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。     

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。     

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。     

高压断路器合(分)闸线圈电流信号特征值提取方法研究

高压断路器合(分)闸线圈电流信号在故障识别、检测及诊断方面有重要意义,正确提取合(分)闸线圈电流信号特征值可为断路器的故障诊断提供依据。首先采用Db4小波基、分解层次为4及Rigrsure阈值策略对合(分)闸线圈电流信号去噪;然后结合小波分析与时域求极值点法对去噪后的电流信号进行特征值提取;最后以ABB VD4高压断路器合(分)闸线圈电流为样本,采用Matlab编程实现电流去噪及特征值提取。结果表明噪声滤除效果较好,并能有效提取线圈电流极值点及对应时间点,从而为后期的故障诊断奠定了基础。     

非线性状态估计的高压断路器辅助元件的故障诊断

针对高压断路器分合闸线圈和储能电机的状态诊断过于复杂的问题,提出一种以易于采集的电流信号来对分合闸线圈和储能电机进行故障诊断。通过非线性状态估计法(nonlinear state estimate technology)分别建立分合闸线圈和储能电机的电流诊断模型,然后根据常见故障类型建立故障阈值,之后根据电流相似度变化趋势进行诊断,实现及早发现分合闸线圈和储能电机的潜在故障。实验结果表明,该方法对分合闸线圈故障诊断正确率达到100%,对储能电机故障诊断正确率达到99.38%。     

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。     

基于波形辨识技术的SF6断路器分/合闸线圈电流监测

监测SF6断路器分/合闸线圈电流是及时发现SF6断路器故障隐患的有效手段之一。提出了一种分析SF6断路器分/合闸线圈电流信号的波形辨识技术,将小波包信号提取算法和相似性原则相结合,利用小波包分解与重构将SF6断路器的分/合闸线圈电流信号分解到不同频段中,并对代表有效电流信号的分解 系数进行重构,然后运用相似性原则对重构后的信号进行辨识,以确定SF6断路器是否正常运行。应用Matlab进行了仿真分析,并对仿真分析结果进行了试验验证,结果表明,该辨识技术辨识SF6断路器分/合闸线圈电流信号分析是有效的。     

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。