本發明涉及列車車載供電系統的，特別涉及一種列車車載供電系統的接地絕緣狀態識別方法及系統。

背景技術：

1、列車車載供電系統為列車上的各種用電負載提供電源，隨著服役時間的增加，列車車載供電系統容易受到設備老化和環境因素的影響，從而發生電氣故障，這類故障可能導致乘車體驗不佳，甚至引發安全問題，為了確保列車的安全可靠運行，并為乘客提供舒適的乘車體驗，高效可靠的故障診斷方法變得尤為重要。

2、近年來，接地故障診斷研究主要集中在輸電系統中輸電線路的接地故障，與此不同的是，列車車載供電系統直接與多個變流器模塊相連，幾乎沒有輸電距離，其接地故障主要是由于變流器系統中不同位置的絕緣劣化引起的接地異常，在準確且快速地識別和定位列車車載供電系統中的接地故障方面的研究尚未成熟。

3、現有技術公開了一種基于時序特征的電力機車供電系統接地故障定位識別方法，該方法利用歷史系統信號數據構建具有故障定位區分度的特征向量，提取滑窗內的特征指標，附帶時序特征，提高故障類型可區分度，減少噪聲干擾，通過機器學習構建接地故障定位模型，挖掘特征與故障類型的非線性關系，實現故障定位，但該方案沒能進一步得出接地絕緣電阻的大小評估系統接地故障的嚴重程度；現有技術還公開了一種接地絕緣狀態的評估方法，該方法先獲取運行參數和狀態，基于所述運行參數和狀態判斷是否存在接地故障；若是，基于所述運行參數和狀態得到特征指標數據和工況信息；基于所述特征指標和所述工況信息得到故障類型；基于所述故障類型得到接地絕緣電阻；基于所述接地絕緣電阻評估所述接地絕緣狀態，但該方法在進行故障分類判斷的過程中采用通過不等式關系的決策樹進行判斷，難以應對噪聲和不確定性，缺乏自適應能力，實時故障診斷精度低；同時得到的接地絕緣電阻僅通過物理模型計算得到，受信號的波動干擾影響大，導致電阻預測誤差大，從而影響接地絕緣狀態識別精準性。

技術實現思路

1、為解決上述現有技術存在抗干擾能力差，實時故障診斷精度低，電阻預測誤差大，導致接地絕緣狀態識別精準性差的問題，本發明提出一種列車車載供電系統的接地絕緣狀態識別方法及系統，有效地提高抗干擾能力和故障診斷精度，降低電阻預測誤差，保證接地絕緣狀態識別精準性。

2、為了達到上述技術效果，本發明的技術方案如下：

3、一種列車車載供電系統的接地絕緣狀態識別方法，所述方法包括以下步驟：

4、s1.獲取列車車載供電系統正常狀態下直流母線電壓與接地檢測電壓的關系；

5、s2.在不同接地故障位置下，基于所述直流母線電壓與所述接地檢測電壓的關系，構建特征變量，并根據所述特征變量分別構建特征向量集和分類使能機制；

6、s3.基于分類使能機制，判斷列車車載供電系統是否處于故障狀態，若是，則執行s4；若否，則處于正常狀態；

7、s4.利用所述特征向量集，構建不同接地故障狀態下特征向量的總數據集；

8、s5.將所述總數據集作為預設的接地故障分類模型的輸入，由所述接地故障分類模型輸出接地故障發生位置；

9、s6.基于所述接地故障發生位置，選擇所述接地故障發生位置對應的電壓信號作為預設的故障接地電阻實時預測模型的輸入，輸出故障接地電阻的實時預測結果；

10、s7.根據故障接地電阻的實時預測結果，識別列車車載供電系統的接地絕緣狀態。

11、優選地，s1所述獲取列車車載供電系統正常狀態下直流母線電壓udc與接地檢測電壓ujd的關系的計算表達式如下：

12、

13、s1還包括獲取不同接地故障位置下故障接地電阻與直流母線電壓udc、接地檢測電壓ujd的關系。

14、優選地，s2所述基于所述直流母線電壓與所述接地檢測電壓的關系，構建特征變量的計算表達式如下：

15、

16、根據所述特征變量構建所述特征向量集的計算過程包括：

17、

18、其中，表示第k時刻一個滑動窗口周期內特征變量f的均值，n表示一個滑動窗口內的總采樣點數，，表示第k時刻一個滑動窗口周期內特征變量f的方差，表示接地檢測電壓ujd在頻率f上的復頻譜值，表示接地檢測電壓ujd的第i個采樣點的值，表示諧波幅值，表示接地檢測電壓ujd在m倍頻率f上的復頻譜值，表示總諧波畸變。

19、優選地，所述分類使能機制包括：

20、基于所述特征變量f，計算所述特征變量f的累積偏差sk如下公式：

21、

22、其中，e表示特征變量f的均值，v表示特征變量f的方差；

23、判斷所述累積偏差sk是否大于故障閾值h，若是，則列車車載供電系統處于故障狀態；若否，則列車車載供電系統處于正常狀態。

24、優選地，所述利用所述特征向量集，構建不同接地故障狀態下特征向量的總數據集d的計算表達式如下：

25、

26、其中，表示滑動窗口周期內直流環節正極接地故障的特征向量集，表示滑動窗口周期內直流環節正極接地故障的特征變量f的均值，表示滑動窗口周期內直流環節正極接地故障的特征變量f的方差，表示直流環節正極接地故障的諧波幅值，表示直流環節正極接地故障的總諧波畸變；表示滑動窗口周期內直流環節負極接地故障的特征向量集，表示滑動窗口周期內直流環節負極接地故障的特征變量f的均值，表示滑動窗口周期內直流環節負極接地故障的特征變量f的方差，表示直流環節負極接地故障的諧波幅值，表示直流環節負極接地故障的總諧波畸變；表示滑動窗口周期內電抗器前端接地故障的特征向量集，表示滑動窗口周期內電抗器前端接地故障的特征變量f的均值，表示滑動窗口周期內電抗器前端接地故障的特征變量f的方差，表示電抗器前端接地故障的諧波幅值，表示電抗器前端接地故障的總諧波畸變；表示滑動窗口周期內rc輸入正極接地故障的特征向量集，表示滑動窗口周期內rc輸入正極接地故障的特征變量f的均值，表示滑動窗口周期內rc輸入正極接地故障的特征變量f的方差，表示rc輸入正極接地故障的諧波幅值，表示rc輸入正極接地故障的總諧波畸變；表示滑動窗口周期內rc輸入負極接地故障的特征向量集，表示滑動窗口周期內rc輸入負極接地故障的特征變量f的均值，表示滑動窗口周期內rc輸入負極接地故障的特征變量f的方差，表示rc輸入負極接地故障的諧波幅值，表示rc輸入負極接地故障的總諧波畸變。

27、優選地，所述接地故障分類模型包括依次連接的輸入層、卷積層、池化層、第一全連接層和輸出層，所述卷積層的卷積核大小為3×33，所述池化層為最大池化，池化窗口大小為2×22，所述第一全連接層節點數為50，所述輸出層為6維，所述輸出層的激活函數為softmax。

28、優選地，采用反向傳播和梯度下降法對所述接地故障分類模型進行訓練，直至訓練輪次達到預設閾值或損失函數達到收斂，則所述接地故障分類模型訓練結束，得到訓練好的接地故障分類模型。

29、優選地，所述故障接地電阻實時預測模型包括多個第二全連接層，每一個第二全連接層設有64個神經元，并采用relu激活函數輸出。

30、優選地，所述故障接地電阻實時預測模型在訓練過程使用的總損失函數如下：

31、

32、其中，表示總損失函數，表示數據誤差，表示第一物理約束誤差，表示第一物理約束誤差的權重系數，表示第二物理約束誤差，表示第二物理約束誤差的權重系數，表示第三物理約束誤差，表示第三物理約束誤差的權重系數，表示第四物理約束誤差，表示第四物理約束誤差的權重系數，表示第五物理約束誤差，表示第五物理約束誤差的權重系數。

33、本發明還提出了一種列車車載供電系統的接地絕緣狀態識別系統，所述接地絕緣狀態識別系統基于所述的列車車載供電系統的接地絕緣狀態識別方法實現，包括：

34、獲取模塊，用于獲取列車車載供電系統正常狀態下直流母線電壓與接地檢測電壓的關系；

35、第一構建模塊，用于在不同接地故障位置下，基于所述直流母線電壓與所述接地檢測電壓的關系，構建特征變量，并根據所述特征變量分別構建特征向量集和分類使能機制；

36、判斷模塊，用于基于分類使能機制，判斷列車車載供電系統是否處于故障狀態；

37、第二構建模塊，用于在列車車載供電系統處于故障狀態時，利用所述特征向量集，構建不同接地故障狀態下特征向量的總數據集；

38、接地故障分類模塊，用于將所述總數據集作為預設的接地故障分類模型的輸入，由所述接地故障分類模型輸出接地故障發生位置；

39、故障接地電阻實時預測模塊，用于基于所述接地故障發生位置，選擇所述接地故障發生位置對應的電壓信號作為預設的故障接地電阻實時預測模型的輸入，輸出故障接地電阻的實時預測結果；

40、接地絕緣狀態識別模塊，用于根據故障接地電阻的實時預測結果，識別列車車載供電系統的接地絕緣狀態。

41、與現有技術相比，本發明技術方案的有益效果是：

42、本發明提出一種列車車載供電系統的接地絕緣狀態識別方法及系統，首先通過獲取正常狀態下列車車載供電系統直流母線電壓與接地檢測電壓的關系，結合不同接地故障位置下的多維度特征變量提取構建特征向量集和分類使能機制，顯著提升了系統抗干擾能力；然后通過分類使能機制確認列車車載供電系統故障后，構建不同接地故障狀態下特征向量的總數據集，將總數據集作為預設的接地故障分類模型的輸入，輸出接地故障發生位置，實現了基于數據驅動的故障分類，有效提高了接地故障發生位置的實時診斷精度；接著，通過選擇所述接地故障發生位置對應的電壓信號作為預設的故障接地電阻實時預測模型的輸入，輸出故障接地電阻的實時預測結果，有效減少了電阻的預測誤差，保證故障接地電阻的實時預測結果的準確性；進一步，根據故障接地電阻的實時預測結果，識別列車車載供電系統的接地絕緣狀態，有效提高了接地絕緣狀態識別精準性。