CN202676873U - 一种断路器剩余使用寿命预测装置 - Google Patents

Abstract

一种断路器剩余使用寿命的预测装置，该装置包括断路器、信号采集模块、数据采集器、数据处理器、工控机和通信模块；信号采集模块采集的信号输出至数据采集器的输入端，数据采集器的输出端连接数据处理器的I/O端口，工控机输入端和通信模块的输入端分别连接数据处理器的串口。本实用新型直接测量断路器的短路电流，使用次数，磨损系数，回转角，分闸力，合闸力，环境温度和环境湿度，并将上述参数作为输入量，利用传感器、数据采集芯片、中央处理器、工控机和无线通讯模块实现断路器使用寿命的监测。避免了传统方法建立模型和选取参数时造成的误差，并且具有输入量提取简单，精确度高，准确度好，预测效率高的特点。

Description

一种断路器剩余使用寿命预测装置

技术领域

本实用新型属于断路器技术领域，特别涉及一种断路器剩余使用寿命预测装置。

背景技术

有关统计表明，一半以上的变电站维护费用是花在开关上，而其中60%又是用于断路器的小修和例行检修上;另外据统计，10%的断路器故障是由于不正确的检修所致,断路器的大修完全解体，既费时，费用也很高，可达整个断路器的1/3—1/2，而且解体和重新装配会引起很多缺陷，由此产生的事故例子更是不胜枚举。对于断路器的哪些部件(或重要元件)，运行多长时间需要更换，仍是一个争议的问题，事实上在目前比较保守的计划检修中，时常发生许多部件运行很多年后更新时仍性能良好，而由于没有及时发现，某一部件出现缺陷而导致电网事故的情况也时有发生。因此能够了解断路器的状态，减少过早或不必要的停电试验和检修，做到应修则修，就可显著提高电力系统可靠性和经济性。对开关生产企业自行研发并制造生产的一种新型户外高压交流真空断路器的电使用寿命进行预测分析，可以方便维修人员进行检修。

发明内容

针对现有技术的不足，本实用新型提供一种断路器剩余使用寿命预测装置。

本实用新型的技术方案是这样实现的：

一种断路器剩余使用寿命预测装置，包括断路器、信号采集模块、数据采集器、数据处理器、工控机和通信模块；

所述信号采集模块包括电流传感器、位移传感器、磨损检测仪、测力计传感器、角度传感器、温度传感器和湿度传感器；

电流传感器安装在断路器的静触头上，用于采集断路器的短路电流；位移传感器安装在断路器操动机构的拉杆上，用于采集断路器的使用次数；磨损检测仪安装在断路器的静触头上，用于采集断路器磨损系数；角度传感器安装在断路器驱动凸轮机构上，用于采集回转角；测力计传感器安装在断路器驱动凸轮机构上，用于采集合闸力和分闸力；温度传感器和湿度传感器分别用于采集断路器所在环境温度和湿度；

所述数据采集器用于对信号采集模块采集的信号进行AD转换；

所述数据处理器对AD转换后的信号进行数据处理；

所述通信模块用于与远方调度终端进行数据通信。

信号采集模块采集的信号输出至数据采集器的输入端，数据采集器的输出端连接数据处理器的I/O端口，工控机输入端和通信模块的输入端分别连接数据处理器的串口。

采用所述断路器剩余使用寿命预测装置进行断路器剩余使用寿命预测，按如下步骤进行：

步骤1：采集断路器的短路电流、使用次数、磨损系数、回转角、分闸力、合闸力、环境温度和环境湿度；

通过电流传感器采集断路器的短路电流，位移传感器采集断路器的使用次数，磨损检测仪采集磨损系数，角度传感器采集回转角，测力计传感器采集合闸力和分闸力，温度传感器和湿度传感器分别采集断路器所在环境的温度和湿度；

步骤2：对采集到的数据进行A/D转换，送至数据处理器；

步骤3：进行断路器剩余使用寿命预测；

步骤3.1：对采集的数据进行空间重构，在一个时间序列内以采集到的短路电流、使用次数、磨损系数、回转角、分闸力、合闸力、环境温度和环境湿度作为系统输入量，重构出表征断路器剩余使用寿命的非线性系统的空间；

步骤3.2：建立基于复杂网络的数学模型来描述断路器剩余使用寿命，并求解该数学模型；

步骤3.3：得到断路器剩余使用寿命预测结果；

步骤4：将断路器剩余使用寿命预测结果经通信模块发送到远方调度终端，以便维修人员及时检修。

有益效果：

本实用新型的断路器剩余使用寿命预测装置，直接测量断路器的短路电流，使用次数，磨损系数，回转角，分闸力，合闸力，环境温度和环境湿度，并将上述参数作为输入量，利用传感器、数据采集芯片、中央处理器、工控机和无线通讯模块实现断路器使用寿命的监测。避免了传统方法建立模型和选取参数时造成的误差，并且具有输入量提取简单，精确度高，准确度好，预测效率高的特点。

附图说明

图1本实用新型的具体实施方式断路器剩余使用寿命预测装置工作示意图；

图2本实用新型的具体实施方式断路器剩余使用寿命预测装置结构框图；

图3本实用新型的具体实施方式数据采集器与数据处理器电路连接原理图；

图4本实用新型的具体实施方式断路器剩余使用寿命预测总流程图；

图5本实用新型的具体实施方式采用基于复杂网络的数学模型进行断路器剩余使用寿命

预测流程图；

图6本实用新型的具体实施方式预测断路器剩余使用寿命曲线与实际使用寿命曲线图；

图7本实用新型的具体实施方式复杂网络结构示意图。

具体实施方式：

下面结合附图对本实用新型的具体实施做详细说明。

本实用新型实施方式的断路器剩余使用寿命预测装置，如图1和图2所示，包括断路器、信号采集模块、数据采集器、数据处理器、工控机和通信模块；

本实施方式中，断路器选用真空10kv的ZW27-17为例，该断路器已使用10年。

信号采集模块包括电流传感器、位移传感器、磨损检测仪、测力计传感器、角度传感器、温度传感器和湿度传感器；电流传感器选用LZJC-10Q型号，位移传感器选用CTL，磨损检测仪使用UMT-2，测力计传感器选用SPIP L165，角度传感器选用SX41200高精度伺服单轴倾角传感器，温度传感器和湿度传感器选用PCMini70。

数据采集器选用TI公司的TLC254312位串行A/D转换器，该器件使用开关电容逐次逼近技术完成A/D转换过程。由于该A/D转换器是串行输入结构，能够节省51系列单片机I/O资源，且价格适中。

数据处理器选用STC89C51型号单片机，串行A/D转换器TLC2543与单片机STC89C51的连接非常简单。AIN0~AIN10为模拟输入端；CS为片选端；DIN为串行数据输入端；DOUT为A/D转换结果的三态串行输出端；EOC为转换结束端；CLK为I/O时钟；REF+为正基准电压端；REF-为负基准电压端；VCC为电源；GND为地。使用单片机自带的串行口，可实现与工控机的串行通信。因为工控机提供的COM1、COM2是采用RS-232接口标准的。而RS-232是用正负电压来表示逻辑状态，与TTL以高低电平来表示逻辑状态的规定不同。因此，为了能够同计算机接口或与终端的TTL器件(如单片机)连接，必须在RS-232与TTL电路之间进行电平和逻辑关系的变换，变换电路选用由德州仪器公司(TI)推出的一款兼容RS232标准的芯片MAX232。该器件包含2个驱动器、2个接收器和一个电压发生器电路，该电压发生器电路提供TIA/EIA-232-F电平。该器件符合T IA/EIA-232-F标准，每一个接收器将TIA/EIA-232-F电平转换成5V TTL/CMOS电平。每一个发送器将TTL/CMOS电平转换成TIA/EIA-232-F电平。单片机是整个装置的核心，串行A/D转换器TLC2543对输入的模拟信号进行采集，采样分辨率、转换通道及输出极性由软件进行选择，由于是串行输入结构，能够节省51系列单片机I/O资源，单片机采集的数据通过串口(10、11脚)经MAX232转换成RS232电平与上位机（工控机）之间实现传输。

工控机选用UNO-3072系列Pentium M/Celeron M嵌入式工控机。

通信模块采用H7000系列无线通信系统。

电流传感器安装在断路器的静触头上，位移传感器安装在断路器操动机构的拉杆上，测力计传感器和角度传感器安装在驱动凸轮机构上，磨损检测仪安装在断路器的静触头上，温度传感器和湿度传感器在断路器所在环境中采集环境温度和湿度；电流传感器、位移传感器、测力计传感器、角度传感器、气压传感器、温度传感器和湿度传感器的输出端分别连接A/D转换器TLC2543的输入端AIN0~AIN6，如图3所示，A/D转换器TLC2543的输出端EOC，CLK，DIN，DOUT，

分别连接单片机的I/O端口P10，P11，P12，

P13，P14，单片机STC89C51的10引脚（RXD）、11引脚（TXD）与变换电路MAX232

的9引脚（R2out）和10引脚（T2in）连接。工控机输入端和通信模块的输入端分别与

单片机的输出端连接。断路器的电气信息和机械信息经由相应的传感器由采样芯片进行

同步采样、保持、A/D转换成数字信号，送入单片机进行分类的计算和数据处理。

采用上述断路器剩余使用寿命预测装置进行断路器剩余使用寿命预测，其流程如图4所示，包括如下步骤：

步骤1：采集断路器的短路电流、使用次数、磨损系数、回转角、分闸力、合闸力、环境温度和环境湿度；

通过电流传感器采集断路器的短路电流，位移传感器采集断路器的使用次数，磨损检测仪采集磨损系数，角度传感器采集回转角，测力计传感器采集合闸力和分闸力，温度传感器和湿度传感器分别采集断路器所在环境的温度和湿度；

将采集到的短路电流、使用次数、磨损系数、回转角、分闸力、合闸力、环境温度和环境湿度作为输入量，即维数为9，采集样本值见表1：

表1采集样本值

采集样本	采集值
		短路电流	10kA
使用次数	500
		磨损系数	2.3
合闸回转角α合	12°
		分闸回转角α分	12°
分闸力	25N
		合闸力	22N
环境温度	27°C
		环境湿度	88%

步骤2：对采集到的数据进行A/D转换，送至数据处理器；

步骤3：进行断路器剩余使用寿命预测，流程如图5所示；

步骤3.1：对采集的数据进行空间重构，在一个时间序列内以采集到的短路电流、使用次数、磨损系数、回转角、分闸力、合闸力、环境温度和环境湿度作为系统输入量，重构出表征断路器剩余使用寿命的非线性系统的空间；

设采集的系统时间序列为(x₁,x₂，......x_n)，由表1可知，输入量个数n；

重构的空间形式：

$\left\{\begin{array}{c}{x}_1=(x_{11},x_{12},......,x_{1N})\\ x_2=(x_{21+\mathrm{\τ}},x_{22+\mathrm{\τ}},.......,x_{2N+\mathrm{\τ}})\\ ........\\ x_i=(x_{i1+(i-1)\mathrm{\τ}},x_{i2+(i-1)\mathrm{\τ}},.......,x_{\mathrm{iN}+(i-1)\mathrm{\τ}})\end{array}\right.---\left(1\right)$

其中，x_iN为某一时刻采集的数据中的一个相关像素，τ为时间延迟，N为自然数，x_i为重构空间中相点，i＝1,2,…,n；

步骤3.2：建立基于复杂网络的数学模型来描述断路器剩余使用寿命，并求解该数学模型；

把断路器的采集量看成一个复杂网络，该网络由断路器的短路电流、使用次数、磨损系数、分闸回转角、合闸回转角、分闸力、合闸力、环境温度和环境湿度组成，每个采集量都是一个节点，节点之间的关系即为复杂网络的边，如图7所示。把重构的空间视为一个有两层网络构成的复杂网络，第一层中心只有一个节点，第二层中心有8个节点，因此这个有N个节点（N=9）的复杂网络为1~8中心网络。

建立基于复杂网络的数学模型来描述断路器剩余使用寿命，该数学模型表示为：

$x_i(t+1)=f_i\left(x_i\left(t\right)\right)+\mathrm{\ϵ}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{a}_{\mathrm{ij}}{h}_j\left(x_j\left(t\right)\right),i=1,.......n,---\left(2\right)$

其中x_i(t)=(x_i1(t),x_i2(t)，......x_iN(t))^T∈R^N表示节点i的状态向量，A=(a_ij)_n×n为耦合矩阵，f_i:R^N→R^N表示节点i自身演化函数，f_i(x)=3x(6-x)，h_j:R^N→R^N为内部耦合法则，表示节点j的输出函数h_j(x)=εf(x(t))，ε为耦合强度，0<ε<1，fi,hi，i＝1，2......n均有界，并且 ${\left\{h_j\left(x_j\right)\right\}}_{j=1}^n$ 线性无关。

在基于复杂网络的断路器剩余使用寿命预测函数中，f_i,h_i（i,j=1，2，…，n)已知，并且对于i＝1，2，…，9，t=0，1，2，…，变量x_i(t)的值为可以直接测得的断路器的采集量，而复杂网络的拓扑结构是未知的。估计网络的拓扑结构，具体地说就是估计耦合矩阵A=（a_ij）中的元素。

估计耦合矩阵a_ij的具体步骤如下：

首先，将式（2）作为驱动系统引入响应系统

$y_i(t+1)=f_i\left(x_i\left(t\right)\right)+\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{a}_{\mathrm{ij}}{h}_j\left(x_j\left(t\right)\right),i=1,..............n---\left(2\right)$

这里，y_i(·)=(y_i1(·),y_i2(·),......y_iN(·))^T∈R^N,i=1,2,......n,b_ij(·)∈R是时变参数序列，

i,j=1，2，........n，引入参数自适应控制系统

b_ij(t+1)=b_ij(t)-k(y_i(t+1)-x_i(t+1))^Th_j(x_j(t))，i,j=1，2，......n，(4)

其中，k∈R是一个可选参数。

分别改写公式(2)，(3)，(4)为下面的矩阵形式，得

X(t+1)=FX(t)+AH(X(t))(5)

Y(t+1)=F(X(t))+B(t)H(X(t))(6)

B(t+1)=B(t)-kE(t+1)H(X(t))^T    (7)

其中，x_i(t+1)表示为X(t+1)，f_i(x_i(t))表示为FX(t)，h_j(x_j(t))表示为H(X(t))，a_ij表示为A，y_i(t+1)表示为Y(t+1)，x_i(t)^T表示为X(t)^T，

X（·）=（x₁(·),x₂(·),......x_n(·))^T∈R^n×N,Y(·)=（y₁(·),y₂(·),......y_n(·))^T∈R^n×N，

E(·)=Y(·)-X(·),F(X)=(f₁(x₁),f₂(x₂),.....f_n(x_n))∈R^n×N,H(X)=(h₁(x₁),h₂(x₂),.....h_n(x_n))∈R^n×N

方程(6)减去方程(5)，得到

E(t+1)=(B(t)-A)H(X(t))(8)

将(8)的结果代入式(7)，并且两边减去A，可以得到

ΔB(t+1)=ΔB(t)[I-kH(X(t))H(X(t))^T](9)

其中，ΔB(·)=B(·)-A，I为一个单位矩阵。

其次，构造Lyapunov函数W(t)

$W\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&Delta;b}}_{\mathrm{ij}}{\left(t\right)}^2,---\left(10\right)$

其中Δb_ij(t)=b_ij(t)-a_ij。

trA表示一个方阵A的迹，则有下面的结果：

$\left(1\right)\mathrm{trA}=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{a}_{\mathrm{ii}},A=\left(a_{\mathrm{ij}}\right)\&Element;M_{n\&times;n};$

（2）tr(αA+βB)=αtrA+βtrB,A,B∈M_n×n,α,β∈R

（3）tr(AB)=tr(BA),A∈M_m×n,B∈M_n×m;

$\left(4\right)\mathrm{tr}\left({\mathrm{AA}}^T\right)=\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{a}_{\mathrm{ij}}^2,A\&Element;M_{m\&times;n};$

（5）若A=(a_ij)∈M_m×n,B=(b_jk)∈M_n×p,则有

tr((AB)(AB)^T)≤tr(AA^T)tr(BB^T)（11）

然后，根据差分的Lasalle不变原理，差分式为：x_m+1=T(x_m),m=0,1,......

其中T：R^N →R^N，V是方程在G中的Lyapunov函数，如果V连续并且

对一切x∈G成立，则记作E={x:V=0,x∈G}，M为E的最大不变集，V^-1(c)={x:V(x)=c,x∈R^N}这里Δb(t)=b_ij(t)-a_ij，

最后，根据（11）矩阵迹的结果，可以得到t+1时刻的Lyapunov函数W（t+1）进而估计出耦合矩阵：

$\begin{array}{c}W(t+1)\\ =\mathrm{tr}\left(\mathrm{\&Delta;B}(t+1)\mathrm{\&Delta;B}{(t+1)}^T\right)\\ =\mathrm{tr}\left(\mathrm{\&Delta;B}\left(t\right)\mathrm{\&Delta;B}{\left(t\right)}^T\right)-2k\&CenterDot;\mathrm{tr}\left[{\left(\left(\mathrm{\&Delta;B}\left(t\right)H\left(X\left(t\right)\right)\right)(\mathrm{\&Delta;B}\left(t\right)H\left(X\left(t\right)\right)\right)}^T\right]\\ +k^2\&CenterDot;\mathrm{tr}\left[(\mathrm{\&Delta;B}\left(t\right)H\left(X\left(t\right)\right)\&CenterDot;H(X\left(t\right){)}^T)(\mathrm{\&Delta;B}\left(t\right)H\left(X\left(t\right)\right)H{\left({X\left(t\right))}^T\right)}^T\right]\\ \&le;W\left(t\right)-2k\&CenterDot;\mathrm{tr}\left[(\left(\mathrm{\&Delta;B}\left(t\right)H\left(X\left(t\right)\right)\right)(\mathrm{\&Delta;B}{\left(t\right)H(X\left(t\right)\left)\right)}^T\right]\\ +k^2\&CenterDot;\mathrm{tr}\left[(\mathrm{\&Delta;B}\left(t\right)H\left(X\left(t\right)\right)\&CenterDot;(X\left(t\right){)}^T){\left(\mathrm{\&Delta;B}\left(t\right)H\left(X\left(t\right)\right)H{\left(X\left(t\right)\right)}^T\right)}^T\right]\\ =W\left(t\right)-k(2-k\&CenterDot;\mathrm{tr}[H{\left(X\left(t\right)\right)}^T\&CenterDot;\left(X\left(t\right))\right)\&CenterDot;\mathrm{tr}\left[(\mathrm{\&Delta;B}\left(t\right)H\left(X\left(t\right)\right)(\mathrm{\&Delta;B}\left(t\right)H{(X\left(t\left)\right)\right)}^T\right]\end{array}---\left(12\right)$

使-k(2-k·tr[H(X(t))^TH(X(t))]<0，为此只要选取参数k满足下式即可

$0<k<2{\left(\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{L}_j^2\right)}^{-1}---\left(13\right)$

|h_jk(·)|≤L_jk，j=1,2,.....9。其中k=k_n，k_n为

中的最大正整数，

$\mathrm{tr}\left[\mathrm{\&Delta;B}\left(t\right)H\left(X\left(t\right)\right){\left(\mathrm{\&Delta;B}\left(t\right)H\left(X\left(t\right)\right)\right)}^T\right]=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left(\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&Delta;b}}_{\mathrm{ij}}\left(t\right)h_{\mathrm{jk}}\left(x_j\left(t\right)\right)\right)}^2\&GreaterEqual;0$

得到ΔW(t)=W(t+1)-W(t)≤0令ΔW(t)=0，则

tr[ΔB(t)H(X(t))(ΔB(t)H(X(t)))^T]＝0（14）

即

i=1,2,…,n，k=1,2,…,N

或

$\underset{j=1}{\overset{9}{\mathrm{\&Sigma;}}}{\mathrm{\&Delta;b}}_{\mathrm{ij}}\left(t\right)h_j\left(x_j\left(t\right)\right)=0,$ i=1,2,…,n

因为线性无关，因此Δb_ij(t)=0，对一切i,j=1，2，.......n都成立。根据Lasalle不变原理，Δb_ij(t)=0是ΔW(t)=0的最大不变集，因而b_ij(t)=a_ij，i,j=1，2，.....n自适应控制系统的全局吸引子，其中取b_ij的初值为

N为像素的最大值。综上，运用响应系统(3)和自适应控制系统(4)，实现对离散时间复杂网络(2)中拓扑结构参数耦合矩阵a_ij的估计。

即耦合矩阵 $a_{\mathrm{ij}}=\frac{1}{N}-k\left[{3x}_i\left(t\right)(9-x_i\left(t\right))\right]-{3\mathrm{\&epsiv;x}}_i{(t+1)}^T{x}_j\left(t\right)[6-x_j\left(t\right)]$

其中当i≠j时，如果从节点j到节点i有连线，则规定a_ij=1，否则a_ij0；而当i＝j时，

i,j=1，2.....9，根据（13）计算出

取0<k<2.0588，则对所有的i,j=1，2，.......9，都可以用b_ij(t)来计算出a_ij，这里取k=2，初始值取为

i,j=1，2，........9，耦合强度ε=0.003，|h_j(·)|≤ε，j=1，2，........9。

步骤3.3：得到断路器剩余使用寿命预测结果；

如图6所示，假设断路器的使用寿命是100%，在使用过程中，断路器的寿命会一点点下降，横坐标表示使用时间，纵坐标表示剩余使用寿命，即使用次数，100%表示10000次,通过本方法对断路器的剩余使用寿命做出预测与实际剩余使用寿命相比，预测误差在±8%以内。

步骤4：将断路器剩余使用寿命预测结果经通信模块发送到远方调度终端，以便维修人员及时检修。

Claims (9)

1.一种断路器剩余使用寿命的预测装置，包括断路器，其特征在于：还包括信号采集模块、数据采集器、数据处理器、工控机和通信模块；

信号采集模块采集的信号输出至数据采集器的输入端，数据采集器的输出端连接数据处理器的I/O端口，工控机输入端和通信模块的输入端分别连接数据处理器的串口。

2.根据权利要求1所述的断路器剩余使用寿命的预测装置，其特征在于：所述信号采集模块包括电流传感器、位移传感器、磨损检测仪、测力计传感器、角度传感器、温度传感器和湿度传感器。

3.根据权利要求2所述的断路器剩余使用寿命的预测装置，其特征在于：所述电流传感器是用于采集断路器的短路电流的装置。

4.根据权利要求2所述的断路器剩余使用寿命的预测装置，其特征在于：所述位移传感器是用于采集断路器的使用次数的装置。

5.根据权利要求2所述的断路器剩余使用寿命的预测装置，其特征在于：所述磨损检测仪是用于采集断路器磨损系数的装置。

6.根据权利要求2所述的断路器剩余使用寿命的预测装置，其特征在于：所述角度传感器是用于采集回转角的装置。

7.根据权利要求2所述的断路器剩余使用寿命的预测装置，其特征在于：所述测力计传感器是用于采集合闸力和分闸力的装置。

8.根据权利要求2所述的断路器剩余使用寿命的预测装置，其特征在于：所述温度传感器是用于采集断路器所在环境温度的装置。

9.根据权利要求2所述的断路器剩余使用寿命的预测装置，其特征在于：所述湿度传感器是用于采集断路器所在环境湿度的装置。

Images