一种高压直流断路器运行状态推衍方法和系统

1.一种高压直流断路器运行状态推衍方法，其特征在于，所述方法包括：采集高压直流断路器的特征子集中各特征参数的特征值；基于所述特征值，分别计算高压直流断路器特征参量的相关系数矩阵和自增减趋势矩阵；利用所述相关系数矩阵和自增减趋势矩阵，对高压直流断路器运行状态进行推衍；其中，所述高压直流断路器的特征子集，是基于最大相关原则、最小冗余原则、多准则赋权排序算法和关联算法，对高压直流断路器的初始特征量集合中的特征参量进行筛选得到的；所述采集高压直流断路器的特征子集中各特征参数的特征值，包括：采集特征子集中各特征参数在当前时刻及其之前r-1个时刻的特征值；其中，所述r为采样时间窗口包含的时刻总数；所述基于所述特征值，计算高压直流断路器特征参量的相关系数矩阵，包括：基于所述特征值，利用相关系数计算方法确定高压直流断路器特征参量在当前时刻的相关系数矩阵；所述基于所述特征值，计算高压直流断路器特征参量的自增减趋势矩阵，包括：根据所述特征值，分别确定高压直流断路器在当前时刻及其之前h-1个时刻的特征值矩阵；利用所述特征值矩阵，确定高压直流断路器特征参量在当前时刻之前的h-1个时刻的自增减趋势矩阵；基于高压直流断路器特征参量在当前时刻之前的h-1个时刻的自增减趋势矩阵，采用最小二乘法，预估高压直流断路器特征参量在当前时刻的自增减趋势矩阵；其中，h为小于r的正整数，h为推衍时间窗口包含的时刻总数。 2.如权利要求1所述的方法，其特征在于，所述初始特征量集合由多维特征组成，每维特征由多个特征参量组成。 3.如权利要求2所述的方法，其特征在于，所述基于最大相关原则、最小冗余原则、多准则赋权排序算法和关联算法，对高压直流断路器的初始特征量集合进行筛选的过程，包括：基于最大相关原则、最小冗余原则及多准则赋权排序算法，对所述初始特征量集合中的特征参量进行筛选得到集合Q；利用关联算法，剔除集合Q中支持度和置信度小于阈值要求的特征参量，得到所述特征子集。 4.如权利要求3所述的方法，其特征在于，所述基于最大相关原则、最小冗余原则、多准则赋权排序算法，对所述初始特征量集合中的特征参量进行筛选得到集合Q,包括：步骤1）：令集合Q为空集；步骤2）：基于最大相关原则，从初始特征量集合中选取类别可分性度量的均值权重最大的一个特征参量放入集合Q中；步骤3）：当初始特征量集合中特征参量与集合Q中特征参量完全冗余时，基于最小冗余原则，将初始特征量集合中与集合Q中特征参量冗余的特征参量删除；步骤4）：计算初始特征量集合中各特征参量与集合Q之间的冗余度；步骤5）：利用初始特征量集合中各特征参量与集合Q之间的冗余度计算初始特征量集合中各特征参量的状态表征程度，并基于多准则赋权排序算法，从初始特征量集合中选取状态表征程度最高的一个特征参量放入集合Q中；步骤6：若初始特征量集合中存在特征参量，返回步骤3）；否则，输出集合Q。 5.如权利要求4所述的方法，其特征在于，所述初始特征量集合中特征参量的类别可分性度量的均值权重的计算式如下：式中， 为初始特征量集合中第 维特征下第k个特征参量的类别可分性度量的均值权重， 为初始特征量集合中第 维特征下第k个特征参量的历史采样值的均值， 为初始特征量集合中第 维特征下所有特征参量的历史采样值的均值， 为初始特征量集合中第 维特征下第k个特征参量的第 个历史采样值， ， 为初始特征量集合中第 维特征下第k个特征参量的历史采样值总数， ， 为初始特征量集合中维度总数， ， 为初始特征量集合中第 维特征中包含的特征参量的总数。 6.如权利要求4所述的方法，其特征在于，所述初始特征量集合中特征参量与集合Q中特征参量存在冗余的识别过程，包括：若初始特征量集合中特征参量 的信息熵、集合Q中特征参量 的信息熵以及初始特征量集合中特征参量 与集合Q中特征参量 的联合熵均相等，则初始特征量集合中特征参量 与集合Q中特征参量 完全冗余，否则，初始特征量集合中特征参量 与集合Q中特征参量 不存在冗余；其中，所述初始特征量集合中特征参量 的信息熵、集合Q中特征参量 的信息熵以及初始特征量集合中特征参量 与集合Q中特征参量 的联合熵是基于初始特征量集合中特征参量 和/或集合Q中特征参量 的历史采样值确定的， ， ， 为初始特征量集合。 7.如权利要求4所述的方法，其特征在于，所述初始特征量集合中各特征参量与集合Q之间的冗余度的计算式如下：式中， 为初始特征量集合中特征参量 与集合Q之间的冗余度， 为初始特征量集合中特征参量与集合Q中特征参量 之间的信息， ， ， 为初始特征量集合；其中，所述初始特征量集合中特征参与集合Q中特征参量 之间的互信息 的计算式如下：式中， 为初始特征量集合中特征参量 的信息熵， 为集合Q中特征参量 的信息熵， 为初始特征量集合中特征参量 与集合Q中特征参量 的联合熵。 8.如权利要求4所述的方法，其特征在于，所述初始特征量集合中各特征参量的状态表征程度的计算式如下：式中， 为初始特征量集合中特征参量 的状态表征程度， 为初始特征量集合中第 维特征下第k个特征参量的类别可分性度量的均值权重， 为初始特征量集合中特征参量 与集合Q之间的冗余度。 9.如权利要求1所述的方法，其特征在于，所述高压直流断路器特征参量在当前时刻之前的第w-1个时刻的自增减趋势矩阵通过高压直流断路器在当前时刻之前的第w个时刻的特征值矩阵与高压直流断路器在当前时刻之前的第w-1个时刻的特征值矩阵做差得到；所述高压直流断路器在当前时刻及其之前r-1个时刻的特征值矩阵均为 行1列矩阵，其第 行元素即为特征子集中第 个特征参量当前时刻及其之前r-1个时刻的特征值， 为特征子集中特征参量的总数，h为小于r的正整数，w为小于h-1的正整数，h为推衍时间窗口包含的时刻总数。 10.如权利要求9所述的方法， 其特征在于，所述利用所述相关系数矩阵和自增减趋势矩阵，对高压直流断路器运行状态进行推衍，包括：将高压直流断路器特征参量在当前时刻的相关系数矩阵和自增减趋势矩阵的乘积与高压直流断路器在当前时刻的特征值矩阵的加和作为高压直流断路器在当前时刻之后一个时刻的特征值矩阵；其中，所述高压直流断路器在当前时刻之后一个时刻的特征值矩阵表征所述高压直流断路器在当前时刻之后一个时刻的运行状态。 11.如权利要求2所述的方法， 其特征在于，所述初始特征量集合的特征维度包括但不限于：热故障、电压耐受击穿故障、电气回路故障、暂态故障、二次系统故障、水冷系统故障和供能系统故障；所述热故障下特征参量包括但不限于： IGBT结温、机械开关触头温度、子模块温度、MOV过热保护动作、过热告警和保护动作信息；所述电气回路故障下的特征参量包括但不限于：子模块电压、子模块电流、主支路电流、转移支路电流、避雷器漏电流、主支路异常状态信息、转移支路异常状态信息和耗能支路异常状态信息；所述暂态故障下的特征参量包括但不限于：系统电压、系统电流、分断电流、分断时间、耗散能量、快速机械开关异常状态和换流超时；所述二次系统故障下的特征参量包括但不限于：通信异常信息、保护动作信息和控制异常信息；所述水冷系统故障下的特征参量包括但不限于：水冷系统故障状态和漏水检测装置告警；所述供能系统故障下的特征参量包括但不限于：供能系统故障信息。 12.一种高压直流断路器运行状态推衍系统，用于如实现权利要求1所述的方法，其特征在于，所述系统包括：采集模块，用于采集高压直流断路器的特征子集中各特征参数的特征值；计算模块，用于基于所述特征值，分别计算高压直流断路器特征参量的相关系数矩阵和自增减趋势矩阵；推衍模块，用于利用所述相关系数矩阵和自增减趋势矩阵，对高压直流断路器运行状态进行推衍；其中，所述高压直流断路器的特征子集，是基于最大相关原则、最小冗余原则、多准则赋权排序算法和关联算法，对高压直流断路器的初始特征量集合中的特征参量进行筛选得到的。