CN107367687A - 一种高压断路器弹簧故障程度检测方法及装置 - Google Patents

Abstract

本发明公开了一种高压断路器弹簧故障程度检测方法及装置，该方法是以采集到的断路器行程信号为目标，处理分析其中蕴含的机械振动信号的特性，实现对断路器弹簧的故障诊断。通过采集断路器弹簧运行过程中的行程信号，从行程信号中提取触头运动的平均速度和波动量的平均标准方差，形成特征向量，基于构建的故障分类器进行故障分类，并基于定义的以弹簧预压缩变化量为自变量、波动量的平均标准方差为因变量的拟合函数进行故障程度判定。本发明只需要采集行程信号，便能实时监测高压断路器分闸/合闸弹簧的性能，及时诊断故障，不需要额外的振动传感器，数据处理简单，经济性和实用性高，具有良好的应用前景。

Description

一种高压断路器弹簧故障程度检测方法及装置

技术领域

本发明属于高压断路器故障诊断技术领域，具体涉及一种高压断路器弹簧故障程度检测方法及装置。

背景技术

高压断路器故障诊断近些年主要研究的热点和重点在于对振动传感器测试到的振动信号进行分解，提取特征向量，实现故障信号诊断，并且取得了一些研究成果。高压断路器配备的弹簧操动机构是实现使断路器实现可靠分合过程中的主要储能环节。如果分合闸弹簧有不同程度的疲劳，不能在电力系统发生故障时及时开断线路，切断故障，就会使故障扩大，损坏重要设备，造成大面积停电，从而带来巨大经济损失。同时，如果在需要的时候断路器不能可靠地关合线路，就会在供电区域出现不应有的停电。因此对高压断路器而言，弹簧如果发生不同程度的故障，存在较高的安全隐患，因而弹簧操作机构分合闸弹簧的可靠性是至关重要的。

发明内容

发明目的：为了克服现有技术中断路器弹簧故障程度诊断不足的问题，本发明提供了一种高压断路器弹簧故障程度检测方法及装置，以采集到的断路器行程信号为目标，处理分析其中蕴含的机械振动信号的特性，实现对断路器弹簧的故障诊断。

技术方案：为了达到上述目的，本发明采用的技术方案是：

一种高压断路器弹簧故障程度检测方法，包括：采集断路器弹簧运行过程中的行程信号；从行程信号中提取触头运动的平均速度和波动量的平均标准方差；基于构建的故障分类器进行故障分类，并基于定义的拟合函数进行故障程度判定；所述故障分类器是从弹簧在不同预压缩状态下采集的行程信号中提取触头运动的平均速度和波动量的平均标准方差为特征向量构建的；所述拟合函数以弹簧预压缩变化量为自变量、波动量的平均标准方差为因变量。

作为优选，所述从行程信号中提取触头运动的平均速度和波动量的平均标准方差的方法为：将行程信号分解成趋势分量和波动分量，从行程信号的趋势分量中获取触头运动的平均速度，从行程信号的波动分量中获取波动量的平均标准方差。

作为优选，所述将行程信号分解成趋势分量和波动分量的方法为：采用滑动平均法对行程信号进行滤波得到趋势分量，行程信号减去趋势分量得到波动分量。

作为优选，将行程信号分解成趋势分量和波动分量之前还包括对采集的行程信号进行数据清洗的步骤。

作为优选，所述行程信号通过角位移传感器采集得到。

作为优选，所述不同预压缩状态包括：弹簧在正常预压缩量，对正常预压缩量的值增加设定值，以及对正常预压缩量的值减少设定值的状态。

作为优选，触头运动的平均速度为在分闸或合闸20％—80％行程的平均速度。

作为优选，所述故障程度判定的方法为：根据波动量的平均标准方差和拟合函数求出弹簧压缩量，根据弹簧压缩量的大小判定是否满足工程中的弹簧的性能使用要求，确定弹簧的不同程度的故障隐患。

一种高压断路器弹簧故障程度检测装置，包括：

行程信号采集模块，用于采集断路器弹簧运行过程中的行程信号；

行程信号特征计算模块，用于从行程信号中提取触头运动的平均速度和波动量的平均标准方差；

以及故障检测模块，用于基于故障分类器进行故障分类，并基于定义的拟合函数进行故障程度判定；所述故障分类器是从弹簧在不同预压缩状态下采集的行程信号中提取触头运动的平均速度和波动量的平均标准方差为特征向量构建的；所述拟合函数以弹簧预压缩变化量为自变量、波动量的平均标准方差为因变量。

作为优选，所述行程信号特征计算模块包括：

行程信号分解单元，用于将行程信号分解成趋势分量和波动分量；

平均速度计算单元，用于从行程信号的趋势分量中获取触头运动的平均速度；

以及，平均标准方差计算单元，用于从行程信号的波动分量中获取波动量的平均标准方差。

有益效果：本发明的高压断路器弹簧故障程度检测方法及装置，通过提取行程信号的特征来表征弹簧的故障程度，实现对弹簧的可靠性的判定，提高了断路器的可靠性。本发明仅仅依靠角位移传感器就可以完成不同弹簧故障程度的数据测试，不需要额外的加速度振动传感器，有效解决现场数据测试工作量大等问题。本发明能够有效的对弹簧的机械故障程度进行正确的状态识别和故障分类，同时利用波动量的标准方差，对弹簧预压缩变化量和平均标准方差拟合了公式，达到了细化量化弹簧故障程度的目的，对于指导现实生产具有重要的意义。本发明可靠有效，数据处理简单，经济性和实用性高，具有良好的应用前景。

附图说明

图1是本发明实施例的方法流程图；

图2是本发明实施例中建立故障分类器和拟合函数的方法流程图；

图3是本发明实施例中故障分类流程图；

图4是本发明实施例中采集到的不同工况下的行程信号波形图；

图5是本发明实施例中不同m值下的对行程信号的处理结果图；

图6是本发明实施例中不同工况下的波动分量波形图；

图7是本发明实施例中平均速度和平均标准方差分别与弹簧预压缩变化量的拟合函数结果图；

图8是本发明实施例的装置结构示意图。

具体实施方式

下面将结合附图和具体实施方式，对本发明作进一步的说明：

目前高压断路器配备的弹簧操动机构是使断路器实现可靠分合过程中的主要储能环节，分/合闸弹簧的健康程度将直接决定断路器分合闸过程。由于分/合闸弹簧有不同程度的故障隐患，为进一步提高分/合闸弹簧工作的可靠性，本发明实施例提供了一种高压断路器弹簧故障程度检测方法，仅仅依靠采集到的行程信号，对行程信号进行分析处理，提取特征向量，构建分类器对弹簧故障进行分类，并定义以弹簧预压缩变化量为自变量、行程信号波动的平均标准方差为因变量的拟合函数，量化弹簧故障的程度，判定弹簧能否继续使用。本发明实施例的主要流程如图1所示，首先通过采集断路器弹簧运行过程中的行程信号，从行程信号中提取触头运动的平均速度和波动量的平均标准方差，基于构建的故障分类器进行故障分类，并基于定义的拟合函数进行故障程度判定；其中故障分类器是从弹簧在不同预压缩状态下采集的行程信号中提取触头运动的平均速度和波动量的平均标准方差为特征向量构建的，拟合函数以弹簧预压缩变化量为自变量、波动量的平均标准方差为因变量。故障分类器和拟合函数在初次检测之前建立，具体过程如图2所示，包括下列步骤：

步骤一：行程特性曲线(即行程信号)的采集工作：通过角位移传感器采集弹簧在不同预压缩状态下的行程信号。在弹簧处于不同的缺陷状态下，将旋转角位移传感器固定在断路器操动机构动触头运动特性相关性的主轴上，可以精确测试到动触头运动的真实特性参数。252kV及以上SF6弹簧机构高压断路器的机械结构故障振动信号的频率一般为20kHz以内，根据香农采样定理，采样频率不能低于40kHz。在采集行程信号时，在上位机界面将频率设置为400kHz，采集时间为200ms。

基于高压断路器分/合闸弹簧压簧性质，根据弹簧正常工作要求在分/合闸弹簧正常预压缩量的基础上，利用工装对预压缩量的值进行增加设定值(如5mm、10mm、15mm)，以及对预压缩量的值减少设定值(如5mm、10mm、15mm)，模拟分/合闸弹簧故障，包括分/合闸弹簧弹性增强故障和分/合闸弹簧弹性减弱故障。本实施例中我们仅以分闸弹簧分析，合闸弹簧的处理与分闸弹簧一样。对每种工况可采集多组实验样本，本例中采集17组。采集到的不同工况下的行程特性曲线如附图4所示，为了图示清楚图中只选择展示了部分工况曲线。

步骤二：行程信号滤波工作：提取不同预压缩状态下行程信号的趋势分量和波动分量。由于断路器分/合闸弹簧机械部分的磨损、弹簧的疲劳老化、变形生锈等会对断路器的机械特性产生影响，当断路器在分合闸操作过程中，由于断路器本身机械振动原因，会导致角位移传感器测得的特性曲线发生不同程度的抖动。本步骤采用滑动平均法，对平滑窗口的长度值进行优化，采用合适的平滑算法从而不改变曲线本身的形状，实现行程信号趋势分量和波动分量的分离。

其中，滑动平均法公式为：

式中，N代表采样总点数，f_k代表第k个点的平滑后的值，y_k代表原采集到的数值，第k点左右各n个点的采样值和(一共2n+1个点)的平均值作为第k个点的平滑后的值f_k，2n+1＝m为窗口长度。

显然，这样得到的结果的随机起伏因平均作用比原来数据减小了，即更加平滑，由此也可得出对随机误差或噪声的估计，即取其波动分量为：

e_k＝y_k-f_k,k＝n+1,n+2,...,N-n (2)

通过滑动平均后，可滤掉数据中频繁随机起伏，显示出平滑的变化趋势，同时还可以得出随机误差的变化过程，从而估计出统计特征量。其中，滑动平均窗口值的不同，即窗口长度不同直接影响分离效果。基于对行程信号的真实体现,如果m值偏小，平滑程度不够，导致代表趋势分量的速度特征量难以计算，且波动量的标准方差数值偏小，会导致噪声会淹没行程信号含有的真正的振动信号；m值偏大，平滑过度会导致曲线变形，导致后续提取波动量的标准方差数值变大，会改变曲线实际特征的特征参数，不同m值下的对行程信号的处理，如附图5所示，因此采用合适的平滑算法(m值),而不改变曲线本身的形状是实现趋势和波动量分离的关键。经过大量实验处理行程曲线波形、比较平滑后的波形，针对这些数据进行分离其行程曲线的趋势分量与波动(扰动)分量，选择窗口长度m。

步骤三：提取特征向量工作：从行程信号的趋势分量和波动分量中获取不同预压缩状态下触头运动的平均速度和波动量的平均标准方差。对于步骤S2获得的行程信息的趋势分量和波动分量(如附图6)，可以利用行程曲线求取触头运动的分闸速度，用行程曲线纵坐标电压差代表触头运动的位移大小，定义触头平均速度为在分闸20％—80％行程的平均速度，表示行程曲线的趋势信息。根据触头速度定义，在不同弹簧故障程度下，计算不同故障样本触头的平均速度。在每种工况下采集多组样本的情况下，求取多组样本的速度的平均值作为某一工况下的平均速度。对于高压断路器不同故障程度的样本中，提取不同工况下的任一样本的波动量的大小绘制直方图，波动量幅值大小分布存在明显的区别，具有显著的统计特征。利用标准正态分布进行曲线拟合，定义波动量在时域的概率密度分布拟合的标准方差作为波动量特征。从对行程信号的分析，提取趋势分量-平均速度v、波动分量-平均标准方差σ，向量P＝[v,σ]作为高压断路器弹簧故障程度诊断的特征向量。

步骤四：构建分类器工作：以平均速度和波动量的平均标准方差为特征向量构建分类器。本步骤中，采用支持向量机(Support Vector Machine,SVM)分类算法。SVM适用于小样本、高维数、非线性等特点。构建串行决策+二分类的形式进行svm学习机，由于串行结构，前一级的故障判断准确性，直接影响后一级的分类结果。利用非线性核对于首先采用分类器对弹簧正常预压缩量、弹簧预压缩量减少故障、弹簧预压缩量增加故障进行分类，分类流程图如图3所示。

步骤五：故障程度量化工作：定义以弹簧预压缩变化量为自变量、平均标准方差为因变量的拟合函数。由于不同弹簧预压缩量不同的工况下的分闸速度变化不明显，但是对应的波动量平均标准方差变化很大，表1为本实施例中不同工况下算得的平均速度和平均标准方差。选择平均标准方差σ对弹簧预压缩变化量拟合曲线的方法可以很好反映出来断路器机械状态发生的突变性变化。

表1 不同工况下平均速度和平均标准方差

在252kv柱式断路器正常预压缩量65mm基础上，当对弹簧预压缩量减少和增加不同程度时，平均速度和平均标准方差分别对弹簧预压缩变化量拟合函数如如图7所示。

以平均标准方差为因变量，弹簧预压缩变化量为自变量，弹簧预压缩减少为负值，弹簧预压缩增加为正值，进行曲线拟合，得到一个函数y＝14.45*e^0.04373x。当我们采集到行程信号，处理后得到波动的平均标准方差，即可以求出此时弹簧压缩量的大小是否满足工程中的弹簧的性能使用要求，从而发现弹簧的不同程度的故障隐患，实现的故障程度诊断。

基于上述步骤一至五建立的故障分类器和拟合函数可以对断路器弹簧进行故障检测，即采集断路器运行过程中的行程信号，提取特征信息，通过故障分类器进行故障分类并通过拟合函数进行故障程度判定。

断路器运行过程中，通过采集到行程特性曲线，进行时域分析，分离出趋势分量和波动分量，并求得平均速度、波动量的平均标准方差特征，将平均速度、波动量的平均标准方差输入分类器进行故障分类，并将这次平均标准方差检测结果与过去几次操作的检测结果展示于拟合曲线的图进行比较，从中可以出现参数的变化趋势，当单方向的变化趋势开始加快或参数变化已经超过一定范围时，可以判断弹簧部件可能已有出现故障的前兆。

根据拟合函数公式可以求出此时弹簧初始预压缩量的变化量，即可以求出此时弹簧压缩量的大小是否满足工程中的弹簧的性能使用要求，从而发现弹簧的不同程度的故障隐患。

如图8所示，本发明实施例公开的一种高压断路器弹簧故障程度检测装置，包括行程信号采集模块，行程信号特征计算模块和故障检测模块。其中行程信号采集模块，用于采集断路器弹簧运行过程中的行程信号；行程信号特征计算模块，用于从行程信号中提取触头运动的平均速度和波动量的平均标准方差；故障检测模块，用于基于故障分类器进行故障分类，并基于定义的拟合函数进行故障程度判定；其中，故障分类器是从弹簧在不同预压缩状态下采集的行程信号中提取触头运动的平均速度和波动量的平均标准方差为特征向量构建的，拟合函数以弹簧预压缩变化量为自变量、波动量的平均标准方差为因变量。其中，行程信号特征计算模块包括：行程信号分解单元，用于将行程信号分解成趋势分量和波动分量；平均速度计算单元，用于从行程信号的趋势分量中获取触头运动的平均速度；以及，平均标准方差计算单元，用于从行程信号的波动分量中获取波动量的平均标准方差。本实施例的弹簧故障程度检测装置中涉及的计算行程信号特征、构建故障分类器、定义拟合函数等各模块中的具体实现细节与前述弹簧故障程度检测方法中的一致，此次不再赘述。

综上，本发明实施例提供的一种高压断路器弹簧故障程度检测方法及装置，在分合闸弹簧正常预压缩值的基础上，对预压缩值进行增加和减少设定值，来模拟断路器弹簧弹性增强故障和断路器弹簧弹性减弱故障，对采集到的数据进行时域分析，提取行程信号的平均速度和波动量的平均标准方差为特征向量，根据特征量构建分类器实现故障分类。同时利用弹簧预压缩变化量和平均标准方差拟合了公式，达到了细化量化弹簧故障程度的目的，从而实现高压断路器弹簧故障程度检测。本发明能够实时监测高压断路器的行程信号，处理分析断路器行程信号里蕴含的机械振动信号的特性，实现对断路器弹簧故障程度的检测，对于指导断路器生产以及判定断路器是否处于可靠工作状态具有重大意义。

Claims (10)

1.一种高压断路器弹簧故障程度检测方法，其特征在于：包括：

采集断路器弹簧运行过程中的行程信号；

从行程信号中提取触头运动的平均速度和波动量的平均标准方差；

基于构建的故障分类器进行故障分类，并基于定义的拟合函数进行故障程度判定；

所述故障分类器是从弹簧在不同预压缩状态下采集的行程信号中提取触头运动的平均速度和波动量的平均标准方差为特征向量构建的；所述拟合函数以弹簧预压缩变化量为自变量、波动量的平均标准方差为因变量。

2.根据权利要求1所述的一种高压断路器弹簧故障程度检测方法，其特征在于，所述从行程信号中提取触头运动的平均速度和波动量的平均标准方差的方法为：将行程信号分解成趋势分量和波动分量，从行程信号的趋势分量中获取触头运动的平均速度，从行程信号的波动分量中获取波动量的平均标准方差。

3.根据权利要求2所述的一种高压断路器弹簧故障程度检测方法，其特征在于，所述将行程信号分解成趋势分量和波动分量的方法为：采用滑动平均法对行程信号进行滤波得到趋势分量，行程信号减去趋势分量得到波动分量。

4.根据权利要求2所述的一种高压断路器弹簧故障程度检测方法，其特征在于：将行程信号分解成趋势分量和波动分量之前还包括对采集的行程信号进行数据清洗的步骤。

5.根据权利要求1所述的一种高压断路器弹簧故障程度检测方法，其特征在于：所述行程信号通过角位移传感器采集得到。

6.根据权利要求1所述的一种高压断路器弹簧故障程度检测方法，其特征在于，所述不同预压缩状态包括：弹簧在正常预压缩量，对正常预压缩量的值增加设定值，以及对正常预压缩量的值减少设定值的状态。

7.根据权利要求1所述的一种高压断路器弹簧故障程度检测方法，其特征在于：触头运动的平均速度为在分闸或合闸20%—80%行程的平均速度。

8.根据权利要求1所述的一种高压断路器弹簧故障程度检测方法，其特征在于，所述故障程度判定的方法为：根据波动量的平均标准方差和拟合函数求出弹簧压缩量，根据弹簧压缩量的大小判定是否满足工程中的弹簧的性能使用要求，确定弹簧的不同程度的故障隐患。

9.一种高压断路器弹簧故障程度检测装置，其特征在于：包括：

行程信号采集模块，用于采集断路器弹簧运行过程中的行程信号；

行程信号特征计算模块，用于从行程信号中提取触头运动的平均速度和波动量的平均标准方差；

以及故障检测模块，用于基于故障分类器进行故障分类，并基于定义的拟合函数进行故障程度判定；所述故障分类器是从弹簧在不同预压缩状态下采集的行程信号中提取触头运动的平均速度和波动量的平均标准方差为特征向量构建的；所述拟合函数以弹簧预压缩变化量为自变量、波动量的平均标准方差为因变量。

10.根据权利要求9所述的一种高压断路器弹簧故障程度检测装置，其特征在于，所述行程信号特征计算模块包括：

行程信号分解单元，用于将行程信号分解成趋势分量和波动分量；

平均速度计算单元，用于从行程信号的趋势分量中获取触头运动的平均速度；

以及，平均标准方差计算单元，用于从行程信号的波动分量中获取波动量的平均标准方差。