技术摘要：
本发明公开了一种SF6高压断路器主动预警方法，首先建立神经网络分类器，以SF6高压断路器的各状态量作为输入状态量，以SF6高压断路器的故障类型为输出量，用历史记录的状态数据对神经网络进行学习训练；然后，对所记录的上述每一个输入状态量采用ARIMA预测出其未来某个  全部
背景技术：
SF6高压断路器设备是电网输变电系统中最主要的控制和保护装置，负责切断、闭 合高压电路中的空载电流和负载电流，断路器的正常运行关系着电力系统的稳定性。然而， 由于断路器设计、制造品质和运行等诸多原因，断路器故障是变电站设备运行中的主要故 障之一，断路器一旦发生故障将对电力系统的正常运行造成较大影响，甚至造成安全事故。 因此，对于断路器的实时状态监测和故障诊断尤其重要。 目前在电力行业中，对于SF6高压断路器故障的实时诊断方法有很多。通常是依据 实时监测数据，经过人工智能等算法推算，判断SF6高压断路器当前是否发生故障和故障种 类，但无法对SF6高压断路器可能即将发生的故障进行预判。
技术实现要素：
发明目的：本发明提出了一种可以显示SF6高压断路器各状态量变化趋势并预测 状态值以实现故障预警的方法。本发明的另一目的在于提供一种SF6高压断路器状态主动 预警装置。 技术方案：本发明所述的SF6高压断路器状态主动预警方法包括步骤： (1)获取SF6高压断路器的各状态量的历史监测数据； 进一步地，所述状态量包括下述中的至少一种：SF6气体密度、紫外放电次数、累计 开断短路电流值、液压压力、电机电流、分闸时间、合闸时间； 通过多种状态量的综合判断,可实现SF6高压断路器状态主动预警； (2)基于状态量的历史监测数据构造神经网络分类器，其中，所述神经网络分类器 的输入层的输入元个数对应SF6高压断路器的状态量个数，输入元的值对应同一时间下各 状态量的历史监测数据值；输出层的输出元个数对应SF6高压断路器的告警类型种数； 进一步地，所述告警类型包括下述中的至少一种：无故障、气体泄漏故障、机械卡 涩故障、外部放电故障和二次回路故障； (3)采用ARIMA分析法分别对SF6高压断路器的各状态量进行预测，得到未来某一 时刻对应的预测值； (4)将所述预测值作为神经网络分类器的输入，分类器的输出结果为预测的未来 某一时刻的SF6高压断路器的故障种类；确定未来一定时段内SF6高压断路器的故障发生趋 势，根据所述故障发生趋势对所述SF6高压断路器进行故障预警。。 进一步地，所述的神经网络分类器为具有一层结构的隐含层结构BP神经网络分类 器，隐含层节点数为 的四舍五入取整数；其中，n为输入层神经元个数，m为输出 层神经元个数，a为经验系数，其取值范围为[1,10]。 4 CN 111612128 A 说　明　书 2/5 页 进一步地，所述的神经网络分类器选用最小二乘梯度下降法作为训练方法。 进一步地，所述的BP网络分类器选取正切S型传递函数tansig函数为隐含层传递 函数。 进一步地，所述的BP网络分类器选取对数S型传递函数logsig函数为输出层激励 函数。 优选地，所述的BP网络分类器设定网络训练参数，最高训练次数为5000次,训练网 络所要达到的目标误差为0.001,网络的学习速率为0.05。 进一步地，所述步骤(3)为分别对每个状态量进行如下操作： (31)获取一段时间内的状态量的历史监测数据的归一化值，生成一个时间序列； (32)利用游程检验法检验时间序列的平稳性，如果为平稳时间序列，跳到步骤 (34)，否则跳到步骤(33)； (33)采用差分方法X′t＝Xt-Xt-1,t>1对时间序列进行平稳化预处理，然后跳到步骤 (32)，其中，Xt是第t时刻状态量的归一化值； (34)对平稳时间序列进行零均值化处理 其中 为序列X′t的均值； (35)求零均值化处理后的序列X′t的自相关函数和偏自相关函数； (36)依据自相关函数和偏自相关函数选择对应的ARIMA模型种类； (37)利用最小二乘法进行参数估计和拟合，得到ARIMA模型； (38)对残差序列分别求下列公式的根： 其中，p为自回归的阶数， 为自回归系数，θj为移动回归系数，B为残差方程矩阵； 若根均在单位圆外，表明残差序列为白噪声，神经网络分类器通过检验，否则跳到步骤 (36)，重新进行模型识别。 本发明还公开了一种SF6高压断路器状态主动预警装置，包括：存储器、处理器及 在所述存储器上存储并可运行的SF6高压断路器状态主动预警的程序，所述SF6高压断路器 状态主动预警的程序被处理器执行时实现上述SF6高压断路器状态主动预警方法的步骤。 有益效果：本发明可以在设备故障出现之前对设备进行针对性、预防性的维护，提 高了设备运行安全性，降低了设备运行风险并节约了运维成本。 附图说明 图1是本发明的整体流程图； 图2是本发明的BP神经网络模型构造流程图； 图3是本发明的BP神经网络结构图； 图4是本发明的ARIMA模型预测监测指标流程图。