[發(fā)明專利]高壓斷路器在線監(jiān)測與故障診斷方法

在審

• 申請?zhí)枺?/td>: 202111464113.3
• 申請日: 2021-12-03
• 公開（公告）號: CN114355182A
• 公開（公告）日: 2022-04-15
• 發(fā)明（設(shè)計）人: 楊會民;郭志剛;陽薇;孔波
• 申請（專利權(quán)）人: 國網(wǎng)黑龍江省電力有限公司檢修公司;國家電網(wǎng)有限公司
• 主分類號: G01R31/327
• 分類號: G01R31/327
• 代理公司: 哈爾濱東方專利事務(wù)所 23118
• 代理人: 陳曉光

高壓斷路器在線監(jiān)測與故障診斷方法。單一不能實(shí)時準(zhǔn)確器進(jìn)行故障預(yù)警和告警，且不能有效區(qū)分電網(wǎng)故障還是互感器自身故障。本發(fā)明包括如下步驟：采集電流互感器內(nèi)氣體壓強(qiáng)和溫度并計算電流互感器內(nèi)的氣體摩爾數(shù)量，對電網(wǎng)運(yùn)行數(shù)據(jù)中的溫度值、電壓值、光功率計數(shù)值進(jìn)行判斷，對正常運(yùn)行狀態(tài)探測器的輸出波形信號進(jìn)行采集和分析，提取正常波形參數(shù)；對電網(wǎng)運(yùn)行數(shù)據(jù)中的計量通道數(shù)據(jù)和保護(hù)通道數(shù)據(jù)分別進(jìn)行小波變換，然后對小波變換后的數(shù)據(jù)分別進(jìn)行奇異值檢測獲得相應(yīng)奇異值。本發(fā)明用于高壓斷路器在線監(jiān)測與故障診斷。

技術(shù)領(lǐng)域

本發(fā)明涉及一種高壓斷路器在線監(jiān)測與故障診斷方法。

背景技術(shù)

高壓斷路器在配電網(wǎng)系統(tǒng)中起著控制及保護(hù)的雙重作用，故對高壓斷路器進(jìn)行故障診斷意義重大。當(dāng)前已經(jīng)提出多種診斷方法，但仍存在一些問題和一定的局限性，如專家系統(tǒng)需要豐富的專家經(jīng)驗(yàn)知識，而這時比較難以獲?。簧窠?jīng)網(wǎng)絡(luò)易陷入局部最優(yōu)；SVM是二分類算法，其多分類算法，如一對一SVM存在分類重疊和不可分類的情況；而ELM雖然訓(xùn)練速度比較快，但是所訓(xùn)練模型診斷的穩(wěn)定性卻要差一些。此外，現(xiàn)有智能故障診斷方法大都對無標(biāo)簽樣本的利用率較低，并且學(xué)習(xí)能力具有局限性，可擴(kuò)展性比較差。而深度學(xué)習(xí)作為第三代神經(jīng)網(wǎng)絡(luò)，具有較強(qiáng)地從大量無標(biāo)簽樣本中提取特征的能力；同時由于其多層的復(fù)雜結(jié)構(gòu)及逐層訓(xùn)練的穩(wěn)定性，能夠?qū)Υ髷?shù)據(jù)量樣本進(jìn)行訓(xùn)練，順應(yīng)了大數(shù)據(jù)時代的潮流，具有廣闊的應(yīng)用前景。

目前使用的高壓斷路器故障診斷方法有許多，如神經(jīng)網(wǎng)絡(luò)算法、遺傳算法、支持向量機(jī)等。這些算法的基本思想是以高壓斷路器各種狀態(tài)下的特征信息建立訓(xùn)練樣本，再利用各類智能算法來構(gòu)建起訓(xùn)練模型，最后將新采集的故障特征信息輸入訓(xùn)練模型以得到診斷結(jié)果。這些智能算法雖然在高壓斷路器診斷中起著一定的作用，但是當(dāng)訓(xùn)練樣本數(shù)量較多且輸入輸出關(guān)系較為復(fù)雜時，往往存在著計算量大且不易收斂的問題，從而影響了故障診斷的有效性和準(zhǔn)確性。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種高壓斷路器在線監(jiān)測與故障診斷方法。

上述的目的通過以下的技術(shù)方案實(shí)現(xiàn)：

一種高壓斷路器在線監(jiān)測與故障診斷方法，該方法包括如下步驟：

步驟一：通過各種傳感器進(jìn)行信號采集，并對相應(yīng)的信號分別進(jìn)行預(yù)處理；

步驟二：取高壓斷路器合閘線圈電壓、合閘線圈電流、合閘線圈絕緣電阻、失壓脫扣線圈狀態(tài)、過載保護(hù)動作狀態(tài)、過流保護(hù)動作狀態(tài)、欠壓保護(hù)動作狀態(tài)作為特征變量，采集各類不同故障狀態(tài)下各特征變量的值，從而建立起故障診斷訓(xùn)練數(shù)據(jù)集；

步驟三：采用逐層無監(jiān)督貪婪學(xué)習(xí)算法對模型中RBM進(jìn)行預(yù)訓(xùn)練；

步驟四：采用遺傳算法對整個模型進(jìn)行微調(diào)，即模型參數(shù)尋優(yōu)；

步驟五：將步驟四訓(xùn)練獲得的高壓斷路器故障診斷模型對步驟二中的測試集樣本進(jìn)行故障分類，得出故障分類結(jié)果，并統(tǒng)計模型診斷準(zhǔn)確率。

所述的高壓斷路器在線監(jiān)測與故障診斷方法，所述的不同故障狀態(tài)包括：斷路器過載、調(diào)速器失靈、合閘控制回路故障、合閘線圈匝間短路、合閘線圈匝間斷路、失壓脫扣線圈跳閘、機(jī)械故障。

所述的高壓斷路器在線監(jiān)測與故障診斷方法，所述的步驟二中采集高壓斷路器上的分合閘線圈的電流信號，并從所述分合閘線圈的電流信號中提取電流特征數(shù)據(jù)的步驟，包括：

控制所述高壓斷路器上安裝的預(yù)設(shè)傳感模塊采集所述高壓斷路器在不同操作狀態(tài)下的分合閘線圈的電流曲線，其中，所述電流曲線中包含時間信息和電流信號；

獲取所述電流曲線中的電流信號，并提取電流信號中的電流特征值，得到所述電流特征數(shù)據(jù)。

所述的高壓斷路器在線監(jiān)測與故障診斷方法，所述的步驟三的具體過程為：計算新采集的高壓斷路器故障特征向量與步驟二中得到的各聚類的數(shù)據(jù)中心的歐式距離，將具有最小距離的聚類作為其所屬聚類；

選擇其所屬聚類中與其距離最近的K＇個近鄰元素，并計算近鄰元素與所屬聚類數(shù)據(jù)中心的距離平方和；