本发明属于光纤电流互感器故障检测，特别涉及基于改进稠密网络的光纤电流互感器故障诊断方法。
背景技术：
1、光纤电流互感器(foct)具有绝缘简单、精度高、体积小、无铁磁饱和或谐振、抗干扰能力强、低压侧无开路危险、动态范围大、频带大及方便数字化通信等优点，已逐步应用在各换流站和变电站内，取代传统电磁式电流互感器。然而，由于长期工作在强电磁干扰、温度大范围变化、振动等复杂环境下，光纤电流互感器内部发生复杂光电元件性能退化，影响互感器的精度、稳定性和可靠性，甚至引发故障。
2、针对光纤电流互感器，研究集中于光纤材料和互感器结构改进，互感器温度性能、灵敏度提升和噪声消减。而面对光纤电流互感器多种故障类型、复杂的故障原因和难以定位的故障发生点等难点，寻求高效准确的光纤电流互感器故障诊断方法是十分必要的。当前光纤电流互感器故障诊断方法主要包括：基于数学解析模型的方法；基于信号处理的方法；基于数据处理和人工智能的方法。基于数学解析模型的方法是根据光纤电流互感器原理结构分析建立故障输出的数学解析模型作为先验信息，再与实际观测信号做差值，对差值信号进行分析和判断从而实现互感器故障诊断。基于信号处理的方法是通过时频分析、信号分解等信号处理算法，提取光纤电流互感器输出信号的故障特征，根据特征判断设备工作状态，实现故障诊断。基于数据处理和人工智能的方法包括两类：一是先对光纤电流互感器故障数据进行时频分析、特征提取等预处理，构建故障特征数据集，再通过机器学习等分类诊断算法；二是对故障数据进行降噪滤波、增强扩充等预处理后，直接输入深度神经网络得到诊断结果。光纤电流互感器具有复杂多元的结构，难以建立准确的模型，也难以通过单一的信号分解和比较实现多种类型的诊断，基于数据处理和人工智能的方法可以充分利用数据优势避免上述问题。
技术实现思路
1、发明目的：为了克服现有技术中存在的不足，本发明提供一种基于改进稠密网络的光纤电流互感器故障诊断方法，利用多项状态监测数据和输出信号经过特征提取构建双输入特征数据集，通过双输入改进稠密连接网络实现互感器故障诊断，实现光纤电流互感器复杂故障类型的诊断识别。
2、技术方案：为实现上述目的，本发明采用的技术方案为：
3、一种基于改进稠密网络的光纤电流互感器故障诊断方法，包括以下步骤：
4、步骤1，采集光纤电流互感器运行状态监测数据和互感器最终输出信号数据。
5、步骤2，对采集到的数据使用时间滑动窗口提取时域特征，组合运行状态监测数据构成高维多源信息。
6、步骤3，使用主成分分析法降低高维多源信息维度，初步提取特征、实现数据融合。
7、步骤4，使用马尔科夫转移场将降维后的多源信息转化为马尔科夫转移场图像数据。
8、步骤5，将降维后的多源信息时间序列数据和马尔科夫转移场图像数据输入训练好的双输入改进稠密连接网络模型，实现电流互感器故障诊断。
9、优选的：所述双输入改进稠密连接网络模型包括时间序列输入路径、图像输入路径、拼接层、稠密结构、批标准化层、全局平均池化层、全连接层和输出层，所述时间序列输入路径、图像输入路径分别与拼接层连接，所述拼接层、稠密结构、第三批标准化层、全局平均池化层、全连接层和输出层依次连接。所述时间序列输入路径包括依次连接的第一卷积层、第一批标准化层以及第一池化层。所述图像输入路径包括依次连接的第二卷积层、第二批标准化层、第二池化层以及cbam空间注意力模块。所述稠密结构包括依次连接的第一sedb块、第一过渡层、第二sedb块、第二过渡层、第三sedb块、第三过渡层、第四sedb块，且所述第一sedb块的输出分别进入到第一过渡层、第二过渡层、第三过渡层的输入，所述第一过渡层的的输出分别进入到第二过渡层、第三过渡层的输入，所述第二过渡层的的输出进入到第三过渡层的输入，第一sedb块、第二sedb块、第三sedb块、第四sedb块分别有3、6、12、8个c-se单元。所述c-se单元包括依次连接的第一bn层、第一relu激活函数、1×1卷积层、第二bn层、第二relu激活函数、1×3卷积层、se通道注意力模块。
10、优选的：步骤2的方法包括：
11、使用的时间滑动窗口长度为ns，滑动步长为ns。
12、提取的时域特征包括均值、标准差、方差、峰峰值、绝对平均值、方根幅值、均方根、峭度、峰值因数、裕度指标、波形因数、脉冲因数。
13、将提取的输出信号多维时域特征和采集的光纤电流互感器的多维状态监测数据按时序拼接，共同构成27维的多源信息序列。
14、优选的：步骤3中使用主成分分析法降低高维多源信息维度的方法：
15、步骤(3-1)使用光纤电流互感器多源信息特征构成样本矩阵x：
16、
17、式中，m为样本个数，n为每个样本的特征维度。
18、步骤(3-2)按列计算样本矩阵x每个列向量的均值和标准差si，对每个元素进行标准化处理，得到标准化后的样本矩阵x'：
19、
20、步骤(3-3)计算标准化样本矩阵的协方差矩阵r：
21、
22、式中，分别为矩阵x'第i行或第j列的向量均值。
23、步骤(3-4)计算得到协方差矩阵r的特征值和特征向量，按从大到小顺序排列特征值{λi,i＝1,2,...,n}，计算前i个主成分的累积贡献率：
24、
25、步骤(3-5)保留累积贡献率超过90％时的主成分，由对应特征向量和样本矩阵构建降维后的特征矩阵。最终，通过主成分分析法将光纤电流互感器器27维多源信息特征降低至9维。
26、优选的：步骤4使用马尔科夫转移场将降维后的多源信息转化为马尔科夫转移场图像数据的方法，包括：
27、对9维的互感器多源信息时间序列，以特征维度分别处理每个特征信息时间序列x＝[x1,x2,…,xn]，n表示时间序列长度。首先将子序列x均匀切分为q个区间并确定对应的分位数，分配时间序列的每个元素xi相应的分位数qj序号，沿时间轴以一阶马尔科夫链计算分位数区间转移，构造马尔科夫转移矩阵，通过沿时间顺序排列每个概率来扩展转移矩阵，获得马尔科夫转移场矩阵m：
28、
29、式中，mij表示从分位数qi状态转移到分位数qj状态的条件概率，即mij＝p(xt∈qi|xt-1∈qj)。
30、马尔科夫转移场的超参数，分位数区间个数q取序列长度。将获得的马尔科夫转移场矩阵生成为彩色图像形式。
31、优选的：采集光纤电流互感器运行状态监测数据和互感器最终输出信号数据包括：
32、通过光纤电流互感器自带的输出部分采集输出信号。
33、采集光纤电流互感器的状态监测数据包括sld温度、光模块温度、传感环温度、电路板温度、tec电压、正电源电压、系统电压、负电源电压、光模块补偿、传感环补偿、sld光功率、绝对光功率、系统电流、sld电流、光模块湿度。
34、采集信息时的互感器工作状态包括：正常状态、绝缘结构污损偏置故障、光路性能下降漂移故障、线偏振器消光比变比故障、光路中断失效故障、光源驱动衰减变比故障、光源温度控制漂移故障、光源耦合错位失效故障、光源芯片击穿失效故障。
35、优选的：训练双输入改进稠密连接网络的方法包括：
36、将9维多源信息序列和生成的马尔科夫转移场图像一一对应，构建双输入数据集，再根据互感器工作状态顺序0-8，标记每条双输入样本作为标签。将数据集按8:1:1化分为训练集、验证集与测试集。模型训练中的超参数设置为：模型最大训练次数为50，学习率为0.0001，批量样本个数为4，优化器为adam，损失函数选用交叉熵损失函数。根据验证集准确率进行网络参数优化，确定最终诊断网络。
37、优选的：将降维后的多源信息时间序列数据和马尔科夫转移场图像数据输入训练好的双输入改进稠密连接网络模型进行识别，得到9种工作状态的判断概率，其中最大概率的工作状态即为当前光纤电流互感器的故障诊断结果。
38、本发明的另一目的是提供一种基于改进稠密网络的光纤电流互感器故障诊断系统，包括信息采集单元、时间滑动单元、主成分分析单元、马尔科夫转移单元、双输入改进稠密连接网络模型单元、输出单元，其中：
39、所述信息采集单元用于采集光纤电流互感器运行状态监测数据和互感器最终输出信号数据。
40、所述时间滑动单元用于对采集到的数据使用时间滑动窗口提取时域特征，组合运行状态监测数据构成高维多源信息。
41、所述主成分分析单元使用主成分分析法降低高维多源信息维度，初步提取特征、实现数据融合。
42、所述马尔科夫转移单元使用马尔科夫转移场将降维后的多源信息转化为马尔科夫转移场图像数据。
