CN109164381A - 一种高压断路器机械状态在线监测与故障辨识方法及装置 - Google Patents
一种高压断路器机械状态在线监测与故障辨识方法及装置 Download PDFInfo
- Publication number
- CN109164381A CN109164381A CN201811045417.4A CN201811045417A CN109164381A CN 109164381 A CN109164381 A CN 109164381A CN 201811045417 A CN201811045417 A CN 201811045417A CN 109164381 A CN109164381 A CN 109164381A
- Authority
- CN
- China
- Prior art keywords
- signal
- circuit breaker
- voltage circuit
- breaker
- fault identification
- 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.)
- Granted
Links
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
- G01R31/3271—Testing of circuit interrupters, switches or circuit-breakers of high voltage or medium voltage devices
- G01R31/3275—Fault detection or status indication
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
Abstract
本发明公开了一种高压断路器机械状态在线监测与故障辨识方法及装置,涉及电气设备测试技术领域。所述高压断路器机械状态在线监测与故障辨识方法,运用四种不同的传感器同步监测高压断路器操动机构在操动过程中的多种参数,对传感器获得信息进行不同方式的时域和频域分析,形成特征混合判别矩阵,实现高压断路器状态在线监测与故障辨识,解决了操作员定期巡检中因仅靠感性认识和经验难以准确判断高压断路器出现故障的问题,提高了巡检效率,节省了人力和物力等资源。
Description
技术领域
本发明属于电气设备测试技术领域,尤其涉及一种高压断路器机械状态在线监测与故障辨识方法及装置。
背景技术
随着电力系统运行电压等级不断提高,作为主要的保护、控制元件的高压断路器容量和数量也不断增加,判别其动作的可靠性非常重要。据国内外专业机构统计,高压断路器缺陷多半集中在操作机构,由此造成的操作拒分、拒合故障严重影响了电网的安全稳定运行。
目前断路器的状态监测和诊断的研究还处于发展阶段,现有的实时状态监测方法主要针对电气或机械某一方面的特性,功能单一,多数方法只局限于监测开断电流、累计跳闸次数、累计开断电流或绝缘气体密度等。深入分析高压断路器原理和操作过程可以发现:分合闸操作本质上是由操动机构控制各部件依次顺序运动完成,决定其是否能够成功地断开与关合线路,操动机构无疑是最为关键的部分。操动机构可分为液压碟簧操动机构、全液压操动机构、气动弹簧操动机构、弹簧操动机构、电磁操动机构和电机操动机构等。操动机构动作过程需要各部件间的紧密配合,部件的变形、偏移都影响高压断路器的操动性能,甚至无法实现分合闸,由此引发的重大事故屡见不鲜。断路器监测常常只作为微机保护或录波装置的一个功能模块,目前已有的断路器状态监测的缺乏系统性和综合性,缺陷类型数据量积累不足,运行状态诊断分析方法缺乏有效的数学方法和技术手段。
目前对操动机构正常和异常状态的判别主要依靠高压断路器机械特性测试仪,在离线状态下,在操作控制线圈施加电流控制合闸与分闸操作过程,检测主要机械特性参数是否满足要求。机械特性参数主要包括合闸与分闸时间、合闸与分闸速度、合闸与分闸同期性、总行程和开距及断开弹跳次数和时间等参数。已有的高压开关特性测试仪常用滑线电阻器或光电传感器(分光栅和光电编码器两种),这几种都由运动和静止两部分组成。测速时,分别安装于开关的运动部件(动触头或提升杆)和静止部件(将军帽座或开关基座)上,由仪器采样运动部件和运动部件的相对运动过程。特别地针对不同的高压断路器需要配备不同的安装支架,不仅要运动部件和静止部件配合要好,保持传感器的拉杆与开关动触头的运动平行和同步才很精确地测出机械特性参数,而且现场的安装和拆卸都很困难,尤其不能断路器运行带电情况下安装。这种技术也不适合在线监测高压断路器操动过程实时状态,除此之外,现有的高压断路器机械特性测试仪只能给出机械特性参数是否在合格的范围内,不具备断路器机械状态的在线综合评估的能力。因此,现代电力系统飞速发展对电气设备在线运行状态的监测提出了新的挑战,实现在断路器关键运行参数和状态特征量变化的在线辨识、研发在线监测装置具有重要现实意义。
发明内容
针对现有技术的不足,本发明提供一种高压断路器机械状态在线监测与故障辨识方法及装置,运用多种传感器同步监测高压断路器操动机构在操动过程中的多种参数,对传感器获得信息进行不同方式的时域和频域分析,形成特征混合判别矩阵,实现高压断路器状态在线监测与故障辨识。
本发明是通过如下的技术方案来解决上述技术问题的:一种高压断路器机械状态在线监测与故障辨识方法,包括以下几个步骤:
步骤1:图像、电流、振动和声音信号的采集;
监测高压断路器控制线圈电流的突变情况,当控制线圈电流突变时,则判定高压断路器将进行分合闸操作,触发对应的装置或设备分别采集与动触头相连的拉杆的图像信号、控制线圈的电流信号、操作机构的振动信号和声音信号;
