CN111982198A - 一种高压断路器状态检修方法及系统 - Google Patents

一种高压断路器状态检修方法及系统 Download PDF

Info

Publication number
CN111982198A
CN111982198A CN202010850192.0A CN202010850192A CN111982198A CN 111982198 A CN111982198 A CN 111982198A CN 202010850192 A CN202010850192 A CN 202010850192A CN 111982198 A CN111982198 A CN 111982198A
Authority
CN
China
Prior art keywords
circuit breaker
state
health value
voltage circuit
state quantity
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
Application number
CN202010850192.0A
Other languages
English (en)
Other versions
CN111982198B (zh
Inventor
曾星宏
程延远
钟宏乐
陈�光
罗赞琛
杨政
谭卓俊
邓劲东
李海涛
刘东超
陈志刚
须雷
魏德华
刘鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NR Engineering Co Ltd
Nanning Bureau of Extra High Voltage Power Transmission Co
Original Assignee
NR Engineering Co Ltd
Nanning Bureau of Extra High Voltage Power Transmission Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NR Engineering Co Ltd, Nanning Bureau of Extra High Voltage Power Transmission Co filed Critical NR Engineering Co Ltd
Priority to CN202010850192.0A priority Critical patent/CN111982198B/zh
Publication of CN111982198A publication Critical patent/CN111982198A/zh
Application granted granted Critical
Publication of CN111982198B publication Critical patent/CN111982198B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Arc-Extinguishing Devices That Are Switches (AREA)
  • Driving Mechanisms And Operating Circuits Of Arc-Extinguishing High-Tension Switches (AREA)

Abstract

本发明揭示一种高压断路器状态检修方法，包括采集高压断路器本体状态量和健康值作为样本集；通过将采集的样本集分别训练得到高压断路器健康值与高压断路器本体状态量的预测模型；将高压断路器本体状态量作为输入，根据预测模型，计算出断路器的健康值；采集高压断路器二次回路状态量以及二次辅助设备状态量作为断路器状态检修模块的输入；将计算健康值和采集到的二次系统状态量作为输入，根据断路器状态检修模型判断断路器状态是否需要检修；本发明还揭示一种高压断路器状态检修系统，可实现通过高压断路器本体状态、二次回路状态以及二次辅助设备状态采集，判断断路器是否需要检修，实现了真正意义上的断路器状态检修功能，提高运维能力。

Description

一种高压断路器状态检修方法及系统
技术领域
本发明涉及高压断路器智能控制技术领域，具体地，涉及一种高压断路器状态检修方法，本发明还涉及一种高压断路器状态检修系统。
背景技术
高压断路器是电气系统中除发电机和变压器以外最重要的电气设备，起着控制和保护的双重任务，其运行状态直接影响着电力系统的运行稳定性和供电可靠性，当它发生故障或事故时会引起电网事故或扩大事故，造成相当大的经济及其他方面的损失。
断路器在线监测通过断路器型号、累计动作次数、机构油压、SF6气压以及局放监测等全面的数据评估断路器本体健康值以及失效风险，但对于断路器控制回路，如控制线圈、储能电机、辅助触点、联锁回路等二次设备及回路无法进行有效监督。虽然断路器在线监测可以有效的对断路器本体进行监测，但是没有监测断路器二次回路，实际应用中无法真正实现对断路器的状态检修，存在监测盲区。
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状态检修方法，本发明还提供一种高压断路器状态检修系统。
本发明公开的一种高压断路器状态检修方法，其特征在于，包括以下步骤：
步骤1：采集高压断路器本体状态量和健康值作为样本集；
步骤2：通过将步骤1采集的样本集分别训练得到高压断路器健康值与高压断路器本体状态量的预测模型；
步骤3：将高压断路器本体状态量作为输入，根据步骤2得到的预测模型，计算出断路器的健康值；
步骤4：采集高压断路器二次回路状态量以及二次辅助设备状态量作为断路器状态检修模块的输入；
步骤5：将步骤3计算的健康值和步骤4采集到的二次系统状态量作为输入，根据断路器状态检修模型判断断路器状态是否需要检修。
根据本发明的一实施方式，步骤1中，断路器本体状态量指的是累计动作次数、静置时间、油压、SF6气压等状态量。
根据本发明的一实施方式，步骤2中，预测模型可采用误差逆传播算法，通过训练得到样本集上的累积误差最小，最终达到通过断路器状态量来估计断路器的健康值。
根据本发明的一实施方式，步骤2中，样本集训练指的是通过机器学习的方法将样本集划分为训练集和测试集，通过训练测试找到局部最优模型。
根据本发明的一实施方式，预测模型指的是断路器健康值的预测模型。
根据本发明的一实施方式，步骤4中，二次回路状态量指的是开关刀闸辅助接点以及联闭锁布线五防继电器等状态量，二次辅助设备状态量指的是储能电机工作电流、控制回路状态等状态量。
根据本发明的一实施方式，步骤5中，断路器状态检修模型采用加权算法，对断路器本体健康值x1、二次回路状态量x2、二次辅助设备状态量x3，进行加权平均，利用公式f(xi)＝0.8x1+0.2x2+0.1x3，计算出断路器状态影响断路器正常工作的概率f(xi)，从而判断断路器是否需要进行检修。
本发明还公开的一种高压断路器状态检修系统，包括断路器本体状态采集模块、断路器健康值预测模型离线获取模块、断路器健康值预测模块、二次回路监视模块、二次辅助设备状态采集模块以及断路器状态检修模块；
断路器本体状态采集模块与断路器温度、油压、控制电压、SF6气压等传感器相连，实时获取断路器状态量，并将采集数据输入给断路器健康值预测模块；
断路器健康值预测模型离线获取模块通过前期收集的大量样本数据训练获得预测模型参数，将参数输入给断路器健康值预测模块；
断断路器健康值预测模块将计算得到的健康值预测值作为输入给断路器状态检修模块；
二次回路监视模块与断路器的二次回路相连，获取开关辅助接点位置，同时将联闭锁回路数字化，从而得到二次回路状态，作为断路器状态检修模块的输入；
二次辅助设备状态采集模块与储能电机、控制线圈等辅助设备相连，获取辅助设备状态，作为断路器状态检修模块的输入。
本发明具有以下有益效果：
1.本发明一种高压断路器状态检修方法，可以实现在通过在线高压断路器本体状态、二次回路状态以及二次辅助设备状态采集，能够通过断路器状态量判断断路器是否需要检修，实现了真正意义上的断路器状态检修功能，提高运维能力；
2.发明一种高压断路器状态检修系统，可采集高压断路器本体状态量，根据预先通过大量样本数据学习得到的断路器健康值预测模型获取断路器健康值预测值，然后根据预测值、二次回路状态以及二次辅助设备状态对断路器进行状态检修，完整监视了整个断路器系统一二次状态，为断路器是否需要检修提供数据依据，提高了智能化监测水平，简化了运维工作量。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为高压断路器状态检修方法的检修制流程示意图；
图2为高压断路器状态检修系统的模块示意图。
具体实施方式
以下将以图式揭露本发明的多个实施方式，为明确说明起见，许多实务上的细节将在以下叙述中一并说明。然而，应了解到，这些实务上的细节不应用以限制本发明。也就是说，在本发明的部分实施方式中，这些实务上的细节是非必要的。此外，为简化图式起见，一些习知惯用的结构与组件在图式中将以简单的示意的方式绘示之。
另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，并非特别指称次序或顺位的意思，亦非用以限定本发明，其仅仅是为了区别以相同技术用语描述的组件或操作而已，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
本发明实施例提供一种高压断路器状态检修方法，具体流程如图1所示，包括以下步骤：
步骤1：采集高压断路器本体状态量和健康值作为样本集，其中断路器状态量包括但不仅限于断路器型号、断路器静置时间、断路器累计动作次数、断路器油压、断路器SF6气压、断路器控制电压、断路器温度等，作为样本集的自变量，断路器健康值作为样本集的因变量；
步骤2：通过将步骤1采集的样本集分别训练得到高压断路器健康值与高压断路器本体状态量的预测模型，此处预测模型指的是断路器健康值的预测模型，可采用误差逆传播算法，通过训练得到样本集上的累积误差最小，最终达到通过断路器状态量来估计断路器的健康值，样本集训练指的是通过机器学习的方法将样本集划分为训练集和测试集，通过训练测试找到局部最优模型。
步骤3：将高压断路器本体状态量作为输入，根据步骤2得到的预测模型，计算出断路器的健康值；
步骤4：采集高压断路器二次回路状态量以及二次辅助设备状态量作为断路器状态检修模块的输入，二次回路状态量指的是开关刀闸辅助接点以及联闭锁布线五防继电器等状态量，二次辅助设备状态量指的是储能电机工作电流、控制回路状态等状态量，通过二次设备采集二次回路的辅助接点状态，如开关位置辅助接点，同时通过视频识别和断路器两端电压电流识别交叉判断辅助接点状态是否正常，将二次回路通过电缆和传统继电器搭建的联闭锁回路由二次设备代替，从而达到二次回路状态监视的功能；
步骤5：将步骤3计算的健康值和步骤4采集到的二次系统状态量作为输入，根据断路器状态检修模型判断断路器状态是否需要检修，断路器状态检修模型采用加权算法，对断路器本体健康值x1、二次回路状态量x2、二次辅助设备状态量x3，进行加权平均，利用公式f(xi)＝0.8x1+0.2x2+0.1x3，计算出断路器状态影响断路器正常工作的概率f(xi)，从而判断断路器是否需要进行检修。
本发明实施例还提供一种高压断路器状态检修系统，模块结构如图2所示，包括断路器本体状态采集模块1、断路器健康值预测模型离线获取模块2、断路器健康值预测模块3、二次回路监视模块4、二次辅助设备状态采集模块5以及断路器状态检修模块6；
断路器本体状态采集模块1与断路器温度、油压、控制电压、SF6气压等传感器相连，实时获取断路器状态量，并将采集数据输入给断路器健康值预测模块3；
断路器健康值预测模型离线获取模块2通过前期收集的大量样本数据训练获得预测模型参数，将参数输入给断路器健康值预测模块3；
断断路器健康值预测模块3将计算得到的健康值预测值作为输入给断路器状态检修模块6；
二次回路监视模块4与断路器的二次回路相连，获取开关辅助接点位置，同时将联闭锁回路数字化，从而得到二次回路状态，作为断路器状态检修模块6的输入；
二次辅助设备状态采集模块5与储能电机、控制线圈等辅助设备相连，获取辅助设备状态，作为断路器状态检修模块6的输入。
本发明一种高压断路器状态检修系统，二次回路监视模块和二次辅助设备状态采集模块能够采集到高压断路器本体状态采集模块采集不到的二次系统状态信息，作为断路器状态检修模块的输入，与断路器健康值预测值合并处理，达到一二次融合的高压断路器系统状态检修的功能。
上所述仅为本发明的实施方式而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理的内所作的任何修改、等同替换、改进等，均应包括在本发明的权利要求范围之内。

Claims (8)

1.一种高压断路器状态检修方法，其特征在于，包括以下步骤：
步骤1：采集高压断路器本体状态量和健康值作为样本集；
步骤2：通过将步骤1采集的样本集分别训练得到高压断路器健康值与高压断路器本体状态量的预测模型；
步骤3：将高压断路器本体状态量作为输入，根据步骤2得到的预测模型，计算出断路器的健康值；
步骤4：采集高压断路器二次回路状态量以及二次辅助设备状态量作为断路器状态检修模块的输入；
步骤5：将步骤3计算的健康值和步骤4采集到的二次系统状态量作为输入，根据断路器状态检修模型判断断路器状态是否需要检修。
2.根据权利要求1所述的一种高压断路器状态检修方法，其特征在于，所述步骤1中，断路器本体状态量指的是累计动作次数、静置时间、油压、SF6气压等状态量。
3.根据权利要求1所述的一种高压断路器状态检修方法，其特征在于，所述步骤2中，预测模型可采用误差逆传播算法，通过训练得到样本集上的累积误差最小，最终达到通过断路器状态量来估计断路器的健康值。
4.根据权利要求3所述的一种高压断路器状态检修方法，其特征在于，所述步骤2中，样本集训练指的是通过机器学习的方法将样本集划分为训练集和测试集，通过训练测试找到局部最优模型。
5.根据权利要求3所述的一种高压断路器状态检修方法，其特征在于，所述预测模型指的是断路器健康值的预测模型。
6.根据权利要求1所述的一种高压断路器状态检修方法，其特征在于，所述步骤4中，二次回路状态量指的是开关刀闸辅助接点以及联闭锁布线五防继电器等状态量，二次辅助设备状态量指的是储能电机工作电流、控制回路状态等状态量。
7.根据权利要求1所述的一种高压断路器状态检修方法，其特征在于，所述步骤5中，断路器状态检修模型采用加权算法，对断路器本体健康值x1、二次回路状态量x2、二次辅助设备状态量x3，进行加权平均，利用公式f(xi)＝0.8x1+0.2x2+0.1x3，计算出断路器状态影响断路器正常工作的概率f(xi)，从而判断断路器是否需要进行检修。
8.一种高压断路器状态检修系统，其特征在于，包括断路器本体状态采集模块(1)、断路器健康值预测模型离线获取模块(2)、断路器健康值预测模块(3)、二次回路监视模块(4)、二次辅助设备状态采集模块(5)以及断路器状态检修模块(6)；
所述断路器本体状态采集模块(1)与断路器温度、油压、控制电压、SF6气压等传感器相连，实时获取断路器状态量，并将采集数据输入给断路器健康值预测模块(3)；
所述断路器健康值预测模型离线获取模块(2)通过前期收集的大量样本数据训练获得预测模型参数，将参数输入给断路器健康值预测模块(3)；
所述断断路器健康值预测模块(3)将计算得到的健康值预测值作为输入给断路器状态检修模块(6)；
所述二次回路监视模块(4)与断路器的二次回路相连，获取开关辅助接点位置，同时将联闭锁回路数字化，从而得到二次回路状态，作为断路器状态检修模块(6)的输入；
所述二次辅助设备状态采集模块(5)与储能电机、控制线圈等辅助设备相连，获取辅助设备状态，作为断路器状态检修模块(6)的输入。
CN202010850192.0A 2020-08-21 2020-08-21 一种高压断路器状态检修方法及系统 Active CN111982198B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010850192.0A CN111982198B (zh) 2020-08-21 2020-08-21 一种高压断路器状态检修方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010850192.0A CN111982198B (zh) 2020-08-21 2020-08-21 一种高压断路器状态检修方法及系统

Publications (2)

Publication Number Publication Date
CN111982198A true CN111982198A (zh) 2020-11-24
CN111982198B CN111982198B (zh) 2022-08-26

Family

ID=73443712

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010850192.0A Active CN111982198B (zh) 2020-08-21 2020-08-21 一种高压断路器状态检修方法及系统

Country Status (1)

Country Link
CN (1) CN111982198B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102384768A (zh) * 2011-11-22 2012-03-21 广东电网公司电力科学研究院 一种断路器在线监测方法及装置
CN202837496U (zh) * 2012-09-17 2013-03-27 北京慧智神光科技有限公司 高压断路器机械特性在线监测系统
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
CN104392288A (zh) * 2014-12-16 2015-03-04 广西电网公司电力科学研究院 一种高压断路器部件检修方法
CN107490760A (zh) * 2017-08-22 2017-12-19 西安工程大学 基于遗传算法改进模糊神经网络的断路器故障诊断方法
KR101859925B1 (ko) * 2016-11-14 2018-05-21 (주)엑스피넷 원격 데이터 수집 및 제어기능을 구비한 지능형 전원차단 시스템
CN108828441A (zh) * 2018-06-12 2018-11-16 江苏镇安电力设备有限公司 高压断路器故障诊断方法
CN110118928A (zh) * 2018-02-05 2019-08-13 西安交通大学 一种基于误差逆传播算法的断路器故障诊断方法
CN110346717A (zh) * 2019-08-28 2019-10-18 杨启蓓 一种人工智能高压断路器在线监测系统及方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102384768A (zh) * 2011-11-22 2012-03-21 广东电网公司电力科学研究院 一种断路器在线监测方法及装置
CN202837496U (zh) * 2012-09-17 2013-03-27 北京慧智神光科技有限公司 高压断路器机械特性在线监测系统
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
CN104392288A (zh) * 2014-12-16 2015-03-04 广西电网公司电力科学研究院 一种高压断路器部件检修方法
KR101859925B1 (ko) * 2016-11-14 2018-05-21 (주)엑스피넷 원격 데이터 수집 및 제어기능을 구비한 지능형 전원차단 시스템
CN107490760A (zh) * 2017-08-22 2017-12-19 西安工程大学 基于遗传算法改进模糊神经网络的断路器故障诊断方法
CN110118928A (zh) * 2018-02-05 2019-08-13 西安交通大学 一种基于误差逆传播算法的断路器故障诊断方法
CN108828441A (zh) * 2018-06-12 2018-11-16 江苏镇安电力设备有限公司 高压断路器故障诊断方法
CN110346717A (zh) * 2019-08-28 2019-10-18 杨启蓓 一种人工智能高压断路器在线监测系统及方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
YUSHENG QUAN, ET AL: "Research on High voltage circuit breaker mechanical faults online monitoring", 《APPLIED MECHANICS AND MATERIALS》 *
刘锦杰 等: "一种基于云模型的SF6高压断路器状态评估方法", 《高压电器》 *
刘锦杰 等: "基于故障录波器的高压断路器综合在线监测系统设计", 《电气应用》 *
李劲彬等: "基于XGBoost的集成式隔离断路器状态评估", 《高电压技术》 *
陈建志: "高压断路器在线监测技术的研究", 《电测与仪表》 *

Also Published As

Publication number Publication date
CN111982198B (zh) 2022-08-26

Similar Documents

Publication Publication Date Title
CN106597231B (zh) 基于多源信息融合和深度学习网络的gis故障检测系统及方法
ES2545481T3 (es) Sistema y método para el mantenimiento predictivo de un conjunto de baterías por medio del procesamiento temporal de señales
CN112713649B (zh) 一种基于极限学习机的电力设备剩余寿命预测方法
CN105703258B (zh) Gis开关设备动作状态监测系统及其使用方法
CN110320467B (zh) 一种低压直流断路器故障诊断方法
CN114239864A (zh) 一种基于数字孪生的换流阀故障检修方法及终端
CN115979349A (zh) 一种电力站空间环境监测方法及系统
CN118554640B (zh) 一种基于环境数据分析的电网运行监测系统
CN109507580A (zh) 一种高压断路器电气寿命监测方法及系统
CN114113858B (zh) 一种低压电容柜在线监测系统
CN113125949B (zh) 一种基于电场的高压断路器绝缘监测方法及系统
CN111982198B (zh) 一种高压断路器状态检修方法及系统
CN107104414A (zh) 一种基于在线数据的继电保护检修辅助决策方法
CN116796261B (zh) 一种基于人工智能的封闭开关设备机械特性预测方法
CN115902531A (zh) 一种新能源汽车高压负载绝缘故障定位方法及监控平台
CN109470983A (zh) 一种保电设备故障预警方法及系统
Ni et al. A real-time fault diagnosis method for grid-side overcurrent in train traction system using signal time series feature pattern recognition
CN111025144A (zh) 一种高压断路器健康水平预警方法
CN115728628A (zh) 一种断路器控制回路故障在线监测预警方法及装置
CN113949618B (zh) 基于大数据的通信故障预警系统
CN114022030B (zh) 一种变电站母线状态动态检测分析与风险评估方法
CN113917323B (zh) 一种智能柱上开关监测系统及方法
CN109470944A (zh) 保电设备故障预警方法
CN110849611A (zh) 一种利用开关辐射场在线检测断路器机械特性的方法
CN113410814B (zh) 一种机械式直流断路器状态评估方法、系统及介质

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