首页 / 专利库 / 锁匠 / / 基于Mapreduce计算框架的SF6高压断路器故障诊断方法

基于Mapreduce计算框架的SF6高压断路器故障诊断方法

阅读:875发布:2023-05-28

专利汇可以提供基于Mapreduce计算框架的SF6高压断路器故障诊断方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于Mapreduce的SF6高压 断路器 故障诊断方法,包括以下步骤:在Linux系统环境下搭建Hadoop平台;选取SF6高压断路器的六种典型的故障状态及五种故障征兆;获取SF6高压断路器合闸线圈的 电压 值、 电流 值和电流有效时间值,调整数据格式,将调整后的数据导入Hadoop平台;根据对应关系决策表建立选取的六种典型故障与五种故障征兆的信度函数分配;基于D‑S证据理论,在Mapreduce并行运算 框架 下,对故障和故障征兆的信度分配进行数据融合,获得融合后的故障信度函数分配;对于融合后得到的故障函数信度分配,判断找出信度最大的故障,即为最终诊断结果。本方法可以实现对海量SF6高压断路器状态信息的快速诊断。,下面是基于Mapreduce计算框架的SF6高压断路器故障诊断方法专利的具体信息内容。

1.一种基于Mapreduce的SF6高压断路器故障诊断方法,其特征在于,包括以下步骤:
1)在Linux系统环境下创建Hadoop用户,初始化Mapreduce框架
2)选取SF6高压断路器的六种典型的故障状态及五种故障征兆,其中,选取的六种典型的故障状态分别为:
D1分或合闸线圈心配合精度差;
D2分或合闸线圈短路
D3分或合闸线圈烧毁、断线;
D4与铁芯顶杆连接的扣和变形、移位;
D5辅助开关及分或合闸接触器接触不良;
D6直流电源和系统辅助电源故障;
选取的五种SF6高压断路器故障征兆分别为:
K1合闸线圈电流有效值过小;
K2合闸线圈电流有效值过大;
K3合闸线圈电流时间过短;
K4合闸线圈电流时间过长;
K5合闸线圈两端电压异常;
3)获取SF6高压断路器合闸线圈的电压值、电流值和电流有效时间值,调整数据格式,将调整后的数据导入搭建好的Hadoop平台;
导入过程为:对于获得的SF6高压断路器的原始故障数据,按照SF6高压断路器序号、电压值、电流值和电流时间有效值的顺序,每行对应一个SF6高压断路器,储存为Hadoop平台下的txt文件;
4)根据对应关系决策表建立选取的六种典型故障与五种故障征兆的信度函数分配;
5)基于D-S证据理论,在Mapreduce并行运算框架下,对故障和故障征兆的信度分配进行数据融合,获得融合后的故障信度函数分配,计算融合后的故障信度函数分配的步骤如下:
51)判断若故障征兆个数少于一个,由于证据不足,无法判断故障类型;
52)判断若故障征兆个数大于一个,则计算中间信度分配m12,所有信度函数乘积之和C12:
其中,m1和m2分别为对应同一辨识框架θ上,针对某一SF6高压断路器的两个传感器获得的故障征兆信度函数分配,其中,根据D-S联合规则,焦元分别为A1,A2,…,Ak和B1,B2,…,Bk,表示该SF6高压断路器在该种故障征兆下所对应发生相应故障的信度函数分布;C12是包含完全冲突假设的m1和m2的信度所有信度函数的乘积;
53)同步骤51),根据D-S联合规则,m12和m3焦元分别为A1,A2,…,Ak和B1,B2,…,Bk,C是包含完全冲突假设的m12和m3的信度所有信度函数的乘积,融合中间信度分配m12和第三个故障征兆m3,计算最终的故障信度函数分配m;
6)对于融合后得到的故障函数信度分配,判断找出信度最大的故障,在Reduce阶段输出结果。
2.根据权利要求1所述的基于Mapreduce的SF6高压断路器故障诊断方法,其特征在于:
在所述步骤1)中,使用的Linux系统为ubuntu16.04,Hadoop版本为2.6.0,MapReduce配置为完全分布式。
3.根据权利要求1所述的基于Mapreduce的SF6高压断路器故障诊断方法,其特征在于:
所述步骤1)中初始化MapReduce框架步骤如下:
31)创建Hadoop用户并设置密码,创建能够登陆的hadoop用户,并为hadoop用户增加管理员权限;
32)安装SSH,配置SSH无密码登陆,实现远程登陆;
33)退出SSH,利用ssh-keygen生成密钥,并将密钥加入到授权中,免密登陆SSH;
34)在终端输入指令start-all.sh启动所有进程
4.根据权利要求1所述的基于Mapreduce的SF6高压断路器故障诊断方法,其特征在于:
所述步骤6)中判断找出信度最大的故障的方法如下:
SF6高压断路器的故障征兆信度函数分配m1、m2和m3在Mapreduce的Map阶段进行数据融合,得到最终的故障信度分配m并找出最大信度的故障,输出键值对;所述键值对中,key为SF6高压断路器编号,value为故障类型。
5.根据权利要求1所述的基于Mapreduce的SF6高压断路器故障诊断方法,其特征在于:
在所述步骤6)中,在Reduce阶段输出结果的过程为:Reduce过程对Map阶段的输出进行归并,以SF6高压断路编号排序,最后Reduce函数的输出每个高压断路器的运行状态,是正常或出现某类故障。