步骤2:图像信号的分析处理;
对采集到的图像信号进行处理,分析各帧图像中选定目标像素的坐标变化,得到动触头分合闸运动位置-时间曲线,计算动触头的最终行程和平均速度,最终行程和平均速度作为故障辨识中关键参数,与断路器出厂值对比以判断操作机构机械传动的健康状态;
步骤3:电流信号的分析处理;
分析控制线圈电流信号的时间-时间(t-t)图,得到用于故障诊断的电流特征向量T;
步骤4:声音和振动信号的分析处理;
采用LMD(Local mean decomposition,LMD)算法对声音信号和振动信号进行分解,选取前n个包含主要故障信息的PF分量,并求取n个PF分量的近似熵作为声音和振动特征向量;
步骤5:混合特征判别矩阵的构造;
分别采用极值归一化法对所述步骤2的最终行程和平均速度特征向量、步骤3的电流特征向量以及步骤4的声音和振动特征向量进行归一化处理后,构造混合特征判别矩阵;
步骤6:故障状态辨识;
采用支持向量机进行故障模式的多级分类判断断路器机械状态所属的严重等级;将断路器正常状态和故障状态下的混合特征判别矩阵作为训练特征样本,输入到支持向量机中,输出断路器的机械状态诊断结果,再将测试特征样本输入到训练好的支持向量机中,诊断出断路器机械状态所属的严重等级。
进一步的,所述步骤2中,选定目标为与断路器动触头联动的绝缘拉杆和主轴,根据绝缘拉杆和主轴随着断路器操作机构(动触头)运动其位置发生变化,利用图像匹配追踪法匹配各帧图像中选定目标的像素坐标变化d,测量移动目标的实际位移(动触头最终行程)为D=d/λ,绘制出动触头运动位置-时间(D-t)曲线,λ为标准尺寸与图像尺寸的比例系数。
进一步的,在动触头运动位置-时间曲线基础上,根据电流突变时刻与动触头停止运动时间差△t,即计算分合闸中动触头运动的平均速度为:v=D/△t。
进一步的,所述步骤3中,采用DTW(Dynamic Time Warping DTW)算法得出断路器正常和故障情况下控制线圈电流信号的t-t图,形成电流特征向量T,依据故障信号偏移正常信号的时间偏移量来诊断断路器故障。
进一步的,所述步骤4中,声音信号和振动信号LMD分解的数学表达式为:
其中,PFp(t)为一系列瞬时频率有物理意义的乘积信号函数(ProductionFunction,PF),uk(t)为单调函数,k表示PF分量的个数。
由于前n个PF分量包含了原始信号的大部分信息,同时选取多分量会增加运算量,为了降低运算速度和诊断效率,本发明选取n=5求取其近似熵作为断路器操作中的声音和振动特征向量。
进一步的,所述步骤5中,对声音和振动特征向量采用如下极值归一化公式进行归一化处理:
其中,r表示与声音传感器/振动传感器和采集通道放大倍数有关的调整系数,Xij表示声音特征向量或振动特征向量,min(Xij)、max(Xij)分别表示声音特征向量或振动特征向量中的最小值和最大值,Xi'j表示归一化处理后的声音特征向量或振动特征向量。
进一步的,所述步骤5中,将低维特征向量末尾补零,得到构造的混合特征判别矩阵的表达式为:
其中,D表示归一化处理后的动触头实际位移,v表示归一化处理后的动触头平均速度,Ii表示归一化处理后的控制线圈电流特征向量,tj表示归一化处理后的时间偏移量,Hsj表示归一化处理后的声音特征向量,Hvj表示归一化处理后的振动特征向量。
进一步的,所述步骤6中,支持向量机选用Sigmo函数作为内积核函数实现非线性变换,将特征样本空间映射到高维特征空间,并在高维特征空间构造最优分类超平面。
进一步的,一种高压断路器机械状态在线监测与故障辨识装置,基于上述一种高压断路器机械状态在线监测与故障辨识方法,包括图像传感器、霍尔电流传感器、声音传感器、振动加速传感器、信号传输电缆、采集卡、智能工控监测仪以及声光报警模块;所述图像传感器、霍尔电流传感器、声音传感器、振动加速传感器均通过信号传输电缆与所述采集卡相连,所述采集卡与智能工控监测仪相连,所述智能检测监测仪与声光报警器相连。
进一步的,所述图像传感器采用MVS-PM-R视觉传感器;所述MVS-PM-R视觉传感器包括CCD镜头和多功能控制器;所述多功能控制器上设有I/O扩展线接口、I/F通信接口、RS232C接口、USB接口、数字切换功能按键、同步触发按钮以及以太网接口;所述CCD镜头通过双频双绞电缆与所述I/F通信接口连接。
进一步的,所述霍尔电流传感器采用基于磁阻效应的CSN系列闭环电流传感器,以零磁通量方法,能够测量交流、直流和脉冲电流,电流传感高达1275A,测量范围±600A,工作温度-40℃-80℃,外壳采用ABS混合塑料制成。
进一步的,所述声音传感器采用高精度、内置高速处理器、声校准和供电芯片的YAV Z2噪声传感器,可选测量范围是35~130dB,频率范围10Hz~
20kHz,输出为正负10V振荡信号,采用不锈钢材质,探测范围大于100平方米,工作温度-20~+50℃,相对湿度≤80%,外壳防护为IP68等级。
进一步的,所述振动加速度传感器采用DK320系列压电式加速度传感器,可测量从0.3Hz到最高8kHz的500g以内的加速度,能承受最大10000g的冲击,底座带有M5螺栓孔;所述振动加速度传感器安装在被测试断路器箱体正上面。
进一步的,所述采集卡采用型号为NI USB-4431的24位AD高精度数据采集卡,支持4路模拟输入(AI)和一路模拟输出(AO),同步采样率102.4kS/s,带有DIGITAL I/O&DFI接口。
