CN105445657B - 基于灰色关联度分析的断路器操作机构状态诊断方法 - Google Patents
基于灰色关联度分析的断路器操作机构状态诊断方法 Download PDFInfo
- Publication number
- CN105445657B CN105445657B CN201510845105.1A CN201510845105A CN105445657B CN 105445657 B CN105445657 B CN 105445657B CN 201510845105 A CN201510845105 A CN 201510845105A CN 105445657 B CN105445657 B CN 105445657B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- time
- electric current
- grey
- 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
- 230000007246 mechanism Effects 0.000 title claims abstract description 106
- 238000004458 analytical method Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000004804 winding Methods 0.000 claims abstract description 77
- 238000003745 diagnosis Methods 0.000 claims abstract description 33
- 230000005856 abnormality Effects 0.000 claims abstract description 24
- 238000000605 extraction Methods 0.000 claims abstract description 14
- 238000002405 diagnostic procedure Methods 0.000 claims abstract description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 42
- 230000015572 biosynthetic process Effects 0.000 claims description 28
- 238000003786 synthesis reaction Methods 0.000 claims description 28
- 230000033001 locomotion Effects 0.000 claims description 18
- 230000005611 electricity Effects 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 2
- 239000013074 reference sample Substances 0.000 claims 2
- 239000000523 sample Substances 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 2
- 239000000284 extract Substances 0.000 description 4
- 241000208340 Araliaceae Species 0.000 description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 description 3
- 235000008434 ginseng Nutrition 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007630 basic procedure Methods 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010891 electric arc Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Arc-Extinguishing Devices That Are Switches (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明公开了一种基于灰色关联度分析的断路器操作机构状态诊断方法，步骤包括：针对同厂同型断路器操作机构，模拟正常运行状态及各种典型异常状态，在每一状态下进行分合闸操作，获取每次的合闸线圈电流、电压波形和分闸线圈电流、电压波形，分别提取诊断特征量并建立操作机构状态诊断模型；对待诊断断路器操作机构进行分合闸操作并获取合闸线圈电流、电压波形和分闸线圈电流、电压波形，提取诊断特征量输入操作机构状态诊断模型得到待诊断断路器操作机构的状态诊断结果。本发明充分考虑分合闸线圈工作电压影响，采取适应小样本数据的灰色关联度分析诊断方法，具有信息全面、冗余量小、诊断速度快、精度高、可靠性高、成本低、通用性强的优点。
Description
技术领域
本发明涉及电气设备状态诊断技术，具体涉及一种基于灰色关联度分析的断路器操作机构状态诊断方法。
背景技术
断路器是保障电网安全稳定运行的关键设备，其可靠性直接关系到电力供应的可靠性。国际大电网会议13.06工作组在1971年到1991年曾经先后对高压断路器进行了两次世界性的调查，在第一次大调查中，操作机构、电气控制和辅助回路的故障分别占总故障率的33％、19％，在第二次大调查中分别占总故障率的43％、21％。断路器的可靠性在很大程度上取决于所配操作机构及其控制回路的可靠性，因此对断路器操作机构状态进行诊断识别非常必要，在第一时间诊断出异常状态，及时修复避免重大事故的发生。
断路器操作机构的状态诊断可以通过监测分析分合闸操作时的线圈电流、电压信号实现。当分合闸线圈中通过电流时，在电磁铁内产生磁通，铁芯受电磁力作用吸合，释放分合闸挚子(弹簧、气动机构)或打开一级阀的阀口(液压、液簧机构)，使断路器合闸或分闸。线圈中流过的电流波形中包含着丰富的状态信息，通过监测分合闸线圈电流、电压可以监测控制回路的电气完整性、连续性，反映了控制回路的状态，如控制回路接触不良、线圈匝间短路/断线等；线圈电流波形还可以间接反映机构的运动性能，如动铁芯卡涩或行程不当、挚子等仅影响单分/单合的传动部件卡涩(此为弹簧/气动机构，液压/液簧机构为一级阀等部件)、输出拐臂等同时影响分合闸的传动部件卡涩(此为弹簧/气动机构，液压/液簧机构为二级阀等部件)，分/合闸时间超标、相间同期超标等，可以根据这些信息判断高压断路器操作机构的运行状态。但是，现有基于分合闸线圈电流的断路器操作机构状态/故障诊断方法/系统没有考虑直流电源电压的影响，绝大部分利用专家系统、神经网络、支持向量机等进行诊断，算法复杂，受样本收集困难限制，泛化能力有待进一步考验。状态/故障诊断时没有对影响分、合闸线圈电流波形的共性原因进行分析，状态/故障界定部位不够准确；没有深入分析分合闸线圈通流时间和断路器分合闸时间的关系，分合闸时间、相间同期超标等问题没有被挖掘。
发明内容
本发明要解决的技术问题：针对现有技术的上述问题，提供一种信息全面、冗余量小、诊断速度快、精度高、可靠性高、成本低、通用性强的基于灰色关联度分析的断路器操作机构状态诊断方法。
为了解决上述技术问题，本发明采用的技术方案为：
1)针对同厂同型断路器操作机构，模拟该断路器操作机构正常运行状态及各种典型异常状态，分别在每一个状态下进行分合闸操作，获取每一次分合闸操作的合闸线圈电流、电压波形和分闸线圈电流、电压波形，分别根据所述合闸线圈电流、电压波形和分闸线圈电流、电压波形提取诊断特征量，并基于灰色关联度分析方法建立诊断特征量和操作机构状态间映射关系的操作机构状态诊断模型；
2)对待诊断断路器操作机构进行分合闸操作并获取合闸线圈电流、电压波形和分闸线圈电流、电压波形，根据所述合闸线圈电流、电压波形和分闸线圈电流、电压波形提取诊断特征量，将诊断特征量输入操作机构状态诊断模型得到待诊断断路器操作机构的状态诊断结果；
所述基于灰色关联度分析方法建立诊断特征量和操作机构状态间映射关系的操作机构状态诊断模型的详细步骤包括：
B1)针对每一个诊断特征量中的分合闸时间特征序列或分合闸电流特征序列，确定该特征序列Xi＝(xi(1),xi(2),…,xi(n))的始点零化像其中n为特征维数，xi(k)代表第k维特征值，k取值[1，n]；根据式(1)计算该特征序列Xi和参考特征序列Xj间的灰色绝对关联度；
式(1)中，εij表示特征序列Xi和参考特征序列Xj之间的灰色绝对关联度，si和sj的表达式如式(2)所示；
式(2)中，代表特征序列Xi的始点零化像中的第k维特征值，k取值[2，n-1]，代表特征序列Xi的始点零化像中的第n维特征值，n为特征维数；
B2)确定该特征序列Xi＝(xi(1),xi(2),…,xi(n))的初值像根据式(3)计算该特征序列Xi和参考特征序列Xj间的灰色相对关联度；
式(3)中，rij表示特征序列Xi和参考特征序列Xj之间的灰色绝对关联度，si和sj的表达式如式(4)所示；
式(4)中，代表特征序列Xi的初值像中的第k维特征值，k取值[2，n-1]，代表特征序列Xi的初值像中的第n维特征值，n为特征维数；
B3)分别计算该诊断特征量和参考特征量对应的分合闸时间特征序列、分合闸电流特征序列的灰色综合关联度；
B4)根据式(5)计算该诊断特征量和参考特征量间的灰色综合关联度；
ρs＝θρs(1)+(1-θ)ρs(2) (5)
式(5)中，ρs代表该诊断特征量和参考特征量间的灰色综合关联度，θ为灰色综合关联度影响程度调节参数，θ∈[0，1]，ρs(1)、ρs(2)分别为该诊断特征量对应的分合闸时间特征序列、分合闸电流特征序列的灰色综合关联度；
B5)根据式(6)建立诊断特征量和操作机构状态间映射关系的操作机构状态诊断模型；
式(6)中，s代表某一典型异常状态，ns表示典型异常状态为s的不同严重程度的参考样本集个数，ρs(i)表示第i个检测样本的诊断特征量与典型异常状态为s的第i个参考样本的诊断特征量之间的灰色综合关联度，max()为取最大值函数，argmax()为取最大值所在系数函数，class为待诊断断路器操作机构的最终状态诊断结果；
所述步骤B3)中灰色综合关联度的函数表达式如式(7)所示；
ρij＝θεij+(1-θ)rij (7)
式(7)中，ρij代表该特征序列Xi和参考特征序列Xj间的灰色综合关联度，θ为灰色绝对关联度和灰色相对关联度对于灰色综合关联度的影响程度调节参数，θ∈[0，1]，εij表示特征序列Xi和参考特征序列Xj之间的灰色绝对关联度，rij为特征序列Xi和参考特征序列Xj间的灰色相对关联度。
优选地，所述提取诊断特征量的详细步骤包括：
A1)分别将合闸线圈电流波形、分闸线圈电流波形按照线圈中动铁芯运动过程及电流变化划分为多个时间段；
A2)根据合闸线圈电流波形、分闸线圈电流波形中各个时间段计算提取分合闸时间特征序列；根据合闸线圈电流波形、分闸线圈电流波形中各个时间段划分点的电流计算提取分合闸电流特征序列；
A3)如果断路器操作机构某一状态下的分合闸操作超过一次，则将该断路器操作机构状态的各个分合闸时间特征序列、分合闸电流特征序列中相对应的元素分别取平均值，从而形成一个分合闸时间特征序列和一个分合闸电流特征序列；
A4)根据合闸线圈电压波形、分闸线圈电压波形提取合闸操作电压、分闸操作电压；最终针对每一个断路器操作机构状态，将所述分合闸时间特征序列、分合闸电流特征序列、合闸操作电压、分闸操作电压作为该断路器操作机构状态的诊断特征量。
优选地，所述步骤A1)的详细步骤包括：以起始时刻t0开始，将合闸线圈电流波形以时刻t1～t4划分为五个时间段，其中t1为合闸线圈通电至线圈的铁芯开始运动的时刻，t2为合闸线圈的铁芯运动到位的时刻，t3为合闸线圈的电流进入稳态的时刻，t4为合闸线圈切断电流的时刻；以起始时刻t0′开始，将分闸线圈电流波形以时刻t1′～t4′划分为五个时间段，其中t1′为分闸线圈通电至线圈的铁芯开始运动的时刻，t2′为分闸线圈的铁芯运动到位的时刻，t3′为分闸线圈的电流进入稳态的时刻，t4′为分闸线圈切断电流的时刻。
优选地，所述分合闸时间特征序列的表达式为{t1-t0,t2-t1,t4-t2,t5-t4,t1′-t0′,t2′-t1′,t4′-t2′,t5′-t4′}，其中t0为合闸线圈电流波形的起始时刻，t1为合闸线圈通电至线圈的铁芯开始运动的时刻，t2为合闸线圈的铁芯运动到位的时刻，t3为合闸线圈的电流进入稳态的时刻，t4为合闸线圈切断电流的时刻，t5为合闸线圈电流波形减小为0的时刻；t0′为分闸线圈电流波形的起始时刻，t1′为分闸线圈通电至线圈的铁芯开始运动的时刻，t2′为分闸线圈的铁芯运动到位的时刻，t3′为分闸线圈的电流进入稳态的时刻，t4′为分闸线圈切断电流的时刻，t5′为分闸线圈电流波形减小为0的时刻。
优选地，所述分合闸电流特征序列的表达式为{I1-I0,I2-I1,I4-I2,I5-I4,I1′-I0′,I2′-I1′,I4′-I2′,I5′-I4′}，其中I0为合闸线圈电流波形的起始时刻电流，I1为合闸线圈电流波形t1时刻的电流，I2为合闸线圈电流波形t2时刻的电流，I3为合闸线圈电流波形t3时刻的电流，I4为合闸线圈电流波形t4时刻的电流，I5为合闸线圈电流波形t5时刻的电流；I0′为分闸线圈电流波形的起始时刻电流，I1′为分闸线圈电流波形t1′时刻的电流，I2′为分闸线圈电流波形t2′时刻的电流，I3′为分闸线圈电流波形t3′时刻的电流，I4′为分闸线圈电流波形t4′时刻的电流，I5′为分闸线圈电流波形t5′时刻的电流。
优选地，所述步骤1)中的典型异常状态包括控制回路接触不良、线圈匝间短路或断线、动铁芯卡涩或行程不当、仅影响单分或单合的传动部件卡涩、同时影响分合闸的传动部件卡涩。
优选地，所述步骤A3)中每类典型异常状态各进行6～10次分合闸操作；对液压、气动、液簧机构，均要求在额定压力下进行操作；如果某一个典型异常状态存在不同严重程度，则将其分为轻度、中度、重度三个等级，且针对每一个等级进行至少3次分合闸操作。
优选地，所述步骤2)之前还包括进行电源电压过低或过高诊断、相间同期超标诊断、分闸及合闸时间超标诊断的步骤；所述电源电压过低或过高诊断的详细步骤包括：首先检测分合闸回路的电源电压，如果分合闸回路的电源电压低于第一预设阈值，则判定分合闸回路的电源电压过低，如果分合闸回路的电源电压高于第二预设阈值，则判定待诊断断路器操作机构的分合闸回路的电源电压过高；所述相间同期超标诊断的详细步骤包括：检测待诊断断路器操作机构三相合闸线圈电流波形和分闸线圈电流波形中切断直流电源时刻不同期是否大于产品技术要求的k倍，如果大于产品技术要求的k倍，则判定待诊断断路器操作机构的相间同期超标；所述分闸及合闸时间超标诊断的详细步骤包括：检测待诊断断路器操作机构合闸线圈电流波形和分闸线圈电流波形中切断直流电源时间与产品技术要求之差是否超过预设的时间阈值[xx，hh]毫秒，其中xx、hh为预设的时间阈值上下边界。
本发明基于灰色关联度分析的断路器操作机构状态诊断方法具有下述优点：
1、本发明通过检测断路器操作时分合闸线圈电流信息，提取分合闸线圈电流波形的时间特征序列、电流特征序列等诊断特征量，信息全面、冗余量小，采用灰色关联度进行机构状态分类识别，诊断速度快、精度高，在样本数据较少的情况下也能适用。
2、本发明利用分合闸操作过程中的公共传动部件对分闸、合闸线圈电流波形均有影响，耦合分合闸线圈波形特征序列进行状态识别，提升了状态诊断和故障原因界定的准确性；
3、本发明利用分合闸线圈通流时间和断路器分合闸时间的相对关系，实现了分合闸时间、相间同期超标等问题的诊断；
4、本发明能有效识别断路器操作机构多种典型异常状态，确定故障原因及严重程度，为断路器操作机构的检修提供依据，从而提高断路器运行的可靠性；
5、本发明只需在断路器操作时进行检测诊断，无需设备退运至检修状态，也不需要在每台设备上固定安装在线监测装置，成本低，通用性强，可以在一定程度上代替停电例行试验。
附图说明
图1为本发明实施例方法的基本流程示意图。
图2为本发明实施例中某次合分闸操作得到的合闸线圈电流波形及分闸线圈电流波形。
具体实施方式
如图1所示，本实施例基于灰色关联度分析的断路器操作机构状态诊断方法的步骤包括：
1)针对同厂同型断路器操作机构，模拟该断路器操作机构正常运行状态及各种典型异常状态，分别在每一个状态下进行分合闸操作，获取每一次分合闸操作的合闸线圈电流、电压波形和分闸线圈电流、电压波形，分别根据所述合闸线圈电流、电压波形和分闸线圈电流、电压波形提取诊断特征量，并基于灰色关联度分析方法建立诊断特征量和操作机构状态间映射关系的操作机构状态诊断模型；
2)对待诊断断路器操作机构进行分合闸操作并获取合闸线圈电流、电压波形和分闸线圈电流、电压波形，根据所述合闸线圈电流、电压波形和分闸线圈电流、电压波形提取诊断特征量，将诊断特征量输入操作机构状态诊断模型得到待诊断断路器操作机构的状态诊断结果。
本实施例中，提取诊断特征量的详细步骤包括：
A1)分别将合闸线圈电流波形、分闸线圈电流波形按照线圈中动铁芯运动过程及电流变化划分为多个时间段；
A2)根据合闸线圈电流波形、分闸线圈电流波形中各个时间段计算提取分合闸时间特征序列；根据合闸线圈电流波形、分闸线圈电流波形中各个时间段划分点的电流计算提取分合闸电流特征序列；
A3)如果断路器操作机构某一状态下的分合闸操作超过一次，则将该断路器操作机构状态的各个分合闸时间特征序列、分合闸电流特征序列中相对应的元素分别取平均值，从而形成一个分合闸时间特征序列和一个分合闸电流特征序列；
A4)根据合闸线圈电压波形、分闸线圈电压波形提取合闸操作电压、分闸操作电压；最终针对每一个断路器操作机构状态，将所述分合闸时间特征序列、分合闸电流特征序列、合闸操作电压、分闸操作电压作为该断路器操作机构状态的诊断特征量。
本实施例中，基于灰色关联度分析方法建立诊断特征量和操作机构状态间映射关系的操作机构状态诊断模型的详细步骤包括：
B1)针对每一个诊断特征量中的分合闸时间特征序列或分合闸电流特征序列，确定该特征序列Xi＝(xi(1),xi(2),…,xi(n))的始点零化像其中n为特征维数，xi(k)代表第k维特征值，k取值[1，n]；根据式(1)计算该特征序列Xi和参考特征序列Xj间的灰色绝对关联度；
式(1)中，εij表示特征序列Xi和参考特征序列Xj之间的灰色绝对关联度，si和sj的表达式如式(2)所示；
式(2)中，代表特征序列Xi的始点零化像中的第k维特征值，k取值[2，n-1]，代表特征序列Xi的始点零化像中的第n维特征值，n为特征维数；
B2)确定该特征序列Xi＝(xi(1),xi(2),…,xi(n))的初值像根据式(3)计算该特征序列Xi和参考特征序列Xj间的灰色相对关联度；
式(3)中，rij表示特征序列Xi和参考特征序列Xj之间的灰色绝对关联度，si和sj的表达式如式(4)所示；
式(4)中，代表特征序列Xi的初值像中的第k维特征值，k取值[2，n-1]，代表特征序列Xi的初值像中的第n维特征值，n为特征维数；
B3)分别计算该诊断特征量和参考特征量对应的分合闸时间特征序列、分合闸电流特征序列的灰色综合关联度；
B4)根据式(5)计算该诊断特征量和参考特征量间的灰色综合关联度；
ρs＝θρs(1)+(1-θ)ρs(2) (5)
式(5)中，ρs代表该诊断特征量和参考特征量间的灰色综合关联度，θ为灰色综合关联度影响程度调节参数，其值根据实际需要选取，ρs(1)、ρs(2)分别为该诊断特征量对应的分合闸时间特征序列、分合闸电流特征序列的灰色综合关联度；
B5)根据式(6)建立诊断特征量和操作机构状态间映射关系的操作机构状态诊断模型；
式(6)中，s代表某一典型异常状态，ns表示典型异常状态为s的不同严重程度的参考样本集个数，ρs(i)表示第i个检测样本的诊断特征量与典型异常状态为s的第i个参考样本的诊断特征量之间的灰色综合关联度，max()为取最大值函数，argmax()为取最大值所在系数函数，class为待诊断断路器操作机构的最终状态诊断结果。通过对样本集的处理，得到操作机构各种运行状态下的诊断特征量，计算检测样本与样本集中样本的诊断特征量之间的灰色综合关联度，利用最大准则诊断检测样本的运行状态。灰色综合关联度既体现了两序列数据间的相似程度，又反映出两序列相对各自始点变化速率的接近程度，因此可以通过灰色综合关联度进行断路器操作机构状态诊断分析，采用最大相似准则来判断检测样本的运行状态、识别故障原因。
本实施例中，所述步骤B3)中灰色综合关联度的函数表达式如式(7)所示；
ρij＝θεij+(1-θ)rij (7)
式(7)中，ρij代表该特征序列Xi和参考特征序列Xj间的灰色综合关联度，θ为灰色绝对关联度和灰色相对关联度对于灰色综合关联度的影响程度调节参数(本实施例中取0.5)，εij表示特征序列Xi和参考特征序列Xj之间的灰色绝对关联度，rij为特征序列Xi和参考特征序列Xj间的灰色相对关联度。
参见图2，本实施例步骤A1)的详细步骤包括：以起始时刻t0开始，将合闸线圈电流波形以时刻t1～t4划分为五个时间段，其中t1为合闸线圈通电至线圈的铁芯开始运动的时刻，t2为合闸线圈的铁芯运动到位的时刻，t3为合闸线圈的电流进入稳态的时刻，t4为合闸线圈切断电流的时刻；以起始时刻t0′开始，将分闸线圈电流波形以时刻t1′～t4′划分为五个时间段，其中t1′为分闸线圈通电至线圈的铁芯开始运动的时刻，t2′为分闸线圈的铁芯运动到位的时刻，t3′为分闸线圈的电流进入稳态的时刻，t4′为分闸线圈切断电流的时刻。
本实施例中，将合闸线圈电流波形以时刻t1～t4划分为五个时间段，参见图2：(1)阶段1即t0～t 1时间段，断路器操作机构分合闸线圈在t0时刻通电，线圈中有电流通过，由于此时电流不够大，所产生的磁通不够大，电磁铁产生的电磁力未达到使铁芯动作的动作值，所以此阶段电磁线圈通电，但铁芯不动，线圈电感为常数，分合闸线圈电流按指数规律上升；(2)阶段2即t1～t2时间段，t1时刻，分合闸线圈电流增加到所产生的电磁力能克服铁芯自身重力、运动摩擦力和弹簧反力等阻力而带动铁芯动作，随着铁芯的运动，磁路气隙不断减小，磁路磁阻减小，线圈电抗增大，使分合闸线圈电流按指数规律下降；(3)阶段3即t2～t3时间段，t2时刻，铁芯运动到位，端面撞到合或分闸锁扣装置停止运动，此阶段铁芯磁路磁阻不变，电抗不再增加，分合闸线圈电流又呈指数规律上升；(4)阶段4即t3～t4时间段，此阶段是阶段3的延续，分合闸线圈电流达到近似稳态；(5)阶段5即t4～t5时间段，电流切断阶段，此阶段由于断路器辅助触头断开直流电源，辅助触头间产生电弧被并迅速拉长，电弧电压升高，使电流减小，直到电弧熄灭，分合闸线圈电流减小为0。
断路器操作机构状态变化将使分合闸线圈电流曲线发生变化，特别是电流曲线特征值的大小、特征点间的时间间隔发生变化。本实施例中，分合闸时间特征序列的表达式为：
{t1-t0,t2-t1,t4-t2,t5-t4,t1′-t0′,t2′-t1′,t4′-t2′,t5′-t4′}，
其中t0为合闸线圈电流波形的起始时刻，t1为合闸线圈通电至线圈的铁芯开始运动的时刻，t2为合闸线圈的铁芯运动到位的时刻，t3为合闸线圈的电流进入稳态的时刻，t4为合闸线圈切断电流的时刻，t5为合闸线圈电流波形减小为0的时刻；t0′为分闸线圈电流波形的起始时刻，t1′为分闸线圈通电至线圈的铁芯开始运动的时刻，t2′为分闸线圈的铁芯运动到位的时刻，t3′为分闸线圈的电流进入稳态的时刻，t4′为分闸线圈切断电流的时刻，t5′为分闸线圈电流波形减小为0的时刻。
本实施例中，分合闸电流特征序列的表达式为：
{I1-I0,I2-I1,I4-I2,I5-I4,I1′-I0′,I2′-I1′,I4′-I2′,I5′-I4′}，
其中I0为合闸线圈电流波形的起始时刻电流，I1为合闸线圈电流波形t1时刻的电流，I2为合闸线圈电流波形t2时刻的电流，I3为合闸线圈电流波形t3时刻的电流，I4为合闸线圈电流波形t4时刻的电流，I5为合闸线圈电流波形t5时刻的电流；I0′为分闸线圈电流波形的起始时刻电流，I1′为分闸线圈电流波形t1′时刻的电流，I2′为分闸线圈电流波形t2′时刻的电流，I3′为分闸线圈电流波形t3′时刻的电流，I4′为分闸线圈电流波形t4′时刻的电流，I5′为分闸线圈电流波形t5′时刻的电流。
本实施例中，分合闸操作电压特征的表达式为：
{U0,U1}，
其中U0为分闸操作电压，U1为合闸操作电压。
本实施例中，步骤A3)中对每类典型异常状态各进行6～10次分合闸操作；对液压、气动、液簧机构，均要求在额定压力下进行操作，样本集数据同时记录操作机构技术参数。如果某一个典型异常状态存在不同严重程度，则将其分为轻度、中度、重度三个等级，且针对每一个等级进行至少三次分合闸操作。
本实施例中，步骤1)中的典型异常状态包括控制回路接触不良、线圈匝间短路或断线、动铁芯卡涩或行程不当、仅影响单分或单合的传动部件(弹簧/气动机构等)卡涩、同时影响分合闸的传动部件(弹簧/气动机构等)卡涩。本实施例中，步骤2)之前还包括进行电源电压过低或过高诊断、相间同期超标诊断、分闸及合闸时间超标诊断的步骤；电源电压过低或过高诊断的详细步骤包括：首先检测分合闸回路的电源电压(U0，U1)，如果分合闸回路的电源电压低于第一预设阈值，则判定分合闸回路的电源电压过低，如果分合闸回路的电源电压高于第二预设阈值，则判定待诊断断路器操作机构的分合闸回路的电源电压过高，避免对线圈匝间短路等造成误判；相间同期超标诊断的详细步骤包括：检测待诊断断路器操作机构三相合闸线圈电流波形和分闸线圈电流波形中切断直流电源时刻不同期是否大于产品技术要求的k倍，如果大于产品技术要求的k倍(k值根据操作机构类型的实际需要选定)，则判定待诊断断路器操作机构的相间同期超标；分闸及合闸时间超标诊断的详细步骤包括：检测待诊断断路器操作机构合闸线圈电流波形和分闸线圈电流波形中切断直流电源时间与产品技术要求之差是否超过预设的时间阈值[xx，hh]毫秒，其中xx、hh为预设的时间阈值上下边界(xx、hh值根据操作机构类型的实际需要选定)。综上可知，本实施例能够实现针对控制回路接触不良、线圈匝间短路或断线、动铁芯卡涩或行程不当、仅影响单分或单合的传动部件卡涩、同时影响分合闸的传动部件卡涩、电源电压过低或过高、相间同期超标、分闸及合闸时间超标等典型异常状态的诊断。
综上所述，本实施例基于灰色关联度分析的断路器操作机构状态诊断方法充分考虑了分合闸线圈工作电压、分合闸操作过程中的公共传动部件对状态诊断的影响，状态诊断和故障原因界定更为准确；深入挖掘了分合闸线圈通流时间和断路器分合闸时间的关系，实现了分合闸时间、相间同期超标等问题的诊断；通过检测断路器操作时分合闸线圈电流、电压信息，提取分合闸线圈电流波形的时间特征序列、电流特征序列和分合闸操作电压等特征量，信息全面、冗余量小，采用灰色关联度进行分类识别，诊断速度快、精度高，在样本数据较少的情况下也能适用。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种基于灰色关联度分析的断路器操作机构状态诊断方法，其特征在于步骤包括：
1)针对同厂同型断路器操作机构，模拟该断路器操作机构正常运行状态及各种典型异常状态，分别在每一个状态下进行分合闸操作，获取每一次分合闸操作的合闸线圈电流、电压波形和分闸线圈电流、电压波形，分别根据所述合闸线圈电流、电压波形和分闸线圈电流、电压波形提取诊断特征量，并基于灰色关联度分析方法建立诊断特征量和操作机构状态间映射关系的操作机构状态诊断模型；
2)对待诊断断路器操作机构进行分合闸操作并获取合闸线圈电流、电压波形和分闸线圈电流、电压波形，根据所述合闸线圈电流、电压波形和分闸线圈电流、电压波形提取诊断特征量，将诊断特征量输入操作机构状态诊断模型得到待诊断断路器操作机构的状态诊断结果；
所述基于灰色关联度分析方法建立诊断特征量和操作机构状态间映射关系的操作机构状态诊断模型的详细步骤包括：
B1)针对每一个诊断特征量中的分合闸时间特征序列或分合闸电流特征序列，确定该特征序列Xi＝(xi(1),xi(2),…,xi(n))的始点零化像其中n为特征维数，xi(k)代表第k维特征值，k取值[1，n]；根据式(1)计算该特征序列Xi和参考特征序列Xj间的灰色绝对关联度；
<mrow>
<msub>
<mi>&epsiv;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mo>|</mo>
<msub>
<mi>s</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<msub>
<mi>s</mi>
<mi>j</mi>
</msub>
<mo>|</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mo>|</mo>
<msub>
<mi>s</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<msub>
<mi>s</mi>
<mi>j</mi>
</msub>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<msub>
<mi>s</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>s</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
式(1)中，εij表示特征序列Xi和参考特征序列Xj之间的灰色绝对关联度，si和sj的表达式如式(2)所示；
<mrow>
<msub>
<mi>s</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>2</mn>
</mrow>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mn>0</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mn>0</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
式(2)中，代表特征序列Xi的始点零化像中的第k维特征值，k取值[2，n-1]，代表特征序列Xi的始点零化像中的第n维特征值，n为特征维数；
B2)确定该特征序列Xi＝(xi(1),xi(2),…,xi(n))的初值像根据式(3)计算该特征序列Xi和参考特征序列Xj间的灰色相对关联度；
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mo>|</mo>
<msub>
<mi>s</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<msub>
<mi>s</mi>
<mi>j</mi>
</msub>
<mo>|</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mo>|</mo>
<msub>
<mi>s</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<msub>
<mi>s</mi>
<mi>j</mi>
</msub>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<msub>
<mi>s</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>s</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
式(3)中，rij表示特征序列Xi和参考特征序列Xj之间的灰色绝对关联度，si和sj的表达式如式(4)所示；
<mrow>
<msub>
<mi>s</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>2</mn>
</mrow>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mn>1</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mn>1</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
式(4)中，代表特征序列Xi的初值像中的第k维特征值，k取值[2，n-1]，代表特征序列Xi的初值像中的第n维特征值，n为特征维数；
B3)分别计算该诊断特征量和参考特征量对应的分合闸时间特征序列、分合闸电流特征序列的灰色综合关联度，灰色综合关联度的函数表达式如式(7)所示；
ρij＝θεij+(1-θ)rij (7)
式(7)中，ρij代表该特征序列Xi和参考特征序列Xj间的灰色综合关联度，θ为灰色绝对关联度和灰色相对关联度对于灰色综合关联度的影响程度调节参数，θ∈[0，1]，εij表示特征序列Xi和参考特征序列Xj之间的灰色绝对关联度，rij为特征序列Xi和参考特征序列Xj间的灰色相对关联度；
B4)根据式(5)计算该诊断特征量和参考特征量间的灰色综合关联度；
ρs＝θρs(1)+(1-θ)ρs(2) (5)
式(5)中，ρs代表该诊断特征量和参考特征量间的灰色综合关联度，θ为灰色综合关联度影响程度调节参数，θ∈[0，1]，ρs(1)、ρs(2)分别为该诊断特征量对应的分合闸时间特征序列、分合闸电流特征序列的灰色综合关联度；
B5)根据式(6)建立诊断特征量和操作机构状态间映射关系的操作机构状态诊断模型；
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>c</mi>
<mi>l</mi>
<mi>a</mi>
<mi>s</mi>
<mi>s</mi>
<mo>=</mo>
<mi>arg</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<munder>
<mi>max</mi>
<mi>s</mi>
</munder>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>(</mo>
<mrow>
<msub>
<mi>&rho;</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>&rho;</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<msub>
<mi>&rho;</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>n</mi>
<mi>s</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
式(6)中，s代表某一典型异常状态，ns表示典型异常状态为s的不同严重程度的参考样本集个数，ρs(i)表示第i个检测样本的诊断特征量与典型异常状态为s的第i个参考样本的诊断特征量之间的灰色综合关联度，max()为取最大值函数，argmax()为取最大值所在系数函数，class为待诊断断路器操作机构的最终状态诊断结果。
2.根据权利要求1所述的基于灰色关联度分析的断路器操作机构状态诊断方法，其特征在于，所述提取诊断特征量的详细步骤包括：
A1)分别将合闸线圈电流波形、分闸线圈电流波形按照线圈中动铁芯运动过程及电流变化划分为多个时间段；
A2)根据合闸线圈电流波形、分闸线圈电流波形中各个时间段计算提取分合闸时间特征序列；根据合闸线圈电流波形、分闸线圈电流波形中各个时间段划分点的电流计算提取分合闸电流特征序列；
A3)如果断路器操作机构某一状态下的分合闸操作超过一次，则将该断路器操作机构状态的各个分合闸时间特征序列、分合闸电流特征序列中相对应的元素分别取平均值，从而形成一个分合闸时间特征序列和一个分合闸电流特征序列；
A4)根据合闸线圈电压波形、分闸线圈电压波形提取合闸操作电压、分闸操作电压；最终针对每一个断路器操作机构状态，将所述分合闸时间特征序列、分合闸电流特征序列、合闸操作电压、分闸操作电压作为该断路器操作机构状态的诊断特征量。
3.根据权利要求2所述的基于灰色关联度分析的断路器操作机构状态诊断方法，其特征在于，所述步骤A1)的详细步骤包括：以起始时刻t0开始，将合闸线圈电流波形以时刻t1～t4划分为五个时间段，其中t1为合闸线圈通电至线圈的铁芯开始运动的时刻，t2为合闸线圈的铁芯运动到位的时刻，t3为合闸线圈的电流进入稳态的时刻，t4为合闸线圈切断电流的时刻；以起始时刻t0′开始，将分闸线圈电流波形以时刻t1′～t4′划分为五个时间段，其中t1′为分闸线圈通电至线圈的铁芯开始运动的时刻，t2′为分闸线圈的铁芯运动到位的时刻，t3′为分闸线圈的电流进入稳态的时刻，t4′为分闸线圈切断电流的时刻。
4.根据权利要求2所述的基于灰色关联度分析的断路器操作机构状态诊断方法，其特征在于，所述分合闸时间特征序列的表达式为{t1-t0,t2-t1,t4-t2,t5-t4,t1′-t0′,t2′-t1′,t4′-t2′,t5′-t4′}，其中t0为合闸线圈电流波形的起始时刻，t1为合闸线圈通电至线圈的铁芯开始运动的时刻，t2为合闸线圈的铁芯运动到位的时刻，t3为合闸线圈的电流进入稳态的时刻，t4为合闸线圈切断电流的时刻，t5为合闸线圈电流波形减小为0的时刻；t0′为分闸线圈电流波形的起始时刻，t1′为分闸线圈通电至线圈的铁芯开始运动的时刻，t2′为分闸线圈的铁芯运动到位的时刻，t3′为分闸线圈的电流进入稳态的时刻，t4′为分闸线圈切断电流的时刻，t5′为分闸线圈电流波形减小为0的时刻。
5.根据权利要求2所述的基于灰色关联度分析的断路器操作机构状态诊断方法，其特征在于，所述分合闸电流特征序列的表达式为{I1-I0,I2-I1,I4-I2,I5-I4,I1′-I0′,I2′-I1′,I4′-I2′,I5′-I4′}，其中I0为合闸线圈电流波形的起始时刻电流，I1为合闸线圈电流波形t1时刻的电流，I2为合闸线圈电流波形t2时刻的电流，I3为合闸线圈电流波形t3时刻的电流，I4为合闸线圈电流波形t4时刻的电流，I5为合闸线圈电流波形t5时刻的电流；I0′为分闸线圈电流波形的起始时刻电流，I1′为分闸线圈电流波形t1′时刻的电流，I2′为分闸线圈电流波形t2′时刻的电流，I3′为分闸线圈电流波形t3′时刻的电流，I4′为分闸线圈电流波形t4′时刻的电流，I5′为分闸线圈电流波形t5′时刻的电流。
6.根据权利要求1所述的基于灰色关联度分析的断路器操作机构状态诊断方法，其特征在于，所述步骤1)中的典型异常状态包括控制回路接触不良、线圈匝间短路或断线、动铁芯卡涩或行程不当、仅影响单分或单合的传动部件卡涩、同时影响分合闸的传动部件卡涩。
7.根据权利要求2所述的基于灰色关联度分析的断路器操作机构状态诊断方法，其特征在于，所述步骤A3)中每类典型异常状态各进行6～10次分合闸操作；对液压、气动、液簧机构，均要求在额定压力下进行操作；如果某一个典型异常状态存在不同严重程度，则将其分为轻度、中度、重度三个等级，且针对每一个等级进行至少3次分合闸操作。
8.根据权利要求1～7中任意一项所述的基于灰色关联度分析的断路器操作机构状态诊断方法，其特征在于，所述步骤2)之前还包括进行电源电压过低或过高诊断、相间同期超标诊断、分闸及合闸时间超标诊断的步骤；所述电源电压过低或过高诊断的详细步骤包括：首先检测分合闸回路的电源电压，如果分合闸回路的电源电压低于第一预设阈值，则判定分合闸回路的电源电压过低，如果分合闸回路的电源电压高于第二预设阈值，则判定待诊断断路器操作机构的分合闸回路的电源电压过高；所述相间同期超标诊断的详细步骤包括：检测待诊断断路器操作机构三相合闸线圈电流波形和分闸线圈电流波形中切断直流电源时刻不同期是否大于产品技术要求的k倍，如果大于产品技术要求的k倍，则判定待诊断断路器操作机构的相间同期超标；所述分闸及合闸时间超标诊断的详细步骤包括：检测待诊断断路器操作机构合闸线圈电流波形和分闸线圈电流波形中切断直流电源时间与产品技术要求之差是否超过预设的时间阈值[xx，hh]毫秒，其中xx、hh为预设的时间阈值上下边界。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510845105.1A CN105445657B (zh) | 2015-11-26 | 2015-11-26 | 基于灰色关联度分析的断路器操作机构状态诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510845105.1A CN105445657B (zh) | 2015-11-26 | 2015-11-26 | 基于灰色关联度分析的断路器操作机构状态诊断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105445657A CN105445657A (zh) | 2016-03-30 |
| CN105445657B true CN105445657B (zh) | 2018-05-01 |
Family
ID=55556083
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510845105.1A Active CN105445657B (zh) | 2015-11-26 | 2015-11-26 | 基于灰色关联度分析的断路器操作机构状态诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105445657B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105866669A (zh) * | 2016-05-19 | 2016-08-17 | 华南理工大学 | 一种断路器分合闸控制回路故障诊断方法 |
| CN106093758B (zh) * | 2016-05-27 | 2019-03-12 | 奇瑞汽车股份有限公司 | 一种汽车制动开关耐久试验监测设备和监测方法 |
| CN106772009B (zh) * | 2016-12-26 | 2019-04-12 | 新疆天成鲁源电气工程有限公司 | 基于分合闸线圈电流波形的断路器机械特性分析方法 |
| CN106707153A (zh) * | 2016-12-27 | 2017-05-24 | 北京合纵科技股份有限公司 | 一种基于foa‑rbf的高压断路器故障诊断方法 |
| CN106877274B (zh) * | 2017-04-21 | 2019-03-01 | 贵州电网有限责任公司 | 一种基于dsp的高压断路器控制回路智能防烧模块的保护方法 |
| CN107219457B (zh) * | 2017-06-15 | 2019-05-31 | 河北工业大学 | 基于操作附件电流的框架式断路器故障诊断及程度评估方法 |
| CN111913103B (zh) * | 2020-08-06 | 2022-11-08 | 国网福建省电力有限公司 | 一种弹簧储能操动结构断路器的故障检测方法 |
| CN112731131A (zh) * | 2020-12-22 | 2021-04-30 | 珠海万谱科技有限公司 | 一种电动直流隔离开关的故障诊断方法及装置 |
| CN113156306A (zh) * | 2021-02-23 | 2021-07-23 | 广东电网有限责任公司电力科学研究院 | 一种断路器操作机构缺陷多维度诊断方法及系统 |
| CN117574782B (zh) * | 2024-01-16 | 2024-04-02 | 国网湖北省电力有限公司电力科学研究院 | 基于变压器参数判断绕组材质的方法、装置、系统及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103064019A (zh) * | 2013-01-04 | 2013-04-24 | 河海大学常州校区 | 基于灰色关联模糊聚类的高压断路器故障诊断方法 |
| CN103308855A (zh) * | 2013-05-29 | 2013-09-18 | 上海电机学院 | 基于灰色关联的风力发电机组故障诊断方法及装置 |
| CN104091066A (zh) * | 2014-07-04 | 2014-10-08 | 山东大学 | 一种高压断路器的状态评估方法 |
| CN104392288A (zh) * | 2014-12-16 | 2015-03-04 | 广西电网公司电力科学研究院 | 一种高压断路器部件检修方法 |
-
2015
- 2015-11-26 CN CN201510845105.1A patent/CN105445657B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103064019A (zh) * | 2013-01-04 | 2013-04-24 | 河海大学常州校区 | 基于灰色关联模糊聚类的高压断路器故障诊断方法 |
| CN103308855A (zh) * | 2013-05-29 | 2013-09-18 | 上海电机学院 | 基于灰色关联的风力发电机组故障诊断方法及装置 |
| CN104091066A (zh) * | 2014-07-04 | 2014-10-08 | 山东大学 | 一种高压断路器的状态评估方法 |
| CN104392288A (zh) * | 2014-12-16 | 2015-03-04 | 广西电网公司电力科学研究院 | 一种高压断路器部件检修方法 |
Non-Patent Citations (2)
| Title |
|---|
| 灰色关联模型在高压断路器故障诊断中的应用;杨志泽等;《电网技术》;20150605;第39卷(第6期);1731－1733 * |
| 高压断路器故障诊断方法研究及监测系统软件设计;夏佾;《2015年硕士论文集》;20150501;11－17 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105445657A (zh) | 2016-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105445657B (zh) | 基于灰色关联度分析的断路器操作机构状态诊断方法 | |
| CN103048036B (zh) | 一种变压器有载分接开关运行状态的在线监测方法 | |
| CN104360262B (zh) | 基于特征点的断路器操作机构分合闸线圈电流比对方法 | |
| CN103336243B (zh) | 基于分合闸线圈电流信号的断路器故障诊断方法 | |
| CN109270442B (zh) | 基于dbn-ga神经网络的高压断路器故障检测方法 | |
| CN105259495B (zh) | 一种基于分合闸线圈电流特征量优化的高压断路器操作机构状态评估方法 | |
| CN109974770A (zh) | 一种电动阀状态检测系统及方法 | |
| CN110221200A (zh) | 一种基于深度学习的万能式断路器附件故障诊断方法 | |
| CN106019138A (zh) | 一种高压断路器机械故障的在线诊断方法 | |
| CN106597231A (zh) | 基于多源信息融合和深度学习网络的gis故障检测系统及方法 | |
| CN104181460A (zh) | 一种基于多信息融合的永磁机构真空断路器故障诊断方法 | |
| CN105718958B (zh) | 基于线性判别分析和支持向量机的断路器故障诊断方法 | |
| CN110926778A (zh) | 基于异常振动的气体绝缘组合开关设备机械故障诊断方法 | |
| CN106019131A (zh) | 一种基于分合闸线圈电流的高压断路器操作机构状态综合评估方法 | |
| CN104360263A (zh) | 基于分合闸线圈电流的断路器操作机构故障诊断专家系统 | |
| CN108226770A (zh) | 一种断路器故障诊断方法 | |
| CN106153183A (zh) | 变压器有载分接开关机械状态的在线监测方法 | |
| CN112684329A (zh) | 一种高压断路器机械故障智能诊断方法 | |
| CN106249141A (zh) | 高压断路器石墨触头磨损检测方法 | |
| CN102084568A (zh) | 具有动态测试阈值的电路测试闭合器装置和方法 | |
| CN107643482A (zh) | 一种基于线圈电流波形的开关状态判断模型 | |
| CN108919104A (zh) | 一种基于Fisher判别分类法的断路器故障诊断方法 | |
| CN115113038B (zh) | 基于电流信号相空间重构的断路器故障诊断方法 | |
| CN105067997B (zh) | 一种开关设备弹簧操动机构故障诊断方法 | |
| CN109932645A (zh) | 一种开关设备弹簧操动机构故障诊断方法及装置 |
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 |