《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 人工智能 > 設(shè)計(jì)應(yīng)用 > 基于特征選擇和優(yōu)化CNN-BiLSTM-Attention對(duì)SF6斷路器漏氣故障診斷
基于特征選擇和優(yōu)化CNN-BiLSTM-Attention對(duì)SF6斷路器漏氣故障診斷
電子技術(shù)應(yīng)用
歐陽鑫1，趙龍周1，彭晶2，龔澤威一2，段雨廷2，馬宏明2，帥春燕3
1.昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院；2.云南電網(wǎng)有限責(zé)任公司電力科學(xué)研究院；3.昆明理工大學(xué) 交通工程學(xué)院
摘要： SF6（六氟化硫）斷路器是保障電網(wǎng)穩(wěn)定運(yùn)行的重要設(shè)備，但其在長期使用中容易發(fā)生漏氣問題，既影響設(shè)備性能，又威脅電網(wǎng)的安全性。為精準(zhǔn)診斷SF6斷路器的漏氣故障，提出了一種基于Gini指數(shù)特征選擇和貝葉斯優(yōu)化（Bayesian Optimization， BO）的CNN-BiLSTM-Attention組合模型。首先，針對(duì)影響SF6斷路器漏氣的內(nèi)外部因素，進(jìn)行特征映射與重要性分析，并采用KMeans-SMOTE技術(shù)解決數(shù)據(jù)分布不均的問題。其次，利用基于Gini指數(shù)的方法篩選關(guān)鍵特征，并通過貝葉斯優(yōu)化精調(diào)CNN-BiLSTM-Attention模型的超參數(shù)以提升分類性能。實(shí)驗(yàn)結(jié)果表明，設(shè)備缺陷、運(yùn)行年限、運(yùn)維水平、天氣和溫度是導(dǎo)致漏氣的主要因素。與其他模型相比，所提方法在漏氣故障的0/1分類任務(wù)中展現(xiàn)出更高的分類精度和魯棒性。研究不僅驗(yàn)證了方法的有效性，還揭示了引發(fā)SF6斷路器漏氣的關(guān)鍵因素，為設(shè)備巡檢和運(yùn)維管理提供了科學(xué)支持，進(jìn)一步提升了電網(wǎng)運(yùn)行的安全性與可靠性。
中圖分類號(hào)：TP18；TM56 文獻(xiàn)標(biāo)志碼：A DOI: 10.16157/j.issn.0258-7998.246103
中文引用格式： 歐陽鑫，趙龍周，彭晶，等. 基于特征選擇和優(yōu)化CNN-BiLSTM-Attention對(duì)SF6斷路器漏氣故障診斷[J]. 電子技術(shù)應(yīng)用，2025，51(6)：32-39.
英文引用格式： Ouyang Xin，Zhao Longzhou，Peng Jing，et al. Air leakage fault diagnosis of SF6 circuit breaker based on feature selection and optimization CNN-BiLSTM-Attention[J]. Application of Electronic Technique，2025，51(6)：32-39.
Air leakage fault diagnosis of SF6 circuit breaker based on feature selection and optimization CNN-BiLSTM-Attention
Ouyang Xin1，Zhao Longzhou1，Peng Jing2，Gong Zeweiyi2，Duan Yuting2，Ma Hongming2，Shuai Chunyan3
1.Faculty of Information Engineering and Automation， Kunming University of Science and Technology； 2.Electric Power Research Institute， Yunnan Power Grid Co.， Ltd.； 3.Faculty of Transportation Engineering， Kunming University of Science and Technology
Abstract： Sulfur Hexafluoride(SF6) circuit breaker is an important equipment to ensure the stable operation of the power grid, but it is prone to air leakage problems in long-term use, which not only affects the performance of the equipment, but also threatens the safety of the power grid. In order to accurately diagnose the air leakage failure of SF6 circuit breaker, this paper proposes a CNN-BiLSTM-Attention combination model based on Gini index feature selection and Bayesian optimization (BO). First, feature mapping and importance analysis are conducted for internal and external factors affecting SF6 circuit breaker air leakage, and KMeans-SMOTE technology is used to solve the problem of uneven data distribution. Second, the Gini index-based method is used to screen the key features and optimize the hyperparameters of the fine-tuning CNN-BiLSTM-Attention model by Bayesian to improve the classification performance. The experimental results show that the equipment defects, operation life, operation and maintenance level, weather and temperature are the main factors leading to air leakage. Compared with other models, the proposed method shows higher classification accuracy and robustness in the 0/1 classification task of air leakage failure. The study not only verifies the effectiveness of the method, but also reveals the key factors that cause the leakage of SF6 circuit breaker, which provides scientific support for equipment inspection and operation and maintenance management, and further improves the security and reliability of power grid operation.
Key words : sulfur hexafluoride circuit breaker；Bayesian optimization；feature selection；CNN-BiLSTM-Attention

引言

目前，六氟化硫（SF6）氣體已經(jīng)成為高壓、超高壓斷路器和GIS中幾乎唯一的絕緣和滅弧介質(zhì)，基于此的SF6斷路器已成為電力系統(tǒng)一類重要的高壓開關(guān)設(shè)備[1]，其可靠性、絕緣和滅弧性能一直是電力行業(yè)關(guān)注的焦點(diǎn)。其中，SF6氣體泄漏是導(dǎo)致斷路器性能下降甚至損壞的主要因素之一[2]。近年來，一些研究開始探索結(jié)合機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和優(yōu)化算法來提高SF6泄漏故障的診斷精度和效率。

研究者們從不同角度開展了對(duì)SF6斷路器故障診斷的研究。較早期文獻(xiàn)[3]開發(fā)了一種實(shí)時(shí)監(jiān)測(cè)系統(tǒng)，其基于傳感器來測(cè)量氣體密度和露點(diǎn)。文獻(xiàn)[4]通過充分利用六氟化硫分解氣體的高精度檢測(cè)結(jié)果，提出了基于氣體分解概率統(tǒng)計(jì)的故障概率模型，并建立了基于矩估計(jì)的六氟化硫電氣設(shè)備故障概率模型。關(guān)于在高壓斷路器中機(jī)器學(xué)習(xí)算法的應(yīng)用，文獻(xiàn)[5]使用8種基于氣體副產(chǎn)品存在和濃度的算法對(duì)RF模式識(shí)別進(jìn)行了分析，該研究表明采用用氣體副產(chǎn)品分析，特別是使用RF模式識(shí)別對(duì)GIS進(jìn)行有效故障診斷的可行性和適用性。文獻(xiàn)[6]指出對(duì)傳統(tǒng)氣體壓力和密度的單點(diǎn)測(cè)量方法，忽略了由于不均勻的溫度分布所引起的壓力和密度的變化。因此，研究中提出了一種四點(diǎn)壓力測(cè)量方法，并通過支持向量機(jī)（Support Vector Machine, SVM）算法分析數(shù)據(jù)，從而提高泄漏診斷的準(zhǔn)確性。而在深度學(xué)習(xí)算法中，文獻(xiàn)[7]提出了一種基于GIS設(shè)備半監(jiān)督深度學(xué)習(xí)網(wǎng)絡(luò)的聯(lián)合故障檢測(cè)方法。該方法利用SF6氣體在線監(jiān)測(cè)傳感器獲取GIS氣室物理指標(biāo)測(cè)量值，并構(gòu)建了一個(gè)基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks, CNN）的半監(jiān)督深度學(xué)習(xí)網(wǎng)絡(luò)來檢測(cè)GIS氣室內(nèi)設(shè)備故障。

上述研究采用了多種方法對(duì)不同型號(hào)的斷路器故障進(jìn)行了深入研究，為SF6斷路器漏氣問題提供了寶貴的思考角度。然而，對(duì)于泄漏因素的分析和預(yù)測(cè)研究相對(duì)較少，這表明在SF6斷路器的維護(hù)和故障預(yù)防方面還有進(jìn)一步的研究空間和需求。因此，為了提高運(yùn)維的準(zhǔn)確性和電網(wǎng)的安全性，在特殊環(huán)境情況下有必要對(duì)影響SF6斷路器氣體泄漏的關(guān)鍵因素進(jìn)行故障識(shí)別，這需要找到影響氣體泄漏的關(guān)鍵因素，剔除無關(guān)因素，從而提高故障識(shí)別準(zhǔn)確率?；诖耍疚奶岢龈倪M(jìn)算法，對(duì)SF6斷路器漏氣缺陷進(jìn)行識(shí)別。具體步驟如下。

首先，對(duì)引起漏氣的內(nèi)外部因素展開分析[8]，量化漏氣因素并進(jìn)行特征映射。然后，引入KMEANS-SMOTE[9]的過采樣方法進(jìn)行樣本均衡，解決漏氣缺陷樣本不足的問題，同時(shí)采用基尼指數(shù)貢獻(xiàn)度[10]對(duì)SF6斷路器漏氣特征進(jìn)行重要度分析，從而剔除無關(guān)因素。最后，將篩選后的數(shù)據(jù)輸入到基于貝葉斯優(yōu)化的CNN-BiLSTM-Attention模型進(jìn)行分類預(yù)測(cè)。為了驗(yàn)證模型的有效性，本研究引入了多種先進(jìn)模型進(jìn)行對(duì)比分析，以確保所提出的模型在性能上的優(yōu)越性。特征工程、過采樣、特征選擇、貝葉斯優(yōu)化和深度學(xué)習(xí)模型的結(jié)合改進(jìn)，解決了數(shù)據(jù)分布的不平衡問題，提升了漏氣故障識(shí)別和診斷的精度。診斷模型整體框架圖如圖1所示。

000.png

圖1　診斷模型整體框架圖


本文詳細(xì)內(nèi)容請(qǐng)下載：

http://theprogrammingfactory.com/resource/share/2000006559


作者信息：

歐陽鑫1，趙龍周1，彭晶2，龔澤威一2，段雨廷2，馬宏明2，帥春燕3

（1.昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院，云南 昆明 650500；

2.云南電網(wǎng)有限責(zé)任公司電力科學(xué)研究院，云南 昆明 650217；

3.昆明理工大學(xué) 交通工程學(xué)院，云南 昆明 650500）


Magazine.Subscription.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。