进一步的,所述智能工控监测仪由NVIDIA Tegra K1智能工控主板、嵌入式工业触摸显示屏、专业工控机CPU红铜散热器和工业专用键盘集成;NVIDIATegra K1智能工控主板采用Cortex-A15处理器(4+1核心、主频为2.3Hz),板载2G DDR3高速内存,支持4K HDMI和LCD双显输出,预留4*UARA、RS232、SATA、PCIE、SPI、12C、CAMEAE、CSI和USB等接口;嵌入式工业触摸显示屏采用17寸LED液晶MEKT-170VX进口5线电阻触摸屏,分辨率1280*1024,比例4:3,对比度1000:1,支持VGA、USB、DC等接口。
进一步的,所述声光报警模块为CLB100声光报警器,内设可调语音提示和音量,外设故障报警间隙闪烁红光。
与现有技术相比,本发明所提供的高压断路器机械状态在线监测与故障辨识方法,运用四种不同的传感器同步监测高压断路器操动机构在操动过程中的多种参数,对传感器获得信息进行不同方式的时域和频域分析,形成特征混合判别矩阵,实现高压断路器状态在线监测与故障辨识,解决了操作员定期巡检中因仅靠感性认识和经验难以准确判断高压断路器出现故障的问题,提高了巡检效率,节省了人力和物力等资源;
对应的在线监测与故障辨识装置是一种在线式系统,能够实现断路器运行中对操作机构的能量撞击、部件运动和驱动状态进行快速分析,可判断操动机构整体机械性能及运行状态,更重要的是装置本身对于断路器正常运行无影响。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一个实施例,对于本领域普通技术人员来说,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明机械特性参数测试与故障诊断流程图;
图2是本发明对应装置的结构示意图;
图3是本发明图像传感器的结构示意图;
其中:1-图像传感器,2-霍尔电流传感器,3-声音传感器,4-振动加速度传感器,5-信号传输电缆,6-采集卡,7-智能工控监测仪,8-声光报警器,9-CCD镜头,10-双频双绞电缆,11-多功能控制器,12-I/O扩展线接口,13-I/F通信接口,14-RS232C接口,15-USB接口,16-数字切换功能按键,17-同步触发按钮,18-以太网接口。
具体实施方式
下面结合本发明实施例中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明所提供的一种高压断路器机械状态在线监测与故障辨识方法,包括以下几个步骤:
步骤1:图像、电流、振动和声音信号的采集;
监测高压断路器控制线圈电流的突变情况,当控制线圈电流突变时,则判定高压断路器将进行分合闸操作,触发对应的装置或设备分别采集与动触头相连的拉杆的图像信号、控制线圈的电流信号、操作机构的振动信号和声音信号。
将图像传感器、霍尔电流传感器、声音传感器和振动加速度传感器四种传感器安装好,并通过信号传输电缆5将这四种传感器连接至采集卡6,采集卡6连接至智能工控监测仪7,智能工控监测仪7与声光报警器8连接;由图像传感器1捕捉断路器操动过程中运动部件的图像,分析运动部件在操动中发生位移,同时,通过采集卡6获得高压断路器操作过程中的图像、电流、声音和振动信号,并将采集获取的信号传输至智能工控监测仪7进行分析处理。
步骤2:图像信号的分析处理;
对采集到的图像信号进行处理,分析各帧图像中选定目标像素的坐标变化,得到动触头分合闸运动位置-时间曲线,计算动触头的最终行程和平均速度,最终行程和平均速度作为故障辨识中关键参数,与断路器出厂值对比以判断操作机构机械传动的健康状态。
选定目标为与断路器动触头联动的绝缘拉杆和主轴,根据绝缘拉杆和主轴随着断路器动触头运动其位置发生变化,利用图像匹配追踪法匹配各帧图像中选定目标的像素坐标变化d,测量移动目标的实际位移为D=d/λ,绘制出动触头D-t曲线,λ为标准尺寸与图像尺寸的比例系数;在动触头D-t曲线基础上,根据电流突变时刻与动触头停止运动时间差△t,即计算分合闸中动触头运动的平均速度为:v=D/△t。本实施例中,D=60.5mm和v=2.6m/s。
步骤3:电流信号的分析处理;
分析控制线圈电流信号的t-t图,得到用于故障诊断的电流特征向量T。
霍尔电流传感器2测量分闸控制线圈中的电流信号,采用DTW算法得出断路器正常和故障情况下控制线圈电流信号的t-t图,形成电流特征向量T,依据故障信号偏移正常信号的时间偏移量来诊断断路器故障。
步骤4:声音和振动信号的分析处理;
采用LMD算法对声音信号和振动信号进行分解,选取前5个包含主要故障信息的PF分量,并求取5个PF分量的近似熵作为声音和振动特征向量。
声音信号和振动信号LMD分解的数学表达式为:
其中,PFp(t)为一系列瞬时频率有物理意义的乘积信号函数,uk(t)为单调函数,k表示PF分量的个数。
由于前5个PF分量包含了原始信号的大部分信息,同时选取多分量会增加运算量,为了降低运算速度和诊断效率,选取前5个PF分量求取其近似熵作为断路器操作中的声音和振动特征向量。
步骤5:混合特征判别矩阵的构造;
分别采用极值归一化法对步骤2的最终行程和平均速度特征向量、步骤3的电流特征向量以及步骤4的声音和振动特征向量进行归一化处理后,构造混合特征判别矩阵。
由于数据局部均值处理后提取的近似熵在不同PF值中数值差距很大,为了量纲不同而不具有可比性产生的差异,平衡各个指标,对声音和振动特征向量采用如下极值归一化公式(2)进行归一化处理:
其中,r表示与声音传感器/振动传感器和采集通道放大倍数有关的调整系数,Xij表示声音特征向量或振动特征向量,min(Xij)、max(Xij)分别表示声音特征向量或振动特征向量中的最小值和最大值,Xi'j表示归一化处理后的声音特征向量或振动特征向量;将低维特征向量末尾补零,由此得到的混合特征判别矩阵为:
