基于分合闸线圈电流的断路器状态在线监测系统研究及应用

高压断路器故障的原因主要集中在其机械特性方面,断路器的分合闸线圈及储能电机的电流波形可反映铁芯卡滞、卡涩等机械特性方面的异常.给出了断路器在线监测装置的整体设计,通过霍尔电流传感器监测分合闸线圈 电流、三相主回路电流和储能电机电流,分析数据并诊断出断路器潜伏性机械故障,为实现高压断路器的状态检修提供了一种有效的技术手段.通过现场对比试验,结果表明该系统各项性能均达到设计要求.该系统在220kV GIS断路器运行良好.     

基于模型法的断路器操动机构数值仿真研究

操动机构故障是高压断路器的主要故障之一。通过对机构的核心元件——分合闸线圈电磁脱扣器与储能电机进行建模,对分-合闸脱扣器和储能电机电流变化进行数学上的解释,并将预期特征与实际特征之差作为新的故障特征,减少了特征大小与外部因素之间的关系。经过仿真与实测样本波形对比,该模型能够有效解释和预测高压断路器中分合闸电磁铁与储能电机的电流波形,为实现精准的故障分类提供了良好的数据预处理基础。     

基于SVM主成分分析的高压断路器分合闸线圈故障诊断研究

拒动是断路器最严重的故障类型之一,可能导致大面积停电事故,而近年来由于分合闸线圈故障导致拒动时有发生,诊断分合闸线圈的运行状态对于保障电网安全具有重要意义。文中以某型号SF6瓷柱式高压交流断路器中的分合闸线圈为研究对象,通过实验模拟电源电压跌落、供电回路接触不良、铁心卡涩、铁心空行程大这几种典型的故障类型,获取正常与故障条件下的分合闸线圈电流波形。进而采用支持向量机(SVM)算法对分合闸线圈故障进行诊断,特别是采用主成分分析法提取电流波形的特征参数作为诊断依据,实现了对故障的有效识别。基于SVM主成分分析的方法可方便构建故障诊断专家系统,以保障分合闸线圈可靠运行。     

基于分合闸线圈电流的某换流站开关故障分析

高压断路器作为常用的电气设备,分合闸线圈是其操动机构的关键部件,线圈电流反映了断路器的运动特性。文中首先介绍了分合闸线圈的结构,阐述了利用检测分合闸线圈电流信号来判断断路器故障的一种新方法,并针对某换流站550 kV断路器的机械故障进行了具体的应用分析,准确诊断了断路器的故障原因。根据分合闸线圈电流提供的状态信息,可以发现高压断路器存在的相关隐患,诊断出断路器的设备状态,提高断路器的状态检测水平,保障电网的安全稳定运行。     

一种基于线圈电流的高压断路器机械故障诊断方法

断路器动作过程中的分/合闸电磁铁线圈电流包含了丰富的断路器状态信息,且线圈电流具有采集方式简单、易于分析且重复性较好的特点;在对线圈电流划分为4个阶段基础上,文中提出一种更加全面的利用线圈电流信息的特征提取方法;试验模拟了5种断路器故障,利用支持向量机建立断路器故障诊断模型,并利用上述方法进行了诊断,结果表明,该方法可以更加准确有效地诊断断路器机械故障。     

一体化集成的智能柱上开关操作机构综合故障诊断方法

配电网的开关设备大多数故障是由其操作机构故障引起的,通过在一体化集成的智能柱上开关上加装传感器,监测获取操作机构的分、合闸线圈和储能电机工作电流,结合环境温湿度等特征信息的变化,提出了一种针对操作机构的多元信息状态监测和故障诊断方法,通过对比同一操作机构的多次电流波纹变化,结合环境温湿度的变化,预测操作机构的性能变化趋势,综合诊断操作机构的性能状态,提前发现潜在的设备故障隐患,给出相对应的检修意见,有助于全面了解开关设备的各项状态指标,降低开关设备的故障率。     

基于机械和电气特性融合的高压断路器故障诊断方法

为解决高压断路器故障诊断精度低的问题,提出了一种基于机械和电气特性融合的高压断路器故障诊断方法,该方法基于机械特性诊断高压断路器故障类型,将电气特性作为故障辅助判别依据,进而实现机械和电气特性融合的故障诊断。首先基于最小欧式距离和相关性原理,建立基于机械特性的高压断路器典型故障库,并基于典型故障特征指标权值计算得到典型故障特征向量相似度;然后分析高压断路器分合闸线圈电流波形阶段特性,在选取得到基于分合闸线圈电流的特征向量后,计算基于电气特性的故障辨识度;最后搭建故障诊断试验平台验证方法的有效性。结果表明,该方法的平均故障诊断精度为93.2%,能够精确诊断高压断路器故障,验证了该方法的有效性。     

基于一维卷积神经网络的低压万能式断路器附件故障诊断

由于低压万能式断路器分合闸附件的线圈回路采用交流供电方式,因此线圈回路合闸相位的随机性会导致同一运行状态下电流信号存在差异。利用传统的智能故障诊断方法可能会造成电流信号故障特征提取不准确,导致故障识别率降低。针对此问题,提出一种基于第一层宽卷积核自适应一维深度卷积神经网络(AW-1DCNN)的故障诊断算法。相较于传统智能诊断方法中存在人工特征提取与故障分类两个阶段,该方法将两者合二为一。首先,考虑到分合闸线圈电流信号的特点,采用一维卷积神经网络模型,并将模型的第一层卷积层的卷积核设为宽卷积核来扩大感受野区域;然后,利用特征提取层对电流信号进行自适应特征提取;最后,利用Softmax分类器输出故障诊断结果。实验结果表明,该算法不仅能对不同相位下同一故障进行有效识别,而且在泛化实验中仍能保持较高的故障识别率,能够有效地克服合闸相位变化对故障诊断结果的影响。     

基于K-S检验法和SVM的高压断路器分合闸线圈回路故障诊断

分合闸线圈回路作为高压断路器分合动作的主控制回路,其正常工作对于高压断路器的可靠性及电力系统的稳定性具有重要的意义。但是在断路器长期的在线运行过程中,分合闸线圈回路往往会出现不同类别的电气故障,影响断路器的正常工作。分合闸线圈回路的状态可以很好地反映在其分合闸线圈电流信号中,通过对断路器分合动作线圈电流信号的采集、处理和分析,可以有效地对分合闸回路进行状态检测。通过对分合闸线圈回路常见的电气故障进行现场试验,获取分合闸线圈电流并提取有效的电流、时间特征参量及其组成的复合特征参量,针对特定的故障类型采用K-S检验法筛选影响因子较高的特征参量作为特征向量,然后通过支持向量机对特征向量进行计算并对分合闸线圈回路进行故障识别。     

高压断路器分合闸线圈工程仿真技术研究

近年来,电力系统断路器操动机构拒动故障频发,严重影响电力系统安全稳定运行。分合闸线圈电流包含了大量的机构状态信息,能够很好反映机构的运行状态。但在实际运行中,不同状态下的分合闸线圈电流数据难以获取,导致无法实现数据的横向对比,也就无法有效通过分合闸线圈电流判断机构状态。为获取分合闸线圈不同状态下的电流曲线,建立了分合闸线圈三维电—磁—运动多物理场耦合模型,同时基于分合闸线圈的试验数据对仿真模型参数进行修正,最后得到的分合闸线圈仿真计算模型精度较高,具有重要的工程应用价值。     

高压断路器分合闸线圈电流采集实验平台与故障模拟实验研究

高压断路器是电力系统的关键设备,分合闸线圈是断路器操动机构的核心部件。近年来,分合闸线圈故障时有发生,严重影响了电力系统的安全性能。文中研究了高压断路器分合闸线圈的回路结构和动作原理,设计了断路器机构模拟样机,搭建了断路器分合闸线圈电流采集试验平台。基于该平台,获取了正常和几种故障情况下的分合闸线圈电流曲线,提取了主要的特征参数并进行了分析,论证了分合闸线圈发生故障时特征参数的变化规律,为基于电流波形诊断分合闸线圈的运行状态提供了依据。     

智能断路器机械特性在线监测技术和状态评估

为了提高智能断路器运行的安全可靠性,笔者首先介绍了一种新型的智能断路器机械特性在线监测和状态评估技术的工作架构。然后具体分析阐释了智能断路器机械特性在线监测的原理,如分合闸线圈电流、储能电机电流、动触头行程—时间特性和辅助接点等状态量。接下来文中提供了一种行之有效的智能断路器状态评估方法,该方法能够从监测的数据和波形中分析出设备的故障信息,并对采集的数据进行了相应的故障诊断,提高了智能断路器运行的安全可靠性。     

液压式高压断路器机械特性在线监测故障几率研究

在智能变电站中,在线监测系统能够实时记录断路器机械特性数据,包括储能电机电流曲线、分合闸线圈电流曲线、分合闸行程曲线等,笔者结合液压式高压断路器机械特性的各种可能故障,分析断路器机械特性故障对在线监测结果的影响,给出了机械特性故障几率的计算方法和实际应用的参数,并通过对断路器故障的模拟,计算了实际的故障几率。这一方法能够实时了解断路器的运行状态,为保障断路器的安全可靠运行提供了重要的技术手段,已经规模化应用于智能变电站实际工程中。     

基于卷积神经网络算法的高压断路器故障诊断

传统的高压断路器故障诊断方法太过于依赖经验,不能准确地反映特征量和故障模式之间的关系,诊断准确度不高。针对这个问题,采用卷积神经网络算法进行高压断路器故障诊断,结合高压断路器分合闸线圈电流特点建立诊断模型,通过输入零点故障特征参数进行学习训练,得到相应故障类型输出。仿真结果表明,所提算法的整体准确率高达93.68%,与其他基于神经网络的算法相比具有很大的优势。     

基于半监督学习的断路器弹簧机构机械特性监测及状态评估技术研究北大核心CSCD

针对断路器弹簧机构机械特性监测及状态识别系统普遍存在监测类型不全、特征值提取单一、判断标准太过绝对等问题,文中提出了基于小波及半监督学习的多特征分析的断路器弹簧操动机构机械状态识别新方法。通过感知元件对分合闸线圈电流、动触头位移等信号进行采集,采用小波算法对信号进行滤波处理,分析断路器弹簧操动机构的分合闸线圈电流、动触头位移等信号与断路器异常状态之间的对应关系,提取特征值,建立半监督学习多分类网络模型,实现断路器弹簧操动机构故障的机械特性监测及状态识别。实验结果验证了此方法具有较高的诊断正确率,对断路器的健康运营具有重要意义。     

基于多参量的高压断路器分/合闸线圈的故障诊断

由于分/合闸线圈电流信号和振动信号的变化均可以反映操动机构的运行状态,因此文中阐述了根据多参量来诊断高压断路器分/合闸线圈故障的一种新方法,以提高高压断路器故障诊断的准确率。文中首先介绍了操动机构电磁铁的动作状态,并分析操动机构电流信号与运行状态的关系,其次设计了一套以NI数据采集卡和实时控制器为核心的硬件电路,最后运用多层小波包分解与重构算法对信号进行滤波,结合极值法对信号进行特征值提取,并采用粒子群优化算法与支持向量机相结合的方法进行状态分类。实验结果表明,文中提出的算法能够及时发现高压断路器运行过程中存在的安全隐患,有效提高高压断路器的运行可靠性。     

基于控制回路的断路器永磁机构故障特征提取方法

为了识别高压断路器故障模式并提取其故障特征,文中以ZNY1-10(6)/630-12.5型高压断路器永磁操作机构为研究对象,分析了断路器分合闸时操作机构的动作过程,在此基础上模拟了操作机构供电电压异常、分合闸线圈老化、触头及连杆机构卡涩、储能电容故障、辅助开关失效5种常见故障,选择控制回路中分合闸线圈电流和电容电压做为监测信号,确定并提取了对应特征量。提出了一种基于模糊理论的断路器故障特征提取算法,获得了故障与特征量变化的对应关系,实现对故障的区分、归类并达到辨识的目的,为高压断路器故障诊断及寿命评估提供了判断依据。     

断路器分合闸线圈电流波形的差异机制研究

高压断路器是电网重要的保护和控制设备,断路器操动机构的缺陷与故障严重影响电力系统的安全稳定运行。分合闸线圈作为断路器操动机构的关键部件,线圈电流包含大量机构运行状态的信息。为深入探索造成分合闸线圈电流波形差异的原因,文中通过在实际断路器上的缺陷与故障模拟研究,对影响断路器分合闸线圈电流的因素进行了深入分析,区分出由于断路器本体特征和环境特征不同,造成的断路器个体之间的分合闸线圈电流的指纹特征差异。同时重点分析4种不同机构缺陷情况下线圈电流的变化特征,据此提出了基于分合闸电流波形的断路器机构状态评估关键点,为断路器智能化状态评估的实际应用奠定了基础。     

基于K-means和SOM混合算法的高压断路器操作机构状态评估

为诊断高压断路器操作机构故障,文中基于分合闸线圈电流曲线,提出了采用K-means与SOM神经网络相结合的混合算法,对断路器操作机构进行状态评估。对某批次252 k V高压断路器操作机构进行分合闸线圈电流数据采集;建立了K-means与SOM神经网络相结合的混合算法模型;对测试的断路器操作机构进行状态分析。结果表明,混合算法能够将操作机构不同状态进行聚类,可将相同故障分在同一类别。并将混合算法模型与SOM神经网络模型和K-means模型作比较,结果表明,混合算法模型在计算速度和聚类准确率上都优于其他两种模型。     

10kV真空断路器未储能合闸闭锁技术

为解决在实际运行中弹簧储能操作机构的10 kV真空断路器常发生合闸弹簧未储能就进行合闸操作而烧毁合闸线圈的故障,提出了在断路器合闸回路中串接控制弹簧储能电机工作的行程开关常开接点的未储能合闸闭锁技术。如合闸弹簧储能,则行程开关常开接点闭合进行合闸操作;如未储能,则自动合闸闭锁,防止烧毁合闸线圈。实际运行验证该技术原理正确、工作可靠,能避免未储能合闸操作的故障,可广泛应用。