CN105241643B - 采用hs变换和单类支持向量机的高压断路器机械状态监测方法 - Google Patents
采用hs变换和单类支持向量机的高压断路器机械状态监测方法 Download PDFInfo
- Publication number
- CN105241643B CN105241643B CN201510599527.5A CN201510599527A CN105241643B CN 105241643 B CN105241643 B CN 105241643B CN 201510599527 A CN201510599527 A CN 201510599527A CN 105241643 B CN105241643 B CN 105241643B
- Authority
- CN
- China
- Prior art keywords
- frequency
- circuit breaker
- time
- energy
- voltage circuit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012706 support-vector machine Methods 0.000 title claims abstract description 27
- 238000012544 monitoring process Methods 0.000 title claims abstract description 18
- 238000012549 training Methods 0.000 claims abstract description 17
- 238000006243 chemical reaction Methods 0.000 claims abstract description 11
- 230000009466 transformation Effects 0.000 claims description 24
- 238000009826 distribution Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000036039 immunity Effects 0.000 abstract 1
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Landscapes
- Testing Electric Properties And Detecting Electric Faults (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明是一种采用HS变换和单类支持向量机的高压断路器机械状态监测方法,其特点是,包括高压断路器振动信号采集、将振动信号利用HS变换进行处理、振动信号特征提取和单类支持向量机判断断路器机械状态是否正常等步骤。与以往的高压断路器机械状态监测方法相比,本方法中使用的HS变换方法具有较高的抗噪性和鲁棒性,而且相对容易在实际工程环境下实现。采用单类支持向量机方法判断高压断路器机械状态是否正常,不依赖各种故障样本信号,只用一类正常振动信号样本即可完成分类器的训练,具有科学合理,实用性强,推广应用价值较高等优点。
Description
技术领域
本发明是一种采用HS变换和单类支持向量机的高压断路器机械状态监测方法,应用于电力系统中高压断路器在线状态监测。
背景技术
高压断路器是非常关键的电力系统设备,起到控制和保护的双重作用。由于其机械部分相对于其他电气设备而言要复杂很多,又经常需要操作,因此容易出现机械故障。一旦其出现机械故障,容易导致高压断路器拒动或误动,这会造成严重的电力系统事故,造成巨大的经济损失。因此对高压断路器的机械状态监测方法进行深入研究,对提高电力系统安全性和可靠性具有重大意义。
主流的高压断路器状态监测方法主要有分合闸线圈电流法、触头行程-时间曲线法和振动信号法等。其中振动信号法通过加速度传感器获得断路器分合闸时产生的振动信号,属于非侵入式方法,不但不影响断路器自身的可靠性,而且还特别适合用于高电压及电磁强度较高的场合。该方法首先需要对振动信号进行处理并提取相应的特征,然后通过模式识别技术实现状态判断。现有方法在各个环节中仍然存在一些问题,如信号处理算法在工程应用中较难实现;选取特征对故障的反应能力不够好;模式识别方法对样本依赖性较强等。
发明内容
本发明的目的在于克服现有技术的不足,提供一种科学合理,算法相对容易实现,故障识别效果较好,且具有较高推广应用价值的采用HS变换和单类支持向量机的高压断路器机械状态监测方法。
本发明的目的是通过以下技术方案来实现的:一种采用HS变换和单类支持向量机的高压断路器机械状态监测方法,其特征是,它包括以下步骤:
