陶 鵬 張洋瑞 李 兵 牛為華

1(國網(wǎng)河北省電力有限公司電力科學(xué)研究院 河北 石家莊 050021) 2(華北電力大學(xué)計(jì)算機(jī)系 河北 保定 071003)

0 引 言

電力系統(tǒng)向大容量、超高壓和跨區(qū)域輸電方向發(fā)展，對(duì)電氣設(shè)備的安全運(yùn)行提出了更高的要求。隨著國家智能電網(wǎng)建設(shè)和泛在物聯(lián)網(wǎng)的全面實(shí)施，對(duì)運(yùn)行中的電氣設(shè)備廣泛開展在線監(jiān)測和診斷，以實(shí)現(xiàn)設(shè)備及時(shí)而準(zhǔn)確的狀態(tài)評(píng)估，及早發(fā)現(xiàn)其內(nèi)部的固有缺陷和隱患，這一工作變得越來越重要。但是，電氣設(shè)備在線監(jiān)測信號(hào)采集的測量環(huán)節(jié)易受周圍環(huán)境強(qiáng)磁場、強(qiáng)電場、設(shè)備運(yùn)行方式及自然環(huán)境變化的影響，其監(jiān)測信號(hào)特征具有不精確和多樣化等特點(diǎn)，且故障與故障、故障與特征量之間存在較為復(fù)雜的聯(lián)系。電氣設(shè)備一般情況下動(dòng)作較少，獲取大量的動(dòng)作狀態(tài)信息較為困難，故應(yīng)在一次動(dòng)作發(fā)生時(shí)盡可能多地獲取各種信息，為故障診斷提供理論依據(jù)和技術(shù)支持。目前，在電氣設(shè)備的故障數(shù)據(jù)選擇上，主要選擇外部獲取信號(hào)如振動(dòng)信號(hào)[1-2]、聲波信號(hào)[3]、局放信號(hào)[4]，以及序列圖像信號(hào)[5]等。這些關(guān)于電氣設(shè)備故障診斷方法的研究大部分是采用單一信號(hào)源或兩種信號(hào)源進(jìn)行故障診斷。在實(shí)際應(yīng)用中，由于信號(hào)的信息獲取不完備、信息丟失、傳輸錯(cuò)誤以及外界干擾等，往往造成信息特征與診斷結(jié)果的不一致，甚至出現(xiàn)矛盾。電氣設(shè)備的故障征兆與故障之間并非一一對(duì)應(yīng)的簡單線性關(guān)系，因此要得到更準(zhǔn)確的診斷結(jié)果，需要多源、多傳感器信號(hào)特征量的獲取及診斷結(jié)果的融合，才能對(duì)電氣設(shè)備的故障進(jìn)行有效的評(píng)估和診斷。

D-S證據(jù)理論廣泛應(yīng)用于多傳感器的故障診斷中，它面臨兩個(gè)問題[6]：(1) 如何將多源信息進(jìn)行信任量化，得到原始的證據(jù)；(2) 如何融合沖突證據(jù)，得到合理結(jié)果。近年來，關(guān)于這兩方面的研究日益深入：Yager設(shè)識(shí)別框架為一個(gè)封閉空間，將沖突的證據(jù)分配給識(shí)別框架，在完全否定沖突證據(jù)的基礎(chǔ)上合成高度沖突的證據(jù)，但隨著證據(jù)的增多，對(duì)其最終結(jié)果會(huì)有較大影響[7]；梁昌勇等[8]把由基本概率分布相同所引起的沖突劃為證據(jù)的支持信度，將沖突證據(jù)進(jìn)行吸收實(shí)現(xiàn)證據(jù)的合成，但其適用于非交互、具有“一票否決”和“眾口鑠金”等特殊背景下的群決策；Tazid等[9]在證據(jù)合成時(shí)構(gòu)造了新的合成方法，解決了高沖突證據(jù)的合成問題。在證據(jù)沖突時(shí)，各種改進(jìn)的合成方法能夠在一定程度上降低沖突證據(jù)對(duì)合成結(jié)果的干擾，提高其有效性，但其聚焦性能可能降低。因此，在提高證據(jù)融合效果的同時(shí)保持其聚焦性能是十分必要的。將D-S證據(jù)理論應(yīng)用于電氣設(shè)備的故障診斷可以提高診斷的可信度，周陽等[10]運(yùn)用D-S證據(jù)理論融合了兩個(gè)傳感器的診斷結(jié)果，并合成了最終評(píng)估結(jié)果，對(duì)D-S理論進(jìn)行了有效的應(yīng)用。

本文針對(duì)D-S證據(jù)理論的不足之處進(jìn)行改進(jìn)，提出將證據(jù)可信度函數(shù)進(jìn)行修正以解決0信度悖論問題和支持概率作為權(quán)重以解決證據(jù)的沖突問題。通過算例驗(yàn)證了本文方法進(jìn)行證據(jù)融合的可行性和有效性。在實(shí)際應(yīng)用中，將電氣設(shè)備動(dòng)作中產(chǎn)生的振動(dòng)信號(hào)、聲波信號(hào)及序列圖像信號(hào)的診斷結(jié)果進(jìn)行決策級(jí)的融合，驗(yàn)證了本文方法在解決電氣設(shè)備故障診斷問題中有良好成效。

1 證據(jù)合成悖論及沖突定義分析

1.1 D-S證據(jù)理論

設(shè)有證據(jù)E，s(E)表示對(duì)E的信任程度，若存在集函數(shù)s：2Ω→[0，1]，滿足：

(1)

(2)

(3)

1.2 D-S證據(jù)合成悖論

按式(3)的規(guī)則對(duì)證據(jù)合成時(shí)，沖突系數(shù)k值越趨近0，表示證據(jù)間的沖突就越??；k值越趨近于1，表示證據(jù)間的沖突就越大，此時(shí)采用Dempster合成規(guī)則進(jìn)行融合具有高沖突的證據(jù)時(shí)，往往會(huì)出現(xiàn)不符合常識(shí)的判斷。

表1 完全沖突悖論

表2 1-信任悖論

表3 0-信任悖論

綜合分析例1、例2和例3，可以看出在應(yīng)用D-S理論進(jìn)行證據(jù)的融合時(shí)，都產(chǎn)生了悖論，其主要原因?yàn)镈-S合成規(guī)則對(duì)高沖突證據(jù)的不完備。

2 改進(jìn)的證據(jù)合成方法

2.1 沖突證據(jù)修正方法

針對(duì)D-S證據(jù)合成悖論，本文對(duì)其改進(jìn)并修正了高沖突證據(jù)的合成問題。

(4)

(5)

式(5)中，對(duì)高沖突且同一種命題支持率較低的證據(jù)進(jìn)行了修正，從而減弱高沖突證據(jù)對(duì)整體判斷結(jié)果的影響。

對(duì)式(5)進(jìn)行歸一化后為：

(6)

2.2 改進(jìn)的D-S證據(jù)合成方法實(shí)驗(yàn)對(duì)比及分析

為驗(yàn)證本文方法的可行性和有效性，本文選用具有低沖突和高沖突的兩組算例進(jìn)行改進(jìn)D-S方法的驗(yàn)證，并與D-S證據(jù)理論、Yager方法、文獻(xiàn)[8]方法和文獻(xiàn)[9]方法進(jìn)行對(duì)比。

(1) 設(shè)辨識(shí)框架Ω={A,B,C}，E1、E2、E3、E4是該辨識(shí)框架上的4組低沖突，如表4所示，采用不同方法的融合結(jié)果如表5所示。

盡管國外如此重視無障礙網(wǎng)絡(luò)教育，但是仍然存在一些問題。比如：設(shè)計(jì)和開發(fā)時(shí)沒有完全符合無障礙標(biāo)準(zhǔn), 一些障礙學(xué)習(xí)者使用時(shí)仍存在障礙。

表4 4組低沖突證據(jù)概率信度分配

表5 低沖突證據(jù)不同方法融合結(jié)果

續(xù)表5

由表5可以看出，當(dāng)E1和E2兩組沖突證據(jù)進(jìn)行合成時(shí)，幾種方法均不能給出某種情形占優(yōu)的合成結(jié)果；當(dāng)加入低沖突的證據(jù)E3時(shí)，改進(jìn)D-S方法的聚焦性能比D-S證據(jù)理論提高40.7%，比文獻(xiàn)[8]方法提高137.5%，比Yager方法提高近兩倍，比文獻(xiàn)[9]方法提高86.1%；當(dāng)加入低沖突證據(jù)E4時(shí)，改進(jìn)D-S方法的聚焦性能比D-S證據(jù)理論提高8.7%，比文獻(xiàn)[8]方法提高101.4%，比Yager方法提高115.0%，比文獻(xiàn)[9]方法提高57.3%。對(duì)4組低沖突證據(jù)的合成結(jié)果比較如圖1所示。

圖1 低沖突證據(jù)的合成結(jié)果比較

由圖1可以看出，在證據(jù)沖突較低的情況下，各種方法均將證據(jù)的合成結(jié)果聚焦到焦元A，但相對(duì)于文獻(xiàn)[9]方法、Yager方法和文獻(xiàn)[8]方法來說，改進(jìn)D-S方法的聚焦性能有明顯的提升，可以得出正確的合成結(jié)果。

(2) 設(shè)辨識(shí)框架Ω={A,B,C,D,E}，E1、E2、E3、E4是該辨識(shí)框架上的4組高沖突證據(jù)，如表6所示，采用不同方法的融合結(jié)果如表7所示。

表6 4組高沖突證據(jù)概率信任分配

表7 高沖突證據(jù)不同方法融合結(jié)果

由表7可以看出，當(dāng)E1和E2兩組沖突證據(jù)進(jìn)行合成時(shí)，由于有0信度證據(jù)出現(xiàn)使得D-S證據(jù)理論方法和Yager方法合成證據(jù)出現(xiàn)異常，而另外幾種方法由于合成原理不同使得合成結(jié)果差異很大。當(dāng)加入第3組證據(jù)E3時(shí)，D-S理論方法依然產(chǎn)生悖論結(jié)果，本文改進(jìn)D-S方法的聚焦性能比文獻(xiàn)[8]方法提高114.5%，比文獻(xiàn)[9]方法提高51.1%，Yager方法由于將最大的聚焦情形分給未知情形而不能給出一個(gè)明確合成結(jié)果。當(dāng)加入第4組證據(jù)E4時(shí)，D-S理論方法依然產(chǎn)生悖論結(jié)果，本文改進(jìn)D-S方法的聚焦性能比文獻(xiàn)[8]方法提高106.7%，比Yager方法提高將近兩倍，比文獻(xiàn)[9]方法提高51.8%?？梢钥闯?，隨著新證據(jù)的加入，本文方法在結(jié)果的聚焦上呈現(xiàn)了較好的性能。對(duì)4組高沖突證據(jù)的合成結(jié)果比較如圖2所示。

圖2 高沖突證據(jù)的合成結(jié)果比較

由圖2可以看出，在證據(jù)沖突較高的情況下，由于0信度的出現(xiàn)導(dǎo)致D-S證據(jù)理論方法出現(xiàn)了證據(jù)合成異常。Yager方法將沖突證據(jù)的不確定性分配給全局和焦元A的支持度相近，使得決策結(jié)果的未知程度加大，不利于診斷結(jié)果的確定。文獻(xiàn)[9]方法也取得了較好的聚焦效果，但聚焦性能略低。除了D-S證據(jù)理論方法外的幾種方法均能給出符合實(shí)際情況的證據(jù)合成結(jié)果，但是相對(duì)于Yager方法、文獻(xiàn)[9]方法和文獻(xiàn)[8]方法來說，本文改進(jìn)D-S方法的聚焦性能有明顯的改進(jìn)。

綜合圖1的低沖突證據(jù)和圖2的高沖突證據(jù)合成情況來看，本文改進(jìn)D-S方法與對(duì)比方法相比有更理想的合成效果，這就充分表明本文方法能夠適應(yīng)任意情形下的證據(jù)合成，并取得良好聚焦結(jié)果。

3 多源信息融合的電氣設(shè)備故障診斷模型

電氣設(shè)備工作時(shí)，會(huì)產(chǎn)生相應(yīng)的外部信號(hào)，若評(píng)估其狀態(tài)，需要獲取其多種外部信號(hào)進(jìn)行故障診斷時(shí)，如振動(dòng)信號(hào)、聲波信號(hào)、局放信號(hào)及序列圖像信號(hào)等多種信號(hào)，在此基礎(chǔ)上構(gòu)建多源信息融合的電氣設(shè)備故障診斷模型，對(duì)多種信號(hào)的診斷結(jié)果進(jìn)行合成獲取最終結(jié)果，其診斷過程如圖3所示。

圖3 多源信息融合的電氣設(shè)備故障診斷模型

為了驗(yàn)證基于多源信息融合的電氣設(shè)備故障診斷模型的有效性，本文以ZN65-12斷路器和LW59-252斷路器兩種電氣設(shè)備為例進(jìn)行說明。

3.1 多源信息融合的斷路器故障診斷信息準(zhǔn)備

本文利用dB3小波對(duì)斷路器工作時(shí)的3路振動(dòng)信號(hào)和2路聲波信號(hào)分別進(jìn)行5尺度小波分解、濾波、重構(gòu)[14]，然后計(jì)算小波包能量熵作為信號(hào)的特征量。同時(shí)利用視頻跟蹤算法以非接觸方式獲取斷路器動(dòng)作情況的序列圖像信號(hào)，從而計(jì)算相關(guān)特征參量，根據(jù)序列圖像信號(hào)可以計(jì)算位移信號(hào)的各特征量。

表8給出了ZN65-12斷路器和LW59-252斷路器操動(dòng)機(jī)構(gòu)動(dòng)作時(shí)所獲取的來自3種信號(hào)源特征向量各1組。表8中的信號(hào)特征量包括兩個(gè)聲波信號(hào)的小波包能量熵、三個(gè)振動(dòng)信號(hào)的小波包能量熵和序列圖像獲取的特征量(分別為動(dòng)作時(shí)間/ms、觸頭開距/mm、觀測行程/mm、過沖量/mm、超行程/mm、合閘速度/(m·s-1))[15]。

表8 兩種斷路器機(jī)構(gòu)運(yùn)動(dòng)時(shí)的特征向量

3.2 基于多源信息的M-ELM和改進(jìn)D-S斷路器故障診斷

分別提取并計(jì)算斷路器動(dòng)作時(shí)的聲波信號(hào)D1、振動(dòng)信號(hào)D2和序列圖像D3特征量，并將其作為M-ELM的輸入，應(yīng)用M-ELM模型構(gòu)建方法針對(duì)三種信號(hào)分別進(jìn)行斷路器故障診斷模型的訓(xùn)練，并將訓(xùn)練好的模型應(yīng)用于新測數(shù)據(jù)的故障診斷。

(7)

對(duì)式(7)中的信任分配進(jìn)行歸一化，有:

(8)

設(shè)斷路器狀態(tài)的辨識(shí)框架為Ω={A,B,C}，該辨識(shí)框架中A表示正常狀態(tài)、B表示基座松動(dòng)狀態(tài)、C表示機(jī)構(gòu)卡澀狀態(tài)，證據(jù)E1、E2、E3分別為ZN65-12斷路器和LW59-252斷路器動(dòng)作時(shí)所獲取的聲波信號(hào)、振動(dòng)信號(hào)和序列圖像信號(hào)經(jīng)M-ELM模型故障診斷后對(duì)識(shí)別框架內(nèi)各種狀態(tài)的基本可信度(已完成可信度的歸一化)，對(duì)于表8中的特征量可計(jì)算出如表9所示的各種信號(hào)源的診斷結(jié)果。

表9 斷路器故障診斷結(jié)果

表9中應(yīng)用M-ELM模型并應(yīng)用式(7)和式(8)進(jìn)行加權(quán)重構(gòu)的診斷結(jié)果可以看出，對(duì)于ZN65-12斷路器，采用聲波信號(hào)認(rèn)為診斷結(jié)果應(yīng)為基座松動(dòng)；振動(dòng)信號(hào)診斷的結(jié)果認(rèn)為38.78%為正常，61.22%為基座松動(dòng)；序列圖像獲取相關(guān)特征的診斷結(jié)果認(rèn)為正常。對(duì)于LW59-252斷路器，采用聲波信號(hào)診斷結(jié)果54.29%認(rèn)為正常，45.71%認(rèn)為機(jī)構(gòu)卡澀；振動(dòng)信號(hào)診斷的結(jié)果35.85%為正常，33.96%為基座松動(dòng)，30.19%認(rèn)為機(jī)構(gòu)卡澀；序列圖像獲取相關(guān)特征的診斷結(jié)果認(rèn)為正常。這時(shí)，三個(gè)證據(jù)支持?jǐn)嗦菲鞯臓顟B(tài)并不一致，而且存在的0支持率，不能應(yīng)用D-S理論進(jìn)行證據(jù)的合成。對(duì)表9應(yīng)用式(4)、式(7)和式(8)進(jìn)行信度的調(diào)整后應(yīng)用D-S方法對(duì)其進(jìn)行證據(jù)的合成，得到最終的診斷結(jié)果。采用D-S證據(jù)理論、文獻(xiàn)[8]方法、Yager方法、文獻(xiàn)[9]方法和本文改進(jìn)的D-S方法的融合結(jié)果，如表10所示。

表10 多種方法融合結(jié)果比較

由表10可以看出，對(duì)于ZN65-12斷路器，D-S理論已經(jīng)完全失去作用不能給出任何判斷；文獻(xiàn)[8]方法和Yager方法將斷路器的狀態(tài)判為未知不能給出有效判斷；文獻(xiàn)[9]方法支持?jǐn)嗦菲魈幱贏正常狀態(tài)，與斷路器實(shí)際情況矛盾；經(jīng)過改進(jìn)D-S方法進(jìn)行證據(jù)的合成后認(rèn)為診斷結(jié)果為B基座松動(dòng)故障，與實(shí)際故障類型相同，降低了依賴單一序列圖像信息對(duì)斷路器狀態(tài)的誤判率，表明了改進(jìn)D-S方法的可行性。對(duì)于LW59-252斷路器，幾種方法都較支持?jǐn)嗦菲魈幱贏正常狀態(tài)，由于證據(jù)的一致性較好，D-S此時(shí)給出了絕對(duì)支持的判斷，本文改進(jìn)D-S方法對(duì)A正常狀態(tài)的支持度為99.85%，相比其他幾種方法的支持度要高得多，表明了改進(jìn)D-S方法在證據(jù)一致情形下合成結(jié)果的有效性，從而可進(jìn)一步提高測試樣本診斷結(jié)果的正確率。

將改進(jìn)的D-S方法應(yīng)用于序列圖像信號(hào)、聲波信號(hào)及振動(dòng)信號(hào)進(jìn)行多源信息融合的故障診斷，并將M-ELM應(yīng)用于單一信號(hào)故障診斷。30組測試數(shù)據(jù)的測試結(jié)果，如表11所示。

表11 對(duì)比分類結(jié)果分析

由表11可以看出，應(yīng)用多種信號(hào)融合模型對(duì)ZN65-12和LW59-252斷路器進(jìn)行斷路器的故障診斷時(shí)，診斷正確率相比于單一信號(hào)(序列圖像信號(hào)、聲波信號(hào)或振動(dòng)信號(hào))都有所提升，說明多信號(hào)融合能有效提升電氣設(shè)備的診斷正確率。同時(shí)，由于信號(hào)源較多，而且增加了D-S證據(jù)融合診斷結(jié)果過程，本文模型的時(shí)間消耗略多。

本文提出的基于多源信息融合的電氣設(shè)備故障診斷方法，在融合過程中利用聲波信號(hào)、振動(dòng)信號(hào)、序列圖像信號(hào)等多種信號(hào)源作為電氣設(shè)備故障特征提取的來源，各種信號(hào)均采用非接觸的測量方法，不受本文示例中的斷路器型號(hào)及故障類型影響，也不受電氣設(shè)備種類的影響。因此，若要實(shí)現(xiàn)對(duì)其他電氣設(shè)備的故障診斷，只要利用相應(yīng)傳感器獲取聲波信號(hào)、振動(dòng)信號(hào)、序列圖像，以及其他信號(hào)源的信號(hào)等，就能獲取相關(guān)特性參數(shù)，實(shí)現(xiàn)多源信息融合的電氣設(shè)備故障診斷，并獲取較高診斷正確率。

4 結(jié) 語

為了實(shí)現(xiàn)電氣設(shè)備相關(guān)故障的診斷，本文提出了基于多源信息融合的電氣設(shè)備故障診斷方法，在研究了經(jīng)典D-S證據(jù)理論的不足與現(xiàn)有改進(jìn)方法后，提出了一種新的證據(jù)合成方法。該方法首先對(duì)沖突證據(jù)進(jìn)行預(yù)處理，再使用經(jīng)典的D-S證據(jù)理論方法進(jìn)行證據(jù)融合，通過實(shí)例驗(yàn)證了本文方法的聚焦性能。實(shí)用化中，利用電氣設(shè)備工作中的聲波信號(hào)、振動(dòng)信號(hào)以及序列圖像信號(hào)等，構(gòu)建了多源信息融合的電氣設(shè)備故障診斷模型，并以兩種類型的斷路器診斷為例驗(yàn)證了模型的有效性，通過實(shí)驗(yàn)分析與比較，本文模型能夠得出更準(zhǔn)確的故障診斷結(jié)果。