CN110174612A - 低压断路器故障预警检测方法 - Google Patents

Abstract

本发明提供了一种低压断路器故障预警检测方法，通过对低压断路器分合闸线圈电流波形进行收集分析，通过小波变换的方法对波形进行分解重构，去除其噪声信号，提取出电流时间特征值，然后经过分析计算出断路器的分合闸时间，同时建立模糊算法数学模型，将分合闸时间代入到建立的隶属函数中，通过比较得到低压断路器的健康状态，为断路器状态检修提供可靠依据。

Description

低压断路器故障预警检测方法

技术领域

本发明涉及仪表检测技术领域，特别是涉及一种低压断路器故障预警检测方法。

背景技术

低压断路器又称自动空气开关或自动空气断路器，简称断路器。它是一种既有手动开关作用，又能自动进行失压、欠压、过载、和短路保护的元器件，广泛应用于低压配电系统各级馈出线、各种机械设备的电源控制和用电终端的控制和保护，尤其是智能型低压万能式断路器因其卓越的性能在低压配电网络中得到了大量的应用。

传统的智能型低压万能式断路器可以对收集的数据进行显示、报警，但是低压断路器在工作运行中受到外界干扰的影响会很大，现如今主要通过“事后维修”和“定期维修”的方式对其进行运维。但是低压断路器的运行状态直接关系着电网安全运行及用户用电的可靠性，这种离线型、周期性的运维方式时效性差、安全性差，无法切实提高电力设备的可靠性。因此，需要通过对低压断路器的各种特性参数进行实时监测和诊断，实现低压断路器的“状态检修”，才能大幅度提高其监测水平，保证断路器的高可靠运行。

现有的低压断路器监测方法是监控其内部的电流、电压等重要的特征信号。但是当低压断路器出现故障或者发生动作时，采集到的特征信号会收到一定干扰，从而不准确的特征信号易导致系统作出错误的故障类型的判断。

发明内容

本发明提供了一种低压断路器故障预警检测方法，通过对采集信号进行可靠地处理和判断，从而实现对低压断路器运行状态的准确监测。该低压断路器故障预警检测方法包括以下步骤：

步骤S01，采集所述低压断路器在分合闸过程中所述低压断路器的分合闸线圈的电流，获取分合闸线圈电流信号；步骤S02，从所述分合闸线圈电流信号中提取一个周期内的电流波形信号为电流波形采样信号，将所述电流波形采样信号进行至少五级的小波分解获取小波分解后的波形细节段和所述电流波形采样信号的近似信号；步骤S03，观察所述近似信号，找出所述近似信号中的电流极值点并获取所述极值点信号所对应的时间特征值；步骤S04，将所述步骤S03中得到的所述电流极值点和所述时间特征值进行两次或两次以上的实验收集，利用所述两次或两次以上的实验收集到的所述时间特征值进行计算，获取所述低压断路器的分合闸时间；步骤S10,根据所述分合闸时间，得到所述低压断路器的健康状态。

具体的，所述步骤S10包括如下步骤：

步骤S05，采用模糊算法建立所述低压断路器的健康状态的评价集V＝{V1，V2，V3，V4}，对应所述低压断路器的四个状态评价等级——V1：健康，V2：良好，V3：一般，V4：注意；所述状态评价等级作为评判标准用于判断所述低压断路器的健康状态，并且设置所述状态评价等级相应的隶属函数；步骤S06，将所述步骤S04计算获取的所述分合闸时间代入步骤S05中建立的所述隶属函数当中，得到所述分合闸时间对应于所述评价集V的模糊关系矩阵，其中V中数值的取值为0～1的范围；步骤S07，建立模糊判断矩阵，所述模糊判断矩阵用于表征各个所述状态评价等级对应V值的权重分配；步骤S08，将所述模糊关系矩阵与所述模糊判断矩阵相结合，根据每个所述状态评价等级对应的比例大小，预测出所述低压断路器的运行健康状态；步骤S09，存储并输出将步骤S08中得到的所述低压断路器的运行健康状态。

优选的，所述步骤S01中获取所述分合闸线圈电流信号的方法包括：将所述合闸线圈所在控制回路的控制线穿过磁补偿式霍尔电流传感器的中心，采用所述磁补偿式霍尔电流传感器作为采集设备检测所述控制回路的电流。

优选的，所述步骤S02中获取所述波形细节段和所述近似信号的方法包括；利用MATLAB的db6小波对所述电流波形采样信号进行7层分解，获得所述电流波形采样信号从1级到7级的波形细节段，所述波形细节段中包括高频系数分量，选择软阈值法对所述波形细节段中小波的高频系数分量进行阈值化处理，经过信号的小波分解和重构得到所述近似信号。

优选的，所述电流极值点包括，电流出现点、电流趋势由增大到减小的突变点、电流由减小到增大的突变点和电流消失点；所述时间特征值包括，分合闸线圈电流出现时刻、分合闸线圈电流消失时刻以及电流发生突变的时刻。

优选的，所述步骤S04包括如下步骤：收集所述低压断路器在进行首次试验时的分闸时间T_分和时间特征值T_0分、T_1分、T_2分、T_3分；通过步骤S01-S03获取进行此次试验时的分闸时间特征值t_0分、t_1分、t_2分、t_3分；由式可计算出所述低压断路器的分闸时间t_分；并且，收集所述低压断路器在进行首次试验时的合闸时间T_合和时间特征值T_0合、T_1合、T_2合、T_3合；通过步骤S01-S03获取进行此次试验时的合闸时间特征值t_0合、t_1合、t_2合、t_3合；由式可计算出所述低压断路器的合闸时间t_合。

具体的，所述隶属度函数包括合闸时间隶属函数和分闸时间隶属函数；所述合闸时间隶属函数，表征了所述低压断路器不同的合闸时间在不同状态评价等级中对应的权重占比；所述分闸时间隶属函数，表征了所述低压断路器不同的分闸时间在不同状态评价等级中对应的权重占比。

具体的，所述步骤S06包括如下步骤：将所述步骤S04中计算出的所述低压断路器的合闸时间代入所述合闸时间隶属函数，并且将将所述步骤S04中计算出的所述低压断路器的分闸时间代入所述分闸时间隶属函数，求得模糊关系矩阵Rt。

具体的，所述步骤S07具体包括如下步骤：构建模糊判断矩阵P，求得模糊判断矩阵P的最大特征向量并将其归一化得到归一化特征向量At。

优选的，所述步骤S08具体包括如下步骤：将所述归一化特征向量At与所述模糊关系矩阵Rt结合，根据算式式中ο为矩阵合成运算，采用M(·，⊕)算子，得到分合闸时间评判结果集合Bt；比较所述分合闸时间评判结果集合Bt中各个数值的大小，取数值最大的一项对应的状态评价等级作为此时所述低压断路器的健康状态评价结果。

本发明通过对断路器分合闸线圈电流波形进行收集分析，通过小波变换的方法对波形进行分解重构，去除其噪声信号，提取出电流时间特征值，然后经过分析计算出断路器的分合闸时间，同时建立模糊算法数学模型，将分合闸时间代入到建立的隶属函数中，通过比较得到低压断路器的健康状态，为断路器状态检修提供可靠依据。本发明提供的低压断路器故障预警检测方法采用更加可靠地信号分析方法进行信号处理，从而能够准确、可靠的判断低压断路器故障。

本发明还可以对低压断路器进行远程的监测和控制，当低压断路器出现故障时，可以得到及时的检修，提高电力设备的时效性和安全性，使配电网络可以更加可靠的运行。

附图说明

图1是本发明实施例提供的低压断路器故障预警检测方法流程示意图；

图2是本发明实施例提供的低压断路器分合闸线圈的等效电路示意图；

图3是本发明一实施例中低压断路器分合闸线圈电流信号波形示意图；

图4是本发明一实施例中低压断路器分闸时，分合闸线圈电流信号波形图；

图5是本发明一实施例中低压断路器合闸时，分合闸线圈电流信号波形图；

图6是本发明一实施例中低压断路器分闸时，分合闸线圈电流信号进行小波分解变换后得到的波形图；

图7是本发明一实施例提供的低压断路器分闸时，分合闸线圈电流信号处理后波形图；

图8是本发明一实施例提供的低压断路器合闸时，分合闸线圈电流信号处理后波形图；

图9是本发明一实施例提供的低压断路器健康状态智能监测系统示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例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做出创造性劳动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。下面结合附图和具体的方法实施步骤对本发明的内容进行详细的说明。

实施例一

图1是本发明一实施例提供的低压断路器故障预警检测方法流程示意图，该方法包括以下步骤：

步骤S01，在低压断路器进行分合闸操作时，用采集设备对断路器分合闸过程中分合闸线圈的电流波形进行采集，获取分合闸线圈电流信号。

具体的，使低压断路器分合闸线圈所在控制回路的控制线穿过磁补偿式霍尔电流传感器，采用磁补偿式霍尔电流传感器作为采集设备检测所述控制回路的电流。优选的，所述断路器分合闸线圈所在控制回路的控制线穿过磁补偿式霍尔电流传感器的中心。这样，当低压断路器进行分合闸操作时，因为分合闸动作快，利用磁补偿式霍尔电流传感器可以有效的对断路器分合闸线圈中的电流信号进行采集，从而测得分合闸线圈电流信号。下面结合图2和图3对分合闸线圈电流信号的波形特征做详细描述。

图2是低压断路器分合闸线圈的等效电路示意图。如图2所示，所述控制回路中，压断路器分合闸线圈等效为电阻R和电感线圈L，其中，当断路器进行分合闸操作时，开关K闭合，线圈中流过电流i，电路微分方程为：其中R为电阻R的阻值，Ψ为电感线圈L的磁链。又因线圈铁心不饱和，电感线圈的电感L不随i变化，线性电感元件的韦安特性为Ψ＝L i。但是电感L会随铁心的气隙δ的变化而变化，即式(1)：

由于线圈属于感性原件，所以回路中的电流i在电源接通瞬间不能达到稳态值，其电流数值由零递增，此时，铁心的吸引力也在逐渐增大，当铁心吸力不足以使铁心运动时，δ为常数δmax，此时铁心的速度为v＝0，所以表达式(1)变为式(2)：

式(2)中L₁为δ＝δmax时压断路器分合闸线圈的电感。

最后可得到通解其中C为常数，函数特解

图3为本发明一实施例中低压断路器分合闸线圈电流信号波形示意图，如图3所示：

在铁心运动之前，即t₀-t₁阶段，线圈中的电流i从0A开始以指数函数的趋势上升；

当到达t₁时，电流增加到i₁，其中i₁为动作电流，此时铁心的吸引力将会超过反作用力(如铁心重力、加在铁心上的弹簧力等)，铁心开始运动，v>0，控制回路出现一随时间变化的反电动势为促使电流i的波形变成不断下降的曲线；

直到t₂时刻，铁心完全吸合触动了操动机构而显著减速或停止运动v＝0，在t₁-t₂阶段电流微分方程变为：其中L₁为δ＝δmin时压断路器分合闸线圈的电感；

在t₂-t₃阶段，铁心停止运动，因此电流在i₂的基础上以指数规律递增，直到达到稳态电流I，其中i₂是铁心停止的t₂时刻的电流，稳态值电流I＝U/R；在t₃时刻，电流为i₃，低压断路器辅助触头断开直流电源，铁心复位。

由此可见，通过观察电流波形采样信号的电流极值点0、i₁、i₂、i₃，即可得出该极值点信号所对应的时间特征值t₀、t₁、t₂、t₃，该时间特征信号表征了低压断路器的动作状态。

步骤S02，从步骤S01获取的分合闸线圈电流信号中提取一个周期内的电流波形信号为电流波形采样信号，将所述电流波形采样信号进行去噪平滑处理，其中去噪平滑处理的方式包括将所述电流波形采样信号进行至少五级的小波分解，获取小波分解后的波形细节段和所述电流波形采样信号的近似信号。

在本步骤中，利用MATLAB小波工具从步骤S01获取的分合闸线圈电流信号中提取出一个周期内的电流波形信号作为电流波形采样信号，进行小波分解变换。由于所分析信号具有突变性和噪声干扰，因此，本实施优选采用Daubechies(dbN)小波(紧支集正交小波)基函数将电流波形采样信号进行分解，优选的，经过db6小波对电流波形采样信号进行7层分解，获得电流波形采样信号从1级到7级的波形细节段，所述波形细节段中包括高频系数分量，选择软阈值法对波形细节段中小波的高频系数分量进行阈值化处理，选用极大极小准则，经过信号的小波分解和重构得到处理后的小波去噪平滑的波形，即为所述电流波形采样信号的近似信号。

步骤S03，观察所述电流波形采样信号的近似信号，找出信号中的电流极值点并获取该极值点信号所对应的时间特征值。

在本步骤中，分析步骤S02中利用小波分解并去噪后得到的近似信号，提取出近似信号波形中电流信号发生突变的各个电流极值点，所述电流极值点包括：电流出现点、电流趋势由增大到减小的突变点、电流由减小到增大的突变点和电流消失点；所述时间特征值包括:分合闸线圈电流出现时刻、分合闸线圈电流消失时刻以及电流发生突变的时刻。借鉴图3表征的分合闸线圈电流信号的波形特征可以看出，通过分析所述近似信号的各个电流极值点发生的时刻，即可清楚的得出分合闸线圈电流出现时刻、分合闸线圈电流消失时刻以及发生突变的时刻，从而确定分合闸线圈电流波形中电流极值点对应的四个时间特征值。

步骤S04，将步骤S03中得到的分合闸线圈电流极值点对应的四个时间特征值进行至少两次实验收集，通过计算获取低压断路器的分合闸时间。

在本步骤中，重复步骤3对上述分合闸线圈电流极值点和时间特征值进行两次或以上的实验收集，利用所述两次或两次以上的实验收集到的所述时间特征值进行计算，获取所述低压断路器的分合闸时间。优选的，对低压断路器进行首次试验，收集首次试验分闸动作和合闸动作的时间特征值，获取首次试验的分闸时间及合闸时间；然后，通过步骤S01-S03获取进行此次试验时的分闸动作和合闸动作的时间特征值；最后，针对首次试验和此次试验，共两次实验收集到的数据进行运算处理，获取低压断路器的分合闸时间，使测算出的时间特征值更加精确，从而能够更加准确的判断出当前低压断路器的健康状态。

步骤S05，采用模糊算法建立低压断路器的健康状态的评判标准：评价集V＝{V1，V2，V3，V4}，对应低压断路器的四个状态评价等级——V1：健康，V2：良好，V3：一般，V4：注意。该状态评价等级作为评判标准用于判断低压断路器的健康状态，并且设置所述状态评价等级相应的隶属函数。具体的，该隶属度函数包括合闸时间隶属函数和分闸时间隶属函数；合闸时间隶属函数，表征了低压断路器不同的合闸时间在不同状态评价等级中对应的权重占比；分闸时间隶属函数，表征了低压断路器不同的分闸时间在不同状态评价等级中对应的权重占比。

其中，低压断路器的健康状态从优到劣依次对应的状态评价等级是V1表征的健康度优于V2、V2表征的健康度优于V3、V3表征的健康度优于V4。该隶属函数可以是专家或操作人员根据实际经验与主观感知，基于低压断路器分合闸时间对V的隶属度，建立的各个状态评价等级对应的分闸时间隶属函数和合闸时间隶属函数。

步骤S06，将步骤S04得到的低压断路器的分合闸时间代入步骤S05的隶属函数当中，得到分合闸时间对应于评价集V的模糊关系矩阵，其中V中数值的取值为0～1的范围。在本步骤中，可以将计算的低压断路器的分合闸时间代入模糊集合隶属函数中，求得模糊关系矩阵Rt。

步骤S07，建立模糊判断矩阵，所述模糊判断矩阵用于表征各状态评价等级对应V值的权重分配。

本步骤中构建模糊判断矩阵P，求得模糊判断矩阵P的最大特征向量并将其归一化得到归一化特征向量At。其中，模糊判断矩阵P作为系统的预设矩阵，具体可以根据专家和/或操作人员长期研究所得到的实际经验和主观感知来构建，例如可以构建模糊判断矩阵：进一步运算得出模糊判断矩阵P的最大特征值和对应的归一化特征向量为At，特征向量At表征了模糊关系矩阵Rt中各V值在V1，V2，V3，V4各状态评价等级之间的权重比例分配。

步骤S08，将步骤S06中的模糊关系矩阵与步骤S07中建立的模糊判断矩阵相结合，根据每个状态评价等级对应的比例大小，预测出低压断路器的运行健康状态。

将步骤S07中模糊判断矩阵的归一化特征向量At与步骤S06中获得的模糊关系矩阵Rt结合，根据式中ο为矩阵合成运算，采用M(·，⊕)算子，得到分合闸时间评判结果集合Bt。比较分合闸时间评判结果集合Bt中各个数值的大小，取数值最大的一项所对应的状态评价等级作为此时低压断路器的健康状态评价结果。

步骤S09，存储并输出将步骤S08中得到的状态评价等级作为该低压断路器的健康状态评价结果，本步骤可以根据不同的工作场景切换通讯方式，将数据传送到数据库，从而实现远程监控。

实施例二

为了更好的理解本发明，本实施例详细描述了一个本发明提供的低压断路器故障预警检测方法的应用场景。本实施例中所提供的低压断路器分合闸线圈电流信号参数仅作举例使用，模糊集合隶属函数和模糊判断矩阵参数的构建也是经申请人多次测试和验证后认为，是针对所举例的某款低压断路器的功能参数来说在使用范围内是最佳的，当然不限于上述参数，也可以采用其他参数、模糊集合隶属函数或模糊判断矩阵进行适应性的调整或选择。

假设在本实施例中对某款低压断路器进行故障预警检测，在该低压断路器进行分合闸操作时，用采集设备对断路器分合闸过程中分合闸线圈的电流波形进行采集，获取分合闸线圈电流信号；从获取的分合闸线圈电流信号中提取一个周期内的电流波形信号为电流波形采样信号，如图4和图5所示，图4为该低压断路器分闸时的分合闸线圈电流信号波形图，图5为该低压断路器合闸时的分合闸线圈电流信号波形图。

然后，利用MATLAB的db6小波工具将分合闸线圈一个分合闸周期内的电流波形信号进行7层分解，获得电流波形采样信号从1级到7级的波形细节段，以图4为例，低压断路器分闸时的分合闸线圈电流信号进行小波分解变换得到的波形如图6所示。图6中d1是一级波形细节段的波形细节图，d2是二级波形细节段的波形细节图，d3是三级波形细节段的波形细节图，d4是四级波形细节段的波形细节图，d5是五级波形细节段的波形细节图，d6是六级波形细节段的波形细节图，d7是七级波形细节段的波形细节图。

从图6中可以看出，分解后的波形细节段中包括高频系数分量，选择软阈值法对波形细节段中小波的高频系数分量进行阈值化处理，用处理后的系数重构信号，得到去噪平滑处理的分闸时电流近似信号波形，如图6中a7所示。为了更加清楚的对比原始的分闸时的分合闸线圈电流信号和小波分解变换得到的波形，申请人提供了图7，图7是为该低压断路器分闸时的分合闸线圈电流信号处理后波形图，其中a为未进行处理的分闸时电流原始波形，a1为经过小波平滑去噪后的分闸时电流波形。通过观察信号波形a1，我们可以获取到电流发生突变的极值点0、i₁、i₂、i₃，进而找出各电流极值点所对应的时间特征值t_0分、t_1分、t_2分、t_3分的时间参数分别为0ms、9ms、20ms、33ms。

低压断路器合闸时的分合闸线圈电流信号处理方式同理上述低压断路器分闸时的分合闸线圈电流信号处理方式，此处不做赘述。图8是本实施提供的低压断路器合闸时的分合闸线圈电流信号处理后波形图，其中b为未进行处理的合闸时电流原始波形，b1为经过小波平滑去噪后的合闸时电流波形。通过观察信号波形b1，我们可以获取到电流发生突变的极值点0、i’₁、i’₂、i’₃，进而找出各极值点所对应的时间特征值t_0合、t_1合、t_2合、t_3合的时间参数分别为应01s、18ms、35ms、60ms。

为了计算出分合闸时间，用T_分表示低压断路器在进行首次试验时的分闸时间，t_分表示低压断路器在进行此次试验时的分闸时间，用T_0分、T_1分、T_2分、T_3分代表首次试验时分合闸线圈的分闸时间特征值，用t_0分、t_1分、t_2分、t_3分代表此次试验时分合闸线圈的分闸时间特征值，即图7中的观测到的时间特征值t_0分＝0ms、t_1分＝9ms、t_2分＝20ms、t_3分＝33ms。测量得到的首次分闸时间为：T_分＝31ms；T_2分＝21ms；首次试验时分合闸线圈通电至辅助开关切断电流的时间为：T_3分-T_2分＝14ms；T_分-T_2分＝10ms；

由式可得到此次试验时分合闸线圈的分闸时间特征值为t_分＝29.3ms。

同理，用T_合表示低压断路器在进行首次试验时的合闸时间，t_合表示低压断路器在进行此次试验时的合闸时间；用T_0合、T_1合、T_2合、T_3合代表首次试验时分合闸线圈的合闸时间特征值，用t_0合、t_1合、t_2合、t_3合代表此次试验时分合闸线圈的合闸时间特征值，即图8中的观测到的时间特征值t_0合＝0ms、t_1合＝18ms、t_2合＝35ms、t_3合＝60ms。测量得到的首次合合闸时间为：T_合＝65ms；T_2合＝31ms；首次试验时分合闸线圈通电至辅助开关切断电流的时间T_3合-T_2合＝33ms；T_合-T_2合＝34ms；

由式可得到低压断路器在进行此次试验时的合闸时间为t_合＝60.8ms。

经过上述两次时间特征值实验收集后计算出的低压断路器的分闸时间t_分和合闸时间t_合会比单次实验测量的分合闸时间更加精准。

利用模糊算法建立低压断路器的四个运行状态评价等级，分别用V1(健康)、V2(良好)、V3(一般)、V4(注意)进行评价，V取值为(0-1)的区间，表征低压断路器的健康状态。根据专家和/或操作人员长期研究所得到的实际经验和主观感知，设定四个状态评价等级所对应的隶属函数，从而进行电池健康状态的诊断。如下表1是本实施例提供的模糊算法状态评价等级隶属函数对应关系表：

表1

其中，x表示合闸时间；为合闸时间隶属函数，表示合闸时间中不同状态评价等级对应的权重占比；y表示分闸时间；为分闸时间隶属函数，表示分闸时间中不同状态评价等级对应的权重占比。

如图4和图5的实验操作低压断路器标准分闸时间为32±12ms，标准合闸时间为63±12ms，根据模糊隶属函数，结合小波分析计算得到的分合闸线圈分闸时间t_分＝29.3ms，合闸时间t_合＝60.8ms，将其分别代入分闸时间隶属函数和合闸时间隶属函数中。令x＝60.8，y＝29.3可以得到分合闸时间对应于V1(健康)、V2(良好)、V3(一般)、V4(注意)四个状态评价等级的模糊关系矩阵：

该矩阵中，第一行参数为合闸时间对应的四个状态评价等级函数值第二行参数为分闸时间对应的四个状态评价等级函数值

根据专家经验构建模糊判断矩阵P作为系统预设矩阵：进一步运算得出模糊判断矩阵P的最大特征向量，并将其归一化得到：At＝(0.6667 0.3333)；因模糊判断矩阵表征了各状态评价等级对应V值的权重分配，因此，将模糊判断矩阵的归一化特征向量At与模糊关系矩阵Rt结合，即根据式中ο为矩阵合成运算，采用M(·，⊕)算子，可以得到分合闸时间评判结果：

Bt＝(0.02,0.91,0.53,0.05)

对应于四个状态评价等级的V值分别为：V1(健康)＝0.02，V2(良好)＝0.91，V3(一般)＝0.53，V4(注意)＝0.05；因V2数值最大，即所占比例最高，因此对应低压断路器的健康状态为良好。

最后，可以将得到的结果根据不同的工作场景切换通讯方式，将数据传送到数据库，从而实现远程监控。具体如图9低压断路器健康状态智能监测系统示意图中所示，该低压断路器健康状态智能监测系统1包括低压断路器10、霍尔电流传感器11、下位机12和上位机13。低压断路器10的分合闸线圈电流经过霍尔电流传感器11上传到下位机12，下位机12具体可以是设备端或机房内的电力监测装置，包括信号采集模块21和通信模块22，信号采集模块21用于采集来自霍尔传感器的电流信号，通信模块22通过RS485/232通讯方式与上位机13连接通讯。上位机13具体可以是终端测试机或用户端电脑或服务器，所述上位机，包括人机界面31、运算模块32和数据库33，其中，人机界面31用于用户通过终端对断路器状态进行有效的远程监控和实时监测；运算模块32用于根据用户指令，利用下位机13上传的数据信息执行相应的运算操作；数据库33用于对上传数据信息进行更新、存储及数据处理。

本发明提供的低压断路器运行状态的故障预警检测方法，首先通过霍尔传感器对断路器合分闸线圈电流信号进行采集，利用小波理论分析计算低压断路器分合闸时间，然后采用模糊算法建立因素的评价集和隶属函数等，将分合闸时间代入模糊隶属函数，得到低压断路器健康状态的特征值，再根据特征值与之前构建的评价等级相对应，从而判断其健康状态，达到故障预警检测的目的。一方面，本方法利用小波理论分析信号，可对信号进行去噪处理和多频率分析，比常规信号处理方法更加准确和可靠；另一方面，采用模糊算法对低压断路器进行故障预警诊断评估，可以高效便捷的确定维护检修计划，同时确保系统安全可靠运行；另外可以实现实时在线监控分析功能，从而快速判断系统的运行状况。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种低压断路器故障预警检测方法，其特征在于，包括以下步骤：

步骤S01，采集低压断路器在分合闸过程中，所述低压断路器的分合闸线圈的电流，获取分合闸线圈电流信号；

步骤S02，从所述分合闸线圈电流信号中提取一个周期内的电流波形信号为电流波形采样信号，将所述电流波形采样信号进行至少五级的小波分解获取小波分解后的波形细节段和所述电流波形采样信号的近似信号；

步骤S03，观察所述近似信号，找出所述近似信号中的电流极值点并获取所述电流极值点所对应的时间特征值；

步骤S04，将所述步骤S03中得到的所述电流极值点和所述时间特征值进行两次或两次以上的实验收集，利用所述两次或两次以上的实验收集到的时间特征值进行计算，获取所述低压断路器的分合闸时间；

步骤S10，根据所述分合闸时间，获取所述低压断路器的健康状态。

2.根据权利要求1所述的低压断路器故障预警检测方法，其特征在于，所述步骤S10包括如下步骤：

步骤S05，采用模糊算法建立所述低压断路器的健康状态的评价集V＝{V1，V2，V3，V4}，对应所述低压断路器的四个状态评价等级——V1：健康，V2：良好，V3：一般，V4：注意；

所述状态评价等级作为评判标准用于判断所述低压断路器的健康状态，并且设置所述状态评价等级相应的隶属函数；

步骤S06，将所述步骤S04计算获取的所述分合闸时间代入所述隶属函数中，得到所述分合闸时间对应于所述评价集V的模糊关系矩阵，其中V中数值的取值为0～1的范围；

步骤S07，建立模糊判断矩阵，所述模糊判断矩阵用于表征各个所述状态评价等级对应V值的权重分配；

步骤S08，将所述模糊关系矩阵与所述模糊判断矩阵相结合，比较所述状态评价等级之间的比例大小，预测所述低压断路器的运行健康状态；

步骤S09，存储并输出所述步骤S08中得到的所述低压断路器的运行健康状态。

3.根据权利要求2所述的低压断路器故障预警检测方法，其特征在于，所述步骤S01中，获取所述分合闸线圈电流信号的方法包括：

将所述分合闸线圈所在控制回路的控制线穿过磁补偿式霍尔电流传感器的中心，采用所述磁补偿式霍尔电流传感器作为采集设备检测所述控制回路的电流作为所述分合闸线圈电流信号。

4.根据权利要求2所述的低压断路器故障预警检测方法，其特征在于，所述步骤S02中获取所述波形细节段和所述近似信号的方法包括；

利用MATLAB的db6小波对所述电流波形采样信号进行7层分解，获得所述电流波形采样信号从1级到7级的波形细节段；所述波形细节段中包括高频系数分量，选择软阈值法对所述波形细节段中小波的高频系数分量进行阈值化处理，经过信号的小波分解和重构得到所述近似信号。

5.根据权利要求4所述的低压断路器故障预警检测方法，其特征在于，所述电流极值点包括，电流出现点、电流趋势由增大到减小的突变点、电流由减小到增大的突变点和电流消失点；

所述时间特征值包括，分合闸线圈电流出现时刻、分合闸线圈电流消失时刻以及电流发生突变的时刻。

6.根据权利要求5所述的低压断路器故障预警检测方法，其特征在于，所述步骤S04包括如下步骤：

收集所述低压断路器在进行首次试验时的分闸时间T_分和时间特征值T_0分、T_1分、T_2分、T_3分；并且通过步骤S01-步骤S03获取进行此次试验时的分闸时间特征值t_0分、t_1分、t_2分、t_3分；

由式计算出所述低压断路器的分闸时间t_分；

收集所述低压断路器在进行首次试验时的合闸时间T_合和时间特征值T_0合、T_1合、T_2合、T_3合；并且通过步骤S01-S03获取进行此次试验时的合闸时间特征值t_0合、t_1合、t_2合、t_3合；

由式计算出所述低压断路器的合闸时间t_合。

7.根据权利要求2-6任一所述的低压断路器故障预警检测方法，其特征在于，所述隶属度函数包括合闸时间隶属函数和分闸时间隶属函数；

所述合闸时间隶属函数，表征所述低压断路器不同的合闸时间在不同状态评价等级中对应的权重占比；所述分闸时间隶属函数，表征所述低压断路器不同的分闸时间在不同状态评价等级中对应的权重占比。

8.根据权利要求7所述的低压断路器故障预警检测方法，其特征在于，所述步骤S06包括如下步骤：

将所述步骤S04中计算出的所述低压断路器的合闸时间代入所述合闸时间隶属函数，并且将所述步骤S04中计算出的所述低压断路器的分闸时间代入所述分闸时间隶属函数，求得模糊关系矩阵Rt。

9.根据权利要求8所述的低压断路器故障预警检测方法，其特征在于，所述步骤S07具体包括如下步骤：

构建模糊判断矩阵P，求得模糊判断矩阵P的最大特征向量并将其归一化得到归一化特征向量At。

10.根据权利要求9所述的低压断路器故障预警检测方法，其特征在于，所述步骤S08具体包括如下步骤：

将所述归一化特征向量At与所述模糊关系矩阵Rt结合，根据算式式中为矩阵合成运算，采用算子，得到分合闸时间评判结果集合Bt；比较所述分合闸时间评判结果集合Bt中各个数值的大小，取数值最大的一项对应的状态评价等级作为此时所述低压断路器的健康状态评价结果。