(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210979478.8 (22)申请日 2022.08.16 (71)申请人 华珑 （沈阳） 智能电气有限公司 地址 110000 辽宁省沈阳市沈抚示范区翔 宇路中立诚悦府6 0号-501 （79） (72)发明人 侯春光　张宇飞　王化润　杨丹　 (74)专利代理 机构 沈阳亚泰专利商标代理有限 公司 21107 专利代理师 郭元艺 (51)Int.Cl. G01D 21/02(2006.01) G06K 9/62(2022.01) G06F 16/25(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 适用于KYN 开关柜的健康管理方法 (57)摘要 本发明属电力系统监测技术领域， 尤其涉及 一种适用于KYN开关柜的健康管理方法， 包括监 测KYN开关柜 的绝缘状态、 机械状态及温湿度状 态； 过滤出符合定义规则的问题数据； 通过MQTT 协议将所采集的状态数据传输至数据管理中心； 对KYN开关柜 的绝缘状态、 机械状态及温湿度状 态进行诊断分析； 对KYN开关柜剩余电寿命与机 械寿命进行预测； 将KYN开关柜开始投入使用直 到报废的运行状态历史数据、 设备信息数据、 订 阅信息数据以及健康状态数据进行统一管理。 本 发明监测量通信协议统一， 可实现开关柜实时在 线联合监测， 并可对开关柜健康状态进行诊断、 评估、 预测， 对运行状态 异常信息进行分析。 权利要求书2页 说明书8页 附图5页 CN 115355942 A 2022.11.18 CN 115355942 A 1.一种适用于KYN 开关柜的健康管理方法， 其特 征在于， 包括如下步骤： S1： 通过在KYN开关柜中设置状态监测传感器， 分别监测KYN开关柜的绝缘状态、 机械状 态及温湿度状态； S2： 根据设置的清洗规则， 过 滤出符合定义 规则的问题数据； S3： 通过MQT T协议将所采集的状态数据传输 至数据管理中心； S4： 利用所采集的状态数据， 借助机器学习算法， 对KYN开关柜的绝缘状态、 机械状态及 温湿度状态进行诊断分析； S5： 利用所采集的状态数据以及历史数据， 采用机器学习算法， 对KYN开关柜剩余电寿 命与机械寿命进行 预测； S6： 将KYN开关柜开始投入使用直到报废的运行状态历史数据、 设备信息数据、 订阅信 息数据以及健康状态数据进行统一管理， 以实现KYN 开关柜设备的全生命周期管理。 2.根据权利 要求1所述适用于KYN开关柜的健康管理方法， 其特征在于： 所述步骤S1中， 通过TEV传感器和AE传感器采集KYN开关柜局 部放电数据； 通过电压传感器、 电流传感器采 集KYN开关柜机械状态数据； 通过温度传感器采集KYN开关柜关键点温度以及环境温度； 通 过湿度传感器采集环境湿度。 3.根据权利要求2所述适用于KYN开关柜的健康管理方法， 其特征在于： 以 STM32F103RCT6作为核心处理单元， STM32核心为  Cortex‑M3， 系统时钟晶振 频率为8MHz， 将 所采集的信息经微控制器处 理后送入平台应用层。 4.根据权利 要求3所述适用于KYN开关柜的健康管理方法， 其特征在于： 所述步骤S3中， 状态数据传输步骤如下： S301： 确定MQTT主题， 后台服 务器订阅此主题； S302： 单片机将定义 好的数据发布到S3 01所述主题； S303： 后台服 务器接收到数据， 将数据存 储到数据库中； S304： 后台服 务器对数据进行分析， 将分析 结果以Ht tp协议形式传输 到客户端显示。 5.根据权利 要求4所述适用于KYN开关柜的健康管理方法， 其特征在于： 所述步骤S4中， 对KYN开关柜的绝 缘状态进行诊断分析步骤如下： S401A： 采集 开关柜检测点的TEV、 AE的幅值； S401B： 计算幅值偏差量； S401C： 计算离 散度； S401D： 计算平均距离百分比； S401E： 计算 集中度， 反映开关柜局部放电的严重程度； S401F： 计算 最大波动率， 反映开关柜局部放电程度的波动情况； S401G： 将计算所 得的数据以及环境温度及湿度特 征参数作为特 征向量； S401H： 将采集到的数据样本对应的特 征向量赋予标签； S401I： 构建BP神经网络结构； S401J： 采用梯度下降方法对BP神经网络进行训练； S401K： 进行诊断分析。 6.根据权利 要求5所述适用于KYN开关柜的健康管理方法， 其特征在于： 所述步骤S4中， 对KYN开关柜的机 械状态进行诊断分析步骤如下：权　利　要　求　书 1/2 页 2 CN 115355942 A 2S402A： 利用支持向量机算法对机 械特性故障进行诊断； S402B： 采集KYN 开关柜机 械状态数据； S402C： 利用分合闸线圈 电流波形、 储能电机电流波形中提取极值点的方法确定特征 量； 将提取的特 征参数作为特 征向量； S402D： 将采集到的数据样本对应的特 征向量赋予 故障标签； S402E： 对所有的样本特 征向量进行归一 化处理； S402F： 寻取最优参数核函数 带宽和惩罚因子； S402G： 确定适应度函数， 即故障诊断的准确率作为 适应度函数； S402H： 计算 适应度函数值， 并进行 更新， 比较 个体适应度函数值和群 体适应度函数值； S402I： 若达到最优解， 则将最优解代入到诊断模型进行故障诊断， 否则执行步骤 S402G； S402J： 对诊断模型进行训练； S402K： 进行诊断分析。 7.根据权利 要求6所述适用于KYN开关柜的健康管理方法， 其特征在于： 所述步骤S5中， KYN开关柜机 械寿命预测步骤如下： S501A： 确定以触头超行程、 平均分闸时间、 平均 合闸时间和储能电机平均电流作 为KYN 开关柜寿命预测的特 征向量； S501B： 采集KYN 开关柜用于寿命预测数据； S501C： 确定BP神经网络结构； S501D： 训练BP神经网络； S501E： 预测KYN 开关柜剩余机 械寿命。 8.根据权利 要求7所述适用于KYN开关柜的健康管理方法， 其特征在于： 所述步骤S5中， KYN开关柜剩余电寿命预测步骤如下： S502A： 确定以开断电流、 开断次数、 使用年数、 刚分速度、 刚合速度作为KYN开关柜电寿 命预测的特 征向量； S502B： 采集KYN 开关柜用于寿命预测数据； S502C： 确定BP神经网络结构； S502D： 训练BP神经网络； S502E： 预测KYN 开关柜剩余电寿命。 9.根据权利 要求8所述适用于KYN开关柜的健康管理方法， 其特征在于： 所述步骤S6中， 全生命周期管理包括设备信息管理模块、 订阅信息管理模块、 数据管理模块以及健康状态 管理模块； 其中， 设备信息管理模块包括设备名称、 设备运行年限、 设备添加时间、 设备所在 位置信息； 订阅信息模块包括此系统中当前已添加的订阅和未订阅的MQTT主题信息； 数据 管理模块为KYN开关柜从投入使用到报废所有的运行状态数据； 健康状态管理模块包括每 一时间段KYN开关柜绝缘性能的评估 数据、 KYN开关柜 机械状态故障诊断数据、 KYN开关柜剩 余电寿命和机 械寿命预测数据。权　利　要　求　书 2/2 页 3 CN 115355942 A 3