CN115859088A - 一种高压断路器振动信号特征提取方法 - Google Patents
一种高压断路器振动信号特征提取方法 Download PDFInfo
- Publication number
- CN115859088A CN115859088A CN202211666432.7A CN202211666432A CN115859088A CN 115859088 A CN115859088 A CN 115859088A CN 202211666432 A CN202211666432 A CN 202211666432A CN 115859088 A CN115859088 A CN 115859088A
- Authority
- CN
- China
- Prior art keywords
- circuit breaker
- voltage circuit
- vibration signal
- action time
- action
- 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.)
- Pending
Links
Images
Landscapes
- Breakers (AREA)
Abstract
本发明提供了一种高压断路器振动信号特征提取方法，通过获取高压断路器动作时的振动信号，并对振动信号进行滤波；对滤波后的振动信号提取第一动作时间参数；获取高压断路器动作时的电参数信息，并从电参数中提取第二动作时间参数；根据第二动作时间参数对第一动作时间参数进行修正；利用修正后的第一动作时间将高压断路器的动作周期划分为三个时间段，计算每个时间段对应的信号能量熵，将每段信号的能量熵组合在一起作为特征向量；根据获取的特征向量，利用分类算法对高压断路器进行故障识别。本发明通过利用电参数提取的时间参数作为参考调节，消除了振动信号由于断路器自身振动噪音引起的信号偏差，提高了特征提取的精准度。
Description
技术领域
本发明属于高压断路器故障诊断技术领域，具体涉及一种高压断路器振动信号特征提取方法。
背景技术
作为电力系统中重要的高压设备，高压断路器在电力系统中起控制和保护作用，其运行状态直接关系着所在线路的安全与稳定。当系统出现短路故障时，高压断路器迅速切断巨大的短路电流以保护整个电力系统免受伤害。但是，高压断路器的种类广、数量多、结构杂，并且受自身质量、外部工作条件等因素影响，故障时有发生，导致整个电力系统的可靠性下降。
目前，对高压断路器的故障诊断大多数都是基于电参数进行，然而通过电参数不能直接诊断高压断路器的机械故障，需要通过大量样本数据训练拟合对应的联系，因此需要通过振动信号对高压断路器的机械故障进行诊断。
然而，由于高压断路器所处的输电线环境为高空，除了本身动作产生的振动，外界环境的振动源也会导致振动信号的噪音大，因此需要针对振动信号降噪方向设计一种方法，使特征提取更加精确。
发明内容
有鉴于此，本发明旨在提供一种高压断路器振动信号特征提取方法，以解决上述现有技术存在的问题。
本发明的上述技术目的是通过以下技术方案得以实现的：
一种高压断路器振动信号特征提取方法，包括以下步骤：
步骤S1、获取高压断路器动作时的振动信号，并对振动信号进行滤波；
步骤S2、对滤波后的振动信号提取第一动作时间参数，第一动作时间参数包括第一开始时间和第一结束时间；
步骤S3、获取高压断路器动作时的电参数信息，并从电参数中提取第二动作时间参数，第二动作时间参数包括第二开始时间和第二结束时间；
步骤S4、根据步骤S3中的第二动作时间参数对步骤S2中的第一动作时间参数进行修正；
步骤S5、利用修正后的第一动作时间将高压断路器的动作周期划分为三个时间段，计算每个时间段对应的信号能量熵，将每段信号的能量熵组合在一起作为特征向量；
步骤S6、根据步骤S5中获取的特征向量，利用分类算法对高压断路器进行故障识别。
进一步的，步骤S1中，滤波的方法为通过检测高压断路器的外部环境中的振动信号，利用减法器去除外界振动噪音。
进一步的，步骤S2中，第一动作时间参数的提取方法包括以下步骤：
步骤S201、设置窗函数，对振动信号进行分帧，信号分帧用于将振动信号分解为多个重叠的帧信号；
步骤S202、计算每一帧信号的Teager能量和二次方能量；
步骤S203、设置动作参数和动作门限值，动作参数和动作门限值的波形交点对应的时间按照顺序分别为第一动作时间和第二动作时间。
进一步的，步骤S201中，振动信号的分帧表达式为：
yi(n)＝w(n)*x((i-1)*inc+n)
其中，w(n)为窗函数，yi(n)为分帧得到的第i个帧信号，n＝1，2，...，L，i＝1，2，...，fn，inc为每次窗函数的滑移距离，L为每帧信号的长度，即窗函数的长度。
进一步的，步骤S202中，Teager能量的计算公式为：
进一步的，步骤S203中，动作参数的计算公式为：
式中，STTEOi为第i个帧信号的短时Teager能量，STSEOi为第i个帧信号的短时二次方能量，a为修正参数；
进一步的，步骤S203中，动作门限值的计算公式为：
T＝b×mean(IP)
式中，b为门限系数。
进一步的，步骤S3中，电参数包括线圈电流、触头电流和线圈磁场中的一种或多种。
进一步的，步骤S4中，修正的方式通过KNN算法实现，具体包括：
对比第一动作时间参数和第二动作时间参数的欧式距离，当欧式距离小于等于距离阈值时，选择第一动作时间参数和第二动作时间参数的均值作为新的第一动作时间参数；当欧式距离大于阈值时，分别按照第一动作时间参数和第二动作时间参数进行特征向量的提取，比较对应的特征向量的角度差和长度差，在不小于对应的阈值的情况下，均以第一动作时间参数提取的特征向量为准，否则使用第一动作时间参数和第二动作时间参数的均值作为新的第一动作时间参数。
综上，本发明提供了一种高压断路器振动信号特征提取方法，通过获取高压断路器动作时的振动信号，并对振动信号进行滤波；对滤波后的振动信号提取第一动作时间参数；获取高压断路器动作时的电参数信息，并从电参数中提取第二动作时间参数；根据第二动作时间参数对第一动作时间参数进行修正；利用修正后的第一动作时间将高压断路器的动作周期划分为三个时间段，计算每个时间段对应的信号能量熵，将每段信号的能量熵组合在一起作为特征向量；根据获取的特征向量，利用分类算法对高压断路器进行故障识别。本发明通过利用电参数提取的时间参数作为参考调节，消除了振动信号由于断路器自身振动噪音引起的信号偏差，提高了特征提取的精准度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种高压断路器振动信号特征提取方法的流程示意图。
具体实施方式
为使得本发明的目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
作为电力系统中重要的高压设备，高压断路器在电力系统中起控制和保护作用，其运行状态直接关系着所在线路的安全与稳定。当系统出现短路故障时，高压断路器迅速切断巨大的短路电流以保护整个电力系统免受伤害。但是，高压断路器的种类广、数量多、结构杂，并且受自身质量、外部工作条件等因素影响，故障时有发生，导致整个电力系统的可靠性下降。
目前，对高压断路器的故障诊断大多数都是基于电参数进行，然而通过电参数不能直接诊断高压断路器的机械故障，需要通过大量样本数据训练拟合对应的联系，因此需要通过振动信号对高压断路器的机械故障进行诊断。
然而，由于高压断路器所处的输电线环境为高空，除了本身动作产生的振动，外界环境的振动源也会导致振动信号的噪音大，因此需要针对振动信号降噪方向设计一种方法，使特征提取更加精确。
基于此，本发明提供了一种高压断路器振动信号特征提取方法。
以下对本发明的一种高压断路器振动信号特征提取方法的实施例进行详细的介绍。
请参阅图1，本实施例提供一种高压断路器振动信号特征提取方法，包括如下步骤：
步骤S1、获取高压断路器动作时的振动信号，并对振动信号进行滤波；
步骤S2、对滤波后的振动信号提取第一动作时间参数，第一动作时间参数包括第一开始时间和第一结束时间；
步骤S3、获取高压断路器动作时的电参数信息，并从电参数中提取第二动作时间参数，第二动作时间参数包括第二开始时间和第二结束时间；
步骤S4、根据步骤S3中的第二动作时间参数对步骤S2中的第一动作时间参数进行修正；
步骤S5、利用修正后的第一动作时间将高压断路器的动作周期划分为三个时间段，计算每个时间段对应的信号能量熵，将每段信号的能量熵组合在一起作为特征向量；
步骤S6、根据步骤S5中获取的特征向量，利用分类算法对高压断路器进行故障识别。
本实施例提供一种高压断路器振动信号特征提取方法，通过获取高压断路器动作时的振动信号，并对振动信号进行滤波；对滤波后的振动信号提取第一动作时间参数；获取高压断路器动作时的电参数信息，并从电参数中提取第二动作时间参数；根据第二动作时间参数对第一动作时间参数进行修正；利用修正后的第一动作时间将高压断路器的动作周期划分为三个时间段，计算每个时间段对应的信号能量熵，将每段信号的能量熵组合在一起作为特征向量；根据获取的特征向量，利用分类算法对高压断路器进行故障识别。本发明通过利用电参数提取的时间参数作为参考调节，消除了振动信号由于断路器自身振动噪音引起的信号偏差，提高了特征提取的精准度。
在一个可选的实施例中，步骤S1中，滤波的方法可以通过检测高压断路器的外部环境中振动信号，利用减法器去除外界的振动噪音。
在一个可选的实施例中，步骤S2中，对第一动作时间参数的提取方法包括以下步骤：
步骤S201、设置窗函数，对振动信号进行分帧，信号分帧用于将振动信号分解为多个重叠的帧信号；
步骤S202、计算每一帧信号的Teager能量和二次方能量；
步骤S203、设置动作参数和动作门限值，动作参数和动作门限值的波形交点对应的时间按照顺序分别为第一动作时间和第二动作时间。
在一个可选的实施例中，在步骤S201中，振动信号的分帧表达式为：
yi(n)＝w(n)*x((i-1)*inc+n)
其中，w(n)为窗函数，yi(n)为分帧得到的第i个帧信号，n＝1，2，...，L，i＝1，2，...，fn，inc为每次窗函数的滑移距离，L为每帧信号的长度，即窗函数的长度。
在一个可选的实施例中，在步骤S202中，Teager能量的计算公式为：
在一个可选的实施例中，在步骤S203中，动作门限值的计算公式为：
T＝b×mean(IP)
式中，b为门限系数。
在一个可选的实施例中，在步骤S3中，电参数包括线圈电流、触头电流和线圈磁场中的一种或多种。
在一个可选的实施例中，在步骤S4中，修正的方式通过KNN算法实现，具体包括：
对比第一动作时间参数和第二动作时间参数的欧式距离，当欧式距离小于等于距离阈值时，选择第一动作时间参数和第二动作时间参数的均值作为新的第一动作时间参数；当欧式距离大于阈值时，分别按照第一动作时间参数和第二动作时间参数进行特征向量的提取，比较对应的特征向量的角度差和长度差，在不小于对应的阈值的情况下，均以第一动作时间参数提取的特征向量为准，否则使用第一动作时间参数和第二动作时间参数的均值作为新的第一动作时间参数。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种高压断路器振动信号特征提取方法，其特征在于，包括以下步骤：
步骤S1、获取高压断路器动作时的振动信号，并对振动信号进行滤波；
步骤S2、对滤波后的振动信号提取第一动作时间参数，所述第一动作时间参数包括第一开始时间和第一结束时间；
步骤S3、获取高压断路器动作时的电参数信息，并从电参数中提取第二动作时间参数，所述第二动作时间参数包括第二开始时间和第二结束时间；
步骤S4、根据步骤S3中的第二动作时间参数对步骤S2中的第一动作时间参数进行修正；
步骤S5、利用修正后的第一动作时间将高压断路器的动作周期划分为三个时间段，计算每个时间段对应的信号能量熵，将每段信号的能量熵组合在一起作为特征向量；
步骤S6、根据步骤S5中获取的特征向量，利用分类算法对高压断路器进行故障识别。
2.根据权利要求1所述的一种高压断路器振动信号特征提取方法，其特征在于：所述步骤S1中，所述滤波的方法为通过检测高压断路器的外部环境中的振动信号，利用减法器去除外界振动噪音。
3.根据权利要求1所述的一种高压断路器振动信号特征提取方法，其特征在于：所述步骤S2中，所述第一动作时间参数的提取方法包括以下步骤：
步骤S201、设置窗函数，对振动信号进行分帧，信号分帧用于将振动信号分解为多个重叠的帧信号；
步骤S202、计算每一帧信号的Teager能量和二次方能量；
步骤S203、设置动作参数和动作门限值，所述动作参数和动作门限值的波形交点对应的时间按照顺序分别为所述第一动作时间和第二动作时间。
4.根据权利要求3所述的一种高压断路器振动信号特征提取方法，其特征在于：所述步骤S201中，所述振动信号的分帧表达式为：
yi(n)＝w(n)*x((i-1)*inc+n)
其中，w(n)为窗函数，yi(n)为分帧得到的第i个帧信号，n＝1，2，...，L，i＝1，2，...，fn，inc为每次窗函数的滑移距离，L为每帧信号的长度，即窗函数的长度。
5.根据权利要求3所述的一种高压断路器振动信号特征提取方法，其特征在于：所述步骤S202中，Teager能量的计算公式为：
6.根据权利要求3所述的一种高压断路器振动信号特征提取方法，其特征在于：所述步骤S203中，所述动作参数的计算公式为：
式中，STTEOi为第i个帧信号的短时Teager能量，STSEOi为第i个帧信号的短时二次方能量，a为修正参数。
7.根据权利要求6所述的一种高压断路器振动信号特征提取方法，其特征在于：所述步骤S203中，所述动作门限值的计算公式为：
T＝b×mean(IP)
式中，b为门限系数。
8.根据权利要求1所述的一种高压断路器振动信号特征提取方法，其特征在于：所述步骤S3中，所述电参数包括线圈电流、触头电流和线圈磁场中的一种或多种。
9.根据权利要求1所述的一种高压断路器振动信号特征提取方法，其特征在于：所述步骤S4中，所述修正的方式通过KNN算法实现，具体包括：
对比所述第一动作时间参数和第二动作时间参数的欧式距离，当欧式距离小于等于距离阈值时，选择第一动作时间参数和第二动作时间参数的均值作为新的第一动作时间参数；当欧式距离大于阈值时，分别按照第一动作时间参数和第二动作时间参数进行特征向量的提取，比较对应的特征向量的角度差和长度差，在不小于对应的阈值的情况下，均以第一动作时间参数提取的特征向量为准，否则使用第一动作时间参数和第二动作时间参数的均值作为新的第一动作时间参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211666432.7A CN115859088A (zh) | 2022-12-23 | 2022-12-23 | 一种高压断路器振动信号特征提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211666432.7A CN115859088A (zh) | 2022-12-23 | 2022-12-23 | 一种高压断路器振动信号特征提取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115859088A true CN115859088A (zh) | 2023-03-28 |
Family
ID=85654387
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211666432.7A Pending CN115859088A (zh) | 2022-12-23 | 2022-12-23 | 一种高压断路器振动信号特征提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115859088A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117872123A (zh) * | 2024-01-24 | 2024-04-12 | 广东电网有限责任公司江门供电局 | 一种基于机械振动信号的高压断路器故障诊断方法 |
-
2022
- 2022-12-23 CN CN202211666432.7A patent/CN115859088A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117872123A (zh) * | 2024-01-24 | 2024-04-12 | 广东电网有限责任公司江门供电局 | 一种基于机械振动信号的高压断路器故障诊断方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10775441B2 (en) | Insulation detection circuit, detection method, and battery management system | |
| CN110108964B (zh) | 基于物联网的电力系统监控对象故障录波数据处理方法 | |
| CN106526383B (zh) | 避雷器状态监测系统及监测方法 | |
| CN112202151B (zh) | 一种高压直流输电线路纵联保护方法及系统 | |
| CN115859088A (zh) | 一种高压断路器振动信号特征提取方法 | |
| CN105067963A (zh) | 基于暂态波形的配网故障预警方法和系统 | |
| CN107632234A (zh) | 一种基于录波数据的变压器绕组变形评估方法 | |
| CN117110862A (zh) | 一种断路器监测方法、装置、设备和介质 | |
| CN117909652B (zh) | 一种高压断路器故障诊断数据处理方法 | |
| CN114646351A (zh) | 一种多维度综合断路器故障特征分析方法及装置 | |
| CN113049990B (zh) | 基于改进符号序列熵法的变压器励磁涌流识别方法 | |
| CN117937368A (zh) | 基于频域能量矩阵相似度的柔直电网纵联保护方法 | |
| CN113285429A (zh) | 基于杰卡德相似度比较的多端柔性直流输电线路保护方法 | |
| CN111780868A (zh) | 一种利用Jeffery差异量的变压器运行状态振声检测方法和系统 | |
| CN112630638B (zh) | 一种断路器瓷套闪络辨识方法和系统 | |
| CN115684812A (zh) | 一种柔性直流输电线路雷击干扰识别方法及系统 | |
| CN115575769A (zh) | 一种基于模域电流分布特性的电网故障检测方法及系统 | |
| CN111383427B (zh) | 一种lna设备及其告警方法 | |
| CN111561992A (zh) | 一种利用b抽样的变压器运行状态振声检测方法和系统 | |
| CN112307998B (zh) | 一种利用模式判决的变压器运行状态振声检测方法和系统 | |
| CN118130983B (zh) | 一种配电柜异常检测方法 | |
| US20230130883A1 (en) | Method for classifying a partial discharge in an electrical conductor of a medium voltage electrical device | |
| CN115575740A (zh) | 一种投切电抗器分闸过电压抑制措施的仿真实验系统 | |
| CN117951493A (zh) | 一种机械特性线圈电流曲线特征点提取方法 | |
| CN113030653B (zh) | 一种用于直流电网单端保护的故障识别方法 |
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 |