43、所述双输入改进稠密连接网络模型单元用于将降维后的多源信息时间序列数据和马尔科夫转移场图像数据输入训练好的双输入改进稠密连接网络模型，得到当前光纤电流互感器的故障诊断结果。
44、所述输出单元用于输出当前光纤电流互感器的故障诊断结果。
45、本发明的另一目的是提供一种电子设备，其特征在于，包括：至少一个处理器、至少一个存储器和通信接口。所述处理器、存储器和通信接口相互间进行通信。所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以执行所述基于改进稠密网络的光纤电流互感器故障诊断方法。
46、本发明相比现有技术，具有以下有益效果：
47、本发明综合了输出信号和状态检测信号的时域特征提取和pca多源信息特征降维处理办法，并进一步提出了采用马尔科夫转移场图像法增强时间序列内的特征信息，完善了故障诊断的类型，实现更精细的元器件故障诊断，方便更准确的互感器检修和器件更换。本发明提出的基于双通道改进稠密连接网络的光纤电流互感器故障诊断网络，识别准确率达到98.04％，保证了诊断的准确性。
1.一种基于改进稠密网络的光纤电流互感器故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于改进稠密网络的光纤电流互感器故障诊断方法，其特征在于：所述双输入改进稠密连接网络模型包括时间序列输入路径、图像输入路径、拼接层、稠密结构、批标准化层、全局平均池化层、全连接层和输出层，所述时间序列输入路径、图像输入路径分别与拼接层连接，所述拼接层、稠密结构、第三批标准化层、全局平均池化层、全连接层和输出层依次连接；所述时间序列输入路径包括依次连接的第一卷积层、第一批标准化层以及第一池化层；所述图像输入路径包括依次连接的第二卷积层、第二批标准化层、第二池化层以及cbam空间注意力模块；所述稠密结构包括依次连接的第一sedb块、第一过渡层、第二sedb块、第二过渡层、第三sedb块、第三过渡层、第四sedb块，且所述第一sedb块的输出分别进入到第一过渡层、第二过渡层、第三过渡层的输入，所述第一过渡层的的输出分别进入到第二过渡层、第三过渡层的输入，所述第二过渡层的的输出进入到第三过渡层的输入，第一sedb块、第二sedb块、第三sedb块、第四sedb块分别有3、6、12、8个c-se单元；所述c-se单元包括依次连接的第一bn层、第一relu激活函数、1×1卷积层、第二bn层、第二relu激活函数、1×3卷积层、se通道注意力模块。
3.根据权利要求2所述基于改进稠密网络的光纤电流互感器故障诊断方法，其特征在于：步骤2的方法包括：
4.根据权利要求3所述基于改进稠密网络的光纤电流互感器故障诊断方法，其特征在于：步骤3中使用主成分分析法降低高维多源信息维度的方法：
5.根据权利要求4所述基于改进稠密网络的光纤电流互感器故障诊断方法，其特征在于：步骤4使用马尔科夫转移场将降维后的多源信息转化为马尔科夫转移场图像数据的方法，包括：
6.根据权利要求5所述基于改进稠密网络的光纤电流互感器故障诊断方法，其特征在于：采集光纤电流互感器运行状态监测数据和互感器最终输出信号数据包括：
7.根据权利要求6所述基于改进稠密网络的光纤电流互感器故障诊断方法，其特征在于：训练双输入改进稠密连接网络的方法包括：
8.根据权利要求7所述基于改进稠密网络的光纤电流互感器故障诊断方法，其特征在于：将降维后的多源信息时间序列数据和马尔科夫转移场图像数据输入训练好的双输入改进稠密连接网络模型进行识别，得到9种工作状态的判断概率，其中最大概率的工作状态即为当前光纤电流互感器的故障诊断结果。
9.一种基于改进稠密网络的光纤电流互感器故障诊断系统，其特征在于：包括信息采集单元、时间滑动单元、主成分分析单元、马尔科夫转移单元、双输入改进稠密连接网络模型单元、输出单元，其中：
10.一种电子设备，其特征在于，包括：至少一个处理器、至少一个存储器和通信接口；所述处理器、存储器和通信接口相互间进行通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以执行权利要求1至8任一所述基于改进稠密网络的光纤电流互感器故障诊断方法。