说明书全文

基于Mapreduce计算框架的SF6高压断路器故障诊断方法

技术领域

[0001] 本发明涉及一种基于Mapreduce计算框架的SF6高压断路器故障诊断方法,属于电系统SF6高压断路器故障数据处理技术领域。

背景技术

[0002] SF6高压断路器作为电力系统中交直流开关设备,在电力系统中具有控制和保护的双重作用。其是否正常运行直接影响到电力系统的运行安全,从而对其进行实时故障诊断显得尤为必要。近年来基于人工智能算法的故障诊断系统得到了广泛应用。随着智能电网的发展,电力设备具有状态信息分布广、种类多、数据量大的特征。原有的故障诊断系统已无法满足日渐庞大的运算需求,大数据时代下新的计算技术的研究具有重要的研究价值。
[0003] 考虑到SF6高压断路器在电力系统中的重要性,设计快速而准确的故障诊断系统显得尤为重要。对于SF6高压断路器的故障诊断方法的研究大都是在串行运算环境下,结合人工智能算法进行设计。常用的人工智能算法有基于神经网络、专家系统支持向量机、模糊理论,使用这些人工智能算法在一定程度上加快了故障信息处理的速度和准确性。但是串行计算极大地限制了故障数据的处理速度和处理效率。对于数据量庞大的电力系统,尤其对于需要实时监控的电力设备,串行计算的故障诊断系统不利于工作人员及时发现并排除故障,从而导致不必要的损失。随着电力设备的数据量日渐庞大,电力系统信息处理已经步入了大数据时代。王德文等采用了Mapreduce计算框架和朴素贝叶斯算法,对电力设备的故障信息进行仿真计算。LinLu等设计了一种基于Hadoop平台并行运算框架的电力能源监测系统。使用Mapreduce框架与基于人工智能的故障诊断算法相结合,可使运算能力更加高效。而针对大数据环境下的故障诊断方法,还有待研究。

