[發明專利]基于分合閘線圈電流信號的斷路器故障診斷方法

有效

• 申請號: 201310273548.9
• 申請日: 2013-07-01
• 公開（公告）號: CN103336243A
• 公開（公告）日: 2013-10-02
• 發明（設計）人: 梅軍;鄭建勇;梅飛;張思宇;王逸萍
• 申請（專利權）人: 東南大學
• 主分類號: G01R31/327
• 分類號: G01R31/327
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

技術領域

本發明屬于電工技術領域，涉及粒子群算法、模糊C-均值聚類算法以及支持向量機算法，為一種用于在線診斷斷路器故障的方法。

背景技術

高壓斷路器作為電力系統中重要的保護與控制設備，它的可靠運行能夠使得整個電網系統安全穩定運行。因此，保證斷路器的正常工作是確保電網安全穩定運行的基礎。要提高高壓斷路器運行的可靠性，一方面要不斷地提高高壓斷路器的生產質量，另一方面，要加強對高壓斷路器的檢修工作，盡可能避免故障的發生。因為傳統的定期檢修需要大量的人力物力，隨著科技技術的進步，傳統的定期檢修方式逐步被狀態檢修所代替，通過狀態檢修可以及時了解斷路器的工作狀態，減少不必要的停電檢修，從而提高運行的可靠性以及經濟性。

統計數據表明真空斷路器的操動機構發生故障的概率比較高，因此機械故障的監測和診斷在在線監測中占了重要作用。一般斷路器故障診斷技術是通過采集斷路器動作數據，經信號處理手段提取特征參數，最后由智能算法建立診斷或預測模型，對斷路器工作狀態進行評估。在此方面許多的研究成果已經應用于實際。如利用人工神經網絡（ANN）結合專家系統應用于斷路器故障診斷、利用小波包-特征熵用于故障信號特征提取并用神經網絡進行故障識別、利用將小波包及經驗模態分解（EMD）用于振動信號的特征分析并以支持向量機（SVM）建立故障診斷模型、利用人工免疫網絡建立在線自學習診斷模型、利用核主元分析（KPCA）及SVM診斷模型判斷斷路器控制回路故障、利用數據挖掘手段對斷路器合閘線圈電流特征量進行處理來得到模式識別結果、利用小波變換處理斷路器振動信號并用于狀態監測、利用零相位時頻熵方法處理振動信號用于故障診斷等。這些成果在一定程度上反映了國內外故障診斷技術的發展現狀。

故障診斷實質上是一種故障信息的識別與分類問題。目前較為通用的做法是將正常狀態下與故障狀態下的特征信息建立訓練樣本，利用人工智能算法建立訓練模型，再將所采集的特征信息輸入訓練器得到最終的診斷結論。由于電氣控制盒輔助回路工作電壓等級低，易于安裝傳感器，且利用分合閘線圈電流能夠檢測到多種故障，因此可以選擇其作為特征提取的合適對象。

此外，因為故障診斷的核心算法是故障信息的識別和分類問題，由于傳統的聚類算法容易陷入局部最優化問題而導致誤分類，使得最終的診斷結果不可靠，如何發明一種高可靠的新的診斷算法成為亟需解決的課題。

發明內容

發明目的：本發明的目的是提出一種分類的正確率高，診斷結果誤判小的斷路器故障診斷方法。

技術方案：本發明的技術方案為：

基于分合閘線圈電流信號的故障診斷方法，包括以下幾個步驟：

步驟1、在真空斷路器上安裝分合閘線圈電流傳感器，電流傳感器為霍爾傳感器；

步驟2、模擬5類真空斷路器故障，利用霍爾傳感器采集真空斷路器分合閘線圈的電流大?。?/p>

步驟3、提取線圈電流的特征值數據，包括5個特征時刻點t₁,t₂,t₃,t₄,t₅，令t₀=0作為參照點計算時間參數，以及三個特征電流值i₁,i₂,i₃，將所有的采集到的故障數據都提取8個特征值構造特征空間，原始故障數據集；