CN109357846A - 一种高压断路器电磁铁卡涩故障检测方法 - Google Patents
一种高压断路器电磁铁卡涩故障检测方法 Download PDFInfo
- Publication number
- CN109357846A CN109357846A CN201810883133.6A CN201810883133A CN109357846A CN 109357846 A CN109357846 A CN 109357846A CN 201810883133 A CN201810883133 A CN 201810883133A CN 109357846 A CN109357846 A CN 109357846A
- Authority
- CN
- China
- Prior art keywords
- array
- sample
- goes
- voltage circuitbreaker
- openset
- 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
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Driving Mechanisms And Operating Circuits Of Arc-Extinguishing High-Tension Switches (AREA)
- Keying Circuit Devices (AREA)
Abstract
本发明涉及一种高压断路器电磁铁卡涩故障检测方法,可以仅需要输入高压断路器正常运行的震动数据,依据高压断路器运行时的震动数据与正常运行数据的差异来确定高压断路器电磁铁是否存在卡涩故障。在高压断路器运行的过程中,正常运行的数据易于收集,而故障数据多种多样难于全面收集;本发明一方面仅需要输入正常运行的震动数据,数据收集较为容易;另一方面,依据的是电磁铁的震动特性而不是算法对历史数据的总结,规避了决策模型与人工构造故障数据集的拟合,提高了检测的准确率和稳定性。
Description
技术领域
本发明涉及一种高压断路器电磁铁卡涩故障检测方法,属于电力系统中高压断路器故障检测技术领域。
背景技术
高压断路器是电力系统中的重要电力设备,起着对电网的控制和保护作用。它是依靠机械部件的正确动作来完成其功能的。分合闸电磁铁是高压断路器的重要部件,在实际运行过程中该部件可能会发生弯曲变形、沾染脏污、锈蚀等问题,进而引起电磁铁卡涩。较为严重的电磁铁卡涩可能导致高压断路器开关拒动、误动问题,进而严重威胁电网安全,因此自动化的检测高压断路器电磁铁卡涩对于电网安全具有十分重要的意义。
目前的技术采用的普遍的流程是,收集高压断路器的震动正常运行、电磁铁卡涩信号数据构成训练数据集,利用傅里叶变换、小波变换抽取信号的频率、时域信息,进而利用神经网、支持向量机等算法进行学习,获得决策模型来预测电磁铁卡涩故障。这一流程的问题是,引起电磁铁卡涩故障多种多样,一个训练数据不可能涵盖所有故障类型;同时很多单位构造的训练数据集来自于实验室模拟构造的故障,与现实的故障有一定差距;利用算法学习不够全面的数据集,可能会引起决策模型与特殊的数据模式拟合,进而导致漏检和误报的发生;以上的问题导致现有的高压断路器电磁铁卡涩故障自动检测方法不够可靠,电力运行企业经常需要投入大量的人力和资源对高压断路器的电磁铁进行反复检测。
因此需要构造一种方法,从电磁铁卡涩本身的故障震动特性出发,而不是依赖于特定的故障数据集对电磁铁卡涩故障进行检测,提高检测的成功率,提高电网运行的安全。
发明内容
针对现有技术存在的问题,本发明提供一种高压断路器电磁铁卡涩故障检测方法,通过该方法可以仅需要输入高压断路器正常运行的震动数据,依据高压断路器运行时的震动数据与正常运行数据的差异来确定高压断路器电磁铁是否存在卡涩故障。
本发明公开一种高压断路器电磁铁卡涩故障检测方法,包括以下步骤:
S1.在高压断路器上安装震动检测器,在高压断路器正常运行的时候收集高压断路器进行打开和关闭动作时的数据,构造高压断路器打开动作数据集OpenSet和高压断路器关闭动作数据集CloseSet;
S101,在高压断路器上安装震动检测器,在高压断路器正常运行的时候收集高压断路器进行打开和关闭动作时的震动数据;震动检测器的采集频率为1000Hz;
S102,构造高压断路器打开动作数据集OpenSet;
OpenSet是一个由N个样本构成的数据集OpenSet={O1, O2,…ON},N至少大于50;
对于OpenSet中的任意一个样本Oi={VD, K};
其中,VD是高压断路器执行动作时1至1000毫秒的震动数据,其结构为一个1000个元素的数组,数组的每个元素对应从震动检测器上获取的震动幅值;K是该样本的震动特征值,其结构为一个10元素的数组,在构造的时候该数组所有元素为0;
S103,构造高压断路器关闭数动作据集OpenSet;
CloseSet是一个由M个样本构成的数据集CloseSet={C1, C2,…CM},M至少大于50;
对于CloseSet中的任意一个样本Ci={VD, K};
其中VD是高压断路器执行动作时1至1000毫秒的震动数据,其结构为一个1000个元素的数组,数组的每个元素对应从震动检测器上获取的震动幅值;K是该样本的震动特征值,其结构是10个元素的数组,在构造的时候该数组所有元素为0;
