基于LMD和SVM的高压断路器弹簧操动机构状态异常检测方法研究

弹簧操作机构为高压断路器正常分合闸提供能量,其可靠性直接关系着断路器的正常工作,因此对断路器弹簧操动机构进行状态检测有着重要的意义。文中通过IEPE压电式振动传感器采集弹簧存储与瞬间释放过程中伴随断路器本体发生强烈振动信号,采用基于局部均值分解(LMD)的能量特征提取算法结合支持向量机(SVM)理论的方法实现弹簧操作机构状态检测。将采集到的断路器操动时的振动信号进行局部均值分解,得到一系列乘积函数(product function,PF)分量,求出包含主要弹簧异常信息的各个PF分量的归一化能量,将其作为特征向量,输入支持向量机,采用网格参数寻优法对SVM参数进行优化,建立高压断路器弹簧操作机构状态异常检测模型。实验结果表明,该方法的辨识精确度高达97.5%,能够有效识别断路器操动机构弹簧能量状态异常引起的故障类型。     

基于双谱与双流卷积神经网络的断路器故障诊断

高压断路器操动机构的振动信号包含了断路器运行状态的重要信息,对操动机构工作状态的诊断辨识十分重要。针对振动信号随机、非平稳的复杂特性,提出了一种基于双谱分析和双通道流浅层卷积神经网络的断路器故障诊断方法。对振动信号进行双谱分析和小波分析,分别提取2D双谱矩阵以及1D小波频带能量作为双流卷积神经网络的双通道特征;对断路器模拟实验采集到的五种工况下的振动信号进行有监督训练。结果表明,双谱分析能够抑制高斯噪声、保留操动机构不同工况下主要峰值形态特征并融合小波频带能量特征,所提模型训练迭代5次即可达到98.33%的高识别精度,实现断路器操动机构的故障诊断辨识。     

基于RBFNN的高压断路器机械故障诊断系统

高压断路器是电力系统中最重要的控制和保护设备,其故障检修和诊断一直是电力运行部门高度重视的问题。为了提高高压断路器故障诊断的效率和准确率,提出了高压断路器机械故障诊断的径向基函数神经网络(RBFNN)方法;并根据其基本原理建立了高压断路器操动机构故障诊断的RBFNN模型;利用Matlab工具,使用来自现场的实际数据,通过故障诊断仿真实例,分析、验证RBFNN模型的性能,并对不同方法进行了对比分析。结果显示RBFNN训练速度快、逼近误差小,对输入输出关系比较复杂的高压断路器操动机构的故障诊断有很高的判断效率和准确率。     

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。     

GIS设备运行状态下振动机理及检测诊断技术研究

气体绝缘金属封闭开关设备(gas insulated switchgear,GIS)运行中时常出现异常机械振动,振动信号检测对GIS运行状态评价与故障诊断具有重要意义。基于电磁感应原理分析了三相分箱型和三相共箱型GIS设备外壳环流特性,从电磁力和磁致伸缩两个方面深入研究了GIS振动机理,基于小波时频变换提取了振动信号频谱分布特征和振动声学指纹,用于振动信号识别与诊断。现场振动检测结果表明,GIS正常振动信号频率主要集中在100 Hz,与理论分析一致,异常振动信号除100 Hz分量外,还包含大量高次谐波分量,振动声学指纹发生明显变化。通过分析振动信号频谱及声学指纹,可以有效发现由内部缺陷引起的异常机械振动,该种方法具有较好的应用前景。     

基于振动信号时间历程和自适应谱融合的断路器操动机构状态辨识方法

振动信号作为断路器内部构件碰撞和摩擦运动传递能量的响应,蕴含大量与设备机械状态相关的数字信息。提出一种基于振动信号特征融合分析的高压断路器操动机构状态辨识方法,首先定义了关联设备机械特性的时间历程特征——广义分/合闸时间和相对衰减时间,再利用自适应谱算法将振动信号转化为三维时频分布瀑布图,分别从三个维度捕捉全方位时频变化信息;然后提出基于J散度-隶属度的特征融合处理方法,将相互之间孤立的特征量融合为状态类别之间的相似度隶属值;最后由分群粒子群算法优化支持向量机模型对相似度隶属值的状态类别进行辨识。实验表明,该方法显著提高了断路器操动机构状态辨识准确率至96%,辨识模型普适性较高,在断路器运行状态监测和故障监测领域具有应用价值。     

S_Kohonen网络在断路器故障识别中的应用

针对断路器操动机构常见故障问题,提出将改进的Kohonen网络对断路器典型故障进行诊断研究。首先,在某试验基地建立断路器监测实验平台,模拟操动机构典型故障。然后,分析采集到的合闸振动信号,采用3层小波包变换对降噪后的振动信号进行分解,得到各频段能量占总能量的百分比,利用粗糙集理论对特征参数进行知识约简,降低特征参数的维数。最终保留第1-4及第7频段。将保留的5个特征参数归一化处理后组成特征向量输入到S_Kohonen网络,对故障类型进行识别。实验结果表明,故障识别效果较好,且置信度高。     

基于振动信号特征的高压断路器机械故障诊断技术研究

以ZW-32型永磁机构断路器为研究对象,搭建了断路器动作时振动信号监测平台,采集了操动机构常见故障状态下的振动数据。利用小波包—特征熵提取了振动信号特征值,并建立了基于相关向量机原理的操动机构故障诊断模型,实现了对断路器振动状态的在线监测及故障类型的智能辨别。试验结果表明,该方法具有较高的故障识别能力,对实现断路器机械状态的在线监测与故障诊断有一定的工程实用价值。     

基于S变换D-SVM AlexNet模型的GIS机械故障诊断与试验分析

机械故障是气体绝缘组合电器(gas insulated switchgear,GIS)最主要的故障之一,尚缺乏有效的在线诊断方法。为此该文利用GIS断路器激振能力强的优势,以GIS断路器分合操作为激振源,根据振动信号所包含的设备机械特性信息对GIS各构件的机械状态进行评估。搭建了包含3种GIS典型机械故障的试验模拟测试系统,并提出了一种基于S变换D-SVMAlex Net模型的GIS机械故障诊断方法。利用S变换处理断路器动作激发的非平稳振动信号,得到含有设备机械特征的时频图谱;建立D-SVM AlexNet模型,使用预训练的Alex Net神经网络模型提取S变换图像特征作为预测变量,通过Fitcecoc函数拟合支持向量机(support vector machine, SVM)进行图像预分类,根据模糊矩阵显示的分类结果筛选出有效测点;将有效测点的时频图送入AlexNet进行迁移学习,获得经微调后的神经网络模型。实验验证发现,训练完毕的卷积神经网络的故障诊断训练准确率达到99%,验证准确率达到92%,具备较好的时频图像分类效果,可实现GIS机械故障的有效诊断。     

溯源弹簧形变过程的断路器振动信号递归量化分析辨识方法

从锁止机构脱扣引起储能弹簧释能,经部件带动动触头运动再到静止的每个动作具有严格阶段特征,伴随断路器动作的机械振动展现了能量传递及设备健康状态。该文提出一种溯源弹簧形变过程的断路器振动信号递归量化分析方法,首先由高速相机捕捉断路器操动时储能弹簧的动作图像,通过计算机视觉跟踪动态提取反映弹簧形变特征帧,再依据特征帧时序划分操动过程;然后将不同阶段振动信号映射至高维相空间,经递归分析得到体现动力系统变化特征的递归图,并递归量化分析其纹理结构特征;最后利用支持向量机模型对正常及故障状态下的断路器振动特征样本进行分析辨识,对比结果证明,由弹簧释能时序细化振动信号特征分析有效提高了分类识别准确率。该文方法在断路器操动机构状态辨识中具有广阔的应用前景。     

基于断路器合闸弹簧弹力信号的储能故障诊断方法

对断路器储能故障进行准确诊断能避免出现拒动、合闸失败等问题,有助于电力系统的安全运行,因此提出了一种基于断路器操动机构合闸弹簧弹力信号的储能故障诊断方法。针对断路器合闸弹簧松弛、操动机构卡涩、紧固螺丝松动三种储能故障,选取弹力信号进行统计特征以及类间散布矩阵的计算,提取出了能够判断不同储能故障的时域特征量。建立了基于支持向量机的故障诊断模型,实现了对断路器三种储能故障的准确判断。试验结果表明,提出的故障诊断方法能够准确诊断断路器的合闸弹簧松弛、操动机构卡涩、紧固螺丝松动三种储能故障类型,有助于工程上实现对断路器的精测精修,同时也能够为断路器增设压力传感器并充分利用弹力信号提供理论依据。     

带气动操动机构GIS断路器振动特性测试及改进

针对某一带气动操动机构GIS断路器分、合闸操作异常振动问题展开研究。首先在运行现场测量了断路器动作过程中的振动加速度,发现气动机构在分闸操作时的振动是导致异常振动发生的重要原因,同时研究发现降低气动机构工作气压仍不足以避免异常振动问题;然后分别对带气动和液压操动机构的试验断路器的振动强度进行了仿真计算和现场测试,发现带竖直方向布置液压机构的断路器的振动强度最小且持续时间最短。表明采用竖直方向布置液压操动机构后,GIS断路器的振动特性明显改进。     

带气动操动机构GIS断路器振动特性仿真研究及改进

文中采用建模和仿真方法对安装于某水电厂的某一带气动操动机构的330 kV GIS断路器分、合闸操作异常振动问题展开研究。首先,建立了带气动操动机构断路器的运动模型,仿真分析了其操作时的振动特性及气动机构工作气压变化对振动特性的影响。然后,又对带液压操动机构断路器操作时的振动特性展开了建模和仿真分析。部分仿真结果也与试验结果进行了对比,能够较好吻合。通过对带两种不同操动机构断路器振动特性仿真结果的对比发现:液压操动机构断路器的振动强度比气动机构的要小,而且液压机构断路器振动强度的衰减速度更快,说明液压机构相比于气动机构更有利于减振。最后,还通过仿真分析了该断路器的安装基础结构对振动特性的影响,发现该水电厂大跨度的钢筋混凝土楼板结构是异常振动的重要诱因。     

基于振动信号的高压断路器螺栓松动故障诊断研究

断路器在电力系统中肩负着控制和保护的重要任务，加强对断路器机械系统潜伏性故障诊断研究，对提高断路器在运行中的可靠性具有重要意义。文中以ZN98型真空断路器为研究对象，依据其振动强度建立了一套高压断路器振动加速度测试系统，基于MATLAB小波包频带能量分解算法提取故障诊断特征量。以紧固螺栓松动的潜伏性故障为例，分析了不同频段的振动信号能量图谱，提出了一套高压断路器弹簧操动机构螺栓松动潜伏性故障的诊断方法。研究表明，设置单个紧固螺栓故障时，传感器测试位置距离故障螺栓越近所得的特征量阈值越大，应选取特征量阈值的最小值作为测试位置的故障诊断判据；相较于断路器的分闸过程，合闸过程的特征量阈值更能明显准确地反映断路器的机械状态。     

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。     

ZN63型断路器操动机构合闸弹簧应力松弛仿真分析与诊断

文中通过在动力学仿真软件中建立断路器运动仿真模型,设置不同程度的合闸弹簧应力松弛故障,分析了合闸弹簧应力松弛对断路器操动机构运动特性的影响;采集了断路器操动机构合闸弹簧在正常及应力松弛故障下的振动信号,提出一套基于小波包敏感频段能量法的断路器合闸弹簧应力松弛故障的诊断方法。试验表明,该方法能够有效地区分弹簧是否发生应力松弛故障。     

基于声—振信号的高压断路器机械故障设置与数据采集研究

高压断路器机械故障数据的可靠、全面采集是有效分析和准确故障诊断的前提,也是提高设备操作安全可靠性的基础。文中以LW30-252型SF6高压断路器的CT26弹簧操动机构为研究对象,分析其结构特点及数据采集难点,详细阐述了高压断路器正常、油缓冲器漏油、合闸弹簧疲劳、分闸弹簧疲劳、传动轴销磨损、主轴卡涩、地脚螺栓松动共7种典型工况的模拟过程。文中以断路器分合闸过程中的振动、声音信号为检测信号,解决了传感器型号确定及安装位置选择问题,研制了故障信号采集系统,并介绍了故障检测采集系统的软硬件组成。本研究为后续高压断路器机械故障特征提取及故障诊断提供可靠的数据基础。     

基于能量轨迹熵的高压断路器操动机构状态特征提取方法

断路器操动过程伴生的振动信号在能量释放促使动静触头强烈冲击下呈现非平稳的震荡衰减过程。提出一种基于能量轨迹熵的高压断路器操动机构状态特征提取方法。首先,利用谱形态变分模态分解联合快速奇异值分解方法对振动信号降噪处理,并进行小波分解与重构。然后,将重构信号的“簇状”瞬时、瞬频能量波形由旋转因子在极坐标子网格区域进行发散处理,定义能量轨迹熵用于挖掘断路器操动过程能量释放过程的细微变化。通过瞬时、瞬频能量轨迹熵特征,精准捕捉振动信号的瞬态能量特性。最后,通过采用不同识别模型的对比分析,试验表明基于能量轨迹熵特征的支持向量机模型具有较高的识别准确率,达到98.33%,为断路器操动机构状态特征提取提供了一种新方法。     

基于改进HHT算法的GIS机械振动信号时频分析

为了研究可现场带电作业的GIS振动信号检测方法,掌握不同机械故障类型下的振动信号特性,建立GIS机械故障诊断数据库,利用110 k V单相分箱GIS设备建立了一套GIS机械故障检测平台。通过构建螺丝松动和互感器振荡两种常见的GIS机械故障,并利用传感器测量GIS正常运行振动信号和两种故障下GIS振动信号,利用总体集合经验模态分解提取振动信号的特征量,再将通过EEMD预处理得到的信号进行希尔伯特变换。实测信号的分析结果说明,采用经EEMD算法的预处理后再进行HT变换的方法对GIS机械振动信号进行时频分析可以有效地处理GIS振动信号,从而建立GIS机械故障诊断数据库,为实现现场带电检测GIS机械故障提供理论依据。     

基于振动信号的SF_6高压断路器操动机构状态监测

操动机构作为高压断路器开断的一级执行元件,其机械状态的健康程度直接影响断路器的工作状况。而断路器动作时的振动信号是由断路器内部一系列机械部件的运动与撞击产生的,含有丰富的时域和频域信息,为了能够实时有效地监测断路器操动机构的状态,需要对操动机构不同部位不同状态下对应的振动信号进行分析,获取能够反映断路器状态的特征量作为评估操动机构状态的判据。文中的研究对象为弹簧疲劳和缓冲器失灵两种操动机构故障,首先,分别对两种故障和正常工况进行了大量的模拟实验并采集相应的机械振动信号,通过形态学滤波对振动信号进行必要的降噪处理;然后对信号进行时域、频域上的分析对比,并以相对小波包能量法获取振动信号各频带的能量分布;最后,采用支持向量机对各个工况下的频带能量进行训练,并预测了待测试振动信号对应的断路器机械状态。结果表明,该方法具有很高的状态识别准确率,能满足实际工程应用中断路器操动机构的机械状态在线监测要求。