CN113219329B - 一种高压断路器故障融合诊断方法 - Google Patents

Abstract

本发明公开了一种高压断路器故障融合诊断方法，包括：基于电气特性诊断高压断路器故障；基于机械特性诊断高压断路器故障；根据电气特性以及机械特性的诊断结果对高压断路器进行融合诊断，本方法基于机械特性诊断高压断路器故障类型，将电气特性作为故障辅助判别依据，进而实现电气和机械特性融合的故障诊断，保证了高压断路器的故障诊断精度，为其状态评估提供了理论依据。

Description

一种高压断路器故障融合诊断方法

技术领域

本发明属于电网控制技术领域，尤其涉及一种高压断路器故障融合诊断方法。

背景技术

随着电网规模的不断扩大，高压断路器广泛应用于35kV及以上电压等级电网。作为电力系统的核心设备，高压断路器主要承担着保护和控制的作用，其运行状态决定着电网的安全稳定运行。高压断路器开断电流大、承受电压高、操作较频繁，极易发生故障，可能引起局部电网故障，严重情况下会导致电网瘫痪。据国内外高压断路器故障类型统计，机械故障是高压断路器的主要故障类型，一般包括机构卡滞、弹簧变形、螺栓松动、锁扣失灵和连杆断裂等。一般情况下，在机械故障发生初期，高压断路器仍能正常工作，若能够及时发现故障并处理，将有效避免故障的进一步扩大，对提高电网可靠性具有重要意义。

目前，高压断路器故障诊断主要包括典型故障库建立、特征向量提取和故障判别匹配三个阶段，其中特征向量提取阶段一般采用傅里叶变换、小波包分解和短时能量分析等方法，而故障判别匹配阶段一般采用证据理论、专家系统、支持向量机等方法。但现有研究主要是基于机械或电气单一特征考虑，未将机械和电气特性融合；另外现有研究重点集中在如何提高高压断路器特征向量的提取精度和故障类型诊断精度，对典型故障库的建立研究较少。

发明内容

为了解决现有技术存在的问题，本发明提供一种高压断路器故障融合诊断方法，能够更准确诊断出高压断路器的故障。

本发明所要解决的技术问题是通过以下技术方案实现的：

一种高压断路器故障融合诊断方法，包括：

基于电气特性诊断高压断路器故障；

基于机械特性诊断高压断路器故障；

根据电气特性以及机械特性的诊断结果对高压断路器进行融合诊断。

进一步的，所述基于电气特性诊断高压断路器故障包括通过高压断路器分合闸线圈典型电流判断故障，具体为：

设t₀、t₁、t₂、t₃、t₄、t₅分别为高压断路器分合闸线圈的线圈开始通电时刻、铁芯开始动作时刻、触头开始动作时刻、线圈进入稳定状态时刻、线圈断电开始时刻以及线圈断电结束时刻，这6个时刻对应的分合闸线圈典型电流分别为0、i₁、i₂、i₃、i₃、0；选择(t₁-t₀)、(t₂-t₁)、(t₃-t₂)、(t₄-t₃)、(t₅-t₄)、i₁、i₂和i₃作为分合闸线圈电流的特征值，以此构建特征向量；设任意一次分合闸线圈电流特征向量为I_x；

I_x＝(t_1x-t_0x,t_2x-t_1x,t_3x-t_2x,t_4x-t_3x,t_5x-t_4x,i_x1,i_x2,i_x3)＝(I_x1,I_x2,I_x3,I_x4,I_x5,I_x6,I_x7,I_x8) (1)

根据式(2)对I_x进行归一化处理：

其中F(I_xl)表示I_x第l个特征值的归一化结果，C为归一化系数，max[I_xl]为I_x第l个特征值的历史最大值，min[I_xl]为I_x第l个特征值的历史最小值，MaxI、MinI为中间变量。

设分合闸线圈电流特征标准向量I₀为

I₀＝(I₀₁,I₀₂,I₀₃,I₀₄,I₀₅,I₀₆,I₀₇,I₀₈) (3)

定义基于分合闸线圈电流的故障辨识度S_D为

设高压断路器正常运行时，故障辨识度S_D位于[S_min,S_max]，当S_D<S_min或S_D>S_max，则表示高压断路器存在故障。

进一步的，所述基于机械特性诊断高压断路器故障包括：

基于机械特性的高压断路器特征向量提取；

基于机械特性建立高压断路器典型故障库；

基于机械特性的高压断路器故障诊断。

进一步的，所述基于机械特性的高压断路器特征向量提取包括：

在高压断路器的弹簧上装设应力传感器，在转轴上装设置行程传感器，在连杆上装设振动传感器，采用小波包分解法对各传感器采集得到的信号进行小波包分解，从而得到特征向量。

进一步的，所述基于机械特性建立高压断路器典型故障库包括：

初始化典型故障特征向量的特征指标权值

计算典型故障的特征向量；

更新典型故障特征向量的特征指标权值。

进一步的，所述初始化典型故障特征向量的特征指标权值具体为：

将高压断路器不同故障时的特征向量表示为：

E_ij＝(e_ij1,…e_ijk,…e_ijN) (5)

式中，E_ij表示第i种典型故障第j次试验的特征向量；e_ijk表示第i种典型故障第j次试验的第k个特征指标；N表示故障特征指标数量；

初始化典型故障特征向量的特征指标权值为

w_k＝1(k＝1…N) (6)

式中，w_k表示第k个特征指标的权值。

进一步的，所述计算典型故障的特征向量具体为：

将第i种典型故障第j_i0次试验对应的特征向量与该典型故障其他次试验的欧式距离D(j_i0)为：

计算D(j_i0)取得最小值时对应的试验数j_imin：

则第i种典型故障第j_imin次试验的特征向量为

计算第i种典型故障特征向量平均值为

计算与E_i0的相关性：

当R≥R₀时，选择E_i0作为第i种典型故障的特征向量E_is；当R＜R₀时，选择作为第i种典型故障的特征向量E_is，即：

其中，R₀表示强相关系数，M表示各类典型故障试验次数。

进一步的，所述更新典型故障特征向量的特征指标权值具体为：

定义第i种典型故障的最大特征向量和最小特征向量为

式中，E_ismax表示第i种典型故障的最大特征向量，E_ismin表示第i种典型故障的最小特征向量；

根据第i种典型故障的特征向量E_is来计算特征指标权值，将特征向量E_is表示为

E_is＝(e_is1,…e_isk,…e_isN) (14)

式中，e_isk表示第i种典型故障特征向量的第k个特征指标值；

设断路器有H种典型故障，则第i种典型故障第k个特征指标的占比P_ik为

计算P_ik的均值u_k和标准差σ_k：

计算第k个特征指标的离散系数L_k：

根据离散系数L_k计算第k个特征指标的权值：

当R取得最大值时，迭代计算结束，此时E_is即为第i种典型故障的特征向量，w_k即为第k个特征指标的权值，否则更新典型故障特征向量的特征指标权值后，重新计算典型故障的特征向量，直到迭代结束。

进一步的，所述基于机械特性的高压断路器故障诊断具体为：

将高压断路器任意时刻的采样特征向量E_x可表示为

E_x＝(e_x1,…e_xk,…e_xN) (19)

式中，e_xk表示断路器任意时刻特征向量的第k个特征指标值；

定义特征向量E_x与特征向量E_is的正向距离D_pos为

定义特征向量E_x与特征向量E_ismax和E_ismin的负向距离D_neg为

式中，t_ik表示第i种典型故障第k个特征指标中间值；

根据D_pos和D_neg可得特征向量E_x与特征向量E_is的故障相似度S_Ji：

计算所有典型故障的相似度S_Ji的最大值，即S_J，若S_J＞S₁，且第i种典型故障的相似度取得最大值S_J则高压断路器存在第i种典型故障，当S_J≤S₁时，认为高压断路器无故障；其中，S₁表示正常情况下，基于机械特性的断路器故障相似度取得的最大值。

进一步的，所述根据电气特性以及机械特性的诊断结果对高压断路器进行融合诊断具体为：

当S_min≤S_D≤S_max且S_J≤S₁，表示高压断路器无故障；

当S_min≤S_D≤S_max且S_J＞S₁，表示基于电气特性和机械特性诊断结果冲突，需结合高压断路器的实际状态来修改判别参数，当高压断路器无故障时，则增大S₁，当高压断路器有故障时，则减小故障辨识度的判别范围，即增大S_min或减小S_max；

当S_D≤S_min或S_D≥S_max，且S_J≤S₁，表示基于电气特性和机械特性诊断结果冲突，需结合高压断路器的实际状态来修改判别参数，当高压断路器无故障时，减小S_min或增大S_max，当高压断路器有故障时，减小S₁；

当S_D≤S_min或S_D≥S_max，第i种典型故障的相似度取得最大值且S₂＜S_J，若还有其他典型故障的相似度大于等于S_J，表示高压断路器存在多种典型故障，否则表示高压断路器仅存在第i种典型故障；

其中，S_min表示正常情况下，基于电气特性的断路器故障辨识度取得的最小值，S_max表示正常情况下，基于电气特性的断路器故障辨识度取得的最大值，S₂表示单一故障状态下，基于机械特性的断路器故障相似度取得的最大值。

本发明有益效果：本发明提供的一种高压断路器故障融合诊断方法，该方法利用机械特性判别高压断路器的故障类型，而电气特性则作为故障判别的辅助依据，以保证高压断路器的故障诊断精度。具有以下优点：1.基于最小欧式距离和相关性原理，建立基于机械特性的高压断路器典型故障库，保证了高压断路器典型故障库的准确性；2.采用电气和机械特性融合的诊断方法，有效提高了高压断路器的故障诊断精度。

附图说明

图1为本发明的流程图。

具体实施方式

为了进一步描述本发明的技术特点和效果，以下结合附图和具体实施方式对本发明做进一步描述。

本发明所提出的一种高压断路器故障融合诊断方法，包括以下步骤：

步骤1：基于电气特性诊断高压断路器故障状态。

高压断路器分合闸线圈典型电流一般包括6个典型时刻，设t₀、t₁、t₂、t₃、t₄、t₅分别为高压断路器分合闸线圈的线圈开始通电时刻、铁芯开始动作时刻、触头开始动作时刻、线圈进入稳定状态时刻、线圈断电开始时刻以及线圈断电结束时刻，这6个时刻对应的分合闸线圈典型电流分别为0、i₁、i₂、i₃、i₃、0。选择(t₁-t₀)、(t₂-t₁)、(t₃-t₂)、(t₄-t₃)、(t₅-t₄)、i₁、i₂和i₃作为分合闸线圈电流的特征值，从而构建特征向量。设某次分合闸线圈电流特征向量I_x为：

I_x＝(t_1x-t_0x,t_2x-t_1x,t_3x-t_2x,t_4x-t_3x,t_5x-t_4x,i_x1,i_x2,i_x3)＝(I_x1,I_x2,I_x3,I_x4,I_x5,I_x6,I_x7,I_x8)(1)

对分合闸线圈电流特征向量I_x进行归一化处理：

式中，F(I_xl)表示分合闸线圈电流特征向量I_x第l个特征值的归一化结果，C为归一化系数，max[I_xl]为第l个特征值的历史最大值，min[I_xl]为第l个特征值的历史最小值。

设分合闸线圈电流特征标准向量I₀为

I₀＝(I₀₁,I₀₂,I₀₃,I₀₄,I₀₅,I₀₆,I₀₇,I₀₈) (3)

定义基于分合闸线圈电流的故障辨识度S_D为

设高压断路器正常运行时，故障辨识度S_D位于[S_min,S_max]，当S_D<S_min或S_D>S_max，则表示高压断路器存在故障。

步骤2：基于机械特性诊断高压断路器故障类型。

步骤2.1：基于机械特性的高压断路器特征向量提取。

高压断路器机械结构复杂、部件繁多，主要包括活动部件和固定部件两类，其中活动部件一般包括弹簧、凸轮、连杆等，固定部件一般包括瓷套、螺栓、横梁等。当高压断路器进行分合闸操作时，不同部件的机械特性不同。为全面捕捉机械特性，在弹簧上装设应力传感器，在转轴上装设行程传感器，在连杆上装设振动传感器。在提取高压断路器特征向量时，采用小波包分解法对各传感器采集得到的信号进行小波包分解，从而得到特征向量。

步骤2.2：基于机械特性的高压断路器典型故障库建立。

步骤2.2.1：初始化典型故障特征向量的特征指标权值。

建立高压断路器的典型故障库，即确定典型故障的特征向量。考虑到高压断路器同一故障，在不同时刻对应的特征向量略有不同，故针对同一故障，进行多次分合闸试验，测量并提取对应的特征向量，设高压断路器不同故障时，特征向量可表示为

E_ij＝(e_ij1,…e_ijk,…e_ijN) (5)

式中，E_ij表示第i种典型故障第j次试验的特征向量；e_ijk表示第i种典型故障第j次试验的第k个特征指标；N表示故障特征指标数量。

初始化典型故障特征向量的特征指标权值为

w_k＝1(k＝1…N) (6)

式中，w_k表示第k个特征指标的权值。

步骤2.2.2：计算典型故障的特征向量。

设M表示各类典型故障试验次数，则第i种典型故障第j_i0次试验对应的特征向量与该典型故障其他次试验的欧式距离D(j_i0)为

基于最小欧式距离，计算D(j_i0)取得最小值时对应的试验数j_imin：

则第i种典型故障第j_imin次试验的特征向量为

计算第i种典型故障特征向量平均值为

计算与E_i0的相关性：

根据相关性原理，当相关性系数大于等于0.8时，两组数据呈强相关。当R≥R₀时，选择E_i0作为第i种典型故障的特征向量E_is；当R<R₀时，选择作为第i种典型故障的特征向量E_is，即：

其中，R表示与E_i0的相关性，R₀表示强相关系数。

步骤2.2.3：更新典型故障特征向量的特征指标权值。

定义第i种典型故障的最大特征向量和最小特征向量为

式中，E_ismax表示第i种典型故障的最大特征向量，E_ismin表示第i种典型故障的最小特征向量。

根据第i种典型故障的特征向量E_is来计算特征指标权值，设特征向量E_is可表示为

E_is＝(e_is1,…e_isk,…e_isN) (14)

式中，e_isk表示第i种典型故障特征向量的第k个特征指标值。

设断路器有H种典型故障，则第i种典型故障第k个特征指标的占比P_ik为

计算P_ik的均值u_k和标准差σ_k：

计算第k个特征指标的离散系数L_k：

根据离散系数L_k计算第k个特征指标的权值：

当R取得最大值时(R由式(11)计算得到，而式(11)是由式(7)-(10)得到的，式(7)中包含了w_k，由于w_k在不断变化，则R将不断变化。R是增函数，随着w_k的变化R将不断增加，当w_k取得最优值时，R将不再增加，此时R取得最大值)，迭代计算结束，此时E_is即为第i种典型故障的特征向量，w_k即为第k个特征指标的权值，否则更新典型故障特征向量的特征指标权值后，回到步骤2.2.2进行重新计算，直到迭代结束。

步骤2.3：基于机械特性的高压断路器故障类型诊断。

设高压断路器任意时刻的采样特征向量E_x可表示为

E_x＝(e_x1,…e_xk,…e_xN) (19)

式中，e_xk表示断路器任意时刻特征向量的第k个特征指标值。

定义特征向量E_x与特征向量E_is的正向距离D_pos为

定义特征向量E_x与特征向量E_ismax和E_ismin的负向距离D_neg为

式中，t_ik表示第i种典型故障第k个特征指标中间值，可表示为

根据D_pos和D_neg可得，特征向量E_x与特征向量E_is的故障相似度S_Ji：

计算所有典型故障的相似度S_Ji的最大值，即为S_J(故障情况下)。利用典型故障的相似度S_Ji可判断高压断路器的故障类型，具体判断过程如下：设S₁表示正常情况下，基于机械特性的断路器故障相似度取得的最大值，当S_J>S₁且第i种典型故障的相似度取得最大值S_J，一般认为高压断路器存在第i种典型故障；当S_J≤S₁时，认为高压断路器无故障。

步骤3：融合电气和机械特性诊断结果。

基于电气和机械特性融合诊断高压断路器故障类型，具体判别条件如下：

(1)当故障辨识度S_min≤S_D≤S_max且故障相似度最大值S_J≤S₁，表示高压断路器无故障；

S_min表示正常情况下，基于电气特性的断路器故障辨识度取得的最小值，S_max表示正常情况下，基于电气特性的断路器故障辨识度取得的最大值，S₁表示正常情况下，基于机械特性的断路器故障相似度取得的最大值。

(2)当故障辨识度S_min≤S_D≤S_max且故障相似度最大值S_J>S₁，表示基于电气特性和机械特性诊断结果冲突，需结合高压断路器的实际状态来修改判别参数(判别参数包括S_min、S_max、S₁)，当高压断路器无故障时，应增大故障相似度SJ的判别阈值即S₁，当高压断路器有故障时，应减小故障辨识度SD的判别范围，即增大S_min或减少S_max。

(3)当故障辨识度S_D≤S_min或S_D≥S_max且故障相似度最大值S_J≤S₁，表示基于电气特性和机械特性诊断结果冲突，需结合高压断路器的实际状态来修改判别参数，当高压断路器无故障时，应增大故障辨识度S_D的判别范围，即减小S_min或增大S_max当高压断路器有故障时，应减小故障相似度的判别阈值S₁；

(4)当故障辨识度S_D≤S_min或S_D≥S_max，第i种典型故障的相似度取得最大值且S₁<S_J≤S₂，表示高压断路器存在第i种典型故障，其中S₂表示单一故障状态下，基于机械特性的断路器故障相似度取得的最大值；

(5)当故障辨识度S_D≤S_min或S_D≥S_max，第i种典型故障的相似度取得最大值且S₂<S_J，若还有其他典型故障的相似度大于等于S_J，表示高压断路器存在多种典型故障，否则表示高压断路器仅存在第i种典型故障。

上述实施例不以任何形式限定本发明，凡采取等同替换或等效变换的形式所获得的技术方案，均落在本发明的保护范围之内。

Claims (5)

1.一种高压断路器故障融合诊断方法,其特征在于，包括：

基于电气特性诊断高压断路器故障；

所述基于电气特性诊断高压断路器故障包括通过高压断路器分合闸线圈典型电流判断故障；

基于机械特性诊断高压断路器故障，包括：

基于机械特性的高压断路器特征向量提取；

基于机械特性建立高压断路器典型故障库，包括：

初始化典型故障特征向量的特征指标权值

计算典型故障的特征向量；

更新典型故障特征向量的特征指标权值；

基于机械特性的高压断路器故障诊断，具体为：

将高压断路器任意时刻的采样特征向量E_x可表示为

E_x＝(e_x1,…e_xk,…e_xN) (19)

式中，e_xk表示断路器任意时刻特征向量的第k个特征指标值；

定义特征向量E_x与第i种典型故障的特征向量E_is的正向距离D_pos为

定义特征向量E_x与第i种典型故障的最大特征向量E_ismax和第i种典型故障的最小特征向量E_ismin的负向距离D_neg为

式中，t_ik表示第i种典型故障第k个特征指标中间值；

根据D_pos和D_neg可得特征向量E_x与特征向量E_is的故障相似度S_Ji：

计算所有典型故障的相似度S_Ji的最大值，即S_J，若S_J＞S₁，且第i种典型故障的相似度取得最大值S_J则高压断路器存在第i种典型故障，当S_J≤S₁时，认为高压断路器无故障；其中，S₁表示正常情况下，基于机械特性的断路器故障相似度取得的最大值；

其中，w_k表示第k个特征指标的权值，N表示故障特征指标数量，M表示各类典型故障试验次数，e_ijk表示第i种典型故障第j次试验的第k个特征指标，e_isk表示第i种典型故障特征向量的第k个特征指标值；

根据电气特性以及机械特性的诊断结果对高压断路器进行融合诊断，具体为：

当S_min≤S_D≤S_max且S_J≤S₁，表示高压断路器无故障；

当S_min≤S_D≤S_max且S_J＞S₁，表示基于电气特性和机械特性诊断结果冲突，需结合高压断路器的实际状态来修改判别参数，当高压断路器无故障时，则增大S₁，当高压断路器有故障时，则减小故障辨识度的判别范围，即增大S_min或减小S_max；

当S_D≤S_min或S_D≥S_max，且S_J≤S₁，表示基于电气特性和机械特性诊断结果冲突，需结合高压断路器的实际状态来修改判别参数，当高压断路器无故障时，减小S_min或增大S_max，当高压断路器有故障时，减小S₁；

当S_D≤S_min或S_D≥S_max，第i种典型故障的相似度取得最大值且S₂＜S_J，若还有其他典型故障的相似度大于等于S_J，表示高压断路器存在多种典型故障，否则表示高压断路器仅存在第i种典型故障；

其中，S_D表示基于分合闸线圈电流的故障辨识度，S_min表示正常情况下，基于电气特性的断路器故障辨识度取得的最小值，S_max表示正常情况下，基于电气特性的断路器故障辨识度取得的最大值，S₂表示单一故障状态下，基于机械特性的断路器故障相似度取得的最大值。

2.根据权利要求1所述的一种高压断路器故障融合诊断方法，其特征在于，所述基于机械特性的高压断路器特征向量提取包括：

在高压断路器的弹簧上装设应力传感器，在转轴上装设置行程传感器，在连杆上装设振动传感器，采用小波包分解法对各传感器采集得到的信号进行小波包分解，从而得到特征向量。

3.根据权利要求1所述的一种高压断路器故障融合诊断方法，其特征在于：所述初始化典型故障特征向量的特征指标权值具体为：

将高压断路器不同故障时的特征向量表示为：

E_ij＝(e_ij1,…e_ijk,…e_ijN) (5)

式中，E_ij表示第i种典型故障第j次试验的特征向量；e_ijk表示第i种典型故障第j次试验的第k个特征指标；N表示故障特征指标数量；

初始化典型故障特征向量的特征指标权值为

w_k＝1 (k＝1…N) (6)

式中，w_k表示第k个特征指标的权值。

4.根据权利要求3所述的一种高压断路器故障融合诊断方法，其特征在于，所述计算典型故障的特征向量具体为：

将第i种典型故障第j_i0次试验对应的特征向量与该典型故障其他次试验的欧式距离D(j_i0)为：

计算D(j_i0)取得最小值时对应的试验数j_imin：

则第i种典型故障第j_imin次试验的特征向量为

计算第i种典型故障特征向量平均值为

计算与E_i0的相关性：

当R≥R₀时，选择E_i0作为第i种典型故障的特征向量E_is；当R＜R₀时，选择作为第i种典型故障的特征向量E_is，即：

其中，R₀表示强相关系数，R₀≥0.8，M表示各类典型故障试验次数。

5.根据权利要求4所述的一种高压断路器故障融合诊断方法，其特征在于，所述更新典型故障特征向量的特征指标权值具体为：

定义第i种典型故障的最大特征向量和最小特征向量为

式中，E_ismax表示第i种典型故障的最大特征向量，E_ismin表示第i种典型故障的最小特征向量；

根据第i种典型故障的特征向量E_is来计算特征指标权值，将特征向量E_is表示为

E_is＝(e_is1,…e_isk,…e_isN) (14)

式中，e_isk表示第i种典型故障特征向量的第k个特征指标值；

设断路器有H种典型故障，则第i种典型故障第k个特征指标的占比P_ik为

计算P_ik的均值u_k和标准差σ_k：

计算第k个特征指标的离散系数L_k：

根据离散系数L_k计算第k个特征指标的权值：

当R取得最大值时，迭代计算结束，此时E_is即为第i种典型故障的特征向量，w_k即为第k个特征指标的权值，否则更新典型故障特征向量的特征指标权值后，重新计算典型故障的特征向量，直到迭代结束。