基于角点定位的高压断路器分合闸线圈电流特征提取及状态判别

分合闸线圈的电流特性提取是高压断路器状态监测的重要手段。从高压断路器分合闸线圈电流的波形形态出发,研究了基于CCS(曲率尺度空间)局部阈值的电流波形角点提取方法,进而根据真实角点处的电流特征曲线实现了高压断路器机械状态的精准监测。对某变电站高压断路器实测分合闸线圈电流的计算结果表明,所提CCS局部阈值方法能够精确识别分合闸线圈电流的波形特征。基于分合闸线圈电流特征曲线的高压断路器机械状态监测效果良好,研究结果可为高压断路器的机械状态监测提供重要参考。

低温环境下高压断路器故障模拟

高压断路器是电力系统中的重要设备,发生故障会对电力系统的安全稳定运行造成影响。低温环境会影响断路器的开断性能,为研究低温下故障对断路器的影响,建立了液压弹簧机构和分合闸线圈模型,仿真分析了低温、分合闸线圈故障对分合闸时间与线圈电流的影响。搭建了低温环境下的故障模拟实验平台,在不同低温等级下进行了大量故障模拟实验。将断路器分合闸时间、分合闸线圈电流和振动信号边际谱能量作为特征量,分析其变化规律。研究发现:低温环境影响断路器的开断性能;断路器的分合闸时间随着温度的降低而增大;温度对线圈电流影响很小;–10℃以下振动信号边际谱能量变化较小。研究结果为低温环境下断路器的故障诊断提供了参考。

基于VMD模态分量的高压断路器分合闸线圈电流特征值提取

高压断路器分合闸线圈电流波形中包含着丰富的断路器操动机构和控制回路的状态信息,分析分合闸线圈电流的特性对断路器的状态监测、故障诊断具有重要意义。文中提出一种基于变分模态分解(VMD)模态分量的高压断路器分合闸线圈电流特征值提取方法;通过变分模态分解算法对分合闸线圈电流进行分解,并确定有效反映线圈电流关键信息的模态分量;随后采用削波方式处理模态分量以提取线圈电流波形关键时间点及对应电流特征值。基于断路器实验平台采集的数据样本的实验验证结果表明,该方法能够准确有效地提取分合闸线圈电流关键特征值。

基于分合闸线圈电流的断路器缺陷诊断及试验方法研究

分合闸线圈是断路器操作机构的关键部件。笔者通过深入研究断路器分/合闸线圈电流波形与机械缺陷之间的关系,提取线圈电流波形中的关键特征量,建立其与断路器常见典型机械缺陷的诊断判据,并通过实验室断路器缺陷模拟试验平台进行验证。基于研究结果,提出在国内开展断路器"首次分/合闸"时线圈电流检测试验的具体实施方案并进行风险评估,通过试验提前发现断路器机械方面存在的缺陷,有效指导国内电网断路器设备状态检测策略。

基于断路器线圈电流波形的分合闸时间估算方法

文中提出一种基于断路器线圈电流波形的分合闸时间估算方法,先通过设备交接试验或首次例试时测取分合闸时间及线圈电流波形的时间特征参数,然后在运行操作时带电检测分合闸线圈电流波形,再提取线圈电流波形的时间特征参数,最后利用断路器主触头动作时间与辅助开关转换时间的配合关系估算分合闸时间,其计算精度满足工程应用要求,可以在一定程度上代替停电例行试验。

高压断路器操动机构典型故障模拟及其特征参量变化分析

高压断路器是确保电力系统稳定运行的重要设备,其分合闸线圈电流和动触头行程曲线两个参量中包含着线圈回路及其状态、断路器机构动作过程等丰富信息。文中设计并获取了线圈接触不良、操作电压过低、铁心行程变化、铁心卡涩和油压变化等断路器操动机构常见故障的机械特性波形,获得了不同类型、不同程度故障下的上述特征参量随时间的变化趋势及可靠范围,可为断路器操动机构故障精确诊断提供重要依据。

基于最小二乘支持向量机的高压断路器故障诊断

为了快速、准确地对高压断路器发生的故障进行分析和诊断,确定故障的性质、类别和部位,提出了一种高压断路器故障诊断的新方法。首先对高压断路器分合闸线圈电流进行分析,提取电流和时间特征量形成特征向量,然后用遗传算法对最小二乘支持向量机(least square support vector machine,LS-SVM)参数进行优化,最后,将特征向量输入到优化后的最小二乘支持向量机中进行故障识别、分类。试验表明,该方法可以准确地识别断路器的多种故障类型,为断路器故障定位和状态检修提供了依据。与广泛使用的神经网络方法相比,该方法在样本较少时仍能获得较好的诊断效果,更适用于高压断路器等小样本设备的故障诊断。