S2. 构建震动特性抽取算子ViberFeature,该算子输入为执行动作震动数组VD,输出为10个元素构成的特征值;
S201,初始化一个10个元素的震动特征值数组K,数组每个元素的值为0;
S202,时间计数器tcounter=1;
S203,tempv=获取VD数组的第(tcounter-1)×100+1至tcounter×100+1的元素,tempv为一个100个元素的数组;
S204,resultv=对tempv进行快速傅里叶变换,快速傅里叶变换的输出元素个数为100;
S205, maxresult=数组resultv的最大值,minresultv=数组resultv的最小值,kfeature=0;
S206,迭代计数器rcounter=1;
S207,low=minresultv+(maxresult-minresult)/100.0×(rcounter-1);
S208, high=minresultv+(maxresult-minresult)/100.0×(rcounter);
S209, hi=(计算数组resultv中处在区间[low, high]的元素个数)/10;
S210, kfeature=kfeature+abs(log2(hi));
其中,log2是以2为低的对数,abs为计算绝对值;
S211, rcounter=rcounter+1;
S212, 如果rcounter>=100则转到S213,否则转到S207;
S213,kfeature=(kfeature/100.0×(maxresult-minresult))/maxresult;
S214,K[tcounter]=kfeature;
S215,tcounter=tcounter+1;
S216,如果tcounter>=10则转到S203, 否则转到S217;
S217,输出数组K;
S3.利用震动特性抽取算子ViberFeature,处理OpenSet和CloseSet的所有样本:
S301, 对于OpenSet中的任意一个样本Oi,利用ViberFeature处理Oi的VD,将ViberFeature的输出设置到Oi的K之中;
S302,对于CloseSet中的任意一个样本Ci,利用ViberFeature处理Ci的VD,将ViberFeature的输出设置到Ci的K之中;
S4, 构造特征距离计算算子DistanceOperator,该算子的输入为K1和K2,K1和K2均为10个元素的数组:
S401, 距离计数器DisCounter=1;
S402,距离值DisSum=0;
S403,DisSum=DisSum+tangh(abs(K1[DisCounter]-K2[DisCounter]));
S404, DisCounter=DisCounter+1;
S405, 如果DisCounter>10那么转到S406,否则转到S403;
S406,输出DisSum;
S5,利用DistanceOperator计算OpenSet中所有样本的最大打开动作距离OpenMaxDist:
S501,OpenSet样本计数器OCounterB=1,OpenMaxDist=0;
S502,打开动作比对计数器OCounterB=1;
S503, tempOpen1=取出OpenSet的第OCounterA个样本;
S504, tempOpen2=取出OpenSet的第OCounterB个样本;
S505, tempOpenDis=利用DistanceOperator计算距离,其中K1=tempOpen1的K,K2=tempOpen2的K;
S506,如果tempOpenDis>OpenMaxDist那么OpenMaxDist=tempOpenDis;
S507,OCounterB=OCounterB+1;
S508,如果OCounterB>10则转到S509,否则转到S504;
S509,OCounterA=OCounterA+1;
S510,如果OCounterA>N则转到S511,否则转到S502;
S511,输出OpenMaxDist;
S6,利用DistanceOperator计算CloseSet中所有样本的最大关闭动作距离CloseMaxDist:
S601,CloseSet样本计数器CCounterB=1,CloseMaxDist=0;
S602,关闭动作比对计数器CCounterB=1;
S603, tempClose1=取出CloseSet的第CCounterA个样本;
S604, tempClose2=取出CloseSet的第CCounterB个样本;
S605, tempCloseDis=利用DistanceOperator计算距离,其中K1=tempClose1的K,K2=tempClose2的K;
S606,如果tempCloseDis>CloseMaxDist那么CloseMaxDist=tempCloseDis;
S607,CCounterB=CCounterB+1;
S608,如果CCounterB>10则转到S609,否则转到S604;
S609,CCounterA=CCounterA+1;
S610,如果CCounterA>M则转到S611,否则转到S602;
S611,输出CloseMaxDist;
S7, 输入一个高压断路器的执行动作的震动数组CurrentVD,以及动作内容Action,输出卡涩故障检测结果:
