考虑小波包-灰度共生矩阵的高压断路器弹簧疲劳故障程度诊断研究

弹簧操动机构作为高压断路器(High voltage circuit breakers,HVCBs)分合闸操作的储能单元,其可靠性对电力系统的安全运行具有重要意义。本文以六氟化硫高压断路器的弹簧操动机构为研究对象,分析分合闸弹簧的动作机理,对弹簧进行不同程度的故障设置。介绍了振动、声音传感器设备及采集参数,针对小波包时频分析法的缺点,提出一种基于小波包-灰度共生矩阵(Gray level co-occurrence matrix,GLCM)的特征提取方法。从诊断速度和诊断准确度两方面对比了支持向量机(Support vector machine,SVM)、决策树(Decision tree,DT)、朴素贝叶斯、K近邻(K nearest neighbors,KNN)4种诊断模型。实验结果表明,在模拟实际应用场景中,选用K近邻算法对分合闸弹簧故障进行深度诊断能够准确判断故障类型及故障程度,对高压断路器安全可靠运行具有实际应用价值。