基于K-means和SOM混合算法的高压断路器操作机构状态评估

为诊断高压断路器操作机构故障,文中基于分合闸线圈电流曲线,提出了采用K-means与SOM神经网络相结合的混合算法,对断路器操作机构进行状态评估。对某批次252 k V高压断路器操作机构进行分合闸线圈电流数据采集;建立了K-means与SOM神经网络相结合的混合算法模型;对测试的断路器操作机构进行状态分析。结果表明,混合算法能够将操作机构不同状态进行聚类,可将相同故障分在同一类别。并将混合算法模型与SOM神经网络模型和K-means模型作比较,结果表明,混合算法模型在计算速度和聚类准确率上都优于其他两种模型。

基于线圈电流的断路器操作机构仿真研究

为研究断路器操作机构电磁系统性能与分合闸线圈电流曲线的关系,结合操作机构分合闸过程中各阶段铁芯运动状态、阻力与电磁力的变化,分析了线圈电流曲线各阶段的影响因素。针对断路器操作机构故障难模拟的问题,采用磁路法建立电磁系统的等效磁路模型与电磁系统的动态数学模型,仿真研究了电磁系统参数变化与动铁芯卡涩、复位弹簧疲软故障情况对线圈电流曲线的影响。仿真结果表明,电磁系统参数变化与动铁芯卡涩、复位弹簧疲软故障将在线圈电流曲线各阶段产生相应变化,为断路器操作机构状态评估提供了重要参考。

高压断路器分合闸线圈电流采集实验平台与故障模拟实验研究

高压断路器是电力系统的关键设备,分合闸线圈是断路器操动机构的核心部件。近年来,分合闸线圈故障时有发生,严重影响了电力系统的安全性能。文中研究了高压断路器分合闸线圈的回路结构和动作原理,设计了断路器机构模拟样机,搭建了断路器分合闸线圈电流采集试验平台。基于该平台,获取了正常和几种故障情况下的分合闸线圈电流曲线,提取了主要的特征参数并进行了分析,论证了分合闸线圈发生故障时特征参数的变化规律,为基于电流波形诊断分合闸线圈的运行状态提供了依据。

基于模糊RBF神经网络的高压断路器机构故障诊断

为了快速准确诊断高压断路器是否发生操作机构故障,文章提出了一种基于模糊RBF神经网络的高压断路器机构故障诊断方法。该方法首先分析高压断路器的分(合)闸线圈电流,提取时间和电流特征参数t1、t2、t3、t4、t5、I1、I2、I3,然后在RBF神经网络增加模糊化层,对特征参数进行相对模糊化运算,最后将模糊化后的特征参数输入到RBF神经网络进行故障识别、分类。该方法以ABBVD4高压断路器的88组实验数据为训练样本建立4种高压断路器操作机构的模糊RBF神经网络故障诊断模型,12组测试样本来验证其准确性,实验结果显示,模糊RBF神经网络高压断路器的故障诊断模型能够准确的诊断出故障类型,其准确率达到99%,具有良好的实用性。与基于模糊BP神经网络的故障诊断方法相比,该方法收敛速度快,训练时间短,均方差较小,为0.1073。

基于SVM主成分分析的高压断路器分合闸线圈故障诊断研究

拒动是断路器最严重的故障类型之一,可能导致大面积停电事故,而近年来由于分合闸线圈故障导致拒动时有发生,诊断分合闸线圈的运行状态对于保障电网安全具有重要意义。文中以某型号SF6瓷柱式高压交流断路器中的分合闸线圈为研究对象,通过实验模拟电源电压跌落、供电回路接触不良、铁心卡涩、铁心空行程大这几种典型的故障类型,获取正常与故障条件下的分合闸线圈电流波形。进而采用支持向量机(SVM)算法对分合闸线圈故障进行诊断,特别是采用主成分分析法提取电流波形的特征参数作为诊断依据,实现了对故障的有效识别。基于SVM主成分分析的方法可方便构建故障诊断专家系统,以保障分合闸线圈可靠运行。

断路器分合闸线圈电流信号及其特征点采集系统设计

断路器的分合闸线圈电流波形是分析断路器机械特性的重要参数之一,文中设计了一套分合闸线圈电流波形采集系统,使用装在分合闸回路引线上的霍尔电流传感器,通过采集系统捕获分合闸线圈的电流信号,并在此基础上应用改进的极值判断法实现了断路器分合闸线圈电流信号特征点的准确提取,证明了该数据处理算法的有效性。现场测试和实际应用结果也表明,该系统可以捕获完整的分合闸线圈电流信号,准确定位特征点的位置,为分析断路器的机械特性提供了重要依据。

基于区域化形态滤波的分合闸线圈电流信号特征值提取方法研究

针对断路器分合闸线圈电流信号特征值提取效率不能满足在线监测系统要求的问题,对断路器在线圈尺寸偏小、弹簧力矩偏小、线圈电阻偏大和控制电压偏低等4种故障下线圈电流信号的特点进行了归纳,说明了线圈电流信号区域化的可行性,对数学形态学的基本运算、结构元素及具备抗干扰能力的区间搜索求极值方法进行了研究,提出了一种数学形态滤波结合区间搜索求极值的特征值提取方法。利用ZF7A-12断路器实验平台分别进行了正常状态及4种故障状态实验以获取实验数据,并在Matlab中把该方法与传统小波结合求导方法进行了仿真对比。仿真结果表明:在5种状态下,该方法均能准确而高效地提取特征值,它与传统方法的特征值提取误差分别为4%和5%,同时其算法耗时仅为传统方法的25%。

基于粒子群优化极限学习机的断路器故障诊断方法研究

断路器动作时,分合闸线圈电流特征能够反映断路器操动机构或者二次回路的运行状态,文中基于分合闸线圈电流特征值创建了样本库,并提出使用粒子群优化学习机进行故障诊断的方法。该方法首先通过粒子群优化算法寻找最优解,即极限学习机模型中输入层与隐含层间的权值以及隐含层的偏置,然后利用最优值进行极限学习机网络训练,最后使用训练好的网络对测试样本进行诊断并验证该方法的有效性。同时搭建了未优化的极限学习机模型和遗传算法优化的极限学习机模型,仿真结果表明,经过粒子群算法优化后的极限学习机能100%识别出样本中不同的断路器故障状态,相比另外两种算法具有更好的稳定性和更高的精确度。

基于改进集合模态分解的真空断路器分合闸线圈电流特征值提取

断路器动作时,分合闸线圈电流特征能够反映断路器操动机构或者二次回路的运行状态,分析分合闸线圈电流特性,对断路器故障诊断具有重要意义。文中提出了基于改进集合模态分解(MEEMD)的分合闸线圈电流特征值提取方法。该方法使用MEEMD分解分合闸线圈电流信号,得到经验模态分量(IMF),然后对分量求其瞬时频率,利用频率谱中峰值所对应坐标表征原始信号的特征值。实验结果表明,该方法能正确有效提取分合闸线圈电流特征值。

550kV高压断路器分合闸电磁铁的仿真建模和故障诊断研究

分合闸电磁铁是高压断路器机构的关键部位,其正常运行直接影响了断路器机构的可靠性.文中建立了550kV断路器机构的8S004024型分合闸电磁铁的仿真模型,获得正常仿真电流波形,并与正常试验波形对比,验证了仿真模型的有效性,表明仿真模型能反映电磁铁的实际运行状况.在此基础上,仿真了不同故障条件下的线圈电流波形,提取了特征参数,并分析了特征参数的变化规律.然后基于试验和仿真电流波形,采用支持向量机法进行故障诊断,实现对分合闸电磁铁的故障诊断.

断路器分合闸线圈电流波形的差异机制研究

高压断路器是电网重要的保护和控制设备,断路器操动机构的缺陷与故障严重影响电力系统的安全稳定运行。分合闸线圈作为断路器操动机构的关键部件,线圈电流包含大量机构运行状态的信息。为深入探索造成分合闸线圈电流波形差异的原因,文中通过在实际断路器上的缺陷与故障模拟研究,对影响断路器分合闸线圈电流的因素进行了深入分析,区分出由于断路器本体特征和环境特征不同,造成的断路器个体之间的分合闸线圈电流的指纹特征差异。同时重点分析4种不同机构缺陷情况下线圈电流的变化特征,据此提出了基于分合闸电流波形的断路器机构状态评估关键点,为断路器智能化状态评估的实际应用奠定了基础。

基于Relief F和灰色关联分析的高压断路器机械故障诊断

为提升高压断路器机械故障诊断算法故障诊断效率与精度,文中提出一种基于Relief F算法和灰色关联分析的故障诊断方法。首先,从高压断路器分合闸线圈电流中提取20种特征量,采用Relief F算法计算所有特征权重;然后,使用基于重要特征构成的故障样本建立灰色关联分析模型的参考序列,并归一化对应特征权重向量;最后,计算参考序列与待测序列之间的关联度值确定待测样本故障类型。通过实例分析验证结果表明,文中提出的诊断方法能准确诊断高压断路器机械故障,同时引入Relief F算法降低诊断模型复杂度并提高故障诊断效率,表明该方法具有良好的工程应用前景。

断路器分合闸线圈电流波形特征值提取算法研究

断路器操动机构分合闸线圈电流波形对分析机构已有或潜在机械故障有重要参考意义,由于受外界环境的影响,许多算法在数据采集及波形特征点提取一致性方面存在一定的不足。文中利用零偏置计算、改进后的均值滤波算法对采集到的原始电流波形数据进行预处理以降低外界因素的影响,同时针对不同的特征点,依据其在波形中的特征进行分类,研究相应的特征点提取算法;在此基础上,搭建了断路器分合闸线圈电流信号采集处理系统并完成了相应算法软件的开发,且以某550 k V断路器配套的液压碟簧操动机构为测试样机对算法进行了验证,获得了一致性较高的波形特征值。