1)高压断路器振动信号采集
通过压电式加速度传感器和数据采集系统采集高压断路器振动信号;
2)将振动信号利用Hyperbolic S变换进行处理,亦称HS变换进行处理
Hyperbolic S变换是S变换的扩展,其关键在于采用Hyperbolic窗函数代替传统S变换使用的高斯窗函数,具体计算方法如下:
离散HS变换公式为:
其中N为总采样点数;n=0,1,...,N-1;m=0,1,...,N-1;j=0,1,...,N-1;G(m,n)为变换过程中所使用的Hyperbolic窗函数,可记做其中,
3)振动信号特征提取
通过统计实验分析发现,频率高于10kHz的振动信号成分振幅很小,因此,主要分析0-10kHz频段,将0-10kHz、0-150ms的时-频平面划分为300个频宽为1kHz、时宽为5ms的等大小时频块,通过分析振动信号在该部分的分布情况,分析断路器工作状态;
通过时-频能量熵描述断路器机械振动信号能量时-频分布特征;设整个时-频平面的总能量为E,时-频块Sij的能量为Eij(i=1,…,10;j=1,…,30),首先对Eij做归一化处理如下:
那么对于10个频带中的每个频带,计算该频带中时-频块能量相对于时间的能量熵公式为:
其中Hi反映第i个频带上的能量随时间分布的均匀程度,
此外,由实验发现振动信号能量集中在收到触发信号后的前50ms内;因此,为了提高延时类故障的识别能力,计算前10个时宽对应的时-频块相对于频率的能量熵,其公式为:
由以上20个时-频能量熵构成信号的时-频能量熵向量X=[H L],其中H=[H1,…,H10],L=[L1,…,L10],向量X作为高压断路器机械状态监测的特征向量;
4)单类支持向量机判断断路器运行状态
每个训练样本通过3)中所介绍的特征提取方法可得到20维输入特征向量样本集,将该训练样本集作为单类支持向量机的输入变量,计算得到特定的决策超平面,完成单类支持向量机的训练过程;当需要判断断路器运行状态时,将采集到的需诊断的样本按3)中介绍的特征提取方法得到输入向量,计算该样本与决策超平面的关系,判断高压断路器机械状态是否正常。
利用本发明的一种采用HS变换和单类支持向量机的高压断路器机械状态监测方法,将振动信号经HS变换进行时-频分析处理,得到振动信号在时-频平面的能量分布;然后将时-频平面分割成等大小的时-频块,计算信号的时-频能量熵向量;最后将正常样本集用于单类支持向量机的训练,得到决策超平面供分类器对试验样本进行判断,判断其机械状态是否处于正常状态。本发明具有算法相对容易实现,故障识别效果较好,实用性强,推广应用价值较高等优点。
附图说明
图1为本发明的总体算法流程图;
图2为HST的计算流程图;
图3为时-频平面的分割示意图;
图4为单类支持向量机原理图;
图5为正常信号特征分布图;
图6为铁芯卡涩信号特征分布图;
图7为螺丝松动信号特征分布图。
具体实施方式
本发明的采用HS变换和单类支持向量机的高压断路器机械状态监测方法,包括以下步骤:
1)高压断路器振动信号采集
通过压电式加速度传感器和数据采集系统采集高压断路器振动信号;
2)将振动信号利用Hyperbolic S变换进行处理,亦称HS变换进行处理
Hyperbolic S变换是S变换的扩展,其关键在于采用Hyperbolic窗函数代替传统S变换使用的高斯窗函数,具体计算方法如下:
离散HS变换公式为:
其中N为总采样点数;n=0,1,...,N-1;m=0,1,...,N-1;j=0,1,...,N-1;G(m,n)为变换过程中所使用的Hyperbolic窗函数,可记做其中,
3)振动信号特征提取
通过统计实验分析发现,频率高于10kHz的振动信号成分振幅很小,因此,主要分析0-10kHz频段,将0-10kHz、0-150ms的时-频平面划分为300个频宽为1kHz、时宽为5ms的等大小时频块,通过分析振动信号在该部分的分布情况,分析断路器工作状态;
通过时-频能量熵描述断路器机械振动信号能量时-频分布特征;设整个时-频平面的总能量为E,时-频块Sij的能量为Eij(i=1,…,10;j=1,…,30),首先对Eij做归一化处理如下:
那么对于10个频带中的每个频带,计算该频带中时-频块能量相对于时间的能量熵公式为:
其中Hi反映第i个频带上的能量随时间分布的均匀程度,
此外,由实验发现振动信号能量集中在收到触发信号后的前50ms内;因此,为了提高延时类故障的识别能力,计算前10个时宽对应的时-频块相对于频率的能量熵,其公式为:
由以上20个时-频能量熵构成信号的时-频能量熵向量X=[H L],其中H=[H1,…,H10],L=[L1,…,L10],向量X作为高压断路器机械状态监测的特征向量;
4)单类支持向量机判断断路器运行状态
