CN112285546A - 一种基于多源数据和神经网络的触头寿命评估系统及方法 - Google Patents

一种基于多源数据和神经网络的触头寿命评估系统及方法 Download PDF

Info

Publication number
CN112285546A
CN112285546A CN202011120676.6A CN202011120676A CN112285546A CN 112285546 A CN112285546 A CN 112285546A CN 202011120676 A CN202011120676 A CN 202011120676A CN 112285546 A CN112285546 A CN 112285546A
Authority
CN
China
Prior art keywords
contact
neural network
source data
temperature
module
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
CN202011120676.6A
Other languages
English (en)
Other versions
CN112285546B (zh
Inventor
陈道品
武利会
陈邦发
陈新诚
谢志扬
黄静
刘益军
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.)
Foshan Power Supply Bureau of Guangdong Power Grid Corp
Original Assignee
Foshan Power Supply Bureau of Guangdong Power Grid Corp
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 Foshan Power Supply Bureau of Guangdong Power Grid Corp filed Critical Foshan Power Supply Bureau of Guangdong Power Grid Corp
Priority to CN202011120676.6A priority Critical patent/CN112285546B/zh
Publication of CN112285546A publication Critical patent/CN112285546A/zh
Application granted granted Critical
Publication of CN112285546B publication Critical patent/CN112285546B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01R31/3272—Apparatus, systems or circuits therefor

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Arc-Extinguishing Devices That Are Switches (AREA)
  • Keying Circuit Devices (AREA)

Abstract

本发明提供一种基于多源数据和神经网络的触头寿命评估系统及方法，所述系统包括多源数据采集模块、多源数据处理模块、特征值提取模块和学习评估模块。所述多源数据采集模块采集分闸过程中触头参数，经多源数据处理模块处理、特征值提取模块提取特征值后，将所述特征值输出至所述学习评估模块；所述学习评估模块将特征值组成数据集并对神经网络进行训练；将待测断路器触头的特征值输入到训练好的神经网络，神经网络输出待测断路器触头的剩余寿命。本发明通过综合处理分析触头的特征值，得到庞大数据集；使用所述数据集训练神经网络，利用训练好的神经网络评估触头剩余寿命；本发明综合多源数据，数据集丰富，评估规则严密，结果直观准确。

Description

一种基于多源数据和神经网络的触头寿命评估系统及方法
技术领域
本发明涉及高压断路器测试技术领域，更具体地，涉及一种基于多源数据和神经网络的触头寿命评估系统及方法。
背景技术
高压断路器是电力系统中一个极其重要的部件，具有开断能力强、动作快、体积小等优点，常应用于电力系统无功补偿领域。断路器分闸时，弧触头在主触头之前接通，产生预击穿电弧，对弧触头端部表面造成材料损失；断路器合闸时，电弧烧蚀后高温静弧触头插入动弧触头，会发生机械磨损，也会产生材料损失；由于频繁投切电容器组进行无功补偿，开断过程中的关合涌流导致弧触头烧蚀更加严重，进而可能造成开断短路电流失败引发事故，影响输电线路安全可靠的运行。因此高压断路器弧触头状态的评估可为检修人员提供重要依据。
现有技术中对高压断路器弧触头烧蚀程度的评估，通常有以下方法：测量弧触头在分闸过程中的动态接触电阻，依据动态接触电阻的大小判断弧触头状态；当动态接触电阻大于某一值时，则更换动、静弧触头，该方法的缺点在于，在不同测量电流下的动态接触电阻值波动较大，判断规则不严谨；测量弧触头在分闸过程中的动态接触电阻行程曲线，综合动态接触电阻和接触行程判断弧触头状态；当动态接触电阻、接触行程超过某一值时，则更换动静弧触头，该方法的缺点在于，用于判断的数据单一，判断方法粗糙。另外，这些方法均没有考虑触头表面温度对触头寿命的影响，而触头表面温度的升高是造成触头材料发生熔化、喷溅、蒸发的重要原因。
2016年4月6日公开的中国专利CN105467309A提供了一种高压断路器触头状态评价方法及检修策略，其主要技术特点是：将动态电阻测试仪、大容量蓄电池、速度传感器和电流传感器与高压断路器触头连接成测试回路并对高压断路器触头分闸过程的动态电阻进行测量；动态电阻测试仪对测量的速度、电流与电压信号进行计算分析，得到分闸过程的触头动态电阻-行程曲线，并通过触头动态电阻-行程曲线获取触头电阻值与长度值；将获取的触头电阻值与长度值与标准值作比较，对触头状态进行评价。该发明对触头状态的评价依据单一，难以保证触头状态评价的准确性。
发明内容
本发明为克服上述现有技术评价触头寿命的依据单一的缺陷，提供一种基于多源数据和神经网络的触头寿命评估系统及方法。
本发明的技术方案如下：
本发明提供一种基于多源数据和神经网络的触头寿命评估系统，所述系统包括多源数据采集模块、多源数据处理模块、特征值提取模块和学习评估模块；
所述多源数据采集模块对每次分闸过程中的触头参数进行实时采集，直到第N次分闸时触头报废，得到N组触头参数，并将所述触头参数输出至所述多源数据处理模块；
所述多源数据处理模块依据所述触头参数处理得到触头的动态接触电阻-温度曲线R(T)和动态接触电阻-行程曲线R(S)，并将所述两组曲线输出至所述特征值提取模块；
所述特征值提取模块提取两组曲线中的特征值，并将所述特征值输出至所述学习评估模块；
所述学习评估模块将分闸N次得到的N组特征值进行一一对应，组成数据集；利用不同触头在不同电流下进行分闸试验直到触头报废获得的所有数据集对神经网络进行训练；
将待测断路器触头的特征值输入到训练好的神经网络中，神经网络输出待测断路器触头的剩余寿命。
优选地，所述触头参数包括流经触头的电流I、触头两端的电压U、触头运动速度V和触头温度T。
优选地，所述多源数据采集模块包括蓄电池、电压传感器、温度传感器、罗氏线圈、速度传感器和控制模块；
所述蓄电池用于提供直流试验电流；
所述电压传感器与触头并联，用于测量触头两端的电压U；
所述温度传感器设置在触头所在的灭弧室内，用于测量触头的温度T；
所述罗氏线圈与触头串联，用于测量流过触头的电流I；
所述速度传感器设置在与触头连接的绝缘拉杆上，用于测量触头运动速度V；
所述电压传感器、温度传感器、罗氏线圈、速度传感器与控制模块通信连接。
优选地，所述多源数据处理模块处理参数的具体方法为：
在温度T下，设电压U关于温度T的变化函数为U(T)，设电流I关于温度T的变化函数为I(T)，则触头电阻R(T)＝U(T)/I(T)，即动态接触电阻-温度曲线R(T)；在温度T下，对触头运动速度V进行时间积分得到触头行程，即动态接触电阻-行程关系曲线R(S)。
优选地，所述特征值包括所述动态接触电阻-温度曲线R(T)中的曲线下的面积ST和曲线的方差σT。
优选地，所述特征值还包括动态接触电阻-行程关系曲线R(S)中的触头动态接触电阻的最大值Rm、触头行程最大值D和触头动态接触电阻的平均值μ。
优选地，所述神经网络为三层BP神经网络，包括输入层、隐含层和输出层。
优选地，所述神经网络训练时从输入层到输出层逐层训练。
优选地，所述神经网络输出待测断路器触头的剩余寿命为断路器触头的剩余分闸次数。
本发明还提供一种基于多源数据和神经网络的触头寿命评估方法，所述方法包括以下步骤：
S1：多源数据采集模块通过传感器元件获得分闸过程中的触头参数；
S2：多源数据处理模块依据S1中得到的触头参数处理得到触头的动态接触电阻-温度曲线R(T)和动态接触电阻-行程曲线R(S)；
S3：特征值提取模块依据S2中得到的两组曲线提取出特征值；
S4：学习评估模块依据S3中得到的特征值组成数据集，并利用数据集对神经网络进行训练；
S5：将待测断路器触头的特征值输入至神经网络，神经网络输出待测断路器触头的剩余寿命。
与现有技术相比，本发明技术方案的有益效果是：
本发明通过综合处理分析触头的动态接触电阻与温度、动态接触电阻与行程的关系，得到数据集；使用所述数据集训练神经网络，利用训练好的神经网络评估触头剩余寿命；本发明综合多源数据，数据集丰富，评估规则严密，结果直观准确。
附图说明
图1为实施例1所述一种基于多源数据和神经网络的触头寿命评估系统的示意图；
图2为实施例1所述的神经网络示意图；
图3为实施例2所述一种基于多源数据和神经网络的触头寿命评估方法的流程图；图中：1-蓄电池，2-电压传感器，3-温度传感器，4罗氏线圈，5-速度传感器，6-绝缘拉杆。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
本发明提供一种基于多源数据和神经网络的触头寿命评估系统，如图1所示，所述系统包括多源数据采集模块、多源数据处理模块、特征值提取模块和学习评估模块；
所述多源数据采集模块对每次分闸过程中的触头参数进行实时采集，直到第N次分闸时触头报废，得到N组触头参数，并将所述触头参数输出至所述多源数据处理模块；
所述多源数据处理模块依据所述触头参数处理得到触头的动态接触电阻-温度曲线R(T)和动态接触电阻-行程曲线R(S)，并将所述两组曲线输出至所述特征值提取模块；
所述特征值提取模块提取两组曲线中的特征值，并将所述特征值输出至所述学习评估模块；
所述学习评估模块将分闸N次得到的N组特征值进行一一对应，组成数据集；利用不同触头在不同电流下进行分闸试验直到触头报废获得的所有数据集对神经网络进行训练；
将待测断路器触头的特征值输入到训练好的神经网络中，神经网络输出待测断路器触头的剩余寿命。
所述触头参数包括流经触头的电流I、触头两端的电压U、触头运动速度V和触头温度T。
所述多源数据采集模块包括蓄电池1、电压传感器2、温度传感器3、罗氏线圈4、速度传感器5和控制模块；
所述蓄电池1用于提供直流试验电流；
所述电压传感器2与触头并联，用于测量触头两端的电压U；
所述温度传感器3设置在触头所在的灭弧室内，用于测量触头的温度T。
所述罗氏线圈4与触头串联，用于测量流过触头的电流I；
所述速度传感器5设置在与触头连接的绝缘拉杆6上，用于测量触头运动速度V；
所述电压传感器2、温度传感器3、罗氏线圈4、速度传感器5与控制模块通信连接。
所述多源数据处理模块处理参数的方法为：
在温度T下，设电压U关于温度T的变化函数为U(T)，设电流I关于温度T的变化函数为I(T)，则触头电阻R(T)＝U(T)/I(T)，即动态接触电阻-温度曲线R(T)；在温度T下，对触头运动速度V进行时间积分得到触头行程，即动态接触电阻-行程关系曲线R(S)。
所述特征值包括所述动态接触电阻-温度曲线R(T)中的曲线下的面积ST和曲线的方差σT。
所述特征值还包括所述动态接触电阻-行程关系曲线R(S)中的触头动态接触电阻的最大值Rm、触头行程最大值D和触头动态接触电阻的平均值μ。
所述神经网络为三层BP神经网络，包括输入层、隐含层和输出层。
如图2所示，所述神经网络训练时从输入层到输出层逐层训练。
所述神经网络输出待测断路器触头的剩余寿命为断路器触头的剩余分闸次数。
将待测断路器触头的特征值和分闸电流输入神经网络，神经网络中有同种断路器触头在相同分闸电流下第1次至第N次的特征值，将待测断路器触头的特征值与神经网络中的特征值进行比较，确定该特征值在第M次分闸操作时获得(M≤N)，则待测断路器触头的剩余分闸次数为N-M，神经网络输出值即为N-M；当N-M仍很大时，说明断路器触头状态良好，寿命长，不需更换；当N-M很小或等于0时，说明触头状态恶劣或已报废，需要立刻更换。
实施例2
本实施例提供一种基于多源数据和神经网络的触头寿命评估方法，如图3所示，所述方法包括以下步骤：
S1：多源数据采集模块通过传感器元件获得分闸过程中的触头参数；
S2：多源数据处理模块依据S1中得到的触头参数处理得到触头的动态接触电阻-温度曲线R(T)和动态接触电阻-行程曲线R(S)；
S3：特征值提取模块依据S2中得到的两组曲线提取出特征值；
S4：学习评估模块依据S3中得到的特征值组成数据集，并利用数据集对神经网络进行训练；
S5：将待测断路器触头的特征值输入至训练好的神经网络，神经网络输出待测断路器触头的剩余寿命。
相同或相似的标号对应相同或相似的部件；
附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种基于多源数据和神经网络的触头寿命评估系统，其特征在于，所述系统包括多源数据采集模块、多源数据处理模块、特征值提取模块和学习评估模块；
所述多源数据采集模块对每次分闸过程中的触头参数进行实时采集，直到第N次分闸时触头报废，得到N组触头参数，并将所述触头参数输出至所述多源数据处理模块；
所述多源数据处理模块依据所述触头参数处理得到触头的动态接触电阻-温度曲线R(T)和动态接触电阻-行程曲线R(S)，并将所述两组曲线输出至所述特征值提取模块；
所述特征值提取模块提取两组曲线中的特征值，并将所述特征值输出至所述学习评估模块；
所述学习评估模块将分闸N次得到的N组特征值进行一一对应，组成数据集；利用不同触头在不同电流下进行分闸试验直到触头报废获得的所有数据集对神经网络进行训练；
将待测断路器触头的特征值输入到训练好的神经网络中，神经网络输出待测断路器触头的剩余寿命。
2.根据权利要求1所述的一种基于多源数据和神经网络的触头寿命评估系统，其特征在于，所述触头参数包括流经触头的电流I、触头两端的电压U、触头运动速度V和触头温度T。
3.根据权利要求2所述的一种基于多源数据和神经网络的触头寿命评估系统，其特征在于，所述多源数据采集模块包括蓄电池(1)、电压传感器(2)、温度传感器(3)、罗氏线圈(4)、速度传感器(5)和控制模块；
所述蓄电池(1)用于提供直流试验电流；
所述电压传感器(2)与触头并联，用于测量触头两端的电压U；
所述温度传感器(3)设置在触头所在的灭弧室内，用于测量触头的温度T；
所述罗氏线圈(4)与触头串联，用于测量流过触头的电流I；
所述速度传感器(5)设置在与触头连接的绝缘拉杆(6)上，用于测量触头运动速度V；
所述电压传感器(2)、温度传感器(3)、罗氏线圈(4)、速度传感器(5)与控制模块通信连接。
4.根据权利要求3所述的一种基于多源数据和神经网络的触头寿命评估系统，其特征在于，所述多源数据处理模块处理参数的具体方法为：
在温度T下，设电压U关于温度T的变化函数为U(T)，设电流I关于温度T的变化函数为I(T)，则触头电阻R(T)＝U(T)/I(T)，即动态接触电阻-温度曲线R(T)；在温度T下，对触头运动速度V进行时间积分得到触头行程，即动态接触电阻-行程曲线R(S)。
5.根据权利要求4所述的一种基于多源数据和神经网络的触头寿命评估系统，其特征在于，所述特征值包括所述动态接触电阻-温度曲线R(T)中的曲线下的面积ST和曲线的方差σT。
6.根据权利要求5所述的一种基于多源数据和神经网络的触头寿命评估系统，其特征在于，所述特征值还包括动态接触电阻-行程关系曲线R(S)中的触头动态接触电阻的最大值Rm、触头行程最大值D和触头动态接触电阻的平均值μ。
7.根据权利要求6所述的一种基于多源数据和神经网络的触头寿命评估系统，其特征在于，所述神经网络为三层BP神经网络，包括输入层、隐含层和输出层。
8.根据权利要求7所述的一种基于多源数据和神经网络的触头寿命评估系统，其特征在于，所述神经网络训练时从输入层到输出层逐层训练。
9.根据权利要求8所述的一种基于多源数据和神经网络的触头寿命评估系统，其特征在于，所述神经网络输出待测断路器触头的剩余寿命为断路器触头的剩余分闸次数。
10.一种基于多源数据和神经网络的触头寿命评估方法，其特征在于，所述方法包括以下步骤：
S1：多源数据采集模块通过传感器元件获得分闸过程中的触头参数；
S2：多源数据处理模块依据S1中得到的触头参数处理得到触头的动态接触电阻-温度曲线R(T)和动态接触电阻-行程曲线R(S)；
S3：特征值提取模块依据S2中得到的两组曲线提取出特征值；
S4：学习评估模块依据S3中得到的特征值组成数据集，并利用数据集对神经网络进行训练；
S5：将待测断路器触头的特征值输入至神经网络，神经网络输出待测断路器触头的剩余寿命。
CN202011120676.6A 2020-10-19 2020-10-19 一种基于多源数据和神经网络的触头寿命评估系统及方法 Active CN112285546B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011120676.6A CN112285546B (zh) 2020-10-19 2020-10-19 一种基于多源数据和神经网络的触头寿命评估系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011120676.6A CN112285546B (zh) 2020-10-19 2020-10-19 一种基于多源数据和神经网络的触头寿命评估系统及方法

Publications (2)

Publication Number Publication Date
CN112285546A true CN112285546A (zh) 2021-01-29
CN112285546B CN112285546B (zh) 2022-03-29

Family

ID=74496552

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011120676.6A Active CN112285546B (zh) 2020-10-19 2020-10-19 一种基于多源数据和神经网络的触头寿命评估系统及方法

Country Status (1)

Country Link
CN (1) CN112285546B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113125095A (zh) * 2021-04-19 2021-07-16 河北工业大学 一种基于深度学习的万能式断路器触头系统剩余机械寿命预测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101788647A (zh) * 2010-01-28 2010-07-28 桂林电子科技大学 断路器燃弧时间感应器及断路器电寿命在线监测系统
CN106451201A (zh) * 2016-08-31 2017-02-22 杭州申昊科技股份有限公司 一种变电站巡检系统
CN107680835A (zh) * 2017-10-13 2018-02-09 中国电力科学研究院 一种基于神经网络的断路器弧触头烧蚀状态评估方法
CN109659201A (zh) * 2018-12-24 2019-04-19 厦门宏发开关设备有限公司 一种带动触头状态指示的小型断路器
US20190326744A1 (en) * 2018-04-23 2019-10-24 Richard W. Sorenson Electronic Circuit Breaker with Physical Open-Contact Construction and Fail-Safe Protection
CN110929763A (zh) * 2019-10-30 2020-03-27 西安交通大学 基于多源数据融合的中压真空断路器机械故障诊断方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101788647A (zh) * 2010-01-28 2010-07-28 桂林电子科技大学 断路器燃弧时间感应器及断路器电寿命在线监测系统
CN106451201A (zh) * 2016-08-31 2017-02-22 杭州申昊科技股份有限公司 一种变电站巡检系统
CN107680835A (zh) * 2017-10-13 2018-02-09 中国电力科学研究院 一种基于神经网络的断路器弧触头烧蚀状态评估方法
US20190326744A1 (en) * 2018-04-23 2019-10-24 Richard W. Sorenson Electronic Circuit Breaker with Physical Open-Contact Construction and Fail-Safe Protection
CN109659201A (zh) * 2018-12-24 2019-04-19 厦门宏发开关设备有限公司 一种带动触头状态指示的小型断路器
CN110929763A (zh) * 2019-10-30 2020-03-27 西安交通大学 基于多源数据融合的中压真空断路器机械故障诊断方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113125095A (zh) * 2021-04-19 2021-07-16 河北工业大学 一种基于深度学习的万能式断路器触头系统剩余机械寿命预测方法
CN113125095B (zh) * 2021-04-19 2022-03-22 河北工业大学 一种基于深度学习的万能式断路器触头系统剩余机械寿命预测方法

Also Published As

Publication number Publication date
CN112285546B (zh) 2022-03-29

Similar Documents

Publication Publication Date Title
Smeets et al. Evaluation of high-voltage circuit breaker performance with a new validated arc model
CN107680835B (zh) 一种基于神经网络的断路器弧触头烧蚀状态评估方法
DE112019006961T5 (de) Verfahren zum evaluieren einer umfassenden leistung eines gleichstrom-hochgeschwindigkeitsschalters
CN201892729U (zh) Hgis断路器电寿命监测装置
Bagherpoor et al. Online condition assessment of interruption chamber of gas circuit breakers using arc voltage measurement
CN109254242B (zh) 一种烧蚀试验回路及断路器弧触头烧蚀状态测试方法
CN105467309A (zh) 一种高压断路器触头状态评价方法及检修策略
CN104635123B (zh) 对电动汽车的高压线束的绝缘性能进行测量的装置和方法
CN112285546B (zh) 一种基于多源数据和神经网络的触头寿命评估系统及方法
CN110673028A (zh) 一种用于10kV真空断路器故障诊断装置及方法
CN109991508B (zh) 一种基于动态非线性特征序列的变压器绕组状态诊断方法
Chen et al. Electrical erosion test and condition assessment of SF6 CB contact sets
CN108593099B (zh) 一种有载调压变压器用分接开关振动信号提取方法
Bhole et al. An overview of dynamic contact resistance measurement of HV circuit breakers
CN209327527U (zh) 一种动态电阻测试设备
CN114578219A (zh) 一种中压断路器剩余寿命检测方法
CN110133408B (zh) 一种高压断路器触头寿命评估装置及方法
Abdollah et al. Condition assessment of arc contacts through dynamic resistance measurement (DRM) and wavelet analysis
CN210803604U (zh) 一种高压断路器触头寿命评估装置
Erbrink et al. Advanced on-site diagnosis of transformer on-load tap changer
Adam et al. About the dynamic contact resistance of the circuit breakers
CN115728627B (zh) 一种电气动静触头故障预判断系统
CN115659795A (zh) 一种双断口断路器的寿命评估方法、介质及系统
CN111025144A (zh) 一种高压断路器健康水平预警方法
CN113806913A (zh) 基于电弧能量的sf6断路器灭弧室寿命预测方法

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