基于变分模态分解的高压断路器合分闸线圈电流特征值提取

高压断路器合分闸线圈电流中含有大量信息,监测和分析线圈电流信号对于高压断路器故障检测和诊断意义重大。文中提出基于变分模态分解的方法提取线圈电流特征值,采用变分模态法分解断路器合分闸线圈电流信号,并对所得到的经验模态分量求其中心频率,根据频谱中峰值所对应的时间点,提取线圈电流信号的特征值。实验结果表明：使用该方法能够准确且有效地提取合分闸线圈电流信号的特征值。     

高压断路器分合闸线圈电流信号特征提取与故障判别方法研究

高压断路器分合闸线圈电流信号特征提取在故障识别、检测及诊断方面都有重要的意义。文中提出采用小波分析与时域求极值点相结合的方法来获取高压断路器分合闸线圈电流信号特征值,并根据该特征值对断路器的故障判别方法做了探索性研究。实验结果表明,电流信号特征值提取方法是有效的,故障识别方法正确。     

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EEMD和卷积神经网络的高压断路器故障诊断

高压断路器分合闸线圈的电流信号蕴含着丰富的断路器操动机构状态信息,对操动机构故障诊断具有重大意义.首先,文中通过集合经验模态分解(ensemble empirical mode decomposition,EEMD)具备的检测突变点性能确定有效分合闸线圈电流信号段,并对其进行EEMD自适应降噪处理.其次,运用时域求极值...     

一种便携式高压断路器机械特性测试仪设计

传统的高压断路器特性测试平台存在操作流程多、接线复杂及成本高等问题,提出了一种基于TMS320F28335的便携式高压断路器机械特性测试仪的设计方案。测试仪利用霍尔电流传感器GSM010-GT检测合(分)闸线圈电流信号,利用直线位移传感器TS-0050检测动触头行程,并运用16 bit高准确度A-D转换器AD7606采集上述信号,实现合(分)闸线圈电流、动触头行程等参数的测量,同时利用光耦电路采集断口合分状态,实现断路器合分闸时间、合分闸同期性参数测量。此外,系统扩展了LCD显示、SD卡存储及DS1302时钟电路,参数测量结果可直观显示在LCD上,并实现大批量测量参数及测量时刻的SD卡存储。最后,以ABB的VD4/CX真空断路器为测试对象,其测试结果表明,该测试仪能准确地测量断路器的机械特性参数,从而为判断断路器的性能提供可靠依据。     

基于线圈电流和触点状态的断路器故障分析

介绍了一种基于线圈电流信号与触点状态的高压断路器故障诊断专家系统。首先,分析了高压断路器的操作过程,并根据其操作特性提取隐含在线圈电流和触点状态中的有效信息;其后,在找出特征参数与断路器状态对应关系的基础上,设计了基于规则的断路器故障诊断专家系统;最后,以锁勾润滑不足、分闸线圈故障2种故障为实例,分析专家系统的推理过程。经试验验证,该专家系统可以准确地诊断出断路器多种故障,并在目前断路器维护现状的基础上给出合理的检修建议。     

基于样条插值和线性拟合分析的高压断路器弹簧机构状态检测

为了有效检测弹簧机构高压断路器的运行状态,文中从高压断路器分合闸线圈的典型电流波形出发,提出了一种基于样条插值和多尺度线性拟合的电流信号特征提取方法。该方法将电流波形极值点对应的时间和电流大小作为特征,首先使用三次样条插值对电流波形进行平滑,然后将信号按设定的较大长度分为若干段,对每一段进行最小二乘拟合,根据每一段信号的趋势,定位极值点的大致位置,在极值点的大致区间内,缩小尺度进行拟合,重复这个过程至极值点所在区间足够小,在此区间寻找极大值点或极小值点,作为信号的特征点。最后应用文中所提方法对某变电站高压断路器的运行状态进行检测。结果表明:文中所提方法能快速、准确提取实际断路器分合闸线圈电流特征,实现断路器的状态有效检测。     

基于模糊RBF神经网络的高压断路器机构故障诊断

为了快速准确诊断高压断路器是否发生操作机构故障,文章提出了一种基于模糊RBF神经网络的高压断路器机构故障诊断方法。该方法首先分析高压断路器的分(合)闸线圈电流,提取时间和电流特征参数t_1、t_2、t_3、t_4、t_5、I_1、I_2、I_3,然后在RBF神经网络增加模糊化层,对特征参数进行相对模糊化运算,最后将模糊化后的特征参数输入到RBF神经网络进行故障识别、分类。该方法以ABB VD4高压断路器的88组实验数据为训练样本建立4种高压断路器操作机构的模糊RBF神经网络故障诊断模型,12组测试样本来验证其准确性,实验结果显示,模糊RBF神经网络高压断路器的故障诊断模型能够准确的诊断出故障类型,其准确率达到99%,具有良好的实用性。与基于模糊BP神经网络的故障诊断方法相比,该方法收敛速度快,训练时间短,均方差较小,为0.107 3。     

基于小波变换—振动起始时刻分析的高压断路器故障诊断方法

高压断路器是电网中最关键的电气设备之一,一旦发生故障,将严重威胁电网的安全与稳定运行,因此,开展高压断路器故障诊断方法的研究具有实际工程价值。为避免振动特征量的计算复杂,文中提出一种基于小波变换和振动起始时刻分析的高压断路器故障诊断方法,采用小波变换和突变信号起始点提取方法对断路器的振动信号进行振动起始时刻特征量提取;以振动起始时刻作为指纹特征对断路器故障分析,提高了运算速度及特征提取准确性。在实验室利用该方法对模拟电压波动故障和分闸电磁铁故障进行处理分析,结果表明,当振动起始时刻整体偏移在-2 ms至24 ms范围以内,可判定断路器操作电压在合理波动范围内,超过此范围则表示断路器故障可能性较大;同时可诊断出由分闸电磁铁心松动造成的动静铁心间距变大的缺陷,从而验证了该方法的正确性与有效性。     

基于特征分类算法的GIS故障诊断方法研究

针对高压断路器操动机构故障监测问题,提出了一种基于核主成分分析和支持向量机的气体绝缘开关故障检测方法,利用核主成分分析对分(合)闸线圈电流波形的特征值进行降维,然后将降维后的特征值输入多类分类SVM进行故障诊断和分类。通过实际样本的实验,验证了算法的准确性和可靠性,并通过参数讨论,测算了最优的分类参数。     

改进随机森林法在断路器机械故障诊断中的应用

高压断路器机械故障时有发生,严重影响设备及电力系统的安全稳定运行.针对目前高压断路器机械故障诊断准确率不理想的现状,将改进后的随机森林方法应用于高压断路器机械故障诊断.结合高压断路器分合闸线圈电流信号的原理分析,提取出可有效反映断路器机械故障的相应特征量,建立高压断路器机械故障诊断模型,通过不同噪声干扰强度下高压断路器...     

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

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...     

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。     

基于谱峭度分析和粒子群Kmeans算法的高压断路器故障诊断研究

为满足电网对高压断路器高效诊断要求,提出一种谱峭度分析和粒子群K均值算法(PSO-Kmeans)相结合的故障诊断方法。该方法首先对正常状态和故障状态振动信号进行快速Kurtogram谱峭度分析,得到谱峭度指标最大中心频率和相应频率分辨率,据此设计带通滤波器对信号进行去噪;对去噪后的信号进行小波分解,提取小波包能量熵作为特征量;进一步采用PSO-Kmeans对特征量进行聚类分析。实验结果表明:改进谱峭度分析法弥补了传统带通滤波器参数确定的不足,提升去噪效果;去噪与PSO-Kmeans算法相结合的诊断方法克服了传统Kmeans易受初始聚类中心影响的缺点,聚类效果良好且精度高于传统算法,证实该方法适用于高精度高压断路器机械故障诊断。     

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。     

基于优化型SVM的高压断路器故障诊断方法研究

为准确评估高压断路器的运行状态,提出了一种基于分合闸线圈电流的断路器故障诊断方法。首先提取断路器分合闸线圈电流时间和电流值,并将其作为局部特征;然后对电流信号数据求取均值、标准差、峭度以及能量值并作为全局特征,由局部特征和全局特征组成综合特征;再利用PCA(主分量分析)法对特征矩阵进行降维处理,获得主分量特征;最后构建SVM(支持向量机)的训练样本集,获得SVM决策函数,实现断路器运行状态分类。利用该方法对断路器4种运行状态进行试验分析,结果表明该方法能够有效识别断路器不同故障状态。     

高压断路器状态参数测试仪的研制

为了准确测试断路器状态参数以提高电力系统的可靠性,提出了线圈电流信号的小波变换处理方法,利用对瞬时信号反应灵敏的霍尔电流传感器进行断路器合、分闸线圈电流信号的测试,使用高精度光电编码器及复杂可编程逻辑器件实现动触头行程信号的精确测量。本测试仪采用多CPU分立采集处理、中央控制器集中控制的结构,创建了安全数码存储卡文件系统进行数据的存储、管理及查询。实际应用表明,该系统能很好实现各参数的精确测量及数据的高效管理。     

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。     

高压断路器机械特性振动信号特征提取和故障诊断方法研究

针对高压断路器机械振动信号,在正常状态、分闸弹簧单根脱落状态和操作及传动机构卡涩状态下,采用模糊C聚类分析算法比较短时傅里叶变换、小波包能量熵和希尔伯特—黄变换3种特征提取方法的分类性能,提出了基于相关向量机理论的断路器机械特性故障诊断方法,搭建了数据采集系统,研究了断路器机械特性不同状态下信号特征值的变化规律,并通过实验证明了特征提取和故障诊断方法的有效性。     

一种断路器分合闸线圈保护的方案

通过分析断路器分(合)闸线圈容易烧毁的现象,在深入研究国内外断路器分合闸控制回路的基础上,提出了一个切实可行的解决方案,该方案能实现对断路器跳闸、合闸线圈的保护,能进行二次分(合)闸,还具有故障记录及相关信号出口功能.