每个训练样本通过3)中所介绍的特征提取方法可得到20维输入特征向量样本集,将该训练样本集作为单类支持向量机的输入变量,计算得到特定的决策超平面,完成单类支持向量机的训练过程;当需要判断断路器运行状态时,将采集到的需诊断的样本按3)所介绍的特征提取方法得到输入向量,计算该样本与决策超平面的关系,判断高压断路器机械状态是否正常。
参照图1-图4,具体实施方式的采用HS变换和单类支持向量机的高压断路器机械状态监测方法,包括:
A、断路器振动信号原始数据的采集
在高压断路器机构箱内安装压电式加速度传感器,利用数据采集装置采集振动信号;
B、对原始数据进行HS变换运算方法(Hyperbolic S-transform,HST)
对电能质量扰动信号进行HS变换分析,其过程如图2;
C、提取分类所需特征
从振动信号的HS变换的运算结果中进行熵计算,作为机械状态监测特征;
D、训练单类支持向量机
用一组设备正常状态下获得的振动信号按以上流程获得训练样本集,并用其对单类支持向量机进行训练,其原理如图4所示;
E、验证本发明的有效性
模拟铁芯卡涩和基座螺丝松动两种故障各3组,加上另外3组正常信号,用来验证本方法的有效性;
图5分别描述了3组正常信号、3组铁芯卡涩信号和3组基座螺丝松动信号的特征分布。如图5所示,不同类型的振动信号的特征分布情况有一定差异。其中,铁芯卡涩信号与正常信号相比,其相对于频率的能量熵分布有明显区别,表现在其相对于频率的能量熵的最大值为第17个特征,而正常信号相对于频率的能量熵最大值是第14个特征。基座螺丝松动信号与正常信号相比,其相对于时间的能量熵分布有明显区别,表现在其低频部分相对于时间的能量熵值偏大而中间频段熵值较小。按上述的算法,利用10组正常信号对单类支持向量机进行训练,得到决策超平面,然后采用故障信号进行测试。最终,3组正常信号识别为正常信号,3组铁芯卡涩信号和3组基座螺丝松动信号均被识别为非正常信号,说明本方法可以不依赖于其他故障信号,只通过正常振动信号样本训练单类支持向量机,即可检验出断路器机械状态是否处于非正常状态,验证了本方法的有效性。
Claims (1)
1.一种采用HS变换和单类支持向量机的高压断路器机械状态监测方法,它包括以下步骤:
1)高压断路器振动信号采集
通过压电式加速度传感器和数据采集系统采集高压断路器振动信号;
2)将振动信号利用Hyperbolic S变换进行处理,亦称HS变换进行处理
Hyperbolic S变换是S变换的扩展,其关键在于采用Hyperbolic窗函数代替传统S变换使用的高斯窗函数,具体计算方法如下:
离散HS变换公式为:
其中N为总采样点数;n=0,1,...,N-1;m=0,1,...,N-1;j=0,1,...,N-1;G(m,n)为变换过程中所使用的Hyperbolic窗函数,可记做其中,
3)振动信号特征提取
通过统计实验分析发现,频率高于10kHz的振动信号成分振幅很小,因此,主要分析0-10kHz频段,将0-10kHz、0-150ms的时-频平面划分为300个频宽为1kHz、时宽为5ms的等大小时频块,通过分析振动信号在该部分的分布情况,分析断路器工作状态;
通过时-频能量熵描述断路器机械振动信号能量时-频分布特征;设整个时-频平面的总能量为E,时-频块Sij的能量为Eij,i=1,…,10;j=1,…,30,首先对Eij做归一化处理如下:
那么对于10个频带中的每个频带,计算该频带中时-频块能量相对于时间的能量熵公式为:
其中Hi反映第i个频带上的能量随时间分布的均匀程度,
此外,由实验发现振动信号能量集中在收到触发信号后的前50ms内;因此,为了提高延时类故障的识别能力,计算前10个时宽对应的时-频块相对于频率的能量熵,其公式为:
由以上20个时-频能量熵构成信号的时-频能量熵向量X=[H L],其中H=[H1,…,H10],L=[L1,…,L10],向量X作为高压断路器机械状态监测的特征向量;
4)单类支持向量机判断断路器运行状态
每个训练样本通过3)中所介绍的特征提取方法可得到20维输入特征向量样本集,将该训练样本集作为单类支持向量机的输入变量,计算得到特定的决策超平面,完成单类支持向量机的训练过程;当需要判断断路器运行状态时,将采集到的需诊断的样本按3)中介绍的特征提取方法得到输入向量,计算该样本与决策超平面的关系,判断高压断路器机械状态是否正常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510599527.5A CN105241643B (zh) | 2015-09-19 | 2015-09-19 | 采用hs变换和单类支持向量机的高压断路器机械状态监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510599527.5A CN105241643B (zh) | 2015-09-19 | 2015-09-19 | 采用hs变换和单类支持向量机的高压断路器机械状态监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105241643A CN105241643A (zh) | 2016-01-13 |
CN105241643B true CN105241643B (zh) | 2017-08-08 |
Family
ID=55039366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510599527.5A Active CN105241643B (zh) | 2015-09-19 | 2015-09-19 | 采用hs变换和单类支持向量机的高压断路器机械状态监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105241643B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105891707A (zh) * | 2016-05-05 | 2016-08-24 | 河北工业大学 | 一种基于振动信号的万能式断路器分合闸故障诊断方法 |
CN107817098B (zh) * | 2017-10-12 | 2019-06-28 | 东北电力大学 | 一种高压断路器机械故障诊断方法 |
CN108709723B (zh) * | 2018-03-23 | 2019-06-28 | 河海大学 | 一种气体绝缘组合开关设备的机械故障在线诊断方法 |
CN109270445A (zh) * | 2018-09-07 | 2019-01-25 | 广西电网有限责任公司电力科学研究院 | 基于lmd的断路器弹簧操动机构状态异常检测方法 |
CN112083327A (zh) * | 2020-09-08 | 2020-12-15 | 广东电网有限责任公司广州供电局 | 一种高压真空断路器机械故障诊断方法及系统 |
CN113341306B (zh) * | 2021-04-19 | 2022-11-11 | 云南电网有限责任公司临沧供电局 | 一种基于振动信号的高压断路器状态评估系统与方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010197132A (ja) * | 2009-02-24 | 2010-09-09 | Chugoku Electric Power Co Inc:The | 真空遮断器真空試験器 |
CN102435424A (zh) * | 2011-09-05 | 2012-05-02 | 西安邮电学院 | 基于振动特征的高压断路器在线监测系统 |
CN103487749A (zh) * | 2013-09-18 | 2014-01-01 | 国家电网公司 | 高压断路器机械状态在线监测诊断系统及方法 |
CN103743554A (zh) * | 2013-06-28 | 2014-04-23 | 国家电网公司 | 一种基于振动信号分析的高压断路器机械故障诊断方法 |
CN104198932A (zh) * | 2014-08-18 | 2014-12-10 | 江苏科技大学 | 高压断路器机械特性在线监测系统及故障诊断方法 |
-
2015
- 2015-09-19 CN CN201510599527.5A patent/CN105241643B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010197132A (ja) * | 2009-02-24 | 2010-09-09 | Chugoku Electric Power Co Inc:The | 真空遮断器真空試験器 |
CN102435424A (zh) * | 2011-09-05 | 2012-05-02 | 西安邮电学院 | 基于振动特征的高压断路器在线监测系统 |
CN103743554A (zh) * | 2013-06-28 | 2014-04-23 | 国家电网公司 | 一种基于振动信号分析的高压断路器机械故障诊断方法 |
CN103487749A (zh) * | 2013-09-18 | 2014-01-01 | 国家电网公司 | 高压断路器机械状态在线监测诊断系统及方法 |
CN104198932A (zh) * | 2014-08-18 | 2014-12-10 | 江苏科技大学 | 高压断路器机械特性在线监测系统及故障诊断方法 |
Non-Patent Citations (2)
Title |
---|
电能质量暂态扰动的HS变换检测方法;黄南天;《哈尔滨工业大学学报》;20130831;第45卷(第8期);第66-72页 * |
采用振动信号零相位滤波时频熵的高压断路器机械故障诊断;常广;《中国电机工程学报》;20130125;第33卷(第3期);第155-162页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105241643A (zh) | 2016-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105241643B (zh) | 采用hs变换和单类支持向量机的高压断路器机械状态监测方法 | |
CN107817098B (zh) | 一种高压断路器机械故障诊断方法 | |
CN103076547B (zh) | 基于支持向量机的gis局部放电故障类型模式识别方法 | |
Jena et al. | A new approach to power system disturbance assessment using wide-area postdisturbance records | |
CN110197209B (zh) | 一种基于多特征融合的辐射源识别方法 | |
CN109188258A (zh) | 基于振电结合的高压断路器特征提取及分类方法 | |
CN105258789B (zh) | 一种振动信号特征频率带的提取方法及装置 | |
CA2918679A1 (en) | Pattern recognition method for partial discharge of three-phase cylinder type ultrahigh voltage gis | |
Atthapol et al. | Internal Fault Classification in Transformer Windings using Combination of Discrete Wavelet-Transforms and Back-propagation Neural Networks | |
CN107367687B (zh) | 一种高压断路器弹簧故障程度检测方法及装置 | |
CN103575525A (zh) | 一种断路器机械故障的智能诊断方法 | |
CN110146268A (zh) | 一种基于均值分解算法的oltc故障诊断方法 | |
CN105447464A (zh) | 一种基于pso的电能质量扰动识别与分类方法 | |
CN107104988B (zh) | 一种基于概率神经网络的IPv6入侵检测方法 | |
CN104614638A (zh) | 小电流系统接地选线方法 | |
Naik et al. | Power quality disturbance classification employing S‐transform and three‐module artificial neural network | |
CN109784310A (zh) | 基于ceemdan及加权时频熵的配电开关机械故障特征提取方法 | |
CN112083327A (zh) | 一种高压真空断路器机械故障诊断方法及系统 | |
CN106548136A (zh) | 一种无线信道场景分类方法 | |
CN113745049B (zh) | 一种真空灭弧室内真空度监测方法及系统 | |
CN104655914A (zh) | Gis设备干扰信号和局部放电信号的检测方法与装置 | |
CN104049159A (zh) | 逆变器的故障检测方法和检测装置 | |
CN109635428A (zh) | 一种基于机械状态信号分析的gis机械故障诊断方法 | |
CN110765881B (zh) | 一种基于主成分分析的小波基选择方法 | |
Shicheng et al. | An effective S-transform feature extraction method for classification of power quality disturbance Signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200427 Address after: 5 / F, block a, Wickham building, No. 55, Lianhua street, high tech Zone, Zhengzhou City, Henan Province 450006 Patentee after: State power investment Henan new energy Co., Ltd Address before: Jilin City, Jilin province Changchun ship 132012 Camp Road No. 169 Patentee before: NORTHEAST DIANLI University |