[摘 要]在工業(yè)生產(chǎn)中，開關(guān)柜是整個電氣設(shè)備中的重要組成部分，為了確保電氣開關(guān)柜的正常運(yùn)行，需要對電氣開關(guān)柜等設(shè)備進(jìn)行檢測診斷。但大多數(shù)情況下電氣設(shè)備開關(guān)柜運(yùn)行的環(huán)境較復(fù)雜，故障率也較高，因此，很難對開關(guān)柜故障進(jìn)行及時檢測與維修。文章設(shè)計了基于機(jī)器學(xué)習(xí)的開關(guān)柜規(guī)章診斷系統(tǒng)，該系統(tǒng)由傳感器選型單元和傳感器網(wǎng)絡(luò)芯片選型單元等部分組成，可提升故障診斷精準(zhǔn)性，滿足電氣行業(yè)對開關(guān)柜故障診斷的需求。

[關(guān)鍵詞]機(jī)器人學(xué)習(xí)；開關(guān)柜；故障診斷；系統(tǒng)設(shè)計

[中圖分類號]TM403.4 [文獻(xiàn)標(biāo)志碼]A [文章編號]2095–6487（2024）06–0072–03

Design of Switch Cabinet Fault Diagnosis System Based on Machine Learning

YANG Haoyin

[Abstract]In industrial production， switchgear is an important component of the entire electrical equipment. In order to ensure the normal operation of electrical switchgear， it is necessary to test and diagnose equipment such as electrical switchgear. However， in most cases， the operating environment of electrical equipment switchgear is complex and the failure rate is high， making it difficult to detect and repair switchgear faults in a timely manner. The article designs a machine learning based switchgear regulation diagnosis system， which consists of a sensor selection unit and a sensor network chip selection unit. It can improve the accuracy of fault diagnosis and meet the needs of the electrical industry for switchgear fault diagnosis.

[Keywords]robot learning； switch cabinet； fault diagnosis； system design

1 基于機(jī)器學(xué)習(xí)的開關(guān)柜故障診斷的重要性

隨著電力系統(tǒng)的不斷發(fā)展和城市化進(jìn)程的加快，開關(guān)柜作為電力系統(tǒng)中的重要組成部分，其安全性和穩(wěn)定性對于保障整個電力系統(tǒng)的正常運(yùn)行至關(guān)重要。因此，對開關(guān)柜進(jìn)行及時、準(zhǔn)確的故障診斷，對于預(yù)防電力事故、保障人民生命財產(chǎn)安全具有重大意義。

然而，傳統(tǒng)的開關(guān)柜故障診斷方法通常依賴于人工經(jīng)驗和定期巡檢，這種方式不僅效率低下，而且易受到人為因素的影響，導(dǎo)致診斷結(jié)果不準(zhǔn)確。而基于機(jī)器學(xué)習(xí)的故障診斷方法，可以通過對大量歷史數(shù)據(jù)的分析和學(xué)習(xí)，自動提取故障特征，實現(xiàn)對開關(guān)柜故障的準(zhǔn)確識別。這種方法不僅提高了診斷效率，而且減少了人為因素的干擾，提高了診斷的準(zhǔn)確性。機(jī)器學(xué)習(xí)技術(shù)還可以實現(xiàn)對開關(guān)柜故障的預(yù)測性維護(hù)，通過對設(shè)備運(yùn)行數(shù)據(jù)的實時監(jiān)測和分析，機(jī)器學(xué)習(xí)模型可以預(yù)測設(shè)備未來的故障情況，提前采取維護(hù)措施，避免故障的發(fā)生，不僅可以降低設(shè)備的維修成本，還可以延長設(shè)備的使用壽命，提高電力系統(tǒng)的經(jīng)濟(jì)效益。

此外，隨著人工智能技術(shù)的不斷發(fā)展，機(jī)器學(xué)習(xí)在開關(guān)柜故障診斷中的應(yīng)用會越來越廣泛，通過不斷優(yōu)化算法和模型，提高診斷的準(zhǔn)確性和效率，將為電力系統(tǒng)的安全穩(wěn)定運(yùn)行提供更加堅實的保障。所以，基于機(jī)器學(xué)習(xí)的開關(guān)柜故障診斷是未來電力系統(tǒng)故障診斷的重要發(fā)展方向。