步骤6:故障状态辨识;
采用支持向量机进行故障模式的多级分类判断断路器机械状态所属的严重等级;将断路器正常状态和故障状态下的混合特征判别矩阵作为训练特征样本,输入到支持向量机中,输出断路器的机械状态诊断结果,再将测试特征样本输入到训练好的支持向量机中,诊断出断路器机械状态所属的严重等级。
支持向量机选用Sigmo函数作为内积核函数实现非线性变换,将特征样本空间映射到高维特征空间,并在高维特征空间构造最优分类超平面。
如图2所示,一种高压断路器机械状态在线监测与故障辨识装置,基于上述一种高压断路器机械状态在线监测与故障辨识方法,包括图像传感器1、霍尔电流传感器2、声音传感器3、振动加速传感器、信号传电缆5、采集卡6、智能工控监测仪7以及声光报警模块;所述图像传感器1、霍尔电流传感器2、声音传感器3、振动加速传感器均通过信号传输电缆5与采集卡6相连,所述采集卡6与智能工控监测仪7相连,所述智能检测监测仪与声光报警器8相连。
如图3所示,图像传感器1采用MVS-PM-R视觉传感器,MVS-PM-R视觉传感器包括430K像素彩色CCD的镜头、16Mbps数据通信的双频双绞电缆10和支持Ethernet、内置LED照明和32个相机存储器的多功能控制器11组成;CCD镜头9通过双频双绞电缆10与多功能控制器11相连;CCD镜头9内置视觉处理器“OPTCPU”,独立处理图像,采用CS型镜头接口,分辨率为512*512;多功能控制器11可同时连接3台CCD镜头9,带有I/O扩展线接口12、专用I/F通信接口13、RS232C接口14、USB接口15、数字切换功能按键16、同步触发按钮17以及以太网接口18。
CCD镜头9需要设置的参数包括拍摄焦距、触发速度、相机帧率、分辨率和曝光时间。测试前采用简易标准尺与图像尺寸对比,确定标定CCD镜头9拍摄图像每个像素在实际拍摄平面中的实际尺寸,即为标准尺与图像尺寸比例系数λ。
霍尔电流传感器2采用基于磁阻效应的CSN系列闭环电流传感器,以零磁通量方法,能够测量交流、直流和脉冲电流,电流传感高达1275A,测量范围±600A,工作温度-40℃-80℃,外壳采用ABS混合塑料制成。
声音传感器3采用高精度、内置高速处理器、声校准和供电芯片的YAV Z2噪声传感器,可选测量范围是35~130dB,频率范围10Hz~20kHz,输出为正负10V振荡信号,采用不锈钢材质,探测范围大于100平方米,工作温度-20~+50℃,相对湿度≤80%,外壳防护为IP68等级。
振动加速度传感器4采用DK320系列压电式加速度传感器,可测量从0.3Hz到最高8kHz的500g以内的加速度,能承受最大10000g的冲击,底座带有M5螺栓孔;振动加速度传感器4安装在被测试断路器箱体正上面。
信号传输电缆5为菲尼克斯传感器专用电缆SAC-5P-1,采用M12混合接线,数据传输速度高达40Gbps,额定电流可达150A、额定电压可达630V。
采集卡6采用型号为NI USB-4431的24位AD高精度数据采集卡6,支持4路模拟输入(AI)和一路模拟输出(AO),同步采样率102.4kS/s,带有DIGITALI/O&DFI接口。
智能工控监测仪7由NVIDIA Tegra K1智能工控主板、嵌入式工业触摸显示屏、专业工控机CPU红铜散热器和工业专用键盘集成;NVIDIA Tegra K1智能工控主板采用Cortex-A15处理器(4+1核心、主频为2.3Hz),板载2G DDR3高速内存,支持4K HDMI和LCD双显输出,预留4*UARA、RS232、SATA、PCIE、SPI、12C、CAMEAE、CSI和USB等接口;嵌入式工业触摸显示屏采用17寸LED液晶MEKT-170VX进口5线电阻触摸屏,分辨率1280*1024,比例4:3,对比度1000:1,支持VGA、USB、DC等接口。
声光报警模块为CLB100声光报警器8,内设可调语音提示和音量,外设故障报警间隙闪烁红光。
以上所揭露的仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或变型,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种高压断路器机械状态在线监测与故障辨识方法,其特征在于,包括以下几个步骤:
步骤1:图像、电流、振动和声音信号的采集;
监测高压断路器控制线圈电流的突变情况,当控制线圈电流突变时,则判定高压断路器将进行分合闸操作,触发对应的装置或设备分别采集与动触头相连的拉杆的图像信号、控制线圈的电流信号、操作机构的振动信号和声音信号;
步骤2:图像信号的分析处理;
对采集到的图像信号进行处理,分析各帧图像中选定目标像素的坐标变化,得到动触头分合闸运动位置-时间曲线,计算动触头的最终行程和平均速度,最终行程和平均速度作为故障辨识中关键参数,与断路器出厂值对比以判断操作机构机械传动的健康状态;
步骤3:电流信号的分析处理;
分析控制线圈电流信号的t-t图,得到用于故障诊断的电流特征向量T;
步骤4:声音和振动信号的分析处理;
采用LMD算法对声音信号和振动信号进行分解,选取前n个包含主要故障信息的PF分量,并求取n个PF分量的近似熵作为声音和振动特征向量;
步骤5:混合特征判别矩阵的构造;
分别采用极值归一化法对所述步骤2的最终行程和平均速度特征向量、步骤3的电流特征向量以及步骤4的声音和振动特征向量进行归一化处理后,构造混合特征判别矩阵;
步骤6:故障状态辨识;
采用支持向量机进行故障模式的多级分类判断断路器机械状态所属的严重等级;将断路器正常状态和故障状态下的混合特征判别矩阵作为训练特征样本,输入到支持向量机中,输出断路器的机械状态诊断结果,再将测试特征样本输入到训练好的支持向量机中,诊断出断路器机械状态所属的严重等级。
2.如权利要求1所述的一种高压断路器机械状态在线监测与故障辨识方法,其特征在于,所述步骤2中,选定目标为与断路器动触头联动的绝缘拉杆和主轴,根据绝缘拉杆和主轴随着断路器动触头运动其位置发生变化,利用图像匹配追踪法匹配各帧图像中选定目标的像素坐标变化d,测量动触头的实际位移D为D=d/λ,绘制出动触头D-t曲线,λ为标准尺寸与图像尺寸的比例系数。
3.如权利要求2所述的一种高压断路器机械状态在线监测与故障辨识方法,其特征在于,在动触头D-t曲线基础上,根据电流突变时刻与动触头停止运动时间差△t,即计算分合闸中动触头运动的平均速度为:v=D/△t。
4.如权利要求1所述的一种高压断路器机械状态在线监测与故障辨识方法,其特征在于,所述步骤3中,采用DTW算法得出断路器正常和故障情况下控制线圈电流信号的t-t图,形成电流特征向量T,依据故障信号偏移正常信号的时间偏移量来诊断断路器故障。
5.如权利要求1所述的一种高压断路器机械状态在线监测与故障辨识方法,其特征在于,所述步骤4中,声音信号和振动信号LMD分解的数学表达式为:
其中,PFp(t)为一系列瞬时频率有物理意义的乘积信号函数(Production Function,PF),uk(t)为单调函数,k表示PF分量的个数。
6.如权利要求1所述的一种高压断路器机械状态在线监测与故障辨识方法,其特征在于,所述步骤5中,对声音和振动特征向量采用如下极值归一化公式进行归一化处理:
其中,r表示与声音传感器/振动传感器和采集通道放大倍数有关的调整系数,Xij表示声音特征向量或振动特征向量,min(Xij)、max(Xij)分别表示声音特征向量或振动特征向量中的最小值和最大值,X′ij表示归一化处理后的声音特征向量或振动特征向量。
7.如权利要求1所述的一种高压断路器机械状态在线监测与故障辨识方法,其特征在于,所述步骤5中,将低维特征向量末尾补零,得到构造的混合特征判别矩阵的表达式为:
其中,D表示归一化处理后的动触头实际位移,v表示归一化处理后的动触头平均速度,Ii表示归一化处理后的控制线圈电流特征向量,tj表示归一化处理后的时间偏移量,Hsj表示归一化处理后的声音特征向量,Hvj表示归一化处理后的振动特征向量。
8.如权利要求1所述的一种高压断路器机械状态在线监测与故障辨识方法,其特征在于,所述步骤6中,支持向量机选用Sigmo函数作为内积核函数实现非线性变换,将特征样本空间映射到高维特征空间,并在高维特征空间构造最优分类超平面。
9.一种高压断路器机械状态在线监测与故障辨识装置,基于权利要求1-8任一所述的一种高压断路器机械状态在线监测与故障辨识方法,其特征在于:包括图像传感器、霍尔电流传感器、声音传感器、振动加速传感器、信号传输电缆、采集卡、智能工控监测仪以及声光报警模块;所述图像传感器、霍尔电流传感器、声音传感器、振动加速传感器均通过信号传输电缆与所述采集卡相连,所述采集卡与智能工控监测仪相连,所述智能检测监测仪与声光报警器相连。
10.如权利要求9所述的一种高压断路器机械状态在线监测与故障辨识装置,其特征在于,所述图像传感器采用MVS-PM-R视觉传感器;所述MVS-PM-R视觉传感器包括CCD镜头和多功能控制器;所述多功能控制器上设有I/O扩展线接口、I/F通信接口、RS232C接口、USB接口、数字切换功能按键、同步触发按钮以及以太网接口;所述CCD镜头通过双频双绞电缆与所述I/F通信接口连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811045417.4A CN109164381B (zh) | 2018-09-07 | 2018-09-07 | 一种高压断路器机械状态在线监测与故障辨识方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811045417.4A CN109164381B (zh) | 2018-09-07 | 2018-09-07 | 一种高压断路器机械状态在线监测与故障辨识方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109164381A true CN109164381A (zh) | 2019-01-08 |
CN109164381B CN109164381B (zh) | 2021-06-18 |
Family
ID=64894295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811045417.4A Active CN109164381B (zh) | 2018-09-07 | 2018-09-07 | 一种高压断路器机械状态在线监测与故障辨识方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109164381B (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110045273A (zh) * | 2019-03-26 | 2019-07-23 | 四川大学 | 一种sf6断路器触头烧蚀程度在线监测方法 |
CN110530630A (zh) * | 2019-01-21 | 2019-12-03 | 天津工业大学 | 一种基于改进动态时间规整的行星齿轮箱齿轮局部故障诊断方法 |