S701,CurrentVD为一个高压断路器执行打开或关闭动作时1至100毫秒的震动数据,其结构为一个100个元素的数组,数组的每个元素对应从震动检测器上获取的震动幅值。利用ViberFeature计算CurrentVD,ViberFeature输出的内容存储到CurrentK之中;
S702,如果Action为进行打开动作则转到706,否则转到S703;
S703,设定暂存样本列表TempSet=OpenSet, 距离目标TargetDist=OpenMaxDist,个数最大值TargetNum=N;
S704,转到S706;
S705,设定暂存样本列表TempSet=CloseSet, 距离目标TargetDist=CloseMaxDist,个数最大值TargetNum=M;
S706,判断计数器CurrentCounter=1, 距离均值AvgDist=0;
S707,CurrentTempValue=利用DistanceOperator计算距离,DistanceOperator的K1为CurrentK,DistanceOperator的K2为TempSet第CurrentCounter个样本的K;
S708,AvgDist=AvgDist+CurrentTempValue;
S709,CurrentCounter=CurrentCounter+1;
S710,如果CurrentCounter>TargetNum这转到S711,否则转到S707;
S711,AvgDist=AvgDist/TargetNum;
S712, 如果AvgDist>TargetDist则转到S713,否则转到S714;
S713,输出存在卡涩故障,需要对高压断路器进行检修;转到S715;
S714,输出不存在卡涩故障,不需要对高压断路器进行检修;
S715,检测过程结束。
本发明的有益效果是:通过该方法可以仅需要输入高压断路器正常运行的震动数据,依据高压断路器运行时的震动数据与正常运行数据的差异来确定高压断路器电磁铁是否存在卡涩故障。在高压断路器运行的过程中,正常运行的数据易于收集,而故障数据多种多样难于全面收集;本发明一方面仅需要输入正常运行的震动数据,数据收集较为容易;另一方面,依据的是电磁铁的震动特性而不是算法对历史数据的总结,规避了决策模型与人工构造故障数据集的拟合,提高了检测的准确率和稳定性。
附图说明
图1为实施例2打开动作的典型震动数据图;
图2为实施例2关闭动作的典型震动数据图;
图3为实施例2正常打开动作的震动数据图;
图4为实施例2出现卡涩故障的高压断路器的震动数据图。
具体实施方式
一下所列出的一系列详细说明仅仅是针对本发明可行性实施方式的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明本质所作的等效实施方式或者变更均应包含在本发明的保护范围之内。
实施例1
1、一种高压断路器电磁铁卡涩故障检测方法,包括以下步骤:
S1.在高压断路器上安装震动检测器,在高压断路器正常运行的时候收集高压断路器进行打开和关闭动作时的数据,构造高压断路器打开动作数据集OpenSet和高压断路器关闭动作数据集CloseSet;
S101,在高压断路器上安装震动检测器,在高压断路器正常运行的时候收集高压断路器进行打开和关闭动作时的震动数据;震动检测器的采集频率为1000Hz;
S102,构造高压断路器打开动作数据集OpenSet;
OpenSet是一个由N个样本构成的数据集OpenSet={O1, O2,…ON},N至少大于50;
对于OpenSet中的任意一个样本Oi={VD, K};
其中,VD是高压断路器执行动作时1至1000毫秒的震动数据,其结构为一个1000个元素的数组,数组的每个元素对应从震动检测器上获取的震动幅值;K是该样本的震动特征值,其结构为一个10元素的数组,在构造的时候该数组所有元素为0;
S103,构造高压断路器关闭数动作据集OpenSet;
CloseSet是一个由M个样本构成的数据集CloseSet={C1, C2,…CM},M至少大于50;
对于CloseSet中的任意一个样本Ci={VD, K};
其中VD是高压断路器执行动作时1至1000毫秒的震动数据,其结构为一个1000个元素的数组,数组的每个元素对应从震动检测器上获取的震动幅值;K是该样本的震动特征值,其结构是10个元素的数组,在构造的时候该数组所有元素为0;
S2. 构建震动特性抽取算子ViberFeature,该算子输入为执行动作震动数组VD,输出为10个元素构成的特征值;
S201,初始化一个10个元素的震动特征值数组K,数组每个元素的值为0;
S202,时间计数器tcounter=1;
S203,tempv=获取VD数组的第(tcounter-1)×100+1至tcounter×100+1的元素,tempv为一个100个元素的数组;
S204,resultv=对tempv进行快速傅里叶变换,快速傅里叶变换的输出元素个数为100;
S205, maxresult=数组resultv的最大值,minresultv=数组resultv的最小值,kfeature=0;
S206,迭代计数器rcounter=1;
S207,low=minresultv+(maxresult-minresult)/100.0×(rcounter-1);
S208, high=minresultv+(maxresult-minresult)/100.0×(rcounter);
S209, hi=(计算数组resultv中处在区间[low, high]的元素个数)/10;
S210, kfeature=kfeature+abs(log2(hi));
其中,log2是以2为低的对数,abs为计算绝对值;
S211, rcounter=rcounter+1;
S212, 如果rcounter>=100则转到S213,否则转到S207;
S213,kfeature=(kfeature/100.0×(maxresult-minresult))/maxresult;
S214,K[tcounter]=kfeature;
S215,tcounter=tcounter+1;
S216,如果tcounter>=10则转到S203, 否则转到S217;
S217,输出数组K;
S3.利用震动特性抽取算子ViberFeature,处理OpenSet和CloseSet的所有样本:
S301, 对于OpenSet中的任意一个样本Oi,利用ViberFeature处理Oi的VD,将ViberFeature的输出设置到Oi的K之中;
S302,对于CloseSet中的任意一个样本Ci,利用ViberFeature处理Ci的VD,将ViberFeature的输出设置到Ci的K之中;
S4, 构造特征距离计算算子DistanceOperator,该算子的输入为K1和K2,K1和K2均为10个元素的数组:
S401, 距离计数器DisCounter=1;
S402,距离值DisSum=0;
S403,DisSum=DisSum+tangh(abs(K1[DisCounter]-K2[DisCounter]));
S404, DisCounter=DisCounter+1;
S405, 如果DisCounter>10那么转到S406,否则转到S403;
S406,输出DisSum;
S5,利用DistanceOperator计算OpenSet中所有样本的最大打开动作距离OpenMaxDist:
S501,OpenSet样本计数器OCounterB=1,OpenMaxDist=0;
S502,打开动作比对计数器OCounterB=1;
S503, tempOpen1=取出OpenSet的第OCounterA个样本;
S504, tempOpen2=取出OpenSet的第OCounterB个样本;
S505, tempOpenDis=利用DistanceOperator计算距离,其中K1=tempOpen1的K,K2=tempOpen2的K;
S506,如果tempOpenDis>OpenMaxDist那么OpenMaxDist=tempOpenDis;
S507,OCounterB=OCounterB+1;
S508,如果OCounterB>10则转到S509,否则转到S504;
S509,OCounterA=OCounterA+1;
S510,如果OCounterA>N则转到S511,否则转到S502;
S511,输出OpenMaxDist;
S6,利用DistanceOperator计算CloseSet中所有样本的最大关闭动作距离CloseMaxDist:
S601,CloseSet样本计数器CCounterB=1,CloseMaxDist=0;
S602,关闭动作比对计数器CCounterB=1;
S603, tempClose1=取出CloseSet的第CCounterA个样本;
S604, tempClose2=取出CloseSet的第CCounterB个样本;
S605, tempCloseDis=利用DistanceOperator计算距离,其中K1=tempClose1的K,K2=tempClose2的K;
S606,如果tempCloseDis>CloseMaxDist那么CloseMaxDist=tempCloseDis;
S607,CCounterB=CCounterB+1;
S608,如果CCounterB>10则转到S609,否则转到S604;
S609,CCounterA=CCounterA+1;
S610,如果CCounterA>M则转到S611,否则转到S602;
S611,输出CloseMaxDist;
S7, 输入一个高压断路器的执行动作的震动数组CurrentVD,以及动作内容Action,输出卡涩故障检测结果:
S701,CurrentVD为一个高压断路器执行打开或关闭动作时1至100毫秒的震动数据,其结构为一个100个元素的数组,数组的每个元素对应从震动检测器上获取的震动幅值。利用ViberFeature计算CurrentVD,ViberFeature输出的内容存储到CurrentK之中;
S702,如果Action为进行打开动作则转到706,否则转到S703;
S703,设定暂存样本列表TempSet=OpenSet, 距离目标TargetDist=OpenMaxDist,个数最大值TargetNum=N;
S704,转到S706;
S705,设定暂存样本列表TempSet=CloseSet, 距离目标TargetDist=CloseMaxDist,个数最大值TargetNum=M;
S706,判断计数器CurrentCounter=1, 距离均值AvgDist=0;
S707,CurrentTempValue=利用DistanceOperator计算距离,DistanceOperator的K1为CurrentK,DistanceOperator的K2为TempSet第CurrentCounter个样本的K;