发明内容

[0004] 本发明所要解决的技术问题是提供一种SF6高压断路器故障诊断方法,在大数据环境下,提高SF6高压断路器故障信息的处理速度。
[0005] 为解决上述技术问题,本发明提供一种基于Mapreduce的SF6高压断路器故障诊断方法,包括以下步骤:
[0006] 1)在Linux系统环境下创建Hadoop用户,初始化Mapreduce框架;
[0007] 2)选取SF6高压断路器的六种典型的故障状态及五种故障征兆;
[0008] 3)获取SF6高压断路器合闸线圈的电压值、电流值和电流有效时间值,调整数据格式,将调整后的数据导入搭建好的Hadoop平台:
[0009] 导入过程为:对于获得的SF6高压断路器的原始故障数据,按照SF6高压断路器序号、电压值、电流值和电流时间有效值的顺序,每行对应一个SF6高压断路器,储存为Hadoop平台下的txt文件;
[0010] 4)根据对应关系决策表建立选取的六种典型故障与五种故障征兆的信度函数分配;
[0011] 5)基于D-S证据理论,在Mapreduce并行运算框架下,对故障和故障征兆的信度分配进行数据融合,获得融合后的故障信度函数分配;
[0012] 6)对于融合后得到的故障函数信度分配,判断找出信度最大的故障,在Reduce阶段输出结果。
[0013] 上述步骤1)中,Mapreduce框架初始化包括以下步骤:
[0014] 11)使用语句sudo useradd-m hadoop-s/bin/bash,sudo passwd hadoop,sudo adduser hadoop sudo创建Hadoop用户并设置密码,创建可以登陆的hadoop用户,并为hadoop用户增加管理员权限;
[0015] 12)使用语句sudo apt-get install openssh-server,ssh localhost安装SSH,配置SSH无密码登陆,实现远程登陆;
[0016] 13)退出的SSH,利用ssh-keygen生成密钥,并将密钥加入到授权中,免密登陆SSH;
[0017] 14)在终端输入指令start-all.sh启动所有进程
[0018] 上述步骤2)中,选取的六种典型的故障状态,分别为:D1分(合)闸线圈心配合精度差;D2分(合)闸线圈短路;D3分(合)闸线圈烧毁、断线;D4与铁芯顶杆连接的扣和变形、移位;D5辅助开关及分(合)闸接触器接触不良;D6直流电源和系统辅助电源故障。
[0019] 选取的五种SF6高压断路器故障征兆,分别为:K1合闸线圈电流有效值过小(1.6A-1.8A);K2合闸线圈电流有效值过大(2.2A-2.4A);K3合闸线圈电流时间过短(56ms-60ms);
K4合闸线圈电流时间过长(64ms-68ms);K5合闸线圈两端电压异常(210V-230V)。
[0020] 上述步骤3)中,根据对应关系决策表确定的故障与故障征兆之间的信度函数分配如表1所示:
[0021] 表1故障与征兆的信度函数分配
[0022] Num D1 D2 D3 D4 D5 D6K1 0.001 0.001 0.80 0.001 0.10 0.10
K2 0.30 0.50 0.001 0.05 0.15 0.001
K3 0.001 0.50 0.50 0.001 0.001 0.001
K4 0.60 0.001 0.001 0.40 0.001 0.001
K5 0.001 0.001 0.55 0.001 0.001 0.45
[0023] 上述步骤5)中,SF6高压断路器的故障征兆信度函数分配m1、m2和m3在MapReduce的Map阶段进行数据融合,得到最终的故障信度分配m并找出最大信度的故障,输出键值对。其中,key为SF6高压断路器编号,value为故障类型。计算融合后的故障信度函数分配的步骤可为:
[0024] 51)判断若故障征兆(故障函数信度分配)个数少于一个,由于证据不足,无法判断故障类型;
[0025] 52)判断若故障征兆个数大于一个,则计算中间信度分配m12,所有信度函数乘积之和C12:
[0026]
[0027]
[0028] 其中,m1和m2分别为对应同一辨识框架θ上,针对某一SF6高压断路器的两个传感器获得的故障征兆信度函数分配,其中,根据D-S联合规则,焦元分别为A1,A2,…,Ak和B1,B2,…,Bk,表示该SF6高压断路器在该种故障征兆下所对应发生相应故障的信度函数分布。C12是包含完全冲突假设的m1和m2的信度所有信度函数的乘积。
[0029] 53)计算最终信度函数分配m:
[0030]
[0031]
[0032] 同步骤51),其中,根据D-S联合规则,m12和m3焦元分别为A1,A2,…,Ak和B1,B2,…,Bk,C是包含完全冲突假设的m12和m3的信度所有信度函数的乘积,根据式(5)和式(6),融合中间信度分配m12和第三个故障征兆m3,计算最终的故障信度函数分配。
[0033] 上述步骤6)中,在Reduce阶段输出结果的步骤为:Reduce过程对Map阶段的输出进行归并,以SF6高压断路编号排序,最后Reduce函数的输出每个高压断路器的运行状态,是正常或出现某类故障。
[0034] 本发明所达到的有益效果:
[0035] 本发明将MapReduce计算框架和D-S证据理论数据融合算法结合起来,处理SF6高压断路器故障信息。用D-S证据理论设计故障信息数据融合算法,融合不同故障征兆的信度分配,提高了对SF6高压断路器故障判断的准确性;优化D-S证据理论,自动判断当前获得的故障征兆是否足够得出准确的故障信息;同时将D-S证据理论数据融合算法嵌入MapReduce并行运算框架,在Hadoop平台下,对百兆级数据量的故障信息并行处理,较传统的基于串行运算的故障诊断系统,在处理速度方面得到较大的提升。附图说明
[0036] 图1为SF6高压断路器故障信息诊断流程图

具体实施方式

[0037] 实施例
[0038] 如图1所示,一种基于Mapreduce的SF6高压断路器故障诊断方法,步骤如下:
[0039] 步骤1在Linux系统环境下创建Hadoop用户,初始化MapReduce框架。初始化分为以下四步:
[0040] 11)使用语句sudo useradd-m hadoop-s/bin/bash,sudo passwd hadoop,sudo adduser hadoop sudo创建Hadoop用户并设置密码,创建可以登陆的hadoop用户,并为hadoop用户增加管理员权限;
[0041] 12)使用语句sudo apt-get install openssh-server,ssh localhost安装SSH,配置SSH无密码登陆,实现远程登陆;
[0042] 13)退出的SSH,利用ssh-keygen生成密钥,并将密钥加入到授权中,免密登陆SSH;
[0043] 14)在终端输入指令start-all.sh启动所有进程;
[0044] 步骤2选取六种典型的故障和五种故障征兆
[0045] 六种典型的故障分别为:D1分(合)闸线圈铁心配合精度差;D2分(合)闸线圈短路;D3分(合)闸线圈烧毁、断线;D4与铁芯顶杆连接的锁扣和阀门变形、移位;D5辅助开关及分(合)闸接触器接触不良;D6直流电源和系统辅助电源故障。
[0046] 五种SF6高压断路器故障征兆,分别为:K1合闸线圈电流有效值过小(1.6A-1.8A);K2合闸线圈电流有效值过大(2.2A-2.4A);K3合闸线圈电流时间过短(56ms-60ms);K4合闸线圈电流时间过长(64ms-68ms);K5合闸线圈两端电压异常(210V-230V)。
[0047] 步骤3调整数据格式
[0048] 对于获得的SF6原始故障数据,按照SF6高压断路器序号、电压值、电流值和电流时间有效值的顺序,每行对应一个SF6高压断路器,储存为Hadoop平台下的txt文件;
[0049] 步骤4确定的故障与故障征兆之间的信度函数分配:
[0050] 根据对应关系决策表确定的故障与故障征兆之间的信度函数分配如表1所示:
[0051] 表1故障与征兆的信度函数分配
[0052] Num D1 D2 D3 D4 D5 D6K1 0.001 0.001 0.80 0.001 0.10 0.10
K2 0.30 0.50 0.001 0.05 0.15 0.001
K3 0.001 0.50 0.50 0.001 0.001 0.001
K4 0.60 0.001 0.001 0.40 0.001 0.001
K5 0.001 0.001 0.55 0.001 0.001 0.45
[0053] 步骤5Map阶段融合故障征兆,分为三步:
[0054] 51)判断若故障征兆(故障函数信度分配)个数少于一个,由于证据不足,无法判断故障类型;
[0055] 52)判断若故障征兆个数大于一个,则计算中间信度分配m12,所有信度函数乘积之和C12:
[0056]
[0057]
[0058] 其中,m1和m2分别为对应同一辨识框架θ上,针对某一SF6高压断路器的两个传感器获得的故障征兆信度函数分配,其中,根据D-S联合规则,焦元分别为A1,A2,…,Ak和B1,B2,…,Bk,表示该SF6高压断路器在该种故障征兆下所对应发生相应故障的信度函数分布。C12是包含完全冲突假设的m1和m2的信度所有信度函数的乘积。
[0059] 53)计算最终信度函数分配m:
[0060]
[0061]
[0062] 同步骤51),其中,根据D-S联合规则,m12和m3焦元分别为A1,A2,…,Ak和B1,B2,…,Bk,C是包含完全冲突假设的m12和m3的信度所有信度函数的乘积,根据式(5)和式(6),融合中间信度分配m12和第三个故障征兆m3,计算最终的故障信度函数分配。
[0063] 步骤6判断故障
[0064] 对得到的最终的故障信度分配m,找出最大信度的故障,输出键值对,所述键值对中,key为SF6高压断路器编号,value为故障类型。
[0065] 步骤7Reduce阶段汇总诊断结果
[0066] Reduce过程对Map阶段的输出进行归并,以SF6高压断路器编号排序,最后Reduce函数的输出每个高压断路器的运行状态,是正常或出现某类故障。
[0067] 本发明对于不同数据量的SF6高压断路器故障数据,较串行运算,运算时间比较如表2,当数据量大于10mb时,本发明的处理速度明显高于串行运算:
[0068] 表2处理时间对比
[0069] Num 数据量 串行运算 并行运算1 1Kb 0.7s 32s
2 1Mb 6.3s 29s
3 10Mb 67s 35s
4 100Mb 639s 35s
[0070] 对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