CN110657965A (zh) * | 2019-09-06 | 2020-01-07 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于图像识别的高压断路器机械特性检测方法及装置 |
CN110687444A (zh) * | 2019-11-07 | 2020-01-14 | 广东电网有限责任公司 | 一种10kV真空断路器分合闸平均速度测试装置及方法 |
CN110824344A (zh) * | 2019-10-22 | 2020-02-21 | 国网浙江省电力有限公司检修分公司 | 基于振动信号短时能熵比与dtw的高压断路器状态评估方法 |
CN111044272A (zh) * | 2019-11-14 | 2020-04-21 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于大数据技术的高压断路器机械特性试验方法及装置 |
CN111289888A (zh) * | 2019-12-11 | 2020-06-16 | 嘉兴恒创电力集团有限公司博创物资分公司 | 一种基于大数据技术的高压断路器状态检测及故障诊断方法 |
CN111487046A (zh) * | 2020-02-27 | 2020-08-04 | 广西电网有限责任公司电力科学研究院 | 一种断路器声纹及振动熵特征融合的故障诊断方法 |
CN112557004A (zh) * | 2020-11-23 | 2021-03-26 | 广西电网有限责任公司电力科学研究院 | 一种高压断路器机械故障检测方法 |
CN112683514A (zh) * | 2020-12-31 | 2021-04-20 | 国网河南省电力公司检修公司 | 一种基于声波信号的断路器机械特性测试方法及装置 |
CN112731127A (zh) * | 2020-12-08 | 2021-04-30 | 贵州电网有限责任公司 | 一种高压断路器多维融合诊断装置及方法 |
CN112816859A (zh) * | 2021-01-19 | 2021-05-18 | 国网宁夏电力有限公司培训中心 | 断路器分合闸线圈状态在线监测及智能评估系统 |
CN113506245A (zh) * | 2021-06-11 | 2021-10-15 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于深度残差网络的高压断路器机械性能评估方法 |
CN113567845A (zh) * | 2021-06-11 | 2021-10-29 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于深度置信网络的高压断路器生命周期智能评估方法 |
CN113671363A (zh) * | 2021-08-13 | 2021-11-19 | 华北电力大学(保定) | 一种高压断路器状态辨识系统及方法 |
CN114543898A (zh) * | 2022-04-07 | 2022-05-27 | 国网河北省电力有限公司超高压分公司 | 一种高压断路器操动机构非侵入式检测系统 |
CN114705241A (zh) * | 2022-03-28 | 2022-07-05 | 广东电网有限责任公司 | 一种开关类设备状态监测及故障诊断方法和装置 |
CN114740343A (zh) * | 2022-04-13 | 2022-07-12 | 安徽中安昊源电力科技有限公司 | 断路器用实时检测系统 |
CN115327363A (zh) * | 2022-08-22 | 2022-11-11 | 国网江苏省电力有限公司南通市海门区供电分公司 | 一种高压断路器机械特性带电监测及状态识别方法 |
CN115575807A (zh) * | 2022-09-29 | 2023-01-06 | 河北承捷电力设备制造有限公司 | 一种断路器的在线监测装置及其监测方法 |
CN116989593A (zh) * | 2023-09-25 | 2023-11-03 | 苏州弘皓光电科技有限公司 | 一种电炉运行故障的监测预警方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103308292A (zh) * | 2013-05-16 | 2013-09-18 | 国家电网公司 | 基于振动信号分析的真空断路器机械状态检测方法 |
CN205619953U (zh) * | 2016-01-19 | 2016-10-05 | 华北电力大学(保定) | 用于高压断路器动作特性测试的多种信号同步采集装置 |
CN106019138A (zh) * | 2016-07-25 | 2016-10-12 | 深圳供电局有限公司 | 一种高压断路器机械故障的在线诊断方法 |
CN106199412A (zh) * | 2016-07-01 | 2016-12-07 | 太原理工大学 | 一种永磁机构高压真空断路器故障模式识别方法 |
CN206362901U (zh) * | 2017-01-09 | 2017-07-28 | 华北电力大学(保定) | 一种断路器机械特性智能测试与状态监测机器人 |
CN107329079A (zh) * | 2017-07-28 | 2017-11-07 | 河海大学 | 一种高压断路器在线监测及故障综合诊断系统 |
CN107796602A (zh) * | 2016-08-31 | 2018-03-13 | 华北电力大学(保定) | 一种声振信号融合处理的断路器故障诊断方法 |
-
2018