S708,AvgDist=AvgDist+CurrentTempValue;
S709,CurrentCounter=CurrentCounter+1;
S710,如果CurrentCounter>TargetNum这转到S711,否则转到S707;
S711,AvgDist=AvgDist/TargetNum;
S712, 如果AvgDist>TargetDist则转到S713,否则转到S714;
S713,输出存在卡涩故障,需要对高压断路器进行检修;转到S715;
S714,输出不存在卡涩故障,不需要对高压断路器进行检修;
S715,检测过程结束。
实施例2
S1,在一个高压断路器上安装震动传感器,在高压断路器正常运行的时候收集高压断路器进行打开和关闭动作时的数据,构造高压断路器打开动作数据集OpenSet和高压断路器关闭动作数据集CloseSet。OpenSet和CloseSet分别包含100个数据。
对于打开动作,典型的震动数据如图1所示;
对于关闭动作,典型的震动数据如图2所示;
S2. 构建震动特性抽取算子ViberFeature;
S3. 利用震动特性抽取算子ViberFeature,处理OpenSet和CloseSet的所有样本;
S4.构造特征距离计算算子DistanceOperator;
S5.利用DistanceOperator计算OpenSet中所有样本的最大打开动作距离OpenMaxDist, 该步骤的计算结果OpenMaxDist=0.313;
S6,利用DistanceOperator计算CloseSet中所有样本的最大关闭动作距离CloseMaxDist, 该步骤的计算结果CloseMaxDist=0.437;
S7. 输入一个高压断路器的执行动作的震动数组CurrentVD,以及动作内容Action,输出卡涩故障检测结果;
对于一个正常打开动作的震动数据如图3所示;
对于该数据S7的S711步骤计算结果为0.211 小于·0.313,为正常数据;
对于一个出现卡涩故障的高压断路器,其震动数据为如图4所示;
对于该数据S7的S711步骤计算结果为0.459 大于·0.313,说明该设备的电磁铁出现了卡涩故障,需要进行检修。
实施例3
引入100组断路器正常震动数据,引入20个存在卡涩故障的断路器,20个正常的不存在卡涩故障的断路器,使用本发明的方法与支持向量机方法、决策数方法、神经网方法进行对比。对比结果如下表1所示:
根据表1可以看到,对于正常的数据本专利仅有1例被误判为存在卡涩故障,精确程度高于其他的3个方法;而对于20个卡涩数据,本发明完全将它们识别出来了,漏判率为0,这对于关键设备的管理和维护十分重要,其判定的精度也远高于其它3个方法,证明本发明具有较高的实用价值。
Claims (2)
1.一种高压断路器电磁铁卡涩故障检测方法,包括以下步骤:
S1.在高压断路器上安装震动检测器,在高压断路器正常运行的时候收集高压断路器进行打开和关闭动作时的数据,构造高压断路器打开动作数据集OpenSet和高压断路器关闭动作数据集CloseSet;
S101,在高压断路器上安装震动检测器,在高压断路器正常运行的时候收集高压断路器进行打开和关闭动作时的震动数据;震动检测器的采集频率为1000Hz;
S102,构造高压断路器打开动作数据集OpenSet;
OpenSet是一个由N个样本构成的数据集OpenSet={O1, O2,…ON},N至少大于50;
对于OpenSet中的任意一个样本Oi={VD, K};
其中,VD是高压断路器执行动作时1至1000毫秒的震动数据,其结构为一个1000个元素的数组,数组的每个元素对应从震动检测器上获取的震动幅值;K是该样本的震动特征值,其结构为一个10元素的数组,在构造的时候该数组所有元素为0;
S103,构造高压断路器关闭数动作据集OpenSet;
CloseSet是一个由M个样本构成的数据集CloseSet={C1, C2,…CM},M至少大于50;
对于CloseSet中的任意一个样本Ci={VD, K};
其中VD是高压断路器执行动作时1至1000毫秒的震动数据,其结构为一个1000个元素的数组,数组的每个元素对应从震动检测器上获取的震动幅值;K是该样本的震动特征值,其结构是10个元素的数组,在构造的时候该数组所有元素为0;
S2. 构建震动特性抽取算子ViberFeature,该算子输入为执行动作震动数组VD,输出为10个元素构成的特征值;
S201,初始化一个10个元素的震动特征值数组K,数组每个元素的值为0;
S202,时间计数器tcounter=1;
S203,tempv=获取VD数组的第(tcounter-1)×100+1至tcounter×100+1的元素,tempv为一个100个元素的数组;
S204,resultv=对tempv进行快速傅里叶变换,快速傅里叶变换的输出元素个数为100;
S205,maxresult=数组resultv的最大值,minresultv=数组resultv的最小值,kfeature=0;
S206,迭代计数器rcounter=1;
S207,low=minresultv+(maxresult-minresult)/100.0×(rcounter-1);
S208, high=minresultv+(maxresult-minresult)/100.0×(rcounter);
S209, hi=(计算数组resultv中处在区间[low, high]的元素个数)/10;
S210, kfeature=kfeature+abs(log2(hi));
其中,log2是以2为低的对数,abs为计算绝对值;
S211, rcounter=rcounter+1;
S212, 如果rcounter>=100则转到S213,否则转到S207;
S213,kfeature=(kfeature/100.0×(maxresult-minresult))/maxresult;
S214,K[tcounter]=kfeature;
S215,tcounter=tcounter+1;
S216,如果tcounter>=10则转到S203, 否则转到S217;
S217,输出数组K;
S3.利用震动特性抽取算子ViberFeature,处理OpenSet和CloseSet的所有样本:
S301, 对于OpenSet中的任意一个样本Oi,利用ViberFeature处理Oi的VD,将ViberFeature的输出设置到Oi的K之中;
S302,对于CloseSet中的任意一个样本Ci,利用ViberFeature处理Ci的VD,将ViberFeature的输出设置到Ci的K之中;
S4, 构造特征距离计算算子DistanceOperator,该算子的输入为K1和K2,K1和K2均为10个元素的数组:
S401, 距离计数器DisCounter=1;
S402,距离值DisSum=0;
S403,DisSum=DisSum+tangh(abs(K1[DisCounter]-K2[DisCounter]));
S404, DisCounter=DisCounter+1;
S405, 如果DisCounter>10那么转到S406,否则转到S403;
S406,输出DisSum;
S5,利用DistanceOperator计算OpenSet中所有样本的最大打开动作距离OpenMaxDist:
S501,OpenSet样本计数器OCounterB=1,OpenMaxDist=0;
S502,打开动作比对计数器OCounterB=1;
S503, tempOpen1=取出OpenSet的第OCounterA个样本;
S504, tempOpen2=取出OpenSet的第OCounterB个样本;
S505, tempOpenDis=利用DistanceOperator计算距离,其中K1=tempOpen1的K,K2=tempOpen2的K;
S506,如果tempOpenDis>OpenMaxDist那么OpenMaxDist=tempOpenDis;
S507,OCounterB=OCounterB+1;
S508,如果OCounterB>10则转到S509,否则转到S504;
S509,OCounterA=OCounterA+1;
S510,如果OCounterA>N则转到S511,否则转到S502;
S511,输出OpenMaxDist;
S6,利用DistanceOperator计算CloseSet中所有样本的最大关闭动作距离CloseMaxDist:
S601,CloseSet样本计数器CCounterB=1,CloseMaxDist=0;
S602,关闭动作比对计数器CCounterB=1;
S603, tempClose1=取出CloseSet的第CCounterA个样本;
S604, tempClose2=取出CloseSet的第CCounterB个样本;
S605, tempCloseDis=利用DistanceOperator计算距离,其中K1=tempClose1的K,K2=tempClose2的K;
S606,如果tempCloseDis>CloseMaxDist那么CloseMaxDist=tempCloseDis;
S607,CCounterB=CCounterB+1;
S608,如果CCounterB>10则转到S609,否则转到S604;
S609,CCounterA=CCounterA+1;
S610,如果CCounterA>M则转到S611,否则转到S602;
S611,输出CloseMaxDist;
S7, 输入一个高压断路器的执行动作的震动数组CurrentVD,以及动作内容Action,输出卡涩故障检测结果:
S701,CurrentVD为一个高压断路器执行打开或关闭动作时1至100毫秒的震动数据,其结构为一个100个元素的数组,数组的每个元素对应从震动检测器上获取的震动幅值。
2.利用ViberFeature计算CurrentVD,ViberFeature输出的内容存储到CurrentK之中;
S702,如果Action为进行打开动作则转到706,否则转到S703;
S703,设定暂存样本列表TempSet=OpenSet, 距离目标TargetDist=OpenMaxDist,个数最大值TargetNum=N;
S704,转到S706;
S705,设定暂存样本列表TempSet=CloseSet, 距离目标TargetDist=CloseMaxDist,个数最大值TargetNum=M;
S706,判断计数器CurrentCounter=1, 距离均值AvgDist=0;
S707,CurrentTempValue=利用DistanceOperator计算距离,DistanceOperator的K1为CurrentK,DistanceOperator的K2为TempSet第CurrentCounter个样本的K;
S708,AvgDist=AvgDist+CurrentTempValue;
S709,CurrentCounter=CurrentCounter+1;
S710,如果CurrentCounter>TargetNum这转到S711,否则转到S707;
S711,AvgDist=AvgDist/TargetNum;
S712, 如果AvgDist>TargetDist则转到S713,否则转到S714;
S713,输出存在卡涩故障,需要对高压断路器进行检修;转到S715;
S714,输出不存在卡涩故障,不需要对高压断路器进行检修;
S715,检测过程结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810883133.6A CN109357846B (zh) | 2018-08-06 | 2018-08-06 | 一种高压断路器电磁铁卡涩故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810883133.6A CN109357846B (zh) | 2018-08-06 | 2018-08-06 | 一种高压断路器电磁铁卡涩故障检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109357846A true CN109357846A (zh) | 2019-02-19 |
CN109357846B CN109357846B (zh) | 2020-08-21 |
Family
ID=65349820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810883133.6A Active CN109357846B (zh) | 2018-08-06 | 2018-08-06 | 一种高压断路器电磁铁卡涩故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109357846B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112504435A (zh) * | 2020-11-23 | 2021-03-16 | 长春工程学院 | 一种高压断路器基座螺丝松动故障检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE29812361U1 (de) * | 1998-07-03 | 1998-09-17 | Siemens AG, 80333 München | Hochspannungsschalter |
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 |
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 |
CN103616635A (zh) * | 2013-12-05 | 2014-03-05 | 国家电网公司 | 一种高压断路器机械特性故障诊断装置及方法 |
US20140130575A1 (en) * | 2012-11-09 | 2014-05-15 | Franklin Fueling Systems, Inc. | Method and apparatus for electrically indicating a gas characteristic |
CN105021277A (zh) * | 2015-08-12 | 2015-11-04 | 黑龙江大学 | 一种基于小波包关联维数组合的高压断路器振动信号特征提取方法 |
CN105718958A (zh) * | 2016-01-27 | 2016-06-29 | 江苏省电力公司检修分公司 | 基于线性判别分析和支持向量机的断路器故障诊断方法 |
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 |
-
2018
- 2018-08-06 CN CN201810883133.6A patent/CN109357846B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE29812361U1 (de) * | 1998-07-03 | 1998-09-17 | Siemens AG, 80333 München | Hochspannungsschalter |
US20140130575A1 (en) * | 2012-11-09 | 2014-05-15 | Franklin Fueling Systems, Inc. | Method and apparatus for electrically indicating a gas characteristic |
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 |
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 |
CN103616635A (zh) * | 2013-12-05 | 2014-03-05 | 国家电网公司 | 一种高压断路器机械特性故障诊断装置及方法 |
CN105021277A (zh) * | 2015-08-12 | 2015-11-04 | 黑龙江大学 | 一种基于小波包关联维数组合的高压断路器振动信号特征提取方法 |
CN105718958A (zh) * | 2016-01-27 | 2016-06-29 | 江苏省电力公司检修分公司 | 基于线性判别分析和支持向量机的断路器故障诊断方法 |
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 (2)
Title |
---|
潘徽: "基于振动的断路器状态检测系统的设计与开发", 《高压电器》 * |
赵栓峰: "基于粒子群和BP混合优化的采煤机故障诊断分类方法研究", 《矿山机械》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112504435A (zh) * | 2020-11-23 | 2021-03-16 | 长春工程学院 | 一种高压断路器基座螺丝松动故障检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109357846B (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110352349B (zh) | 异常音检测装置、异常度计算装置、异常音生成装置、异常信号检测装置、及其方法、记录介质 | |
CN110933031A (zh) | 一种基于lstm的智能电网配电终端单元入侵检测方法 | |
KR102018330B1 (ko) | 다중 메타학습을 이용한 플랜트 배관 이상 감지 장치 및 방법 | |
CN117407679B (zh) | 智能末屏传感器的数据采集方法及系统 | |
CN113904786B (zh) | 一种基于线路拓扑分析和潮流特性的虚假数据注入攻击辨识方法 | |
CN111092862A (zh) | 一种用于对电网终端通信流量异常进行检测的方法及系统 | |
CN116125361B (zh) | 电压互感器误差评估方法、系统、电子设备及存储介质 | |
CN112648221A (zh) | 一种基于小波-神经网络的风机故障诊断方法 | |
CN109525435A (zh) | 一种电网业务服务器运行状态预警方法 | |
CN111222247A (zh) | 一种旋转机械早期故障预警方法 | |
CN109238455A (zh) | 一种基于图论的旋转机械振动信号监测方法及系统 | |
CN103473480A (zh) | 基于改进万有引力支持向量机的在线监测数据校正方法 | |
CN109753762A (zh) | 基于类别修正的配电网两阶段网络拓扑识别方法及装置 | |
CN115098561B (zh) | 一种文物本体监测数据告警阈值的提取方法 | |
CN109357846A (zh) | 一种高压断路器电磁铁卡涩故障检测方法 | |
CN116449771B (zh) | 一种数控机床的数字孪生建模方法 | |
WO2018016098A1 (ja) | 設備監視装置及び設備監視方法 | |
CN115600088A (zh) | 一种基于振动信号的配电变压器故障诊断方法 | |
CN113987294A (zh) | 一种基于遗传优化gru神经网络的cvt在线故障诊断方法 | |
CN110187242A (zh) | 一种基于时空相关性分析的配电网异常检测及定位方法 | |
CN109630449A (zh) | 一种基于rbf算法的三防通风设备故障预测系统 | |
CN112288147A (zh) | 一种BP-Adaboost强预测器预测发电机定子绝缘状态的方法 | |
CN116668039A (zh) | 基于人工智能的计算机远程登录识别系统及方法 | |
Li et al. | Symbolization‐based differential evolution strategy for identification of structural parameters | |
CN116976531A (zh) | 用于井下电控设备的集成管理方法及系统 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200720 Address after: 130000 Jilin province Changchun wide flat road No. 395 Applicant after: CHANGCHUN INSTITUTE OF TECHNOLOGY Applicant after: MAINTENANCE COMPANY, STATE GRID JILINSHENG ELECTRIC POWER SUPPLY Co. Address before: Chaoyang District City, Jilin province Changchun wide road 130021 No. 395 Applicant before: CHANGCHUN INSTITUTE OF TECHNOLOGY |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |