一种高压断路器状态辨识系统及方法与流程

1.本发明涉及电气设备故障诊断技术领域，尤其涉及一种高压断路器状态辨识系统及方法。


背景技术：

2.高压断路器是电力系统中最重要的动作型电气设备之一，在系统中承担着保护和控制作用。断路器传统周期性检修试验费时、费用高且易造成新的缺陷隐患。在电力物联网的大背景下，对高压断路器的智能化和运行可靠性的要求越来越高。
3.因此亟需采用技术手段创新断路器的状态辨识方法，推动断路器高效科学地状态检修。目前研究大多聚焦于断路器运行的振动信号，通过对于振动信号的处理和特征量提取，完成对断路器运行的状态辨识，却忽视了单一信息对状态辨识能力的有限性。而断路器动作时的声音信号，由于其频带较宽可以良好地避免失真现象，正好与振动信号的特性互补，因此通过人工智能算法将声振联合分析成为了近年来的研究热点。但人工智能算法未能将部件劣化过程中或故障发生时产生的声音、振动特征，与各类型故障状态建立一对一映射关系，不能直观反映从部件劣化至故障发生的机理。此外，断路器作为电网中特殊的动作型设备，其特殊的“动作特性”与声音、振动信号的关系，以及“动作特性”在部件劣化直至故障发生过程中产生的变化，均无法通过目前的信号采集手段得到表征体现。图像识别技术可直观表征物体运动过程中的状态变化，因此基于运动图像识别技术，采用高速相机，通过与声音、振动和电流信号联合分析，可以保证最大限度地刻画断路器的真实状态，厘清上述问题。
4.综上，利用高压断路器多路采集的声音、振动、电流和图像信号，提出一种新的高压断路器状态辨识系统和方法，对于提高断路器状态辨识和运行趋势预测的针对性和准确率具有重要的工程应用价值。


技术实现要素：

5.本发明的目的是提出一种高压断路器状态辨识系统及方法。
6.一种高压断路器状态辨识系统，其特征在于，包括电源模块、振动传感器、声音传感器、电流传感器、高速相机、数据采集装置、工控机和屏蔽电缆；其中，电源模块为声音传感器、电流传感器和数据采集装置提供电源，振动传感器、声音传感器和电流传感器将测得的振动、声音和电流信息通过屏蔽电缆传输到数据采集装置，数据采集装置再通过wifi无线通信的方式将振动、声音和电流信息传输到工控机；高速相机将高压断路器弹簧操作机构的图像信息通过屏蔽电缆直接传输到工控机上。
7.所述电流传感器测得的断路器动作时的分合闸电流信号作为数据采集装置进行数据采集和高速相机进行工作的触发信号。
8.电源模块为型号ha12n10b
‑
2539，输出
±
12v、1a的直流电源；数据采集装置中采集卡为型号vk701w，四通道无线数据采集卡；振动传感器的型号为ad50s，灵敏度为50mv/g，频
率响应为0.5～15000hz；声音传感器的型号为f51，灵敏度为
‑
48db，频率响应为20hz～20khz；电流传感器为霍尔开口式，量程为0～10a；高速相机的型号为phantom v10.0，分辨率为1080*1920。
9.一种高压断路器状态辨识系统的状态辨识方法，其特征在于，包括以下步骤：
10.步骤1：采集高压断路器分合闸过程中的振动信号、声音信号、电流信号和弹簧操作机构的图像信息；
11.步骤2：采用变分模态分解法对振动信号进行分解，得到不同频段的本征模态函数分量信号，并求取各分量信号的hilbert边际谱能量熵；
12.步骤3：采用小波包分解声音信号，并取小波分量能量值作为特征量；
13.步骤4：采用识别区域估计的归一化互相关图像金字塔匹配算法对于弹簧操作机构的图像信息进行分析，并获得图像信息特征量；
14.步骤5：建立高压断路器状态辨识模型，利用随机森林确定振动信号、声音信号和弹簧操作机构图像信息的融合诊断方案。
15.所述步骤2在求取各分量信号的hilbert边际谱能量熵时，选取前6阶本征模态函数分量信号。
16.所述步骤4中图像信息特征量包括最大收缩长度l
max
、最大速度v
max
、最大振幅a
max
、伸缩频率f
max
和刚合时刻t
g
。
17.所述步骤5具体如下：将振动信号、声音信号和弹簧操作机构图像信息分别生成一棵分类回归树，每一棵分类回归树的结果均作为此信号信息的一个可靠结果；然后遵从少数服从多数的原则对所有结果进行统一投票，最终结果由投票决定；其中投票公式为：
[0018][0019]
式中，m为测试集数据输入随机森林后共产生的结果数；x为待测数据；y为目标分类；r(x)为分类的结果；r
i
(x)为第i颗决策树模型；arg为取平均数；i为示性函数。
[0020]
本发明的有益效果在于：
[0021]
本发明综合利用了断路器动作的多种信息源新模型，可以有效地克服单一信号来源的局限性，更全面地刻画断路器的运行状态，直接体现断路器的“运动特性”，能够保证设备评价感知完整性和结果准备性，对于提高断路器状态辨识和运行趋势预测的针对性和准确率具有重要的工程应用价值。
附图说明
[0022]
图1为本发明高压断路器状态辨识系统示意图；
[0023]
图中：1
‑
振动传感器、2
‑
声音传感器、3
‑
电流传感器、4
‑
高速相机、5
‑
数据采集装置、6
‑
工控机、7
‑
屏蔽电缆；
[0024]
图2本发明的总体技术方案图；
[0025]
图3为断路器信号采集硬件系统组织结构图；
[0026]
图4为随机森林融合诊断结构图；
[0027]
图5为不同方法辨识结果对比图。
具体实施方式
[0028]
本发明提出一种高压断路器状态辨识系统及方法，下面结合附图和具体实施例对本发明做进一步说明。
[0029]
本实施例以zn65
‑
12型真空断路器为例，结合图1～3所示，具体包括如下步骤：
[0030]
第一步：首先搭建断路器信号采集硬件系统，布置振动传感器、声音传感器、电流传感器和高速相机的位置。ad50s振动传感器通过强磁座吸附在操动机构顶壁，距离音源0.5米处安放f51声音传感器，2个电流传感器分别夹在断路器合闸线圈控制回路和分闸线圈控制回路，声音和振动传感器通过航空插头与采集装置相连，电流传感器通过bnc插头与采集装置相连。将高速相机调整至合适的焦距、帧率(3500fps)后固定在断路器合适位置。断路器分合闸线圈电流信号作为无线采集卡采集和高速相机工作的触发信号，以保证采集的各种信号信息具有相同的时间起点。采集断路器不同状态下的振动信号z(t)、声音信号s(t)和图像信号t(t)。断路器的不同状态包括：正常状态和轴销脱落、合闸弹簧疲劳、合闸铁芯卡涩3种典型故障。
[0031]
第二步：对于振动信号z(t)，采用变分模态分解方法(vmd)对其进行分解得到不同频段的模态分量信号imf，并求取各imf的hilbert边际谱能量熵。
[0032]
(1)vmd方法将原始信号z(t)分解为k个有限带宽的本征模态函数imf，第k个imf分量u
k
(t)可以表示为：
[0033][0034]
其中a
k
(t)为原始信号的瞬时幅值，为原始信号的瞬时相位。
[0035]
(2)对各imf分量u
k
(t)进行hilbert变换，得到
[0036][0037]
(3)构造解析函数：
[0038][0039]
(4)则原始信号可表示为：
[0040][0041]
这里省略了残余分量r
n
(t)，r
e
表示取实部，a
k
(t)为瞬时振幅，即：
[0042][0043]
θ
k
(t)为瞬时相位，即：
[0044][0045]
f
k
(t)为瞬时频率，即：
[0046][0047]
(5)hilbert谱可精确地描述信号的幅值随时间和频率的变化规律，记作
[0048][0049]
(6)对hilbert谱积分，得到hilbert边际谱：
[0050][0051]
式中t为信号的总长度。h(f)反映了信号的幅值在整个频率段上随频率的变化情况。
[0052]
(7)hilbert边际谱能量定义为
[0053]
e＝h2(f)
[0054]
(8)将能量值归一化处理，即
[0055][0056]
式中:e
k
表示第k个imf分量的能量值，p
k
为能量归一化值。
[0057]
(9)根据信息熵基本理论，按照上式定义imf分量hilbert边际谱能量熵：
[0058]
h
k
＝
‑
p
k
logp
k
[0059]
分析发现振动信号z(t)前6阶imf频率集中在各自中心频率附近，有效的改善了模态混叠，故选取前6阶imf，并求取相应的hilbert边际谱能量熵。
[0060]
第三步：对于声音信号s(t)，采用小波包分解，取前六阶小波分量能量值e
i
(i＝1,2,
…
,6)作为特征量。
[0061]
第四步：对于弹簧操作机构的图像信息t(t)，结合弹簧的形状特征，以弹簧活动端的最边缘一圈作为跟踪识别目标，采用识别区域估计的归一化互相关图像金字塔匹配(ncc
‑
p
‑
e)算法分析获得图像信息，以最大收缩长度l
max
、最大速度v
max
、最大振幅a
max
、伸缩频率f
max
和刚合时刻t
g
作为弹簧图像信息的特征量。
[0062]
第五步：建立“四位一体”的断路器状态辨识模型，利用随机森林确定振动、声音和图像多信息的融合诊断方案，见图4所示。将3种信号信息分别生成一棵分类回归树，每一棵分类回归树的结果均作为此信号信息的一个可靠结果，然后对所有结果进行统一投票，遵从少数服从多数的原则，大幅降低了多信息决策冲突问题。
[0063]
对于随机森林融合诊断方案的具体过程，若测试集数据输入随机森林后共产生m个结果，最终结果由投票决定，投票公式为：
[0064][0065]
式中x：待测数据；y为目标分类；r(x)为分类的结果；r
i
(x)为第i颗决策树模型；arg为取平均数；i为示性函数。
[0066]
第六步：取正常及三种模拟故障状态的振动信号、声音信号和图像信息各50组，利用本发明的方法对断路器进行状态辨识，并与采用单一振动信号、单一图像信息和声振联合信号对断路器进行状态辨识的结果进行对比，如图5所示。
[0067]
图5所示，本发明作为一种综合利用了断路器动作的多种信息源的新模型，可以有效地克服单一信号来源的局限性，更全面地刻画断路器的运行状态，直接体现断路器的“运动特性”，能够保证设备评价感知完整性和结果准备性，对推进电气设备的状态检修有很大
的工程应用价值。
[0068]
此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。