- 2018-09-07 CN CN201811045417.4A patent/CN109164381B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103308292A (zh) * | 2013-05-16 | 2013-09-18 | 国家电网公司 | 基于振动信号分析的真空断路器机械状态检测方法 |
CN205619953U (zh) * | 2016-01-19 | 2016-10-05 | 华北电力大学(保定) | 用于高压断路器动作特性测试的多种信号同步采集装置 |
CN106199412A (zh) * | 2016-07-01 | 2016-12-07 | 太原理工大学 | 一种永磁机构高压真空断路器故障模式识别方法 |
CN106019138A (zh) * | 2016-07-25 | 2016-10-12 | 深圳供电局有限公司 | 一种高压断路器机械故障的在线诊断方法 |
CN107796602A (zh) * | 2016-08-31 | 2018-03-13 | 华北电力大学(保定) | 一种声振信号融合处理的断路器故障诊断方法 |
CN206362901U (zh) * | 2017-01-09 | 2017-07-28 | 华北电力大学(保定) | 一种断路器机械特性智能测试与状态监测机器人 |
CN107329079A (zh) * | 2017-07-28 | 2017-11-07 | 河海大学 | 一种高压断路器在线监测及故障综合诊断系统 |
Non-Patent Citations (1)
Title |
---|
董镝等: "基于形态小波和支持向量机的高压断路器状态监测和故障诊断", 《电测与仪表》 * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110530630B (zh) * | 2019-01-21 | 2023-08-29 | 天津工业大学 | 一种基于改进动态时间规整的行星齿轮箱齿轮局部故障诊断方法 |
CN110530630A (zh) * | 2019-01-21 | 2019-12-03 | 天津工业大学 | 一种基于改进动态时间规整的行星齿轮箱齿轮局部故障诊断方法 |
CN110045273B (zh) * | 2019-03-26 | 2021-04-30 | 四川大学 | 一种sf6断路器触头烧蚀程度在线监测方法 |
CN110045273A (zh) * | 2019-03-26 | 2019-07-23 | 四川大学 | 一种sf6断路器触头烧蚀程度在线监测方法 |
CN110657965A (zh) * | 2019-09-06 | 2020-01-07 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于图像识别的高压断路器机械特性检测方法及装置 |
CN110824344A (zh) * | 2019-10-22 | 2020-02-21 | 国网浙江省电力有限公司检修分公司 | 基于振动信号短时能熵比与dtw的高压断路器状态评估方法 |
CN110687444A (zh) * | 2019-11-07 | 2020-01-14 | 广东电网有限责任公司 | 一种10kV真空断路器分合闸平均速度测试装置及方法 |
CN111044272A (zh) * | 2019-11-14 | 2020-04-21 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于大数据技术的高压断路器机械特性试验方法及装置 |
CN111044272B (zh) * | 2019-11-14 | 2022-03-15 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于大数据技术的高压断路器机械特性试验方法及装置 |
CN111289888A (zh) * | 2019-12-11 | 2020-06-16 | 嘉兴恒创电力集团有限公司博创物资分公司 | 一种基于大数据技术的高压断路器状态检测及故障诊断方法 |
CN111289888B (zh) * | 2019-12-11 | 2022-04-08 | 嘉兴恒创电力集团有限公司博创物资分公司 | 一种基于大数据技术的高压断路器状态检测及故障诊断方法 |
CN111487046A (zh) * | 2020-02-27 | 2020-08-04 | 广西电网有限责任公司电力科学研究院 | 一种断路器声纹及振动熵特征融合的故障诊断方法 |
CN112557004A (zh) * | 2020-11-23 | 2021-03-26 | 广西电网有限责任公司电力科学研究院 | 一种高压断路器机械故障检测方法 |
CN112557004B (zh) * | 2020-11-23 | 2022-06-14 | 广西电网有限责任公司电力科学研究院 | 一种高压断路器机械故障检测方法 |
CN112731127A (zh) * | 2020-12-08 | 2021-04-30 | 贵州电网有限责任公司 | 一种高压断路器多维融合诊断装置及方法 |
CN112683514A (zh) * | 2020-12-31 | 2021-04-20 | 国网河南省电力公司检修公司 | 一种基于声波信号的断路器机械特性测试方法及装置 |
CN112816859A (zh) * | 2021-01-19 | 2021-05-18 | 国网宁夏电力有限公司培训中心 | 断路器分合闸线圈状态在线监测及智能评估系统 |
CN113567845A (zh) * | 2021-06-11 | 2021-10-29 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于深度置信网络的高压断路器生命周期智能评估方法 |
CN113506245A (zh) * | 2021-06-11 | 2021-10-15 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于深度残差网络的高压断路器机械性能评估方法 |
CN113671363A (zh) * | 2021-08-13 | 2021-11-19 | 华北电力大学(保定) | 一种高压断路器状态辨识系统及方法 |
CN114705241A (zh) * | 2022-03-28 | 2022-07-05 | 广东电网有限责任公司 | 一种开关类设备状态监测及故障诊断方法和装置 |
CN114543898A (zh) * | 2022-04-07 | 2022-05-27 | 国网河北省电力有限公司超高压分公司 | 一种高压断路器操动机构非侵入式检测系统 |
CN114543898B (zh) * | 2022-04-07 | 2023-11-24 | 国网河北省电力有限公司超高压分公司 | 一种高压断路器操动机构非侵入式检测系统 |
CN114740343A (zh) * | 2022-04-13 | 2022-07-12 | 安徽中安昊源电力科技有限公司 | 断路器用实时检测系统 |
CN115327363A (zh) * | 2022-08-22 | 2022-11-11 | 国网江苏省电力有限公司南通市海门区供电分公司 | 一种高压断路器机械特性带电监测及状态识别方法 |
CN115327363B (zh) * | 2022-08-22 | 2023-09-08 | 国网江苏省电力有限公司南通市海门区供电分公司 | 一种高压断路器机械特性带电监测及状态识别方法 |
CN115575807A (zh) * | 2022-09-29 | 2023-01-06 | 河北承捷电力设备制造有限公司 | 一种断路器的在线监测装置及其监测方法 |
CN116989593A (zh) * | 2023-09-25 | 2023-11-03 | 苏州弘皓光电科技有限公司 | 一种电炉运行故障的监测预警方法 |
CN116989593B (zh) * | 2023-09-25 | 2023-12-12 | 苏州弘皓光电科技有限公司 | 一种电炉运行故障的监测预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109164381B (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109164381A (zh) | 一种高压断路器机械状态在线监测与故障辨识方法及装置 | |
CN109164380A (zh) | 一种高压断路器机械状态在线监测与故障辨识装置 | |
CN208636401U (zh) | 一种高压断路器机械特性监测系统 | |
CN101893686B (zh) | 基于摄影数字化的断路器动作特性在线检测装置和方法 | |
CN104215901B (zh) | 一种高压断路器弧触头故障诊断方法 | |
CN201327428Y (zh) | 电连接器接触件插拔力检测装置 | |
CN202974666U (zh) | 汽车发动机的虚拟仪器检测装置 | |
CN106404377A (zh) | 一种基于声学成像技术的变压器机械故障诊断方法 | |
CN109375010A (zh) | 基于振动分布特征模型的电力变压器绕组故障诊断方法 | |
CN103344912B (zh) | 一种新型硅胶按键导电性能的测试系统及测试方法 | |
CN203518937U (zh) | 高压断路器的机械特性测试仪 | |
CN111931827B (zh) | 基于多传感器信息融合的液压泵健康状况检测系统 | |
CN103557920A (zh) | 一种称重自助机及其称重方法 | |
CN106365009A (zh) | 一种电梯门锁啮合深度检测装置及其检测方法 | |
CN106679577B (zh) | 一种测量电梯门最不利点处间隙的自动化仪器及方法 | |
CN206248204U (zh) | 移动式变压器振动特征信号检测装置 | |
CN113432863A (zh) | 阀门健康状态检测及诊断装置及方法 | |
CN106597193B (zh) | 摄像头模组的检测方法、检测装置及仪器 | |
WO2018232558A1 (en) | CIRCUIT BREAKER MONITORING METHOD AND APPARATUS AND INTERNET THEREOF | |
CN106409573B (zh) | 基于测力触头的双柱水平开合隔离开关现场安装检测方法 | |
CN110320053A (zh) | 一种叉车行驶加速特性测试方法 | |
CN202614448U (zh) | 按钮力测试装置 | |
CN107562590A (zh) | 安全显示单元响应时间测试系统和方法 | |
CN210071867U (zh) | 一种磁电式传感器状态自检系统及电路 | |
CN205593969U (zh) | 一种高压断路器操作弹簧疲劳度测试装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |