CN115728627B - 一种电气动静触头故障预判断系统 - Google Patents
一种电气动静触头故障预判断系统 Download PDFInfo
- Publication number
- CN115728627B CN115728627B CN202211226528.1A CN202211226528A CN115728627B CN 115728627 B CN115728627 B CN 115728627B CN 202211226528 A CN202211226528 A CN 202211226528A CN 115728627 B CN115728627 B CN 115728627B
- Authority
- CN
- China
- Prior art keywords
- fault arc
- data
- current
- fault
- static contact
- 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
- 230000003068 static effect Effects 0.000 title claims abstract description 102
- 238000012545 processing Methods 0.000 claims abstract description 85
- 230000009471 action Effects 0.000 claims abstract description 27
- 230000003993 interaction Effects 0.000 claims abstract description 21
- 238000000605 extraction Methods 0.000 claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims description 72
- 238000005070 sampling Methods 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 11
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000003750 conditioning effect Effects 0.000 claims description 4
- 229940060587 alpha e Drugs 0.000 claims description 2
- 238000009432 framing Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 9
- 238000005299 abrasion Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 230000002427 irreversible effect Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007664 blowing Methods 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010891 electric arc Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000016507 interphase Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000009834 vaporization Methods 0.000 description 1
- 230000008016 vaporization Effects 0.000 description 1
Images
Classifications
-
- 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
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明提供一种电气动静触头故障预判断系统，包括数据采集模块、数据处理模块、人机交互模块和动作模块；数据采集模块用于采集电气动静触头电路的电流电压数据，并将采集到的电流数据实时传输到数据处理模块；数据处理模块用于根据采集到的电流电压数据进行特征提取处理，得到故障电弧特征；根据得到的故障电弧特征对是否发生电弧故障进行预判断，得到故障电弧预判断结果；人机交互模块用于显示故障电弧预判断结果，对故障电弧预判断结果进行存储管理，并根据故障电弧预判断结果生成相应的控制指令。本发明有助于提高动静触头的可靠性和寿命。
Description
技术领域
本发明涉及电气设备分析技术领域，特别是一种电气动静触头故障预判断系统。
背景技术
目前，动静触头广泛应用在不同领域的电源开关、继电器、触碰器、断路器等电气设备中。动静触头在使用过程中，会产生金属液桥、电弧和火花放电等现象，引起触头材料的金属转移、喷溅和汽化等情况的发生，使得出头材料损耗和变形，产生触头的点磨损现象。其中，由电弧引起的对触头的电弧燃烧最为常见和损害最大，电弧燃烧轻则烧坏触头损坏电子器件，重则引发火灾噪声重大安全事故。
现有技术中，针对动静触头的故障判断，大多采用阈值电流过流检测的方式来进行。但是，通过过流检测的方式，无法对潜在的电弧故障进行准确检测。同时，当发生过流情况的时候，有可能已经对动静触头产生了不可逆的影响，影响了动静触头的可靠性和寿命。因此，提出一种电气动静触头故障预判断系统，能够准确判断动静触头的工作状态，亟具需要。
发明内容
针对上述提出的传统的针对动静触头的故障判断，大多采用阈值电流过流检测的方式来进行。但是，通过过流检测的方式，无法对潜在的电弧故障进行准确检测。同时，当发生过流情况的时候，有可能已经对动静触头产生了不可逆的影响，影响了动静触头的可靠性和寿命的技术问题，本发明旨在提供一种电气动静触头故障预判断系统。
本发明的目的采用以下技术方案来实现：
本发明提出一种电气动静触头故障预判断系统，包括数据采集模块、数据处理模块和人机交互模块；
数据采集模块用于采集电气动静触头电路的电流电压数据，并将采集到的电流电压数据实时传输到数据处理模块；
数据处理模块用于根据采集到的电流电压数据进行特征提取处理，得到故障电弧特征；根据得到的故障电弧特征对是否发生电弧故障进行预判断，得到故障电弧预判断结果；
人机交互模块用于显示故障电弧预判断结果，对故障电弧预判断结果进行存储管理，并根据故障电弧预判断结果生成相应的控制指令。
一种实施方式中，该系统还包括动作模块；
动作模块用于根据人机交互模块传输的动作指令对动静触头进行断开或灭弧操作。
一种实施方式中，数据采集模块包括电流采集单元和电压采集单元；其中，
电流采集单元用于采集电气动静触头电路的电流信号数据，并将采集到的电流信号数据传输到数据处理模块；
电压采集单元用于采集电气动静触头电路的电压信号数据，并将采集到的电压信号数据传输到数据处理模块。
一种实施方式中，电流采集单元采用霍尔电流互感器；电压采集单元采用霍尔电压互感器。
一种实施方式中，数据处理模块包括预处理单元、故障电弧分析单元和输出单元；其中，
预处理单元用于对接收到的电气动静触头电路的电流信号数据和电压信号数据进行信号调理、信号增强等预处理，得到预处理后的电流信号数据和预处理后的电压信号数据；
故障电弧分析单元用于根据预处理后的电流信号数据进行第一故障电弧分析处理，得到第一故障电弧分析结果；根据预处理后的电压信号数据进行第二故障电弧分析处理，得到第二故障电弧分析结果；根据第一故障电弧分析结果和第二故障电弧分析结果得到最终的故障电弧预判断结果；
输出单元用于将故障电弧预判断结果传输到人机交互模块。
一种实施方式中，人机交互模块包括显示单元、存储单元和控制单元；
显示单元用于显示电气动静触头的故障电弧预判断结果；
存储单元用于对获取的电气动静触头的故障电弧预判断结果进行存储管理；
控制单元用于根据电气动静触头的故障电弧预判断结果生成和/或发出相应的控制指令。
一种实施方式中，数据处理模块还包括寿命分析单元；其中，
寿命分析单元用于根据电气动静触头的历史故障电弧预判断结果对电气动静触头的寿命进行分析，得到电气动静触头寿命分析结果。
一种实施方式中，据采集模块还包括温度采集单元、压力采集单元和分合闸时间采集单元；其中，
温度采集单元用于采集电气动静触头电路的工作温度信号及温度变化信号数据，并将采集到的电压信号数据传输到数据处理模块；
压力采集单元用于采集电气动静触头电路的接触面压力信号数据，并将采集到的接触头压力信号数据传输到数据处理模块；
分合闸时间采集单元用于采集电气动静触头电路的动作的时间信号数据，并将采集到的动作时间信号数据传输到数据处理模块。
一种实施方式中，寿命分析单元还用于通过采集的温度数据、压力数据和分合闸时间数据，将采集的数据与预设数据进行比对，得到预判出头磨损结果。
本发明的有益效果为：通过采集电气动静触头的电流电压数据，并基于采集到的电流电压数据提取故障电弧特征，根据故障电弧特征对出头是否发生电弧故障进行预判断，并根据预判断结果生成相应的控制指令来控制动静触头执行相应的动作，避免故障电弧对动静触头的不可逆损坏，有助于提高动静触头的可靠性和寿命。
同时，基于获取的动静触头的电流、电压、温升、压力、动作时间数据对触头的磨损情况和寿命情况进行预判断，有助于管理者根据动静触头的磨损情况和寿命情况进行准确的运维和更换管理，提高了动静触头管理的可靠水平。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明实施例所示一种电气动静触头故障预判断系统的框架结构图。
图2为本发明实施例所示一种电气动静触头故障预判断系统各模块连接示意图。
数据采集模块1、数据处理模块2、人机交互模块3、动作模块4、电流采集单元11、电压采集单元12、温度采集单元13、压力采集单元14、分合闸时间采集单元15、预处理单元21、故障电弧分析单元22、输出单元23、寿命分析单元24、显示单元31、存储单元32、控制单元33。
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1实施例所示一种电气动静触头故障预判断系统，包括数据采集模块1、数据处理模块2、人机交互模块3和动作模块4；
数据采集模块1用于采集电气动静触头电路的电流数据，并将采集到的电流数据实时传输到数据处理模块2；
数据处理模块2用于根据采集到的电流数据进行特征提取处理，得到故障电弧特征；根据得到的故障电弧特征对是否发生电弧故障进行预判断，得到故障电弧预判断结果；
人机交互模块3用于显示故障电弧预判断结果，对故障电弧预判断结果进行存储管理，并根据故障电弧预判断结果生成相应的控制指令。
一种实施方式中，该系统还包括动作模块4；
动作模块4用于根据人机交互模块3传输的动作指令对动静触头进行断开或灭弧操作。
本发明上述实施方式，通过采集电气动静触头的电流电压数据，并基于采集到的电流电压数据提取故障电弧特征，根据故障电弧特征对出头是否发生电弧故障进行预判断，并根据预判断结果生成相应的控制指令来控制动静触头执行相应的动作，避免故障电弧对动静触头的不可逆损坏，有助于提高动静触头的可靠性和寿命。
一种场景中，系统通过对动静触头电路的电流电压数据分析故障电弧的特征情况，根据得到的故障电弧预判断结果，当预判断结果为预警提醒结果时，控制动静触头断开，避免故障电弧对动静触头的持续影响导致燃烧等情况的发生。当判断结果为故障发生结果时，则控制动静触头电路进行紧急灭弧操作(如吹弧等)，以使得电弧加速冷却，避免故障电弧对触头的损坏。
一种实施方式中，参见图2，数据采集模块1包括电流采集单元11和电压采集单元12；其中，
电流采集单元11用于采集电气动静触头电路的电流信号数据，并将采集到的电流信号数据实时传输到数据处理模块2；
电压采集单元12用于采集电气动静触头电路的电压信号数据，并将采集到的电压信号数据实时传输到数据处理模块2。
一种实施方式中，电流采集单元11采用霍尔电流互感器；电压采集单元12采用霍尔电压互感器。其中，霍尔电流互感器和霍尔电压互感器可以通过CAN总线或无线网络等方式将采集到的信号数据实时传输到数据处理模块2。
通过在动静触头电路中设置霍尔电流互感器和霍尔电压互感器来分别采集电流信号数据和电压信号数据，并传输到数据处理模块2进行进一步的处理。其中，霍尔电流互感器和霍尔电压互感器具有较宽的通频带，具有响应速度快的特点，能够适应高频信号的采集，满足反应高频故障电弧特征的需要。
一种实施方式中，数据采集模块还包括温度采集单元13、压力采集单元14和分合闸时间采集单元15；其中，
温度采集单元13用于采集电气动静触头电路的工作温度信号及温度变化信号数据，并将采集到的电压信号数据传输到数据处理模块2；
压力采集单元14用于采集电气动静触头电路的接触面压力信号数据，并将采集到的接触头压力信号数据传输到数据处理模块2；
分合闸时间采集单元15用于采集电气动静触头电路的动作的时间信号数据，并将采集到的动作时间信号数据传输到数据处理模块2。
一种场景中，温度采集单元采用热电阻原理法，得到电气动静触头的升温数据；分合闸时间采集单元采用时间差值计算动作时间数据；触头压力采集单元采用接触式压力传感器来获取触头压力数据。
上述实施方式中，还通过采集动静触头的温度数据、压力数据和分合闸动作时间数据来对动静触头的磨损情况进行判断。
其中，由于电气元器件在正常工作状态下，温度的升高，主要是触头发热引起的。当动静触头，接触面接触不良时，如：当触头被烧灼后，接触面会减少。在相同电流经过的情况下，温度会相应的升高。随着温度的升高，在多次的分合闸动作后，又进一步引起接触面的减少。如此循环，最后导致绝缘件融化，引起相间短路，烧毁元器件。因此，对元器件温度的实时监测，根据其Δt的变化，可以佐证设备的运行情况。
由于一次动静触头的啮合，在正常状态下，压力都是相对保持一致的。当设备频繁动作后，铁芯和衔铁之间间隙变大，吸合的动作时间会相应变长，吸力也会响应的下降。吸力的下降，会带来接触面工作温度的升高。最终引起设备的损坏。通过压力数据的采集，能够准确反应动静触头之间的啮合情况。
由于动静触头的分合动作时间，是非常关键的重要因素。在分合闸动作时，会产生电弧，是对触头烧灼的产生重要影响。触头的电磨损，主要是分合闸时电弧产生的高温引起的。因此，记录分合闸时间，对预判触头的电磨损，起到关键作用。电气元器件在正常工作状态下，分合闸的时间都是相对固定的。当设备频繁动作后，铁芯和衔铁之间间隙变大，吸合的动作时间会相应变长，从而电磨损的时间也会变长，对触头带来的损伤也会变大，进一步导致接触不良，温度升高，最终烧毁元器件。因此通过分合闸动作时间的采集，能够准确反映动静触头的磨损情况。其中，动静触头的接触啮合，温度、压力、时间是一组相关联的数据。在一定的常规状态下，随着压力的减少，触头温度会随之升高，动作时间变长。
一种实施方式中，数据处理模块2包括预处理单元21、故障电弧分析单元22和输出单元23；其中，
预处理单元21用于对接收到的电气动静触头电路的电流信号数据和电压信号数据进行信号调理、信号增强等预处理，得到预处理后的电流信号数据和预处理后的电压信号数据；
故障电弧分析单元22用于根据预处理后的电流信号数据进行第一故障电弧分析处理，得到第一故障电弧分析结果；根据预处理后的电压信号数据进行第二故障电弧分析处理，得到第二故障电弧分析结果；根据第一故障电弧分析结果和第二故障电弧分析结果得到最终的故障电弧预判断结果；
输出单元23用于将故障电弧预判断结果传输到人机交互模块3。
一种场景中，数据处理模块2可以基于云平台搭建，也可以基于本地服务器搭建，根据运算能力和实时性的需要选择合适的智能设备来完成数据处理任务。
本发明上述实施方式，数据处理模块2中设置有预处理单元21，能够对获取的电流信号和电压信号数据首先进行预处理，能够提高电流信号和电压信号的质量，为后续进一步根据获取的电流信号和电压信号数据进行故障电弧分析奠定基础。
一种实施方式中，预处理单元21中，对接收到的电气动静触头电路的电流信号数据和电压信号数据进行信号增强处理，包括：
对待增强处理的目标信号进行分帧处理；其中待增强处理的目标信号包括获取的电流信号和电压信号；
根据获取的目标信号帧，对目标信号帧进行EMD经验模态分解，得到目标信号帧的各个IMF分量{IMF1,IMF2,…,IMFk,…,IMFK}和余量IMFY，其中，K表示IMF分量的总数，IMFk表示第k个IMF分量；
根据获取的IMF分量，将IMF1和IMF2进行重构，得到高频分量信号帧；并将IMF3,…,IMFK以及余量IMFY进行重构，得到低频分量信号帧；
针对得到的高频分量信号帧进行2层Haar小波包分解，得到高频分量信号帧的小波包系数，并根据得到的小波包系数进行高频增强处理，得到增强处理后的高频分量信号帧；其中，根据得到的小波包系数进行高频增强处理，具体采用的高频增强函数为：
式中，w′(j,k)表示高频增强处理后的第j层第k个小波包系数，w(j,k)表示小波包分解的到的第j层第k个小波包系数，wT表示设定的系数标准值，其中
表示第层小波包系数的中间值，N表示目标信号帧的长度，j表示当前小波包系数所属的小波包分解层数；α、β和γ分别表示设定的调节系数，其中α∈[1,1.1]、β∈[0.1,10]、γ∈[0.1,10]；
根据高频增强处理后的小波包系数进行重构，得到增强处理后的高频分量信号帧；
针对得到的低频分量信号帧进行低频分量处理，得到增强处理后的低频分量信号帧，其中进行低频分量处理具体采用的低频增强函数为：
式中，X′(n)表示低频增强处理后低频分量信号帧中第n个数据采样点的幅值，X(n)表示低频分量信号帧中第n个数据采样点的幅值，其中n＝1,2,…N，N表示目标信号帧的长度；其中X(-1),X(0)＝X(1)，X(N+2),X(N+1)＝X(N)；
根据增强处理后的高频分量信号帧和增强处理后的低频分量信号帧进行重构，得到增强处理后的目标信号帧；
并根据依次得到的增强处理后的目标信号帧得到增强处理的目标信号，其中增强处理后的目标信号包括增强处理后的电流信号和增强处理后的电压信号。
考虑到电流信号和电压信号在采集过程中容易受到环境干扰以及故障电弧的高频特性，本发明上述实施方式，提供了一种针对得到的电流信号和电压信号进行增强处理的技术方案，首先基于EMD经验模态分解将信号划分为高频分量信号和低频分量信号，并且基于得到的高频分量信号进行基于小波包分解的高频增强处理，能够自适应对高频分量信号进行滤波，去除信号中包含的毛刺噪声干扰，同时保留信号的高频特性，避免了因高频分量滤波处理导致故障电弧特征被消除的情况。同时针对低频分量信号进行平滑滤波处理，能够进一步消除低频分量中包含的大脉冲噪声干扰，同时保留对电流型号和电压信号的波形特性进行突出，有助于提高高频故障电弧特征的表征程度(提高了高低频特征的对比度)，有助于提高后续根据电流信号和电压信号进一步进行故障电弧特征提取的准确性。
一种场景中，将增强处理后的电流信号(或信号帧)和增强处理后的电压信号(或信号帧)分别作为预处理后的电流信号和预处理后的电压信号传输到故障电弧分析单元22进行进一步的故障电弧分析处理。
其中，在电磁干扰较大的环境下，针对通过单一信号对故障电弧进行分析，容易因单一信号在采集过程中受到环境噪声的电磁脉冲噪声影响，从而导致将电磁脉冲噪声误判断为故障电弧影响故障电弧检测结果的准确性。因此上述实施方式特别提出了一种根据电流信号和电压信号联合进行故障电弧分析的技术方案，以提高故障电弧分析的可靠性和准确性。
一种实施方式中，故障电弧分析单元22中，根据预处理后的电流信号数据进行第一故障电弧分析处理，得到第一故障电弧分析结果；根据预处理后的电压信号数据进行第二故障电弧分析处理，得到第二故障电弧分析结果；根据第一故障电弧分析结果和第二故障电弧分析结果得到最终的故障电弧预判断结果，具体包括：
根据获取的预处理后的电流信号，计算第一故障电弧特征因子，其中采用的第一故障电弧特征因子计算函数为：
式中，Y1(t)表示t时刻的第一故障电弧特征因子，Zt表示t时刻电流信号帧的特征值，其中，
It(n)表示t时刻电流信号帧中第n个采样点的电流幅值，It(n-1)表示t时刻电流信号帧中第n-1个采样点的电流幅值，其中n＝1,2,…N，N表示信号帧中采样点的总数；σ(It)表示t时刻电流信号帧中各采样点电流幅值的标准差；Zt-1表示t-1时刻电流信号帧的特征值；/>
表示t时刻电流信号帧中各采样点电流幅值的平均值，
表示t-1时刻电流信号帧中各采样点电流幅值的平均值，Zt-2表示t-2时刻电流信号帧的特征值，/>
表示t-2时刻电流信号帧中各采样点电流幅值的平均值，ω1、ω2、ω3表示归一化权重因子；
根据得到的第一故障电弧特征因子和设定的第一故障电弧特征阈值进行比较，得到第一故障电弧分析值：
其中YT1表示设定的第一故障电弧特征阈值；
根据获取的预处理后的电压信号，计算第二故障电弧特征因子，其中采用的第二故障电弧特征因子计算函数为：
式中，Y2(t)表示第二故障电弧特征因子；
表示t时刻电压信号帧中各采样点的电压幅值平均值；
根据当前时刻前c个时刻的第二故障电弧特征因子组成特征向量[Y2(t-c),…,Y2(t-1),Y2(t)]，并将特征向量输入到训练好的CNN模型中，由CNN模型根据输入的特征向量输出该特征向量为发生故障电弧的概率，得到第二故障电弧分析值F2(t)；
根据第一故障电弧分析值F1(t)和第二故障电弧分析值F2(t)计算当前时刻的故障电弧分析值：
式中，Fz(t)表示当前时刻的故障电弧分析值，
和/>
分别表示设定的权重因子，其中/>
将故障电弧分析值Fz(t)和设定的阈值T进行比较，得到最终的故障电弧预判断结果。
其中，当Fz(t)≥T2时，其中T2∈[0.95,1],则输出当前时刻的故障电弧预判断结果为故障电弧发生；
和/或
当T2≥Fz(t)≥T1时，其中T1∈[0.8,0.95]，则输出当前时刻的故障电弧预判断结果为故障电弧预警。
通过输出单元23，将当前时刻的故障电弧预判断结果传输到人机交互模块3。
一种场景中，c＝4。
一种场景中，CNN模型为7层结构的CNN模型，包括依此连接的输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、全连接层、sofmax层和输出层；
其中输入层输入的时特征向量[Y2(t-c),…,Y2(t-1),Y2(t)],sofmax层输出的是预测为发生故障电弧的概率，其中确定发生故障电弧的概率为1；反之，在标准正常状态下，发生故障电弧的概率为0；则sofmax层输出的是根据输入向量分析得到的发生故障电弧的概率；输出层输出该概率值作为第二故障电弧分析值F2(t)；
其中，在CNN模型训练的过程中，根据上述相同的办法计算第二故障电弧特征因子并构建训练集，其中训练集中包含特征向量和是否发生故障电弧的标识，其中故障电弧信号标记为1，正常电压信号标记为0。
上述实施方式中，提出了一种基于动静触头电路的电流信号和电压信号联合进行故障电弧判断的技术方案，其中，首先根据得到的电流信号计算第一故障电弧特征因子，其中提出的第一故障电弧特征因子计算函数，能够综合考虑当前时刻电流的帧内瞬时变化以及帧间变化特征，能够准确反应电流的波动特性，根据得到的第一故障电弧特征因子计算第一故障电弧分析值，能够准确根据电流信号瞬时特性对故障电弧进行分析。同时，根据得到的电压信号计算第二故障电弧特征因子，能够根据当前时刻电压的变化特征进行横向比较，对当前电压信号的变化趋势进行表征，同时基于得到的第二故障电弧特征因子构建特征向量，并基于训练好的CNN模型来进行进一步的故障电弧判断，得到第二故障电弧分析值，能够准确根据电压信号的变化趋势特性对故障电弧进行分析，并最终联合第一故障电弧分析值和第二故障电弧分析值进行综合分析，得到最终的故障电弧预判断结果。上述方案能够在故障电弧发生初期进行准确的预判断，有助于及时针对故障电弧进行相应的措施，避免故障电弧的恶化演变，有效提高动静触头保护的可靠性。
一种实施方式中，预处理单元22还用于对接收到的温度变化信号数据、动作时间数据和动作接触压力信号数据进行信号调理处理，得到预处理后的温度变化信号数据、动作时间数据和动作接触压力信号数据。
一种实施方式中，人机交互模块3包括显示单元31、存储单元32和控制单元33；
显示单元31用于显示电气动静触头的故障电弧预判断结果；
存储单元32用于对获取的电气动静触头的故障电弧预判断结果进行存储管理；
控制单元33用于根据电气动静触头的故障电弧预判断结果生成和/或发出相应的控制指令。
一种场景中，当数据处理模块2输出的故障电弧预判断结果为故障电弧预警时，则控制动静触头断开，避免故障电弧对动静触头的持续影响导致燃烧等情况的发生。当故障电弧预判断结果为故障电弧发生时，则控制动静触头电路进行紧急灭弧操作(如吹弧等)，以使得电弧加速冷却，避免故障电弧对触头的损坏。
一种实施方式中，数据处理模块2还包括寿命分析单元24；其中，
寿命分析单元24用于根据电气动静触头的历史故障电弧预判断结果对电气动静触头的寿命进行分析，得到电气动静触头寿命分析结果。并将得到的寿命分析结果传输到人机交互模块3进行显示.
一种场景中，根据故障电弧预判断结果的历史数据，对动静触头的寿命进行分析，其中采用的寿命分析函数为：
U＝Q+τ1×Nb+τ2×Nc
式中，U表示当前的修正累计电磨损值，Q表示当前的累计电磨损值，其中
n表示动静触头已经开断的总次数，Ibi a表示动静触头第i次开断的开断电流的有效值，a表示加权指数，其中1≤a≤2；Nb表示当前判断被判断为故障电弧发生的次数，Nc表示当前判断被判断为故障电弧发生的次数故障电弧预警的次数，τ1和τ2分别表示设定的累计电磨损值转换因子；
将得到的修正累计电磨损值U和电摩损总量阈值Qg进行比较，得到当前动静触头的剩余电寿命情况。
其中电摩损总量阈值Qg根据动静触头的等效开断次数和开断电流N-Ib寿命曲线计算所所得。
基于传统的开断电流加权累计法的基础上，考虑到故障电弧对动静触头的不可逆影响，特别提出了一种根据动静触头历史故障电弧预判断结果来计算修正累计电磨损值的方案，来基于修正累计电磨损值计算动静触头的电寿命，在实际应用中有助于提高电寿名预测的准确性和适应性。
一种场景中，寿命分析单元24还用于通过采集的温度数据、压力数据和分合闸时间数据，将采集的数据与预设数据进行比对，得到预判出头磨损结果。
其中，动静触头的接触啮合，温度、压力、时间是一组相关联的数据。在一定的常规状态下，随着压力的减少，触头温度会随之升高，动作时间变长。通过采集温度数据、压力数据，特别是时间数据，经后台通过对预设数据比对，可以非常准确的预判触头磨损情况。同时将预判出头磨损结果传输到人机交互模块进行显示和进一步的处理，有助于管理者针对动静触头的情况进行准确的运维或更换判断，提高了动静触头管理的可靠性。
需要说明的是，在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中，也可以是各个单元/模块单独物理存在，也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件功能单元/模块的形式实现。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (7)
1.一种电气动静触头故障预判断系统，其特征在于，包括数据采集模块、数据处理模块和人机交互模块；
数据采集模块用于采集电气动静触头电路的电流电压数据，并将采集到的电流电压数据实时传输到数据处理模块；
数据处理模块用于根据采集到的电流电压数据进行特征提取处理，得到故障电弧特征；根据得到的故障电弧特征对是否发生电弧故障进行预判断，得到故障电弧预判断结果；
人机交互模块用于显示故障电弧预判断结果，对故障电弧预判断结果进行存储管理，并根据故障电弧预判断结果生成相应的控制指令；
其中，数据采集模块包括电流采集单元和电压采集单元；其中，
电流采集单元用于采集电气动静触头电路的电流信号数据，并将采集到的电流信号数据传输到数据处理模块；
电压采集单元用于采集电气动静触头电路的电压信号数据，并将采集到的电压信号数据传输到数据处理模块；
数据处理模块包括预处理单元、故障电弧分析单元和输出单元；其中，
预处理单元用于对接收到的电气动静触头电路的电流信号数据和电压信号数据进行信号调理、信号增强的预处理，得到预处理后的电流信号数据和预处理后的电压信号数据，具体包括：
对待增强处理的目标信号进行分帧处理；其中待增强处理的目标信号包括获取的电流信号和电压信号；
根据获取的目标信号帧，对目标信号帧进行EMD经验模态分解，得到目标信号帧的各个IMF分量{IMF1,IMF2,…,IMFk,…,IMFk}和余量IMFY，其中，K表示IMF分量的总数，IMFk表示第k个IMF分量；
根据获取的IMF分量，将IMF1和IMF2进行重构，得到高频分量信号帧；并将IMF3,…,IMFK以及余量IMFY进行重构，得到低频分量信号帧；
针对得到的高频分量信号帧进行2层Haar小波包分解，得到高频分量信号帧的小波包系数，并根据得到的小波包系数进行高频增强处理，得到增强处理后的高频分量信号帧；其中，根据得到的小波包系数进行高频增强处理，具体采用的高频增强函数为：
式中，w′(j,k)表示高频增强处理后的第j层第k个小波包系数，w(j,k)表示小波包分解的到的第j层第k个小波包系数，wT表示设定的系数标准值，其中
w(j)表示第j层小波包系数的中间值，N表示目标信号帧的长度，j表示当前小波包系数所属的小波包分解层数；α、β和γ分别表示设定的调节系数，其中α∈[1,1.1]、β∈[0.1,10]、γ∈[0.1,10]；
根据高频增强处理后的小波包系数进行重构，得到增强处理后的高频分量信号帧；
针对得到的低频分量信号帧进行低频分量处理，得到增强处理后的低频分量信号帧，其中进行低频分量处理具体采用的低频增强函数为：
式中，X′(n)表示低频增强处理后低频分量信号帧中第n个数据采样点的幅值，X(n)表示低频分量信号帧中第n个数据采样点的幅值，其中n＝1,2,…N，N表示目标信号帧的长度；其中X(-1),N(0)＝X(1)，X(N+2),X(N+1)＝X(N)；
根据增强处理后的高频分量信号帧和增强处理后的低频分量信号帧进行重构，得到增强处理后的目标信号帧；
并根据依次得到的增强处理后的目标信号帧得到增强处理的目标信号，其中增强处理后的目标信号包括增强处理后的电流信号和增强处理后的电压信号；
故障电弧分析单元用于根据预处理后的电流信号数据进行第一故障电弧分析处理，得到第一故障电弧分析结果；根据预处理后的电压信号数据进行第二故障电弧分析处理，得到第二故障电弧分析结果；根据第一故障电弧分析结果和第二故障电弧分析结果得到最终的故障电弧预判断结果，具体包括：
根据获取的预处理后的电流信号，计算第一故障电弧特征因子，其中采用的第一故障电弧特征因子计算函数为：
式中，Y1(t)表示t时刻的第一故障电弧特征因子，Zt表示t时刻电流信号帧的特征值，其中，
It(n)表示t时刻电流信号帧中第n个采样点的电流幅值，It(n-1)表示t时刻电流信号帧中第n-1个采样点的电流幅值，其中n＝1,2,…N，N表示信号帧中采样点的总数；σ(It)表示t时刻电流信号帧中各采样点电流幅值的标准差；Zt-1表示t-1时刻电流信号帧的特征值；/>
表示t时刻电流信号帧中各采样点电流幅值的平均值，/>
表示t-1时刻电流信号帧中各采样点电流幅值的平均值，Zt-2表示t-2时刻电流信号帧的特征值，
表示t-2时刻电流信号帧中各采样点电流幅值的平均值，ω1、ω2、ω3表示归一化权重因子；
根据得到的第一故障电弧特征因子和设定的第一故障电弧特征阈值进行比较，得到第一故障电弧分析值：
其中YT1表示设定的第一故障电弧特征阈值；
根据获取的预处理后的电压信号，计算第二故障电弧特征因子，其中采用的第二故障电弧特征因子计算函数为：
式中，Y2(t)表示第二故障电弧特征因子；
表示t时刻电压信号帧中各采样点的电压幅值平均值；
根据当前时刻前c个时刻的第二故障电弧特征因子组成特征向量[Y2(t-c),…,Y2(t-1),Y2(t)]，并将特征向量输入到训练好的CNN模型中，由CNN模型根据输入的特征向量输出该特征向量为发生故障电弧的概率，得到第二故障电弧分析值F2(t)；
根据第一故障电弧分析值F1(t)和第二故障电弧分析值F2(t)计算当前时刻的故障电弧分析值：
式中，Fz(t)表示当前时刻的故障电弧分析值，
和/>
分别表示设定的权重因子，其中
将故障电弧分析值Fz(t)和设定的阈值T进行比较，得到最终的故障电弧预判断结果；
其中，当Fz(t)≥T2时，其中T2∈[0.95,1],则输出当前时刻的故障电弧预判断结果为故障电弧发生；和/或，当T2≥Fz(t)≥T1时，其中T1∈[0.8,0.95]，则输出当前时刻的故障电弧预判断结果为故障电弧预警；
输出单元用于将故障电弧预判断结果传输到人机交互模块。
2.根据权利要求1所述的一种电气动静触头故障预判断系统，其特征在于，还包括动作模块；
动作模块用于根据人机交互模块传输的动作指令对动静触头进行断开或灭弧操作。
3.根据权利要求1所述的一种电气动静触头故障预判断系统，其特征在于，电流采集单元采用霍尔电流互感器；电压采集单元采用霍尔电压互感器。
4.根据权利要求1所述的一种电气动静触头故障预判断系统，其特征在于，人机交互模块包括显示单元、存储单元和控制单元；
显示单元用于显示电气动静触头的故障电弧预判断结果；
存储单元用于对获取的电气动静触头的故障电弧预判断结果进行存储管理；
控制单元用于根据电气动静触头的故障电弧预判断结果生成和/或发出相应的控制指令。
5.根据权利要求1所述的一种电气动静触头故障预判断系统，其特征在于，数据处理模块还包括寿命分析单元；其中，
寿命分析单元用于根据电气动静触头的历史故障电弧预判断结果对电气动静触头的寿命进行分析，得到电气动静触头寿命分析结果。
6.根据权利要求5所述的一种电气动静触头故障预判断系统，其特征在于，据采集模块还包括温度采集单元、压力采集单元和分合闸时间采集单元；其中，
温度采集单元用于采集电气动静触头电路的工作温度信号及温度变化信号数据，并将采集到的电压信号数据传输到数据处理模块；
压力采集单元用于采集电气动静触头电路的接触面压力信号数据，并将采集到的接触头压力信号数据传输到数据处理模块；
分合闸时间采集单元用于采集电气动静触头电路的动作的时间信号数据，并将采集到的动作时间信号数据传输到数据处理模块。
7.根据权利要求6所述的一种电气动静触头故障预判断系统，其特征在于，寿命分析单元还用于通过采集的温度数据、压力数据和分合闸时间数据，将采集的数据与预设数据进行比对，得到预判出头磨损结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211226528.1A CN115728627B (zh) | 2022-10-09 | 2022-10-09 | 一种电气动静触头故障预判断系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211226528.1A CN115728627B (zh) | 2022-10-09 | 2022-10-09 | 一种电气动静触头故障预判断系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115728627A CN115728627A (zh) | 2023-03-03 |
| CN115728627B true CN115728627B (zh) | 2023-06-23 |
Family
ID=85293373
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211226528.1A Active CN115728627B (zh) | 2022-10-09 | 2022-10-09 | 一种电气动静触头故障预判断系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115728627B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116482526A (zh) * | 2023-04-28 | 2023-07-25 | 国网重庆市电力公司市北供电分公司 | 一种用于非故障相阻抗继电器的分析系统 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0104763D0 (en) * | 2001-02-27 | 2001-04-18 | Smiths Group Plc | Arc detection |
| US7253640B2 (en) * | 2003-01-13 | 2007-08-07 | Eaton Corporation | Arc fault detector and method for locating an arc fault |
| CN102288857B (zh) * | 2011-05-18 | 2013-06-19 | 浙江科技学院 | 一种故障电弧的辨识检测方法及其检测保护装置 |
| KR101527366B1 (ko) * | 2013-12-30 | 2015-06-09 | 이승철 | 접촉 불량에 의한 아크 검출 회로 |
| CN107370124B (zh) * | 2016-05-13 | 2019-05-03 | 上海电科电器科技有限公司 | 电弧故障检测方法 |
| WO2017207030A1 (de) * | 2016-05-31 | 2017-12-07 | Siemens Aktiengesellschaft | Störlichtbogenerkennungseinheit |
| CN109917241A (zh) * | 2019-03-19 | 2019-06-21 | 德力西电气有限公司 | 一种故障电弧的检测方法和故障电弧断路器 |
| CN211086518U (zh) * | 2019-04-24 | 2020-07-24 | 唐山博聚建筑安装有限公司 | 一种可检测电弧的继电器 |
| CN110417351A (zh) * | 2019-08-01 | 2019-11-05 | 上海理工大学 | 光伏系统直流侧电弧故障检测系统及检测方法 |
| CN111948496A (zh) * | 2020-09-17 | 2020-11-17 | 黑龙江智易达科技有限公司 | 一种故障电弧探测器 |
| CN113739846A (zh) * | 2021-08-13 | 2021-12-03 | 秦皇岛龙鼎电气有限公司 | 一种基于多参数检测的开关柜及通用型监测管理系统 |
| CN114297948A (zh) * | 2022-03-07 | 2022-04-08 | 广东电网有限责任公司佛山供电局 | 一种柱上断路器状态评价方法及系统 |
| CN114675148A (zh) * | 2022-04-06 | 2022-06-28 | 上海瀚讯信息技术股份有限公司 | 一种配网开关故障电弧检测装置及方法 |
-
2022
- 2022-10-09 CN CN202211226528.1A patent/CN115728627B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115728627A (zh) | 2023-03-03 |
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 | |
| Razi-Kazemi et al. | Condition monitoring of high voltage circuit breakers: past to future | |
| KR101574613B1 (ko) | 원격 설정 기능이 있는 초고주파 전기신호 검출에 의한 부분방전 감시진단 시스템 | |
| CN201892729U (zh) | Hgis断路器电寿命监测装置 | |
| CN115728627B (zh) | 一种电气动静触头故障预判断系统 | |
| CN105425145A (zh) | 断路器灭弧室电寿命监测方法及其燃弧电流起始时刻判断方法 | |
| CN110926778A (zh) | 基于异常振动的气体绝缘组合开关设备机械故障诊断方法 | |
| CN110320467B (zh) | 一种低压直流断路器故障诊断方法 | |
| Razi-Kazemi | Applicability of auxiliary contacts in circuit breaker online condition assessment | |
| CN104281982A (zh) | 一种基于电网拓扑结构的变电站设备状态评估方法 | |
| CN111679184A (zh) | 一种通过电机电流评估隔离开关性能的方法 | |
| CN106772009B (zh) | 基于分合闸线圈电流波形的断路器机械特性分析方法 | |
| CN115308589A (zh) | 断路器故障监测系统、监测方法及装置 | |
| CN105699889B (zh) | 智能变电站断路器电气寿命损失及灭弧能力的评价方法 | |
| CN117034174B (zh) | 变电站设备异常检测方法及其系统 | |
| Hou et al. | Research on expert diagnosis system for mechanical fault of high voltage circuit breaker based on fuzzy matrix and neural network technology | |
| CN106959414A (zh) | 开关设备的状态检测方法和系统 | |
| CN115792442A (zh) | 基于数据驱动的轨道交通用直流开关柜综合故障诊断方法 | |
| CN115169932A (zh) | 一种高压断路器状态综合评估方法 | |
| CN111722060B (zh) | 一种基于波形特征的配电线路早期故障严重程度评价方法 | |
| 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 | |
| CN104656011A (zh) | 监测电路及系统 | |
| CN114578219A (zh) | 一种中压断路器剩余寿命检测方法 | |
| CN111413910A (zh) | 断路器分合闸控制方法、装置及系统 | |
| Feizifar et al. | Condition monitoring of circuit breakers using arc models and failure detection algorithm |
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 |