基于相空间重构的高压断路器机械故障诊断研究

针对现有时频分析方法提取断路器振动信号特征时存在的不足,引入相空间变换对一维振动观测序列进行重构,并提取有效特征信息用于断路器机械故障诊断。基于互信息法和G-P算法计算延迟时间和嵌入维数,对振动信号进行相空间重构。根据重构得到的振动模型,分别计算相点分布因数(PPDC)及振动信号的网格维数。为了增强特征对信号描述的差异性,结合常用时域特征参数,构成一种新的故障特征描述向量。最后应用支持向量机进行特征分类,实现了对断路器操作机构卡涩和基座螺丝松动等常见机械故障类型的有效识别,具有良好的应用价值。     

基于分形理论的低压断路器三相合闸同期性振动信号特征分析

在综述现有断路器机械故障振动信号研究方法的基础上,提出了一种经验模态分解(EMD)和分形理论相结合的方法用于提取低压断路器振动信号的特征量,并以典型的三相合闸不同期性低压断路器故障为对象,研究了EMD结合分形维数的故障振动信号特征分析,且给出以分形维数均方根作为故障特征量的实验仿真数据结果。首先,利用EMD方法对低压断路器的振动信号进行分解,得到若干个本征模态函数(IMF);其次,对振动信号以及各IMF分量求分形维数及其均方根,作为低压断路器振动信号的特征量。通过对低压断路器三相合闸不同期性模拟故障振动信号处理,对比其不同状态下的分形维数及其均方根的变化规律,表明该方法不仅可作为低压断路器三相同期性故障诊断的判据,且可应用于断路器其他各类机械故障的振动信号特征的提取分析。     

基于相空间重构与改进GSA-SVM的高压断路器机械故障诊断

断路器机械部件传动、撞击产生的振动信号具有混沌特性,运用常规的信号处理方法很难分析其特性.首先采用互信息法和Cao算法将振动信号重构至高维空间后,计算其排列熵作为特征向量,输入支持向量机对断路器机械故障类型进行诊断,最后用粒子群算法(PSO)改进的万有引力搜索算法(GSA)混合算法优化支持向量机参数,利用断路器实测振动...     

基于相空间重构的变压器励磁涌流识别

针对变压器励磁涌流会引起差动保护误动的问题,应用相空间重构理论,对变压器励磁涌流和不同内部故障时的电流序列进行相空间重构,将一维的时间序列重构到高维相空间,通过研究高维相空间吸引子的分布规律和运动特点,获取原始时间序列的动力学特性。计算吸引子的特征量——关联维数来区分变压器励磁涌流与内部故障电流。实验分析结果表明：励磁涌流时电流序列对应的关联维数大于2,而内部故障时电流序列对应的关联维数在1和2之间,两者明显不同。因此关联维数可以作为一种新的特征判据来识别变压器励磁涌流。     

高压断路器机械振动信号混沌吸引子形态特性

提出并探讨了基于混沌吸引子形态特性的高压断路器振动信号特征提取方法。采用功率谱和Lyapunov指数分别对高压断路器振动信号进行定性和定量混沌分析,证实了高压断路器振动信号既包含高压断路器动力学特性,也存在混沌现象;在此基础上,对振动信号进行相空间重构,分析混沌吸引子形态特性与故障类型之间的关系;最后,以不同严重程度的分闸缓冲器故障为例,深入探讨了不同严重程度故障下混沌吸引子的演变规律。研究结果表明,高压断路器振动信号混沌吸引子形态在同一故障状态下较稳定,对故障类型及故障严重程度较敏感,这表明混沌吸引子形态特性是研究高压断路器振动信号特征提取的有效实用途径。     

基于振动和电流信号多域特征联合的高压断路器储能状态辨识方法

为实现高压断路器的储能状态辨识,提出了一种基于伴随振动和电流信号多域特征提取的储能状态辨识方法。对振动信号进行倒频谱分析提取频域周期分量特征来体现电机周期性转动轨迹的基频和高频特性;采用相空间重构理论经关联积分法获取相空间域关联维数与Kolmogorov熵,定量评估储能过程随机运动的复杂程度;计算电机电流持续时间、起始电流值及偏度时域特征,与振动信号特征构建多域联合特征向量;通过支持向量机算法实现断路器储能状态辨识。实验结果表明,基于振动和电流信号多域联合特征的辨识算法准确率达到97%,有效地提高了断路器储能典型工况的识别准确率。     

面向高压断路器故障分类的电流-振动信号类聚几何敏感特征优选方法

针对利用电流-振动信号联合进行高压断路器故障分类过程中原始特征集维数较高,因而造成识别率低、分类性能退化的问题,该文提出一种适用于高维小样本的类聚几何敏感特征优选方法。首先,利用广义维数谱和敏感维数定量刻画经魏格纳-威尔分布处理的振动信号时频图,结合线圈电流信号的突变信息,构建断路器完整动作过程的电-振联合多征兆域原始特征集;其次,通过定义“变异系数”细致描绘特征在样本类内和类间的波动性,由“赏函数”对类间发散性强的特征予以加权,根据特征敏感因子优选得到不同故障类型下的类聚几何最优特征集;最后,采用支持向量机和其他识别方法进行故障分类。试验结果表明采用最优特征集识别准确率明显提高,具有工程应用价值。     

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。     

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。     

基于分形理论的高压断路器机械振动信号处理

提出了基于分形理论的处理高压断路器机械振动信号的新方法,它研究小波变换提取的机械振动信号具有分形特征的参数用来评估高压断路器机械操动机构的性能及其工作状态。通过与人为机械故障下的分形特征参数对比论证了该法的有效性。数据处理结果表明该方法具有应用前景。     

OLTC振动信号的多维空间相轨图几何特征

机械故障是变压器有载调压分接开关(OLTC)的主要故障类型,监测其机械性能对保障电力系统安全稳定运行具有重要意义。为了给OLTC故障诊断提供更丰富的信息源,提出了一种基于多维坐标空间提取相轨图几何特征的方法,它区别于传统时、频域分析法,通过定义相点空间分布系数以定量描述开关操作时不同振动模式的特征变化,从混沌动力学角度为机械状态监测与故障诊断提供一项新的科学依据。现场监测数据分析表明,提出的特征提取方法可行。     

取消500kV电力系统线路侧断路器合闸电阻判据及分析

本文介绍了采用消除数值振荡的特征差分法和Ｍｏｎｔｅ Ｃａｒｌｏ法对多条５００ｋＶ线路进行的统计模拟计算,研究了取消线路侧断路器合闸电阻后５００ｋＶ电力系统合闸过电压和金属氧化物避雷器耗散能量的一些统计规律,提出了取消５００ｋＶ电力系统线路侧断路器合闸电阻的判据,这一结果可作为有关工程设计的参考。     

电力短期负荷时间序列混沌相空间重构参数优选法

采用混沌相空间重构方法进行电力短期负荷预测时,负荷时间序列的延迟时间τ、嵌入维数m以及预测参考点的选取对预测效果有很大的影响。该文通过电力短期负荷重构吸引子的形状和自相关函数确定电力短期负荷时间序列的最佳嵌入时间窗Γ;根据电力短期负荷的m、τ与Γ的函数关系确定m、τ的多组最佳匹配,证明了m、τ的最佳匹配对于负荷伸缩和平移的不变性;提出了选择预测参考点的适用而有效的方法,该方法分为粗搜索和细搜索2个过程,粗搜索主要根据距离选出一定数量的邻近点,细搜索主要根据相点演化的相关性排除“伪邻近点”。实际电网负荷预测的仿真结果验证了提出的电力短期负荷时间序列相空间重构参数优选法的正确性与有效性。     

Selection of Embedding Dimension and Delay Time in Phase Space Reconstruction

A new algorithm is proposed for computing the embedding dimension and delay time in phase space reconstruction. It makes use of the zero of the nonbias multiple autocorrelation function of the chaotic time series to determine the time delay, which efficiently depresses the computing error caused by tracing arbitrarily the slop variation of average displacement (AD) in AD algorithm. Thereafter, by means of the iterative algorithm of multiple autocorrelation and Γ test, the near-optimum parameters of embedding dimension and delay time are estimated. This algorithm is provided with a sound theoretic basis, and its computing complexity is relatively lower and not strongly dependent on the data length. The simulated experimental results indicate that the relative error of the correlation dimension of standard chaotic time series is decreased from 4.4% when using conventional algorithm to 1.06% when using this algorithm. The accuracy of invariants in phase space reconstruction is greatly improved. Translated from Journal of Xi’an Jiaotong University, 2004, 38(4): 335–338 (in Chinese)     

基于KPCA的高压断路器故障诊断

随着电网规模的日益庞大,对高压断路器的安全运行提出了越来越高的要求。本文就核主元分析（KPCA）方法应用于高压断路器的故障诊断进行了研究。该方法针对高压断路器故障数据多维非线性的特点,通过计算其合闸电流信号原始数据空间的内积核函数来实现原始数据到特征空间的非线性映射,然后在特征空间内构2造T和SPE统计量检测过程中发生的故障,并对故障进行分类。本文以VMB5-12型10kV真空断路器弹簧操动机构为试验样机采集数据,仿真实验结果表明,该方法具有较高的稳定性,能够有效地对故障数据进行特征提取。     

断路器操动机构振动信号的分析

以CT1型弹簧操动机构为研究对象,通过实验研究得出利用振动信号来区分不同振动事件的方法,并分析了振动信号出现时间与操动机构机械状态的关系。     

高压断路器振动信号的指数衰减振荡波建模方法

分析了常规的指数衰减振荡波建模方法的实质和不足,提出了基于断路器振动信号传播中畸变现象的改进型建模方法。在频域内建立了自学习的优化建模策略,并通过实例分析初步验证了该优化策略的正确性和可行性。该建模方法为高压断路器机械状态的监测与诊断提供了新的理论依据和技术手段。     

基于相空间重构和支持向量机的电能扰动分类方法

电能扰动的分类需要信号特性提取和分类器构造2个阶段,文中采用相空间重构和支持向量机的组合,提出了一种全新的电能扰动信号的分类方法。首先利用相空间重构方法构造扰动信号轨迹,通过编码获得二进制轨迹图像。针对该图像定义了4类具有区别性的指标,以表征不同扰动类型的特性。然后将特性指标作为支持向量机分类器的输入矢量,实现自动分类识别。算例表明该方法计算量少,正确率高,所需训练样本少,可以有效分类识别电压暂降、电压瞬升、电压中断、脉冲振荡、谐波、闪变等6种电能扰动。     

基于优化相空间重构技术的风电场发电功率预测研究

大规模风电的接入将对电网的规划建设、分析控制、经济运行以及电能质量等方面产生一定的影响,较为准确的风电功率预测可减少电网旋转备用,为电网运行调度提供可靠的依据。以中国某风电场为例,对风力发电功率的超短期预测方法进行了研究,提出了以混沌理论为基础、基于相空间重构的风电出力混沌时间序列预测的方法,对相空间重构参数的优化进行了综合计算,定性分析了风电出力时间序列的混沌特征,同时对应用嵌入维空间的具体预测方法进行了研究。实际算例表明该综合方法具有较高的预测精度。