CN111157886B - 一种接触网隔离开关故障诊断方法 - Google Patents
一种接触网隔离开关故障诊断方法 Download PDFInfo
- Publication number
- CN111157886B CN111157886B CN202010012152.9A CN202010012152A CN111157886B CN 111157886 B CN111157886 B CN 111157886B CN 202010012152 A CN202010012152 A CN 202010012152A CN 111157886 B CN111157886 B CN 111157886B
- Authority
- CN
- China
- Prior art keywords
- fault
- contact
- sensor
- optical fiber
- isolating switch
- 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
Images
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
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种接触网隔离开关故障诊断方法,采用光纤温度传感器、光纤角度传感器、扭矩传感器、振动传感器、电流传感器、加速度传感器同时采集隔离开关在不同故障类型下其故障特征属性值,并将采集到的值传输至模拟量采集器进行处理,模拟量采集器再通过RS485通信方式将处理后的信息通过双绞线传输至PC机,在PC机中建立基于概率神经网络的隔离开关故障诊断模型,只需要将接触网隔离开关不同故障类型对应的故障特征输入概率神经网络中建立故障诊断模型,能识别出不同故障类型,并在上位机上显示出最终的诊断结果,便于工作人员直观的查看对应隔离开关存在的故障类型。
Description
技术领域
本发明涉及故障诊断领域,尤其涉及一种接触网隔离开关故障诊断方法。
背景技术
隔离开关是变电站使用最广泛的电气设备,可以对电路系统进行无负荷分合操作,形成隔离断开点。动作完成主要由电气控制部分和机械传动部分共同完成,但是由于设备长期暴露在户外环境中,机构锈蚀及磨损较大,在变电站日常检修维护工作中占了很大比例。变电站隔离开关设备大部分是户外敞开式结构,工作环境恶劣,所以导致机械传动部分的各个零部件润滑不畅、锈蚀卡阻、磨损严重等问题,长此以往,会导致电闸分合不到位,动静触头接触不完全,引起发热现象,带来安全隐患严重时会引起电力事故,后果严重。
现有技术中,主要采用超声波探伤法、红外热成像法、振动声学法、应变力法、基于人工操作诊断方法、通过判断闸刀姿态的诊断方法、建立隔离开关电机电流和输出扭矩的关系来诊断故障的方法、基于机器视觉的诊断方法、检测动静触头之间的压力诊断方法、现场测量法来对隔离开关故障进行检测。这些常用的隔离开关故障诊断方法比较分散,没有统一的规划到一起,使得对隔离开关故障的诊断比较单一,导致工作人员不能准确地判断隔离开关出现故障的类型。
发明内容
为了解决上述问题,本发明的目的在于提供一种接触网隔离开关故障诊断方法,利用多个传感器同时采集隔离开关在不同故障类型下其故障特征属性值,并通过概率神经网络对这些故障特征属性进行分类,进而训练出隔离开关故障诊断模型。
为了实现上述目的,本发明提供的一种接触网隔离开关故障诊断方法是这样实现的:
一种接触网隔离开关故障诊断方法,应用于诊断系统,该诊断系统包括光纤温度传感器、光纤角度传感器、扭矩传感器、振动传感器、电流传感器、加速度传感器、模拟量采集器、双绞线、PC机,光纤温度传感器安装在接触网隔离开关的动触头上,用于检测动触头的温度,光纤角度传感器安装在接触网隔离开关动触头的旋转轴上,用于检测接触网隔离开关分合闸的角度,扭矩传感器安装在电机旋转轴上,用于检测电机输出轴的扭矩,振动传感安装在接触网隔离开关电机的表面,用于检测电机运作时的振动情况,电流传感器安装在接触网隔离开关电机的定子电源线上,用于检测电机定子电流的变化情况,接触网隔离开关的两个支柱绝缘子的法兰底部分别安装相同的加速度传感器,用于检测支柱绝缘子模态固有频率,以判断支柱绝缘子是否存在缺陷,模拟量采集器安装在接触网隔离开关旁边,用于接收光纤温度传感器、光纤角度传感器、扭矩传感器、振动传感器、电流传感器、加速度传感器采集到的信息,并将该信息处理后通过双绞线传输至PC机进行处理,进而判断出接触网隔离开关的故障类型,便于工作人员有目的对接触网隔离开关出现的故障进行检修。
本发明的光纤角度传感器包括第一轴承底座、光纤探头、反光镜、丝杆、第二轴承、转动轴、第二轴承座、丝杠滑块、第一轴承、接收光纤、激光接收器、激光发射器、光源光纤,第一轴承安装在第一轴承底座中,第二轴承安装在第二轴承底座中,丝杆安装在第一轴承与第二轴承之间,丝杠滑块安装在丝杠上,转动轴穿过第一轴承与丝杆一端连接在一起,反光镜安装在丝杠滑块上方,光纤探头穿过第一轴承座安装,光源光纤和接收光纤分别连接在光纤探头与激光发射器、激光接收器之间,由激光发射器向光源光纤中发射激光束,激光束经过光源光纤的传播从光纤探头照射到反光镜上,经反光镜反射后进入光纤探头中,再经过接收光纤将反射回来的激光束传播至激光接收器中,在激光接收器中进行光电转换后变为电压信号,转动轴的另一端与接触网隔离开关动触头的旋转轴连接,动触头旋转时,带动转动轴转动,转动轴为丝杆传动,丝杠滑块随着丝杠的转动在移动,进而改变反光镜与光纤探头之间的距离,完成将接触网隔离开关旋转角度信息转换为直线信息,即以直代曲的思想来测量角度,激光接收器与模拟量采集器相连,将转换后的电压信号传输给模拟量采集器,由模拟量采集器进行A/D转换后发送至PC机,将电压信号转换为对应的角度值。
本发明的模拟量采集器采用8通道DAQM-4206电流/电压采集模块,将光纤温度传感器、光纤角度传感器、扭矩传感器、振动传感器、电流传感器、加速度传感器传来的电信号转换成相应的数字量通过RS485通信方式从双绞线上传输至PC机,设置RS485通信协议为每一帧数据包含00(0X0000-0X0FFF)01(0X0000-0X0FFF)02(0X0000-0X0FFF)03(0X0000-0X0FFF)04(0X0000-0X0FFF)05(0X0000-0X0FFF)06(0X0000-0X0FFF)07(0X0000-0X0FFF),其中00 01 02 03 04 05 06 07为0~8通道的编号,后面紧跟的0X0000-0X0FFF是相应通道读取到的数据值。
本发明的PC机上设有上位机,用于处理模拟量采集器传来的数据信息,PC机上的上位机以RS485通信方式对双绞线上传来的数据信息进行解析,得到各个通道采集到的值,这些值即为接触网隔离开关不同故障类型对应的故障特征属性值,并在上位机中根据不同故障类型对应的故障特征属性值训练好基于概率神经网络的接触网隔离开关故障诊断模型,当接触网隔离开关出现故障时,光纤温度传感器、光纤角度传感器、扭矩传感器、振动传感器、电流传感器、加速度传感器采集到的信息通过模拟量采集器整合后传输至PC机的上位机中,经基于概率神经网络的接触网隔离开关故障诊断模型分类后,得出接触网隔离开关的故障类型。
本发明的上位机界面含有传动部分、导电回路、支柱绝缘子、操作机构按钮控件,触头温度、动触头角度、电机扭矩、电机振动、定子电流、绝缘子振动、动触头角度变化、隔离开关编号、故障发生时间、故障类型、开关位置窗口,通过点击传动部分、导电回路、支柱绝缘子、操作机构按钮控件可以分别查看传动部分故障、导电回路故障、支柱绝缘子故障、操作机构故障对应的故障特征属性值,触头温度、动触头角度、电机扭矩、电机振动、定子电流、绝缘子振动、动触头角度变化分别显示的是触头温度值、动触头角度最终值、电机扭矩值、电机振动值、定子电流值、模态固有频率值、动触头角度变化值,其中动触头角度变化值是通过光纤角度传感器采集到的角度值随时间变化得到的值,隔离开关编号、故障发生时间、故障类型、开关位置窗口分别显示出现故障的接触网隔离开关编号、故障发生的时间、接触网隔离开关的故障类型及其所在的位置,每个接触网隔离开关的编号及所在的位置由工作人员在根据各个接触网隔离开关的具体安装情况提前导入上位机中。
本发明将接触网隔离开关的故障类型分为了传动部分故障、导电回路故障、支柱绝缘子故障、操作机构故障,其中传动部分故障的特征为在分合闸过程中电机定子电流增加、电机输出轴转矩增大、动触头角度变化异常、触头过热;导电回路故障的特征为触头过热、动触头最终分合闸角度超出预设值;支柱绝缘子故障的特征为接触网隔离开关分合闸操作时支柱绝缘子的模态固有频率异常;操作机构故障的特征为电机定子电流增加或为零、电机振动增加、电机扭矩增加、分合闸过程中动触头角度变化异常,表1为故障类型及其对应的故障特征,表1中列出了隔离开关4种常见故障类型对应了7类故障特诊,部分故障特征在不同故障类型中交叉存在。其中Δ1,Δ′1,Δ2,Δ′2,Δ3,Δ′3,Δ4,Δ′4,Δ5,Δ′5,Δ6,Δ′6,Δ7分别表示各个故障特征对应的属性值范围。
表1接触网隔离开关不同故障类型对应的故障特征属性
本发明的基于概率神经网络的接触网隔离开关故障诊断模型分类步骤为:
1.数据预处理
对光纤温度传感器、光纤角度传感器、扭矩传感器、振动传感器、电流传感器、加速度传感器采集到的数据进行转换为触头温度值、动触头角度最终值、电机扭矩值、电机振动值、定子电流值、模态固有频率值、动触头角度变化值,即为不同故障类型对应的故障特征属性值,作为故障诊断模型的样本数据,并对这些数据进行归一化处理,作为模型训练样本。
2.创建概率神经网络
概率神经网络是由径向基函数网络发展而来的一种前馈神经网络,其结构由输入层、模式层、求和层、输出层组成,接触网隔离开关有4个故障类型、7个故障特征属性值、11份输入样本,所以网络模型的输入层为7个神经元,模式层有11个神经元、求和层为4个神经元、输出层有4个神经元,以此建立用于接触网隔离开关故障诊断的概率神经网络模型。
3.根据已有故障数据训练概率神经网络
将接触网隔离开关故障类型对应的故障特征属性值导入创建的概率神经网络模型中进行训练,得到训练好的接触网隔离开关故障诊断的概率神经网络模型。
4.网络效果测试
定义采集到的数据样本及其正确分类模式标签,然后将测试样本与训练样本相同的方式进行归一化处理,并将处理后的测试样本输入已建立好的网络模型中,得出分类效果。
5.结果分析
通过对接触网隔离开关故障诊断的概率神经网络模型诊断输出值进行分析,得到当前接触网隔离开关所存在的故障类型,并将诊断后的结果输出显示在上位机界面的故障类型窗口上,便于工作人员更直观的查看该接触网隔离开关出现的故障类型。
本发明建立好接触网隔离开关故障诊断的概率神经网络模型后,光纤温度传感器、光纤角度传感器、扭矩传感器、振动传感器、电流传感器、加速度传感器采集到的数据采集到的数据信息将直接输入该模型中进行故障诊断,进而得出当前接触网隔离开关出现的故障类型。
由于本发明采用多个传感器同时采集隔离开关在不同故障类型下其故障特征属性值,并通过概率神经网络对这些故障特征属性进行分类,进而训练出隔离开关故障诊断模型的结构,从而可以得到以下有益效果:
1.由于光纤传感器绝缘性能好、抗电磁干扰能力强,所以将光纤温度传感器、光纤角度传感器分别直接安装在接触网隔离开关的静触头、动触头的旋转轴上进行温度、角度采集,即使接触网隔离开关上通有27.5kV高电压也不会影响对光纤温度传感器、光纤角度传感器的供电。
2.本发明采用多个传感器同时采集接触网隔离开关的故障特征值,使得对隔离开关的诊断更加全面。
3.本发明将接触网隔离开关不同故障类型对应的故障特征输入概率神经网络中建立故障诊断模型,能识别出不同故障类型。
附图说明
图1为本发明一种接触网隔离开关故障诊断系统的整体结构示意图;
图2为本发明一种接触网隔离开关故障诊断系统的上位机结构示意图;
图3为本发明一种接触网隔离开关故障诊断方法的工作原理图;
图4为本发明一种接触网隔离开关故障诊断方法的概率神经网络模型结构图;
图5为本发明一种接触网隔离开关故障诊断方法的故障诊断流程图;
图6为本发明一种接触网隔离开关故障诊断系统的光纤角度传感器结构示意图;
图7为本发明一种接触网隔离开关故障诊断系统的光纤探头与光源光纤、接收光纤的连接示意图。
主要元件符号说明。
光纤温度传感器 | 1 | 光纤角度传感器 | 2 |
扭矩传感器 | 3 | 振动传感器 | 4 |
电流传感器 | 5 | 加速度传感器 | 6 |
模拟量采集器 | 7 | 双绞线 | 8 |
PC机 | 9 | 第一轴承底座 | 10 |
光纤探头 | 11 | 反光镜 | 12 |
丝杆 | 13 | 第二轴承 | 14 |
转动轴 | 15 | 第二轴承座 | 16 |
丝杠滑块 | 17 | 第一轴承 | 18 |
接收光纤 | 19 | 激光接收器 | 20 |
激光发射器 | 21 | 光源光纤 | 22 |
具体实施方式
下面结合实施例并对照附图对本发明作进一步详细说明。
请参阅图1至图7所示为本发明中的一种接触网隔离开关故障诊断方法,应用于诊断系统,该诊断系统包括光纤温度传感器1、光纤角度传感器2、扭矩传感器3、振动传感器4、电流传感器5、加速度传感器6、模拟量采集器7、双绞线8、PC机9。
如图1所示,该诊断系统包括光纤温度传感器1、光纤角度传感器2、扭矩传感器3、振动传感器4、电流传感器5、加速度传感器6、模拟量采集器7、双绞线8、PC机9,光纤温度传感器1安装在接触网隔离开关的动触头上,用于检测动触头的温度,光纤角度传感器2安装在接触网隔离开关动触头的旋转轴上,用于检测接触网隔离开关分合闸的角度,扭矩传感器3安装在电机旋转轴上,用于检测电机输出轴的扭矩,振动传感器4安装在接触网隔离开关电机的表面,用于检测电机运作时的振动情况,电流传感器5安装在接触网隔离开关电机的定子电源线上,用于检测电机定子电流的变化情况,接触网隔离开关的两个支柱绝缘子的法兰底部分别安装相同的加速度传感器6,用于检测支柱绝缘子模态固有频率,以判断支柱绝缘子是否存在缺陷,模拟量采集器7安装在接触网隔离开关旁边,用于接收光纤温度传感器1、光纤角度传感器2、扭矩传感器3、振动传感器4、电流传感器5、加速度传感器6采集到的信息,并将该信息处理后通过双绞线8传输至PC机9进行处理,进而判断出接触网隔离开关的故障类型,便于工作人员有目的对接触网隔离开关出现的故障进行检修,其中采用光纤温度传感器1、光纤角度传感器2分别采集触头的温度和动触头的角度信息的优势在于光纤传感器具有较好的绝缘性能和较强的抗电磁干扰能力,相对于传统的电子式温度传感器、角度传感器来说,安装在通有高电压的接触网隔离开关导电部分上,能够方便取电,不受电磁干扰的影响。
所述的模拟量采集器7采用8通道DAQM-4206电流/电压采集模块,将光纤温度传感器1、光纤角度传感器2、扭矩传感器3、振动传感器4、电流传感器5、加速度传感器6传来的电信号转换成相应的数字量通过RS485通信方式从双绞线8上传输至PC机9,设置RS485通信协议为每一帧数据包含00(0X0000-0X0FFF)01(0X0000-0X0FFF)02(0X0000-0X0FFF)03(0X0000-0X0FFF)04(0X0000-0X0FFF)05(0X0000-0X0FFF)06(0X0000-0X0FFF)07(0X0000-0X0FFF),其中00 01 02 03 04 05 06 07为0~8通道的编号,后面紧跟的0X0000-0X0FFF是相应通道读取到的数据值,上位机中根据每一帧数据中数据位数来解析双绞线8传来的数据值。
所述的PC机9上设有上位机,用于处理模拟量采集器7传来的数据信息,PC机9上的上位机以RS485通信方式对双绞线8上传来的数据信息进行解析,得到各个通道采集到的值,这些值即为接触网隔离开关不同故障类型对应的故障特征属性值,并在上位机中根据不同故障类型对应的故障特征属性值训练好基于概率神经网络的接触网隔离开关故障诊断模型,当接触网隔离开关出现故障时,光纤温度传感器1、光纤角度传感器2、扭矩传感器3、振动传感器4、电流传感器5、加速度传感器6采集到的信息通过模拟量采集器7整合后传输至PC机9的上位机中,在上位机中建立起用于接触网隔离开关故障诊断的概率神经网络模型,光纤温度传感器1、光纤角度传感器2、扭矩传感器3、振动传感器4、电流传感器5、加速度传感器6采集到的信息经基于概率神经网络的接触网隔离开关故障诊断模型分类后,即可得出接触网隔离开关的故障类型。
如图2所示,所述的上位机界面含有传动部分、导电回路、支柱绝缘子、操作机构按钮控件,触头温度、动触头角度、电机扭矩、电机振动、定子电流、绝缘子振动、动触头角度变化、隔离开关编号、故障发生时间、故障类型、开关位置窗口,通过点击传动部分、导电回路、支柱绝缘子、操作机构按钮控件可以分别查看传动部分故障、导电回路故障、支柱绝缘子故障、操作机构故障对应的故障特征属性值,触头温度、动触头角度、电机扭矩、电机振动、定子电流、绝缘子振动、动触头角度变化分别显示的是触头温度值、动触头角度最终值、电机扭矩值、电机振动值、定子电流值、模态固有频率值、动触头角度变化值,其中动触头角度变化值是通过光纤角度传感器2采集到的角度值随时间变化得到的值,隔离开关编号、故障发生时间、故障类型、开关位置窗口分别显示出现故障的接触网隔离开关编号、故障发生的时间、接触网隔离开关的故障类型及其所在的位置,每个接触网隔离开关的编号及所在的位置由工作人员在根据各个接触网隔离开关的具体安装情况提前导入上位机中,在上位机中对每个隔离开关设置一个编号,上位机中界面显示的信息是根据隔离开关的编号进行显示的。
本发明将接触网隔离开关的故障类型分为了传动部分故障、导电回路故障、支柱绝缘子故障、操作机构故障,其中传动部分故障的特征为在分合闸过程中电机定子电流增加、电机输出轴转矩增大、动触头角度变化异常、触头过热;导电回路故障的特征为触头过热、动触头最终分合闸角度超出预设值;支柱绝缘子故障的特征为接触网隔离开关分合闸操作时支柱绝缘子的模态固有频率异常;操作机构故障的特征为电机定子电流增加或为零、电机振动增加、电机扭矩增加、分合闸过程中动触头角度变化异常,表1为故障类型及其对应的故障特征,表1中列出了隔离开关4种常见故障类型对应了7类故障特诊,部分故障特征在不同故障类型中交叉存在。其中Δ1,Δ′1,Δ2,Δ′2,Δ3,Δ′3,Δ4,Δ′4,Δ5,Δ′5,Δ6,Δ′6,Δ7分别表示各个故障特征对应的属性值范围。
表1接触网隔离开关不同故障类型对应的故障特征属性
如图5所示,所述的的基于概率神经网络的接触网隔离开关故障诊断模型分类步骤为:
1.数据预处理
对光纤温度传感器1、光纤角度传感器2、扭矩传感器3、振动传感器4、电流传感器5、加速度传感器6采集到的数据进行转换为触头温度值、动触头角度最终值、电机扭矩值、电机振动值、定子电流值、模态固有频率值、动触头角度变化值,即为不同故障类型对应的故障特征属性值,作为故障诊断模型的样本数据,并对这些数据进行归一化处理,作为模型训练样本。
2.创建概率神经网络
概率神经网络是一类结构简单、训练简洁、应用广泛的人工神经网络,也是一种由径向基函数网络发展而来的一种前馈神经网络,其结构由输入层、模式层、求和层、输出层组成,接触网隔离开关有4个故障类型、7个故障特征属性值、11份输入样本,所以网络模型的输入层为7个神经元,模式层有11个神经元、求和层为4个神经元、输出层有4个神经元,以此建立用于接触网隔离开关故障诊断的概率神经网络模型,如图4所示。
3.根据已有故障数据训练概率神经网络
将接触网隔离开关故障类型对应的故障特征属性值导入创建的概率神经网络模型中进行训练,得到训练好的接触网隔离开关故障诊断的概率神经网络模型。
4.网络效果测试
定义采集到的数据样本及其正确分类模式标签,然后将测试样本与训练样本相同的方式进行归一化处理,并将处理后的测试样本输入已建立好的网络模型中,得出分类效果。
5.结果分析
通过对接触网隔离开关故障诊断的概率神经网络模型诊断输出值进行分析,得到当前接触网隔离开关所存在的故障类型,并将诊断后的结果输出显示在上位机界面的故障类型窗口上,便于工作人员更直观的查看该接触网隔离开关出现的故障类型。
本发明建立好接触网隔离开关故障诊断的概率神经网络模型后,光纤温度传感器1、光纤角度传感器2、扭矩传感器3、振动传感器4、电流传感器5、加速度传感器6采集到的数据采集到的数据信息将直接输入该模型中进行故障诊断,进而得出当前接触网隔离开关出现的故障类型。
如图6所示,所述的光纤角度传感器包括第一轴承底座10、光纤探头11、反光镜12、丝杆13、第二轴承14、转动轴15、第二轴承座16、丝杠滑块17、第一轴承18、接收光纤19、激光接收器20、激光发射器21、光源光纤22,第一轴承18安装在第一轴承底座10中,第二轴承14安装在第二轴承14底座中,丝杆13安装在第一轴承18与第二轴承14之间,丝杠滑块17安装在丝杠上,转动轴15穿过第一轴承18与丝杆13一端连接在一起,反光镜12安装在丝杠滑块17上方,光纤探头11穿过第一轴承18座安装,光源光纤22和接收光纤19分别连接在光纤探头11与激光发射器21、激光接收器20之间,由激光发射器21向光源光纤22中发射激光束,激光束经过光源光纤22的传播从光纤探头11照射到反光镜12上,经反光镜12反射后进入光纤探头11中,再经过接收光纤19将反射回来的激光束传播至激光接收器20中,在激光接收器20中进行光电转换后变为电压信号,转动轴15的另一端与接触网隔离开关动触头的旋转轴连接,动触头旋转时,带动转动轴15转动,转动轴15为丝杆13传动,丝杠滑块17随着丝杠的转动在移动,进而改变反光镜12与光纤探头11之间的距离,完成将接触网隔离开关旋转角度信息转换为直线信息,即以直代曲的思想来测量角度,激光接收器20与模拟量采集器7相连,将转换后的电压信号传输给模拟量采集器7,由模拟量采集器7进行A/D转换后发送至PC机9,将电压信号转换为对应的角度值。
如图7所示,所述的光纤探头11连接了接收光纤19和光源光纤22,通过光的反射原理来测量反光镜12移动的距离,进而达到测量接触网隔离开关动触头旋转角度的目的。
本发明的工作原理与工作过程如下:
如图3、图5所示,光纤温度传感器1用于检测动触头的温度,光纤角度传感器2安装用于检测接触网隔离开关分合闸的角度,扭矩传感器3用于检测电机输出轴的扭矩,振动传感用于检测电机运作时的振动情况,电流传感器5用于检测电机定子电流的变化情况,接触网隔离开关的两个支柱绝缘子的法兰底部分别安装相同的加速度传感器6,用于检测支柱绝缘子模态固有频率,以判断支柱绝缘子是否存在缺陷,由模拟量采集器7接收光纤温度传感器1、光纤角度传感器2、扭矩传感器3、振动传感器4、电流传感器5、加速度传感器6采集到的信息,并将该信息处理后通过双绞线8传输至PC机9进行处理,进而判断出接触网隔离开关的故障类型,便于工作人员有目的对接触网隔离开关出现的故障进行检修。
Claims (6)
1.一种接触网隔离开关故障诊断方法,其特征在于:应用于诊断系统,该诊断系统包括光纤温度传感器、光纤角度传感器、扭矩传感器、振动传感器、电流传感器、加速度传感器、模拟量采集器、双绞线、PC机,光纤温度传感器安装在接触网隔离开关的动触头上,用于检测动触头的温度,光纤角度传感器安装在接触网隔离开关动触头的旋转轴上,用于检测接触网隔离开关分合闸的角度,扭矩传感器安装在电机旋转轴上,用于检测电机输出轴的扭矩,振动传感安装在接触网隔离开关电机的表面,用于检测电机运作时的振动情况,电流传感器安装在接触网隔离开关电机的定子电源线上,用于检测电机定子电流的变化情况,接触网隔离开关的两个支柱绝缘子的法兰底部分别安装相同的加速度传感器,用于检测支柱绝缘子模态固有频率,以判断支柱绝缘子是否存在缺陷,模拟量采集器安装在接触网隔离开关旁边,用于接收光纤温度传感器、光纤角度传感器、扭矩传感器、振动传感器、电流传感器、加速度传感器采集到的信息,并将该信息处理后通过双绞线传输至PC机进行处理,进而判断出接触网隔离开关的故障类型;
所述光纤角度传感器包括第一轴承底座、光纤探头、反光镜、丝杆、第二轴承、转动轴、第二轴承座、丝杠滑块、第一轴承、接收光纤、激光接收器、激光发射器、光源光纤,第一轴承安装在第一轴承底座中,第二轴承安装在第二轴承底座中,丝杆安装在第一轴承与第二轴承之间,丝杠滑块安装在丝杠上,转动轴穿过第一轴承与丝杆一端连接在一起,反光镜安装在丝杠滑块上方,光纤探头穿过第一轴承座安装,光源光纤和接收光纤分别连接在光纤探头与激光发射器、激光接收器之间,由激光发射器向光源光纤中发射激光束,激光束经过光源光纤的传播从光纤探头照射到反光镜上,经反光镜反射后进入光纤探头中,再经过接收光纤将反射回来的激光束传播至激光接收器中,在激光接收器中进行光电转换后变为电压信号,转动轴的另一端与接触网隔离开关动触头的旋转轴连接,动触头旋转时,带动转动轴转动,转动轴为丝杆传动,丝杠滑块随着丝杠的转动在移动,进而改变反光镜与光纤探头之间的距离,完成将接触网隔离开关旋转角度信息转换为直线信息,激光接收器与模拟量采集器相连,将转换后的电压信号传输给模拟量采集器,由模拟量采集器进行A/D转换后发送至PC机,将电压信号转换为对应的角度值。
2.根据权利要求1所述的接触网隔离开关故障诊断方法,其特征在于:所述模拟量采集器采用8通道DAQM-4206电流/电压采集模块,将光纤温度传感器、光纤角度传感器、扭矩传感器、振动传感器、电流传感器、加速度传感器传来的电信号转换成相应的数字量通过RS485通信方式从双绞线上传输至PC机,设置RS485通信协议为每一帧数据包含00 0X0000-0X0FFF,01 0X0000-0X0FFF,02 0X0000-0X0FFF,03 0X0000-0X0FFF,04 0X0000-0X0FFF,050X0000-0X0FFF,06 0X0000-0X0FFF,07 0X0000-0X0FFF,其中00 01 02 03 04 05 06 07为0~7通道的编号,后面紧跟的0X0000-0X0FFF是相应通道读取到的数据值。
3.根据权利要求1所述的接触网隔离开关故障诊断方法,其特征在于:所述PC机上设有上位机,用于处理模拟量采集器传来的数据信息,PC机上的上位机以RS485通信方式对双绞线上传来的数据信息进行解析,得到各个通道采集到的值,这些值即为接触网隔离开关不同故障类型对应的故障特征属性值,并在上位机中根据不同故障类型对应的故障特征属性值训练好基于概率神经网络的接触网隔离开关故障诊断模型,当接触网隔离开关出现故障时,光纤温度传感器、光纤角度传感器、扭矩传感器、振动传感器、电流传感器、加速度传感器采集到的信息通过模拟量采集器整合后传输至PC机的上位机中,经基于概率神经网络的接触网隔离开关故障诊断模型分类后,得出接触网隔离开关的故障类型。
4.根据权利要求3所述的接触网隔离开关故障诊断方法,其特征在于:所述上位机界面含有传动部分、导电回路、支柱绝缘子、操作机构按钮控件,触头温度、动触头角度、电机扭矩、电机振动、定子电流、绝缘子振动、动触头角度变化、隔离开关编号、故障发生时间、故障类型、开关位置窗口,通过点击传动部分、导电回路、支柱绝缘子、操作机构按钮控件以分别查看传动部分故障、导电回路故障、支柱绝缘子故障、操作机构故障对应的故障特征属性值,触头温度、动触头角度、电机扭矩、电机振动、定子电流、绝缘子振动、动触头角度变化分别显示的是触头温度值、动触头角度最终值、电机扭矩值、电机振动值、定子电流值、模态固有频率值、动触头角度变化值,其中动触头角度变化值是通过光纤角度传感器采集到的角度值随时间变化得到的值,隔离开关编号、故障发生时间、故障类型、开关位置窗口分别显示出现故障的接触网隔离开关编号、故障发生的时间、接触网隔离开关的故障类型及其所在的位置,每个接触网隔离开关的编号及所在的位置由工作人员在根据各个接触网隔离开关的具体安装情况提前导入上位机中。
5.根据权利要求4所述的接触网隔离开关故障诊断方法,其特征在于:所述将接触网隔离开关的故障类型分为了传动部分故障、导电回路故障、支柱绝缘子故障、操作机构故障,其中传动部分故障的特征为在分合闸过程中电机定子电流增加、电机输出轴转矩增大、动触头角度变化异常、触头过热;导电回路故障的特征为触头过热、动触头最终分合闸角度超出预设值;支柱绝缘子故障的特征为接触网隔离开关分合闸操作时支柱绝缘子的模态固有频率异常;操作机构故障的特征为电机定子电流增加或为零、电机振动增加、电机扭矩增加、分合闸过程中动触头角度变化异常。
6.根据权利要求3所述的接触网隔离开关故障诊断方法,其特征在于:所述基于概率神经网络的接触网隔离开关故障诊断模型分类步骤为:(1)数据预处理对光纤温度传感器、光纤角度传感器、扭矩传感器、振动传感器、电流传感器、加速度传感器采集到的数据进行转换为触头温度值、动触头角度最终值、电机扭矩值、电机振动值、定子电流值、模态固有频率值、动触头角度变化值,即为不同故障类型对应的故障特征属性值,作为故障诊断模型的样本数据,并对这些数据进行归一化处理,作为模型训练样本;(2)创建概率神经网络概率神经网络是由径向基函数网络发展而来的一种前馈神经网络,其结构由输入层、模式层、求和层、输出层组成,接触网隔离开关有4个故障类型、7个故障特征属性值、11份输入样本,所以网络模型的输入层为7个神经元,模式层有11个神经元、求和层为4个神经元、输出层有4个神经元,以此建立用于接触网隔离开关故障诊断的概率神经网络模型;(3)根据已有故障数据训练概率神经网络将接触网隔离开关故障类型对应的故障特征属性值导入创建的概率神经网络模型中进行训练,得到训练好的接触网隔离开关故障诊断的概率神经网络模型;(4)网络效果测试定义采集到的数据样本及其正确分类模式标签,然后将测试样本与训练样本相同的方式进行归一化处理,并将处理后的测试样本输入已建立好的网络模型中,得出分类效果;(5)结果分析通过对接触网隔离开关故障诊断的概率神经网络模型诊断输出值进行分析,得到当前接触网隔离开关所存在的故障类型,并将诊断后的结果输出显示在上位机界面的故障类型窗口上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010012152.9A CN111157886B (zh) | 2020-01-07 | 2020-01-07 | 一种接触网隔离开关故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010012152.9A CN111157886B (zh) | 2020-01-07 | 2020-01-07 | 一种接触网隔离开关故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111157886A CN111157886A (zh) | 2020-05-15 |
CN111157886B true CN111157886B (zh) | 2022-04-26 |
Family
ID=70561622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010012152.9A Active CN111157886B (zh) | 2020-01-07 | 2020-01-07 | 一种接触网隔离开关故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111157886B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111830403A (zh) * | 2020-06-19 | 2020-10-27 | 国网宁夏电力有限公司检修公司 | 一种隔离开关装置的故障检测方法、介质及系统 |
CN112816860B (zh) * | 2021-01-27 | 2023-06-13 | 河海大学 | 一种gis隔离开关的开关动作状态实时监测装置及方法 |
CN115561625A (zh) * | 2022-09-13 | 2023-01-03 | 山东泰开隔离开关有限公司 | 基于高压隔离开关扭矩监测装置的故障诊断系统及方法 |
CN115347678A (zh) * | 2022-10-13 | 2022-11-15 | 广东南海电力设计院工程有限公司 | 一种户外高压隔离开关的防护系统 |
CN116203298B (zh) * | 2023-01-31 | 2024-04-02 | 赛福凯尔(绍兴)医疗科技有限公司 | 基于磁耦数字隔离器的电源保护方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201293694Y (zh) * | 2008-11-12 | 2009-08-19 | 河南平高电气股份有限公司 | 高压隔离开关三相联动测试装置 |
CN102279159A (zh) * | 2010-06-12 | 2011-12-14 | 飞秒光电科技(西安)有限公司 | 基于螺旋游丝的光纤湿度传感器 |
CN103543209A (zh) * | 2013-10-30 | 2014-01-29 | 国家电网公司 | 一种绝缘子裂纹检测方法、装置及系统 |
CN105892369A (zh) * | 2016-05-24 | 2016-08-24 | 天津平高智能电气有限公司 | 一种集成式三工位开关控制电路 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE112016003116T5 (de) * | 2016-03-30 | 2018-04-26 | Hitachi, Ltd. | Vorrichtung zur Messung einer dreidimensionalen Form und Sonde zur Messung einer dreidimensionalen Form |
CN109142271B (zh) * | 2018-07-16 | 2020-12-04 | 哈尔滨工程大学 | 一种结合蜘蛛包卵丝的光纤湿度传感器及其制作方法 |
-
2020
- 2020-01-07 CN CN202010012152.9A patent/CN111157886B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201293694Y (zh) * | 2008-11-12 | 2009-08-19 | 河南平高电气股份有限公司 | 高压隔离开关三相联动测试装置 |
CN102279159A (zh) * | 2010-06-12 | 2011-12-14 | 飞秒光电科技(西安)有限公司 | 基于螺旋游丝的光纤湿度传感器 |
CN103543209A (zh) * | 2013-10-30 | 2014-01-29 | 国家电网公司 | 一种绝缘子裂纹检测方法、装置及系统 |
CN105892369A (zh) * | 2016-05-24 | 2016-08-24 | 天津平高智能电气有限公司 | 一种集成式三工位开关控制电路 |
Non-Patent Citations (1)
Title |
---|
基于红外热像技术的电接触故障检测方法研究;吴迎昌;《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》;20170315(第03期);第45-52页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111157886A (zh) | 2020-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111157886B (zh) | 一种接触网隔离开关故障诊断方法 | |
CN109738181B (zh) | 具有机械卡涩检测功能的隔离开关操作机构及其应用方法 | |
CN111007366A (zh) | 一种油式套管隐患监测系统及方法 | |
CN111157864A (zh) | 一种局部放电超声波信号及图谱识别系统及其方法 | |
CN115655737A (zh) | 一种底盘测功机设备健康数据采集及状态判断系统 | |
CN108089086B (zh) | 一种配电网电缆接头故障诊断设备和诊断方法 | |
CN104931798B (zh) | 堆外核仪表系统的源量程脉冲测量装置及其检测定位方法 | |
CN107247059B (zh) | 基于空气热纹影分布的绝缘子故障检测装置及其方法 | |
CN117890696A (zh) | 一种高压电缆缺陷识别方法、设备及存储介质 | |
CN113109666A (zh) | 一种基于深度卷积神经网络的轨道电路故障诊断方法 | |
CN111486991A (zh) | 一种10kV高压开关柜过热风险预警装置及其预警方法 | |
CN115656738A (zh) | 一种在线开关柜局放监测系统及方法 | |
Liu | Mechanical fault diagnosis of high voltage disconnector based on intelligent live test technology | |
CN109342889A (zh) | 一种在线式高压电缆击穿故障的快速定位方法 | |
CN114755603A (zh) | 一种便携式电缆接地环流测试及故障诊断的方法和装置 | |
CN112684293A (zh) | 一种配电系统绝缘故障的诊断装置 | |
CN114062923A (zh) | 一种基于电流磁致信号和高次谐波诊断技术的电机故障在线超前预警系统 | |
CN112526285A (zh) | 一种分布式在线故障检测方法及诊断系统 | |
CN113740663B (zh) | 一种基于阻抗特征的飞机装机电缆故障定位方法 | |
CN118243240A (zh) | 一种带电电缆的热缺陷检测系统及方法 | |
CN112327221A (zh) | 变压器内部绝缘缺陷带电诊断装置 | |
CN214330806U (zh) | 风力发电机系统和风力发电机的故障分析设备 | |
CN212622776U (zh) | 一种工程机械用的电流传感器 | |
KR102313542B1 (ko) | 고압 전력케이블의 pd 측정 및 위치추정 방법 | |
CN213843433U (zh) | 一种局放采集装置及灯泡贯流式机组局放监测诊断系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |