CN117763324A - 用于确定电路开关装置的脱扣范围的方法和系统 - Google Patents
用于确定电路开关装置的脱扣范围的方法和系统 Download PDFInfo
- Publication number
- CN117763324A CN117763324A CN202311215634.4A CN202311215634A CN117763324A CN 117763324 A CN117763324 A CN 117763324A CN 202311215634 A CN202311215634 A CN 202311215634A CN 117763324 A CN117763324 A CN 117763324A
- Authority
- CN
- China
- Prior art keywords
- trip
- switching device
- current
- subset
- features
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000010616 electrical installation Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000010801 machine learning Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims abstract description 5
- 230000002123 temporal effect Effects 0.000 claims abstract description 5
- 238000005070 sampling Methods 0.000 claims description 13
- 230000008030 elimination Effects 0.000 claims description 8
- 238000003379 elimination reaction Methods 0.000 claims description 8
- 230000007704 transition Effects 0.000 claims description 5
- 230000001960 triggered effect Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims 2
- 239000011159 matrix material Substances 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 238000009434 installation Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 3
- 230000035939 shock Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 101000581533 Homo sapiens Methylcrotonoyl-CoA carboxylase beta chain, mitochondrial Proteins 0.000 description 1
- 102100027320 Methylcrotonoyl-CoA carboxylase beta chain, mitochondrial Human genes 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/12—Measuring characteristics of vibrations in solids by using direct conduction to the detector of longitudinal or not specified vibrations
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01H—ELECTRIC SWITCHES; RELAYS; SELECTORS; EMERGENCY PROTECTIVE DEVICES
- H01H71/00—Details of the protective switches or relays covered by groups H01H73/00 - H01H83/00
- H01H71/04—Means for indicating condition of the switching device
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01H—ELECTRIC SWITCHES; RELAYS; SELECTORS; EMERGENCY PROTECTIVE DEVICES
- H01H11/00—Apparatus or processes specially adapted for the manufacture of electric switches
- H01H11/0062—Testing or measuring non-electrical properties of switches, e.g. contact velocity
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01H—ELECTRIC SWITCHES; RELAYS; SELECTORS; EMERGENCY PROTECTIVE DEVICES
- H01H71/00—Details of the protective switches or relays covered by groups H01H73/00 - H01H83/00
- H01H71/04—Means for indicating condition of the switching device
- H01H2071/042—Means for indicating condition of the switching device with different indications for different conditions, e.g. contact position, overload, short circuit or earth leakage
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Emergency Protection Circuit Devices (AREA)
Abstract
本发明涉及一种用于确定电路开关装置(4)的脱扣范围的方法和系统,该电路开关装置设计成向电气设施(12)供电。该系统(2)包括电子计算模块(6),该电子计算模块配置成从集成到所述开关装置(4)中的至少一个振动传感器(16)接收数据,并且配置成基于从所采集的时间振动信号计算的频谱图来选择操作特征的预定子集;将由监督机器学习参数化的预测模型应用于操作特征的值,以便获得截止电流的估计值,并且作为截止电流的估计值的函数,在正常脱扣、过载脱扣和短路后脱扣中确定开关装置的脱扣范围。
Description
技术领域
本发明涉及用于确定电路开关装置的脱扣范围的方法和系统。
背景技术
本发明涉及电气设施的安全领域,尤其涉及在设施中出现电气故障时切断电源,通常称为断路。
众所周知,在由供电网络供电的电气设施中会出现各种故障,并且会危及该设施中连接的设备的安全,或者甚至在某些情况下会对操作者造成火灾风险或身体危险。
电气设备的安全性通过使用开关装置来保证,开关装置通常被称为断路器,其配置为在检测到超过额定电流阈值的电流之后非常快速地切断电力。
传统上,开关装置包括固定触点和移动触点,移动触点设计成在断开位置和闭合位置之间移动,在断开位置,移动触点与固定触点分离,因此切断电流流动,在闭合位置,移动触点抵靠固定触点,电流流动是可能的。该开关装置还包括开关脱扣机构和复位杆,该开关脱扣机构使开关装置的触点转换到断开位置。
在包含开关装置的壳体的表面上,操作者通常可以接触到复位杆,并且复位杆可以在三个位置之间移动,这三个位置分别是:“断开”位置(对应于触点的断开位置)、“脱扣”位置(对应于断开动作后触点的断开)和“闭合”位置(对应于触点的闭合位置)。由操作者手动地将杆从“断开”位置转换到“闭合”位置,反之亦然,并且通过触发开关动作自动地从“闭合”位置转换到“脱扣”位置。
包括磁热模块的紧凑型塑壳断路器,也称为MCCB,是特别已知的。如果电路过载,热保护会触发断电。如果负载出现故障,导致短路电流,磁性保护会触发电路的快速切换。
这种开关设备出现的一个问题是知道是什么导致了电功率的切断被触发。
特别是,如果脱扣的原因是过载故障或短路故障,知道杆何时处于“脱扣”位置是有用的,因为要采取的纠正措施和操作者的安全风险根据情况而不同。
大多数基于磁热保护模块的开关装置不提供关于脱扣原因的信息。
存在允许识别脱扣原因的电子脱扣装置;然而,需要提出一种识别脱扣原因的较便宜的方法,同时提出一种除了磁热脱扣装置之外的功能。
发明内容
因此,需要确定开关装置的脱扣范围,以便能够指示所述范围,从而提高电气设施和在断路动作后进行干预的操作者的安全性。
脱扣范围分别包括:
-由操作员控制的正常脱扣,例如通过操作杆从闭合位置转换到断开位置;
-由于由电气设施供电的至少一个负载发生电力过度消耗而导致过载脱扣;
-由于开关装置中出现电气故障(例如短路)而导致的故障脱扣。
脱扣范围与根据额定电流阈值定义的截止电流范围相关。
本发明的目的是确定开关装置的脱扣范围,并将其指示给操作者。
为此,根据一个方面,本发明提出了一种用于确定电路开关装置的脱扣范围的方法,该电路开关装置设计成向包括至少一个负载的电气设施供电,该开关装置具有断开位置和闭合位置,在断开位置,电流在所述电路中的流动被切断,在闭合位置,电流在所述电路中流动,在控制之后或者在检测到在所述开关装置中流动的截止电流之后,触发从闭合位置到断开位置的转换,该截止电流具有超过额定电流阈值的水平。
该方法通过电子计算模块来实现,该电子计算模块配置成从集成到所述开关装置中的至少一个振动传感器接收数据,并且该方法在操作阶段包括以下步骤:
-在转换到所述断开位置之后,基于来自所述至少一个振动传感器的数据,以给定的采样频率,在选定的采集周期内获得至少一个时间振动信号(temporal vibrationsignals),
-对于每个时间振动信号,将时间振动信号转换成在时间-频率表示空间中表示的频谱图,
-选择频谱图的预定特征子集,称为操作特征子集,
-应用由监督机器学习参数化的预测模型,在所述参数化预测模型的输入端提供所述操作特性子集的值,以便获得对应于截止电流估计值的类别,
-作为截止电流的估计值和所述额定电流阈值的函数,在以下各项中确定开关装置的脱扣范围:通过控制的正常脱扣、在电气设施的至少一个负载的电力过度消耗之后的过载脱扣、以及在短路之后的脱扣。
有利地,所提出的方法可以用于基于由集成到开关装置中的振动传感器获得的信号来估计截止电流,这允许由此推断出开关装置的脱扣范围。
根据本发明的用于确定脱扣范围的方法可以独立地或者根据所有可接受的组合具有以下一个或多个特征。
确定开关装置的脱扣范围包括将截止电流的估计值与额定电流阈值进行比较,并且
-当所述截止电流的估计值低于额定电流阈值时,脱扣是正常脱扣,
-当所述截止电流的估计值高于额定电流阈值并且低于额定电流阈值乘以预定倍增因子时,脱扣是过载脱扣,并且
-当所述截止电流的估计值高于额定电流阈值乘以所述倍增因子时,脱扣是故障脱扣。
该方法还包括在开关装置的人机界面上显示与所确定的脱扣范围相关的指示。
至少一个时间振动信号的获得包括在开关装置脱扣之后应用预定持续时间的时间偏移。
该方法包括在所述操作阶段之前的学习阶段,包括
-采集多个时间振动信号,每个时间振动信号与截止电流的已知值相关联,
-将每个时间振动信号转换成频谱图,并将所述频谱图和截止电流的相关值存储在学习频谱图库中。
学习阶段还包括递归特征消除步骤,包括递归地应用以下步骤:
a)学习所述预测模型的参数,在输入端采用所计算的频谱图的学习特征子集中的特征值,所述预测模型被参数化以基于所述学习特征子集中的特征值提供到与电流的估计值相关联的类别的分类,
b)相对于来自预测模型的结果,评估所述学习特征子集中每个特征的重要性分数,
c)从所述学习特征子集中消除具有最低重要性分数的特征,
d)更新学习特征子集并重复步骤a)至d),直到学习特征子集为空。
该方法还包括根据在所述学习特征子集中消除特征的顺序,通过重要性等级获得特征的等级,并选择预定数量N个具有最高重要性等级的特征,以便形成操作特征子集的步骤。
该方法还包括优化当获得待处理的时间振动信号时要应用的采样频率、采集周期和时间偏移。
根据另一方面,本发明涉及一种包括软件指令的计算机程序,当由可编程电子计算模块执行时,该软件指令实现如上文简要描述的用于确定电路开关装置的脱扣范围的方法。
根据另一方面,本发明涉及一种用于确定脱扣范围的系统,该系统包括开关装置,该开关装置包括至少一个振动传感器和电子计算模块,该电子计算模块配置成实施如上文简要描述的用于确定脱扣范围的方法。
有利的是,根据所有设想的变型,用于确定脱扣范围的系统配置成实施如上文简要描述的用于确定电路开关装置的脱扣范围的方法。
附图说明
参考附图,本发明的其他特征和优点将从下文提供的描述中显现,通过完全非限制性的指示,其中:
图1是根据一个实施例的用于确定脱扣范围的系统的功能模块的示意图;
图2示出了开关装置正常脱扣和故障脱扣的时域振动记录的例子;
图3显示了对应于图2中记录的频谱图的例子;
图4是用于在操作阶段确定脱扣范围的方法的主要步骤的概述;
图5是用于在操作阶段之前的学习阶段中确定脱扣范围的方法的主要步骤的概述。
具体实施方式
图1示意性地示出了根据一个实施例的用于确定脱扣范围的系统2的主要功能块。
系统2包括电路开关装置4(以下也称为断路器)和电子计算模块6。
断路器4包括磁热模块8,该磁热模块8配置成使用于向电气设施12供应电流的电路的切断脱扣,该电路由电线10示意性地表示,电气设施12包括至少一个负载14,并且在过载或电气故障的情况下执行脱扣。电流源例如是用于供应三相或单相电流的网络,该网络未示出。
磁热模块8的各种实施例在用于切断电流的装置(断路器)领域中是已知的。
在一个实施例中,开关装置4是MCCB(“塑壳断路器”)类型的紧凑装置,设计用于工作在从16安培到630安培的电流范围内。
除了磁热模块8之外,断路器4还包括一个或多个振动传感器16。
优选地,该振动传感器或每个振动传感器16是3轴加速度计。
有利地,振动传感器16被设计成拾取代表开关装置振动的信号。这是因为,在为了从闭合位置转换到“断开”位置而触发断开的情况下(例如切断电气设施的电源电路中的电流),无论是作为控制的结果还是作为断开的结果,都会产生激励开关装置的部件的机械冲击。
如果在过载或故障的情况下触发开关装置4的断开,则除此之外还会出现由于开关电流的强度而产生的冲击波。该冲击波引起附加振动,该附加振动叠加在开关装置的机械振动上。
一个或多个振动传感器16优选靠近磁热模块8定位。
优选地,每个振动传感器16被定位成易于安装在新产品或现有产品上或从其上移除。有利的是,这允许改进现有的断路器产品。
例如,在三相电流的情况下,开关装置4包括用于每相的一个振动传感器16。
举例来说,图2示出了两条图表G1和G2,分别对应于正常脱扣期间(图表G1)和故障脱扣期间(图表G2)的断开情况,其中截止电流大约为12xIn,In是额定电流阈值。
每个图表G1、G2示出了由振动传感器拾取的时间振动信号在时域中的变化曲线,x轴代表以样本表示的时间(数字代表测量样本的数量),y轴代表以g表示的测量加速度值。
通过应用离散傅立叶变换来变换这些时间信号,以便在频谱时间-频率域中获得频谱图。
从图2中可以看出,两个图表G1、G2具有相似的轮廓。
举例来说,图2示出了两个图表G3、G4,包括在时间(x轴)和频率(y轴)域中示出的频谱图,分别对应于图2中图表G1和G2的曲线。
所提出的方法实现了已经开发的工具,以基于所采集的时间振动信号的频谱图来辨别脱扣范围和估计截止电流。
此外,断路器4优选地包括人机界面15,例如屏幕或一个或多个指示灯,其然后可以用于显示所确定的脱扣范围。例如,如果人机界面15包括一个或多个指示灯,则根据脱扣范围以不同颜色点亮指示器,例如绿色用于正常脱扣,橙色用于过载脱扣,红色用于故障脱扣。
有利地,脱扣范围的指示允许指导维护工作,例如在过载的情况下重新平衡负载或者在短路的情况下干预电气设施。
为了确定脱扣范围,电子计算模块6包括电子存储单元18和计算处理器20,计算处理器20配置为实现软件22,软件22包括程序指令,当由计算处理器执行时,执行如下所述的用于确定脱扣范围的方法。
作为变型,电子计算模块6是以诸如FPGA(现场可编程门阵列)的可编程逻辑部件的形式或者以诸如ASIC(专用集成电路)的专用集成电路的形式生产的专用模块。
电子存储器18被设计成存储由机器学习参数化的预测模型的特定参数24,该预测模型被设计成基于振动信号的频谱特征的子集来提供截止电流值的估计。
在一个实施例中,电子计算模块6集成在与断路器4相同的壳体中,从而形成电路开关装置,该电路开关装置配置成在正常脱扣、过载脱扣或电气故障脱扣之间自行确定用于断开电路的脱扣范围。
在未示出的变型中,配置成执行用于确定断路器4的脱扣范围的软件22的电子计算模块6远离断路器4。在该变型中,装置4、6中的每一个还包括通信接口,该通信接口被设计成根据给定的通信协议进行通信,以便将由振动传感器获取的振动信号传输到电子计算模块,电子计算模块6传输与所确定的脱扣范围相关的信息,用于在人机界面15上显示。
用于确定开关装置的脱扣范围的方法包括两个阶段,分别是初步学习阶段和用于实时确定脱扣范围的操作阶段。
例如,对于给定类别的断路器,在它们在电路中投入运行之前,执行初步学习阶段。
因此,初步学习阶段是按断路器的类别来执行的,这些类别由制造规范来定义。
图4是在学习阶段用于确定电路开关装置的脱扣范围的方法的主要步骤的概述。
该方法包括基于一个或多个断路器4,例如属于给定断路器类别的多个断路器4,采集30时间振动信号。
如果振动传感器是3轴加速度计,则每个信号由以预定采样频率记录的一系列离散加速度值形成。例如,采样频率Fe在6.4kHz和25.6kHz之间,例如等于25.6kHz。在学习阶段,与每个记录的时间振动信号相关的截止电流是已知的,故障和过载电流的各种值被注入断路器用于学习。
每个时间振动信号是在给定的采集周期内采集的,并且包括取决于采集周期和采样频率的多个样本。
采集30之后是步骤32,将每个时间振动信号转换成在时间-频率表示空间中表示的频谱图。
转换步骤32使用汉宁窗实现例如离散傅立叶变换,优选快速傅立叶变换FFT。当然,这只是例子,也可以使用其他窗口变量。
频谱图的每一列对应于给定时间窗。
在一个实施例中,该方法还可选地包括归一化步骤34,在该步骤中,频谱图的每一列相对于该列中的值的总和进行归一化,然后在标度改变步骤36中将归一化的频谱图转换成对数标度。
对于多个给定的截止电流值,重复步骤30至36,使得可以获得包括学习频谱图的学习频谱图库,每个学习频谱图与截止电流值相关联。存储学习光谱图的库。
每个频谱图以大小为L×m的矩阵的形式表示,包括值,每个值与时间索引i和频率索引j相关。由索引(I,j)标识的频谱图的元素也被称为特征,每个特征具有给定频谱图的相关值。
该方法然后包括实现递归特征消除步骤40(递归特征消除),该步骤可用于通过应用由机器学习参数化的所选预测模型来确定操作特征的子集,这些操作特征是被认为与估计截止电流最相关的特征。
特征子集被理解为表示频谱图的代表矩阵中的点(k,l)的子集。
递归特征消除步骤40包括对所选预测模型重复以下步骤。
预测模型是参数化模型,其参数通过监督机器学习来学习,其中包括:支持向量机或SVCs(支持向量分类器)、决策树学习(决策树分类器)、逻辑回归、岭分类器、k-近邻分类器、装袋分类器、随机森林分类器、梯度提升分类树或合适的神经网络,例如多层感知器网络。
在一个实施例中,实现了线性核SVC分类器。
递归特征消除步骤40包括步骤42,通过在输入端提供被称为学习特征子集的频谱图特征值子集,以监督方式训练所选预测模型。最初,学习特征的子集等于频谱图的所有特征,即代表频谱图的大小为LxM的矩阵。
应用预测模型在输出端提供了对应于截止电流的估计值的类别,使得有可能在三个脱扣范围中确定脱扣范围的分类:正常脱扣、过载脱扣或故障脱扣,这是由于开关装置中存在短路。
例如,在一个实施例中,预测模型在输出端提供C个类别中的类别的分类,例如C=3分别对应于三个脱扣范围。
作为变型,类别的数量C大于3,多个分类类别则对应于列出的三个脱扣范围中的相同脱扣范围。
由于所实现的断路器的额定电流阈值In是已知的,脱扣范围与截止电流Ic的水平相关联,如下所示:
-正常脱扣:截止电流Ic低于In;
-过载脱扣:截止电流Ic在In和QxIn之间;
-故障脱扣:截止电流Ic高于QxIn,
其中Q是预定的乘法因子,例如Q=10。
由于与每个频谱图相关的截止电流Ic的值在学习阶段是已知的,所以调整模型的参数,使得应用该模型为每个频谱图提供截止电流的估计值,该估计值最接近截止电流Ic的初始值,这取决于所选分类。
步骤42之后是步骤44,相对于预测模型的应用结果,评估与在输入端提供的学习特征子集的每个元素相关联的重要性分数。
例如,根据所应用的预测模型,通过统计相关性、线性模型系数、决策树或排列得分来获得重要性得分。
在应用了评估重要性分数的步骤44之后,在步骤46中确定具有最低重要分数的特征,并从其值在输入端提供的特征子集中消除。
然后在步骤48中更新特征子集。
当在更新的特征子集中仍有至少一个特征时,重复步骤42至48(测试50)。特别地,基于更新的特征子集,重复对所选预测模型的训练。
当更新的特征子集为空时,测试50之后是步骤52,获得每个重要性等级的频谱图的特征分类。
特征的消除顺序提供了频谱图特征的分类,每个特征具有相关的等级,例如按照重要性的递减顺序,等级为1的特征是最重要的特征,最后消除,等级最高的特征是最不重要的特征,首先消除。
步骤52之后是步骤54,选择对分类成功最重要的N个特征。选择数量N;优选地,N在1和几千之间,例如在1和4000之间;更特别优选地,N等于200。
当N等于200时,等级范围从1到200的特征被保留,并形成被称为操作特征子集的特征子集。换句话说,最后消除的频谱图的N个特征形成了在选择步骤54中选择的操作特征子集。
在步骤54中,操作特征的子集被存储,例如以在频谱图矩阵中选择的每个特征的坐标(k,l)表的形式,或者在任何其他适当的存储结构中。
有利的是,选择N个特征允许降低计算复杂度。
可选地,该方法还包括评估性能水平的步骤56,例如包括通过应用用频谱图的N个选定特征训练的预测模型来计算学习频谱图库的混淆矩阵,以便对尚未用于训练的频谱图进行分类。
在一个实施例中,频谱图库中的第一百分比(例如80%)的频谱图用于训练,第二百分比(例如20%)用于评估性能水平。
根据一个变型,除了一个(实例)之外,为属于相同范围(即断路器类别)的产品的多个实例获得的库的所有频谱图用于训练,剩余的频谱图(对应于在训练中未使用的实例)用于评估,并且例如为所有可能的组合重复该操作。
可选地,该方法还包括在开关装置已经切换到断开位置之后优化采样频率、信号采集周期和时间偏移周期,在分类性能评估步骤56中测试各种参数并评估性能。
因此,发明人强调了在保持良好分类性能的同时降低采样频率和信号采集周期的可能性。
此外,有利地,在断路器脱扣后大约20ms应用时间偏移Δ也允许获得令人满意的分类性能水平。
存储通过优化获得的采样频率Fe、时间偏移Δ和采集周期Dt的参数,以便在操作阶段使用。
图5是在操作阶段用于确定电路开关装置的脱扣范围的方法的主要步骤的概述。
该方法包括步骤60,在开关装置的振动冲击之后,以预先确定的采样频率Fe采集时间振动信号,对应于在断路动作之后从闭合位置到断开位置的转换。
采集60之后是步骤62,通过应用先前获得的时间偏移Δ和采集周期Dt,获得要处理的时间振动信号。
如果振动传感器是三轴加速度计,对于每个轴,在步骤64中计算信号的频谱图,例如通过应用离散快速傅立叶变换FFT。
对于每个计算的频谱图,步骤64之后是选择66频谱图的特征子集,该特征子集是先前定义和存储的操作特征子集。
对于每个计算的频谱图,在步骤66中提取对应于所述操作特征子集的值,并在应用由监督机器学习参数化的预测模型的步骤68的输入端处提供,该预测模型的参数已经在先前的学习步骤中被调整和存储。
在一个实施例中,从每个频谱图中提取对应于所述操作特征子集的值,并将其组合到参数化预测模型所应用的输入结构(例如,向量或矩阵)中。
在步骤68结束时,基于在输入端提供的操作特征子集的值,获得提供截止电流值的估计的分类,然后在脱扣范围确定步骤70中,通过将截止电流Ic的估计值与额定电流阈值In进行比较来确定脱扣范围。
更准确地说,如果Ic低于In,则涉及控制正常脱扣;如果Ic在In和QxIn之间,则涉及过载脱扣;如果Ic高于QxIn,则涉及故障脱扣,例如,因数Q等于10。
或者,在单个步骤中获得脱扣范围,由参数化预测模型执行的分类的结果是分类到预期脱扣范围之一中。
脱扣范围确定步骤70之后是步骤72,步骤72根据先前选择的颜色代码,例如通过点亮相应颜色的指示灯,在开关装置的人机界面上显示与所确定的脱扣范围相关的指示。
Claims (10)
1.一种用于确定电路开关装置(4)的脱扣范围的方法,该电路开关装置(4)设计成向包括至少一个负载(14)的电气设施(12)供电,该开关装置(4)具有断开位置和闭合位置,在断开位置,所述电路中的电流流动被切断,在闭合位置,电流在所述电路中流动,在控制之后或者在检测到在所述开关装置(4)中流动的截止电流之后,触发从闭合位置到断开位置的转换,该截止电流具有超过额定电流阈值的水平,
该方法由电子计算模块(6)实现,该电子计算模块配置成从集成到所述开关装置(4)中的至少一个振动传感器(16)接收数据,该方法的特征在于,在操作阶段,该方法包括以下步骤:
-在转换到所述断开位置之后,基于来自所述至少一个振动传感器的数据,以给定的采样频率,在选定的采集周期内获得(62)至少一个时间振动信号,
-对于每个时间振动信号,将时间振动信号变换(64)成在时间-频率表示空间中表示的频谱图,
-选择(66)频谱图的预定特征子集,称为操作特征子集,
-应用(68)由监督机器学习参数化的预测模型,在所述参数化预测模型的输入端处提供所述操作特征子集的值,以便获得对应于截止电流的估计值的类别,
-作为截止电流的估计值和所述额定电流阈值的函数,确定(70)开关装置的脱扣范围,其中包括:通过控制的正常脱扣、在电气设施的至少一个负载的电力过度消耗之后的过载脱扣、以及在短路之后的脱扣。
2.根据权利要求1所述的方法,其中所述开关装置的脱扣范围的确定(70)包括将截止电流的估计值与额定电流阈值进行比较,以及
-当所述截止电流的估计值低于额定电流阈值时,脱扣是正常脱扣,
-当所述截止电流的估计值高于额定电流阈值并且低于额定电流阈值乘以预定倍增因子时,脱扣是过载脱扣,并且
-当所述截止电流的估计值高于额定电流阈值乘以所述倍增因子时,脱扣是故障脱扣。
3.根据权利要求1或2所述的方法,还包括在所述开关装置的人机界面上显示(72)与所确定的脱扣范围相关的指示。
4.根据权利要求1至3之一所述的方法,其中,获得(62)至少一个时间振动信号包括在开关装置脱扣后应用预定持续时间的时间偏移。
5.根据权利要求1至4之一所述的方法,包括在所述操作阶段之前的学习阶段,包括:
-采集(30)多个时间振动信号,每个时间振动信号与截止电流的已知值相关联,
-将每个时间振动信号变换(32)成频谱图,并将所述频谱图和截止电流的相关值存储(32)在学习频谱图库中。
6.根据权利要求5的方法,其中所述学习阶段还包括递归特征消除步骤(40),包括递归应用以下步骤:
a)学习(42)所述预测模型的参数,在输入端处采用所计算的频谱图的学习特征子集中的特征值,所述预测模型被参数化以基于所述学习特征子集中的特征值提供到与电流的估计值相关联的类别的分类,
b)相对于来自预测模型的结果,评估(44)所述学习特征子集中每个特征的重要性分数,
c)从所述学习特征子集中消除(46)具有最低重要性分数的特征,
d)更新(48)学习特征子集,并重复步骤a)至d),直到学习特征子集为空。
7.根据权利要求6所述的方法,还包括以下步骤:根据所述学习特征子集中特征的消除顺序,通过重要性等级获得(52)特征的等级,并选择(54)预定数量N个具有最高重要性等级的特征,以便形成操作特征子集。
8.根据权利要求5至7中任一项所述的方法,还包括优化(56)当获得待处理的时间振动信号时要应用的采样频率、采集周期和时间偏移。
9.一种包括软件指令的计算机程序,当由可编程电子计算模块执行时,实现根据权利要求1至8中任一项所述的用于确定电路开关装置的脱扣范围的方法。
10.一种用于确定电路开关装置的脱扣范围的系统(2),该电路开关装置设计成向包括至少一个负载(14)的电气设施(12)供电,该确定系统(2)包括开关装置(4),该开关装置具有断开位置和闭合位置,在断开位置,所述电路中的电流流动被切断,在闭合位置,电流在所述电路中流动,在控制之后或者在检测到在所述开关装置(4)中流动的截止电流之后,触发从闭合位置到断开位置的转换,该截止电流具有超过额定电流阈值的水平,开关装置(4)包括至少一个集成振动传感器(16),
该系统(2)包括电子计算模块(6),该电子计算模块(6)配置成从集成到所述开关装置(4)中的至少一个振动传感器(16)接收数据,并且配置成在操作阶段实现用于以下的模块:
-在转换到所述断开位置之后,基于来自所述至少一个传感器的数据,以给定的采样频率,在选定的采集周期内获得至少一个时间振动信号,
-对于每个时间振动信号,将时间振动信号变换成在时间-频率表示空间中表示的频谱图,
-选择频谱图的预定特征子集,称为操作特征子集,
-应用由监督机器学习参数化的预测模型,在所述参数化预测模型的输入端提供所述操作特征子集的值,以便获得对应于截止电流估计值的类别,
-作为截止电流的估计值和所述额定电流阈值的函数,确定开关装置的脱扣范围,其中包括:通过控制的正常脱扣、在电气设施的至少一个负载的电力过度消耗之后的过载脱扣、以及在短路之后的脱扣。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR2209681 | 2022-09-23 | ||
FR2209681A FR3140165A1 (fr) | 2022-09-23 | 2022-09-23 | Procédé et système de détermination d’un domaine de déclenchement d’un dispositif de commutation de circuit électrique |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117763324A true CN117763324A (zh) | 2024-03-26 |
Family
ID=85176079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311215634.4A Pending CN117763324A (zh) | 2022-09-23 | 2023-09-20 | 用于确定电路开关装置的脱扣范围的方法和系统 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP4343289A1 (zh) |
CN (1) | CN117763324A (zh) |
FR (1) | FR3140165A1 (zh) |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8924168B2 (en) * | 2011-01-27 | 2014-12-30 | General Electric Company | Method and system to detect actuation of a switch using vibrations or vibration signatures |
-
2022
- 2022-09-23 FR FR2209681A patent/FR3140165A1/fr active Pending
-
2023
- 2023-09-20 CN CN202311215634.4A patent/CN117763324A/zh active Pending
- 2023-09-22 EP EP23198987.2A patent/EP4343289A1/fr active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4343289A1 (fr) | 2024-03-27 |
FR3140165A1 (fr) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8200372B2 (en) | Methods and processes for managing distributed resources in electricity power generation and distribution networks | |
CN111060813B (zh) | 高压断路器操作机构的故障诊断方法及装置、电子设备 | |
CN104360263B (zh) | 运用分合闸线圈电流的断路器操作机构故障诊断专家系统的方法 | |
CN104951990B (zh) | 电网数据处理方法及设备 | |
EP2720332A2 (en) | Online protection coordination for distribution management system | |
CN109936113B (zh) | 一种基于随机森林算法的保护动作智能诊断方法及系统 | |
CN115684821A (zh) | 用于电网故障分析中的ai持续学习的系统和方法 | |
CN107328560A (zh) | 一种有载分接开关诊断方法及装置 | |
CN110646685A (zh) | 一种开关柜状态综合评估方法 | |
CN110867958A (zh) | 一种电力系统自动识别故障告警方法 | |
CN112365000A (zh) | 一种智慧空开装置的自动控制和预警方法及其实现平台 | |
CN117350548B (zh) | 一种配电设备安全隐患排查方法 | |
CN117763324A (zh) | 用于确定电路开关装置的脱扣范围的方法和系统 | |
CN115932564A (zh) | 高压断路器故障评估方法、装置、设备及可读存储介质 | |
US11774500B2 (en) | Method and device for detecting the tripping of a disconnection unit, and electrical enclosure comprising such a device | |
CN115728628A (zh) | 一种断路器控制回路故障在线监测预警方法及装置 | |
CN108710079B (zh) | 一种目标线路实际参数分析的断路器智能化调控系统 | |
CN117148024B (zh) | 一种高压开关柜的运行故障监测方法及系统 | |
CN113536610B (zh) | 一种断路器操动机构综合评价方法 | |
Jiang et al. | A Gaussian process based fleet lifetime predictor model for unmonitored power network assets | |
Shokooh et al. | Real-time simulation and supervisory control; the next logical step after system monitoring | |
CN113589098B (zh) | 基于大数据驱动的电网故障预测和诊断方法 | |
CN115184785B (zh) | 测试方法、测试系统以及电子设备 | |
CN114843129B (zh) | 用于防止断路器误分闸的低压延时系统 | |
CN113504465B (zh) | 一种高压断路器故障的诊断方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |