[發明專利]一種基于網格多密度聚類的高壓斷路器動作特性分析方法

有效

• 申請號: 201510065533.2
• 申請日: 2015-02-09
• 公開（公告）號: CN104713714B
• 公開（公告）日: 2017-07-28
• 發明（設計）人: 程志萬;趙現平;趙書濤;牛為華
• 申請（專利權）人: 云南電網有限責任公司電力科學研究院
• 主分類號: G01M13/00
• 分類號: G01M13/00
• 代理公司: 昆明大百科專利事務所53106
• 代理人: 何健

技術領域

本發明屬于電力測試技術領域，特別涉及斷路器機械特性測試的方法。

背景技術

作為電力系統中重要的一次設備之一，高壓斷路器一旦發生故障將會危及到整個電力網絡的安全，不可避免會帶來巨大的經濟損失。因此，高壓斷路器的健康狀況已成為業界關注的焦點，及時、準確地診斷出斷路器故障、快速地查出故障原因，從而有依據的進行檢修，具有非常重要的意義。據統計，斷路器拒動、誤動、慢分和三相不同期等機械故障造成惡性事故占總事故的80％以上，而且斷路器主要故障為操動機構故障，本質上由于斷路器的操動機構的特征參數發生了變化，對這些參數進行詳盡準確的分析，可以對斷路器狀態有清晰的了解。然而高壓斷路器操動機構的運動狀態獲取非常復雜，當出現某一種故障時，其機構的狀態特征可能很多，同時，當機構的某一狀態特征發生改變時，其引起的故障原因也可能不唯一。通常僅依靠檢修人員經驗，常采用的是信號比較法，在準確判斷故障及類型上存在大量難題，遠遠不能滿足優化狀態檢修(Optimized Condition Based Maintenance，OCBM)現場需要。

目前，對高壓斷路器的動作特性分析研究主要非為兩大類：一類是采用振動信號進行斷路器的特征分析；一類是采用聲音信號進行斷路器的特征分析。高壓斷路器的動作振動信號一般是由多個瞬時非平穩信號振動事件疊加而成，不同振動波的起始時刻、幅值、頻率、衰減指數代表了斷路器內部振動的基本特征，為了獲取這些特征首先對斷路器每次動作的振動信號進行采集，再利用傅里葉變換、小波變換、短時能量法、小包分解、經驗模態分解等時頻分析方法進行處理。分析高壓斷路器聲音信號的變化能夠發現傳動機構卡澀、潤滑不足等故障，通常采用的方法是雙譜分析、希爾伯特-黃變換分析等方法。振動信號和聲音信號包含了高壓斷路器運行中的隱患或故障信息，對其進行分析可對斷路器的機械故障進行一定的分析，但測試環境中的各種干擾同時會影響信號分析結果，需要對斷路器進行多方位、多角度特別是非接觸式的分析。

發明內容

本發明采用主元分析和網格多密度聚類相結合的方法對斷路器運動狀態進行評估，利用數字圖像處理和數字信號處理技術獲取斷路器傳動部件的運動軌跡，實現對高壓斷路器機械運動的非接觸式測量和分析，融合斷路器運動過程中的振動信號、聲音信號以及電信號等多種特征，提出了一種四位一體的斷路器健康狀態評估新方法，為診斷分析和評估斷路器狀態提供依據和檢測手段。采用的非接觸手段進行監測、測試系統故障和檢修不影響斷路器的操作和正常運行，縮短了高壓斷路器測試時間，提高了測試自動化水平及斷路器設備的運行可靠性。本發明所采用方法適用于各類高壓斷路器的動作特性分析。

實現本發明的技術方案是：

一種基于網格多密度聚類的高壓斷路器動作特性分析方法，本發明特征是,首先對斷路器運動過程中采集到的電信號、視頻信號、振動信號、聲波信號抽取特征指標，然后采用主元分析法對原始特征空間進行降維處理，再利用網格多密度聚類算法對新的特征向量進行聚類分析，評估斷路器的健康狀態，最后根據斷路器狀態與特征向量之間的緊密度關系給特征向量重新確定權重，建立具有反饋能力的故障診斷方法；步驟如下：第一步，采用圖像處理技術，獲取在高壓斷路器動作時機械參數，融合振動信號、聲波信號以及電信號，對各種信號進行分析處理，獲取所需的特征向量；第二步，將獲取的特征向量經主元分析法選定d個主要特征向量構成d維數據空間；第三步，將由斷路器運動參數構成的d維數據空間的每一維劃分為k個不相交的區間段，而且每個區間都是左閉右開的等長段，形成kd個網格單元；第四步，對劃分好的kd個網格單元進行初始化，將所有的斷路器運動參數樣本進行掃描并將這些數據集中的點映射到網格數據空間中，計算每個網格單元中斷路器樣本數據的數目，通過計算比較選取網格單元中數據樣本個數的最大值；第五步，調用密度閾值處理方法，計算閾值MinPts；第六步，逐個檢查每一個網格單元,若某個網格單元中樣本的個數大于MinPts，則標記該單元為高密度單元，否則標記該單元為低密度單元；第七步，對所有已標記的高密單元進行聚類即相鄰高密單元合并，若低密度單元鄰接高密度單元也進行并入高密度單元聚類,若低密度單元鄰接的是低密度單元則單獨作為一類，統計經聚類后類的個數，若類的個數不滿足需求則修改密度閾值MinPts，繼續聚類；第八步，對于新的斷路器運動參數樣本特征向量，利用相鄰相似性對新的樣本進行類別判斷，評估斷路器的故障類型；第九步，根據新的聚類結果修改各個特征指標權重，為下一次聚類做好準備。