2 基于機(jī)器學(xué)習(xí)的開關(guān)柜故障系統(tǒng)方案設(shè)計

2.1 數(shù)據(jù)收集與預(yù)處理

基于機(jī)器學(xué)習(xí)的開關(guān)柜故障系統(tǒng)方案設(shè)計中的數(shù)據(jù)收集與預(yù)處理是構(gòu)建有效故障診斷模型的關(guān)鍵步驟。在收集數(shù)據(jù)時，可以從開關(guān)柜的運(yùn)行日志、維護(hù)記錄及傳感器數(shù)據(jù)中收集原始數(shù)據(jù)，這些數(shù)據(jù)涵蓋了開關(guān)柜的電壓、電流、溫度、濕度、機(jī)械振動等參數(shù)。為了確保數(shù)據(jù)的完整性和可靠性，定期從各個開關(guān)柜站點收集數(shù)據(jù)，并存儲在統(tǒng)一的數(shù)據(jù)庫中。同時，還收集了歷史故障記錄，包括故障發(fā)生的時間、地點、類型及相應(yīng)的處理措施，這些故障記錄可用于監(jiān)督學(xué)習(xí)算法的訓(xùn)練。在收集到原始數(shù)據(jù)后，進(jìn)行了一系列預(yù)處理操作，以確保數(shù)據(jù)的質(zhì)量和一致性。在預(yù)處理數(shù)據(jù)時，對數(shù)據(jù)進(jìn)行了清洗，去除了重復(fù)值、缺失值或異常值，對于缺失值，根據(jù)數(shù)據(jù)的分布和相關(guān)性進(jìn)行了插值或填充，對異常值，采用了基于統(tǒng)計或領(lǐng)域知識的方法進(jìn)行識別和修正。隨后，對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，將不同參數(shù)的量綱和范圍統(tǒng)一到同一尺度上，以便進(jìn)行后續(xù)的特征提取和模型訓(xùn)練。而將處理后的數(shù)據(jù)劃分為訓(xùn)練集和測試集，訓(xùn)練集用于訓(xùn)練機(jī)器學(xué)習(xí)模型，而測試集則用于評估模型的性能，通過合理的劃分，確保模型既具有足夠的泛化能力，又能夠在實際應(yīng)用中表現(xiàn)出良好的性能。

機(jī)器學(xué)習(xí)開關(guān)柜故障數(shù)據(jù)收集與處理步驟見表1。

2.2 開關(guān)柜故障分類模塊

2.3 開關(guān)柜故障診斷模塊

電氣設(shè)備開關(guān)柜故障診斷模塊的軟件設(shè)計是確保整個診斷系統(tǒng)能夠高效、準(zhǔn)確地識別和處理開關(guān)柜故障的關(guān)鍵環(huán)節(jié)。軟件設(shè)計應(yīng)明確故障診斷模塊的功能需求，包括實時數(shù)據(jù)采集、數(shù)據(jù)處理、故障診斷、故障預(yù)警及數(shù)據(jù)存儲與查詢等功能，同時，還需考慮系統(tǒng)的穩(wěn)定性、可擴(kuò)展性及易用性等方面的需求。

（1）在架構(gòu)設(shè)計中，軟件設(shè)計應(yīng)采用模塊化、層次化的架構(gòu)，將功能劃分為不同的模塊，如數(shù)據(jù)采集模塊、數(shù)據(jù)處理模塊、故障診斷模塊等，每個模塊應(yīng)具有明確的輸入和輸出，以便于模塊的集成和測試。

（2）在數(shù)據(jù)采集與處理中，數(shù)據(jù)采集模塊負(fù)責(zé)從傳感器網(wǎng)絡(luò)芯片中獲取開關(guān)柜的實時運(yùn)行數(shù)據(jù)，數(shù)據(jù)處理模塊則對這些數(shù)據(jù)進(jìn)行預(yù)處理，如濾波、去噪、標(biāo)準(zhǔn)化等，以提高數(shù)據(jù)的準(zhǔn)確性和可靠性。

（3）在故障診斷算法設(shè)計中，故障診斷模塊是軟件設(shè)計的核心部分，該模塊應(yīng)選擇合適的機(jī)器學(xué)習(xí)算法或深度學(xué)習(xí)算法，根據(jù)處理后的數(shù)據(jù)對開關(guān)柜的故障進(jìn)行識別。

（4）在故障預(yù)警與報告中，當(dāng)診斷模塊檢測到開關(guān)柜存在故障或潛在風(fēng)險時，應(yīng)及時觸發(fā)預(yù)警機(jī)制，預(yù)警可以通過聲光報警、短信通知或郵件提醒等方式實現(xiàn)，以便運(yùn)維人員及時采取措施進(jìn)行處理。

（5）在數(shù)據(jù)存儲與查詢中，為了方便對開關(guān)柜運(yùn)行數(shù)據(jù)的長期跟蹤和分析，軟件設(shè)計應(yīng)考慮數(shù)據(jù)的存儲和查詢功能，采用數(shù)據(jù)庫技術(shù)實現(xiàn)數(shù)據(jù)的存儲和管理，提供數(shù)據(jù)查詢、統(tǒng)計和分析等功能，這有助于運(yùn)維人員了解開關(guān)柜的運(yùn)行狀況，發(fā)現(xiàn)潛在問題并制訂預(yù)防措施。

3 基于機(jī)器學(xué)習(xí)的開關(guān)柜故障系統(tǒng)性能測試

3.1 測試準(zhǔn)備

為了更好地驗證開關(guān)柜故障診斷系統(tǒng)的有效性，應(yīng)進(jìn)行對比測試，并搭建對應(yīng)的試驗網(wǎng)絡(luò)環(huán)境。試驗網(wǎng)絡(luò)環(huán)境中通常包含編譯器、芯片、串口數(shù)據(jù)線及仿真設(shè)備。根據(jù)搭建的試驗網(wǎng)絡(luò)環(huán)境，將文章所提方法和傳統(tǒng)的人工故障診斷方法進(jìn)行對比。

3.2 故障診斷時間和準(zhǔn)確率結(jié)果分析

在常規(guī)情況下，故障診斷的時間越短，系統(tǒng)性能越好，而在工業(yè)生產(chǎn)的領(lǐng)域中，對應(yīng)的電氣設(shè)備故障診斷時間上限值一般為57 s。故障診斷時間及準(zhǔn)確率對比見表2。

由表2可知，文章設(shè)計的故障診斷系統(tǒng)對于5種不同類型故障的檢測時間通常都小于30 s，而人工診斷方法的診斷時間則在30～52 s。由此可見，基于機(jī)器學(xué)習(xí)的電氣設(shè)備故障診斷系統(tǒng)通常具有診斷時間短、效率高等優(yōu)點，同時，人工診斷的準(zhǔn)確率最高值只有75.45%，低于診斷系統(tǒng)的準(zhǔn)確率。因此這也證明了基于機(jī)器學(xué)習(xí)的開關(guān)柜故障診斷系統(tǒng)能更好地滿足工業(yè)生產(chǎn)的安全性需求。

4 結(jié)束語

為了有效解決電氣設(shè)備故障診斷中人工診斷效率低且用時長的問題，文章提出了基于機(jī)器學(xué)習(xí)的電氣設(shè)備開關(guān)柜故障診斷系統(tǒng)，從而實現(xiàn)了對開關(guān)柜故障的智能識別與預(yù)警。試驗結(jié)果表明，基于機(jī)器學(xué)習(xí)系統(tǒng)具有極高的準(zhǔn)確性和實時性，為開關(guān)柜的安全穩(wěn)定運(yùn)行提供了有效支持。并且隨著對該系統(tǒng)的不斷完善，能夠為電力系統(tǒng)的穩(wěn)定運(yùn)行作出更大貢獻(xiàn)。

參考文獻(xiàn)

[1] 朱偉超.基于機(jī)器學(xué)習(xí)的工業(yè)物聯(lián)網(wǎng)設(shè)備故障診斷系統(tǒng)的設(shè)計與實現(xiàn)[D].北京：北京交通大學(xué)，2019.

[2] 于凱.基于機(jī)器學(xué)習(xí)的SCARA機(jī)器人故障診斷系統(tǒng)設(shè)計與實現(xiàn)[D].哈爾濱：黑龍江大學(xué)，2021.

[3] 白雪.基于機(jī)器學(xué)習(xí)的電氣設(shè)備故障診斷系統(tǒng)設(shè)計和實現(xiàn)[J].現(xiàn)代制造技術(shù)與裝備，2023（7）：48-50.

[4] 朱年林.基于機(jī)器學(xué)習(xí)的電氣設(shè)備故障診斷系統(tǒng)設(shè)計[J].自動化應(yīng)用，2020（10）：16-17.

[5] 羅佳，李榮華，李金玉，等.配電開關(guān)柜機(jī)器人系統(tǒng)的設(shè)計與實現(xiàn)[J].自動化與儀器儀表，2019（5）：92-94，110.