基于加权灰靶与LPSO-BP算法的交流接触器运行状态划分与识别

doi:10.16628/j.cnki.2095-8188.2025.02.002

摘要/Abstract

摘要：

针对目前交流接触器运行状态的分界不明显、划分依据不充分以及训练算法过早收敛的问题,提出一种基于加权灰靶和莱维飞行粒子群优化(LPSO)算法的交流接触器运行状态划分与识别算法模型。首先,对原始数据进行阈值去噪和特征选择。其次,通过层次分析法(AHP)加权改进灰靶算法,得到交流接触器全寿命开断过程的灰靶值,并将其作为运行状态划分的数据依据,具体划分为良好、一般、高危3种状态。最后,利用LPSO优化BP神经网络(LPSO-BP)算法进行归类预测,并与其他算法进行比较,验证了所提算法具有更好的稳定性和准确性。

关键词: 交流接触器, 状态识别, 数据降噪, 最大互信息系数, 莱维飞行

Abstract:

In response to the problems of unclear boundaries,insufficient division criteria,and premature convergence of training algorithms,an algorithm model for dividing and identifying the operational states of AC contactors based on weighted grey target and Levy Flight Particle Swarm Optimization (LPSO) algorithm is proposed.Firstly,the threshold denoising and feature selection are performed on the raw data.Secondly, by using the Analytic Hierarchy Process (AHP) to weight and improve the grey target algorithm,the grey target value of the entire life cycle of the AC contactor is obtained as the data basis for dividing the operational state into three states: good, general, and high-risk.Finally, the BP neural network optimized by LPSO (LPSO-BP) algorithm is used for classification prediction,and compared with other algorithms to verify that the proposed algorithm has better stability and accuracy.

Key words: AC contactor, state recognition, data denoising, maximum information coefficient, Levy flight

中图分类号:

TM572.2

周厚霖, 邢朝健, 许静, 刘树鑫, 明欣, 刘丙泽. 基于加权灰靶与LPSO-BP算法的交流接触器运行状态划分与识别[J]. 电器与能效管理技术, 2025, 0(2): 6-14.

ZHOU Houlin, XING Chaojian, XU Jing, LIU Shuxin, MING Xin, LIU Bingze. Classification and Identification of AC Contactor Operational States Based on Weighted Grey Target and LPSO-BP Algorithm[J]. LOW VOLTAGE APPARATUS, 2025, 0(2): 6-14.

图/表 22

表1

图1

图2

图3

图4

表2

图5

表3

表4

表5

图6

图7

表6

图8

图9

图10

图11

图12

图13

图14

表7

图15

参考文献 24

[1]	李昂. 交流接触器电寿命预测分析与状态评估研究[D]. 沈阳: 沈阳工业大学, 2023.
[2]	周煜源, 刘向军. 交流接触器结构创新与智能控制技术综述[J]. 电器与能效管理技术, 2021(2):1-7.
[3]	李瑞新, 刘树鑫, 曹云东. 基于振动信号的交流接触器运行状态识别[J]. 电器与能效管理技术, 2022(6):39-44,68.
[4]	刘树鑫, 高士珍, 刘洋, 等. 基于LSTM的交流接触器剩余寿命预测[J]. 高电压技术, 2022, 48(8):3210-3220.
[5]	侯春光, 孙小涵, 赵长权, 等. 基于频带能量特征提取的10 kV固体绝缘柜表面放电音频信号识别[J]. 电器与能效管理技术, 2020(3):38-42.
[6]	DURECK E H, BENETTI D, LAZZARETTI A E, et al. Condition assessment of AC contactors using optical fiber sensors and deep learning[C]// 2023 SBMO/IEEE MTT-S International Microwave and Optoelectronics Conference (IMOC).Castelldefels,Spain, 2023:307-309.
[7]	尹杰, 刘博, 孙国兵, 等. 基于迁移学习和降噪自编码器-长短时间记忆的锂离子电池剩余寿命预测[J]. 电工技术学报, 2024, 39(1):289-302.
[8]	翟孝明. 基于支持向量机的区域电网光伏发电量预测研究[J]. 电工技术, 2024(3):48-53.
[9]	王天阳, 郑哲, 张旭, 等. 新型交流接触器电寿命试验分析系统的设计[J]. 电器与能效管理技术, 2021(2):48-53.
[10]	LI W, LIU H, WANG J. A deep learning method for denoising based on a fast and flexible convolutional neural network[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022,60:1-13.
[11]	马嘉晨, 高松, 王蕾. 基于Variance Threshold-GARFECV的特征选择方法[J]. 电器与能效管理技术, 2024(6):64-69,79.
[12]	毛远宏, 孙琛琛, 徐鲁豫, 等. 基于深度学习的时间序列预测方法综述[J]. 微电子学与计算机, 2023, 40(4):8-17.
[13]	张志慧. BP神经网络分类器优化算法的研究与实现[D]. 哈尔滨: 哈尔滨工程大学, 2022.
[14]	刘树鑫, 曹云东, 侯春光, 等. 改进的灰靶理论在固体环网柜绝缘状态评估中应用的研究[J]. 电网技术, 2013, 37(12):3577-3583.
[15]	程梦竹, 张新慧, 徐铭铭, 等. 基于多目标加权灰靶决策的有源配电网故障区段定位方法[J]. 电力系统保护与控制, 2021, 49(11):124-132.
[16]	秦浩起. 基于粒子群算法的模糊时间序列预测模型研究[D]. 北京: 华北电力大学(北京), 2024.
[17]	徐建. 基于莱维飞行改进MOPSO的生产计划与调度多目标协同优化方法研究[D]. 杭州: 杭州电子科技大学, 2022.
[18]	陆小鹏, 吴炬卓, 牛海清, 等. 基于改进小波变换阈值估计法去除电缆绝缘局部放电信号白噪声[J]. 电器与能效管理技术, 2021(3):24-28.
[19]	QI X, SONG J, QI H, et al. Maximum information coefficient feature selection method for interval-valued data[J]. IEEE Access, 2024,12,53752-53766.
[20]	KIM S, LEE Y. Exploring predictors affecting quality control in higher education using AHP and Random forest[J]. Korean Society for Educational Evaluation, 2023, 36(1):53-82.
[21]	刘树鑫, 刘子春, 刘洋, 等. 基于变权重系数的交流接触器状态评估方法[J]. 电器与能效管理技术, 2019(12):8-14.
[22]	WANG C H, ZHAO Q, TIAN R. Short-term wind power prediction based on a hybrid markov-based PSO-BP neural network[J]. Energies, 2023, 16(11):4282.1-4282.24.
[23]	陈曦, 许亮, 王涛, 等. 融合莱维飞行与黄金正弦的粒子群优化算法[C]// 第22届中国系统仿真技术及其应用学术年会(CCSSTA22nd 2021)论文集, 2021:235-238.
[24]	GAN Y, MENG B, CHEN Y, et al. An intelligent measurement method of the resonant frequency of ultrasonic scalpel transducers based on PSO-BP neural network[J]. Measurement, 2022,190:110680.1-110680.12.

矩阵阶数	RI指标	矩阵阶数	RI指标
1	0	4	0.89
2	0	5	1.12
3	0.52

特征名称	MIC 系数	重要度排名	特征名称	MIC 系数	重要度排名
弹跳时间	0.975	1	吸合时间	0.909	4
燃弧能量	0.943	2	合闸相角	0.892	5
燃弧时间	0.941	3	平均燃弧功率	0.398	6

特征名称	吸合时间	燃弧能量	弹跳时间
吸合时间	1	0.2	0.143
燃弧能量	5	1.0	0.333
弹跳时间	7	3.0	1.000

特征名称	特征向量	权重值/%	最大特征根	CI值
吸合时间	0.221	7.377	—	—
燃弧能量	0.849	28.284	3.065	0.032
弹跳时间	1.930	64.339	—	—

运行状态	对应开断次数/次	全寿命占比/%	灰靶区间
良好	0~22 500	47	0~0.820
一般	22 500~42 500	42	0.820~0.865
高危	42 500~47 691	11	0.865~1