用于根据测试集提取的特征对svm故障诊断模型的准确率进行测试；第二获取模块5用于根据测试结果的准确率获取最终的svm故障诊断模型；诊断模块6用于根据最终的svm 故障诊断模型对光纤电流互感器进行故障诊断。
[0066]
根据本发明的一个实施例，光源监测数据包括：光纤电流互感器的光模块温度、相对光功率、sld光功率、半波电压、sld电流、tec电流、参考源电压。
[0067]
根据本发明的一个实施例，svm故障诊断模型采用多分类故障诊断模型。
[0068]
根据本发明的一个实施例，svm故障诊断模型的核函数采用线性核函数、多项式核函数、高斯径向核函数和sigmoid核函数构建。
[0069]
根据本发明的一个实施例，第一获取模块1具体用于：将光源监测数据中的坏点进行差值处理，并进行数据归一化处理。
[0070]
根据本发明实施例的光纤电流互感器的故障诊断装置，首先对光源监测数据进行数据预处理和故障特征提取，根据光源监测数据建立基于支持向量机(svm)的光纤电流互感器建立故障诊断模型，并且采用不同的核函数进行分别比较，选择准确度高的核函数，，从而可以分析光纤电流互感器内部光源的工作状态与故障情况等信息，方便光纤电流互感器的监控与检修。
[0071]
在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0072]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0073]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
[0074]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器 (eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0075]
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0076]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0077]
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0078]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
[0079]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
技术特征：1.一种光纤电流互感器的故障诊断方法，其特征在于，包括以下步骤：获取所述光纤电流互感器的光源监测数据并进行预处理后，将所述光源监测数据分为训练集、测试集和验证集；对所述光源监测数据进行特征提取；根据训练集和测试集提取的特征对svm故障诊断模型进行训练；根据验证集提取的特征对所述svm故障诊断模型的准确率进行测试；根据测试结果的准确率获取最终的svm故障诊断模型；根据所述最终的svm故障诊断模型对所述光纤电流互感器进行故障诊断。2.根据权利要求1所述的光纤电流互感器的故障诊断方法，其特征在于，所述光源监测数据包括：光纤电流互感器的光模块温度、相对光功率、sld光功率、半波电压、sld电流、tec电流、参考源电压。3.根据权利要求1所述的光纤电流互感器的故障诊断方法，其特征在于，所述svm故障诊断模型采用多分类故障诊断模型。4.根据权利要求1所述的光纤电流互感器的故障诊断方法，其特征在于，所述svm故障诊断模型的核函数采用线性核函数、多项式核函数、高斯径向核函数和sigmoid核函数构建。5.根据权利要求1所述的光纤电流互感器的故障诊断方法，其特征在于，采用以下步骤对所述光纤电流互感器的光源监测数据进行预处理：将所述光源监测数据中的坏点进行差值处理，并进行数据归一化处理。6.一种光纤电流互感器的故障诊断装置，其特征在于，包括：第一获取模块，所述第一获取模块用于获取所述光纤电流互感器的光源监测数据并进行预处理后，将所述光源监测数据分为训练集、测试集和验证集；提取模块，所述提取模块用于对所述光源监测数据进行特征提取；训练模块，所述训练模块用于根据训练集和验证集提取的特征对svm故障诊断模型进行训练；测试模块，所述测试模块用于根据测试集提取的特征对所述svm故障诊断模型的准确率进行测试；第二获取模块，所述第二获取模块用于根据测试结果的准确率获取最终的svm故障诊断模型；诊断模块，所述诊断模块用于根据所述最终的svm故障诊断模型对所述光纤电流互感器进行故障诊断。7.根据权利要求6所述的光纤电流互感器的故障诊断装置，其特征在于，所述光源监测数据包括：光纤电流互感器的光模块温度、相对光功率、sld光功率、半波电压、sld电流、tec电流、参考源电压。8.根据权利要求6所述的光纤电流互感器的故障诊断装置，其特征在于，所述svm故障诊断模型采用多分类故障诊断模型。9.根据权利要求6所述的光纤电流互感器的故障诊断装置，其特征在于，所述svm故障
诊断模型的核函数采用线性核函数、多项式核函数、高斯径向核函数和sigmoid核函数构建。10.根据权利要求6所述的光纤电流互感器的故障诊断装置，其特征在于，所述第一获取模块具体用于：将所述光源监测数据中的坏点进行差值处理，并进行数据归一化处理。
技术总结本发明提供一种光纤电流互感器的故障诊断方法、故障诊断装置，所述方法包括：获取光纤电流互感器的光源监测数据并进行预处理后，将光源监测数据分为训练集和测试集；对训练集和测试集进行特征提取；根据训练集提取的特征对SVM故障诊断模型进行训练；根据测试集提取的特征对SVM故障诊断模型的准确率进行测试；根据测试结果的准确率获取最终的SVM故障诊断模型；根据最终的SVM故障诊断模型对光纤电流互感器进行故障诊断。本发明通过提取光源监测数据训练SVM故障诊断模型实现光纤电流互感器的故障诊断，从而可以分析光纤电流互感器内部光源的工作状态与故障情况等信息，方便光纤电流互感器的监控与检修。互感器的监控与检修。互感器的监控与检修。
技术研发人员：陈燕南 万龙 李波 李海涛 陈洁 王立辉
受保护的技术使用者：国网江苏省电力有限公司 国家电网有限公司
技术研发日：2022.06.23
技术公布日：2022/11/1
