一种高压断路器触头电侵蚀故障诊断方法与流程

本发明属于高压断路器诊断领域，特别涉及一种高压断路器触头电侵蚀故障诊断方法。

背景技术：

电器开关的触头经历的运动过程中产生的接触电阻或工作在振动环境中产生的接触电阻均体现为动态接触电阻，其特性是电器触头表面电接触状态的真实反映和体现，因此可以作为电器触头评估的主要依据。

高压断路器的触头对主要由主触头和弧触头并联而成，主触头承载额定工作电流，弧触头承受电弧烧损。弧触头状态是影响高压断路器电寿命最重要的因素。我国电力设备的检修正处于从计划检修到状态检修的过渡期，弧触头的状态检测是灭弧室状态检修的重要部分。弧触头的电侵蚀会造成灭弧室开断短路电流能力与绝缘能力的降低，极端情况下可能造成灭弧室开断电流失败造成爆炸，严重威胁了电力系统的可靠性。因此，基于对弧触头状态检测与电寿命预测的研究对提高电力系统稳定性具有重要理论意义和工程实用价值。

断路器在关合或开断过程中触头之间的接触电阻还可以理解为触头滑移行程的函数。通常高压断路器的触头闭合状态下的接触电阻在10～20uω量级，为使所测的接触压降信号免受干扰，并具有很好的鲁棒性，行业内规范规定施加的恒流源为直流，且幅值不少于1000a。通过对接触电阻的测试，可以评估触头烧蚀程度，实现断路器的状态检修。

如申请号为201710953217.8的专利文献公开了一种基于神经网络的断路器弧触头烧蚀状态评估方法，其公开了采用神经网络算法对弧触头烧蚀状态进行评估判断，但神经网络算法学习时间过长，效率不高，可能陷入局部极小值，以造成准确度不高等问题。

技术实现要素：

本发明的目的在于提供一种高压断路器触头电侵蚀故障诊断方法，其结合优化后的支持向量机对高压断路器触头电侵蚀故障进行精准评估。

为实现上述目的，本发明提供了一种高压断路器触头电侵蚀故障诊断方法，包括：

s101，将多个断路器分别在不同的电压电流下运行一段时间后，采集断路器的动弧触头的动态接触电阻信号和静态电阻值信号，得到动态接触电阻-时间曲线；采集所述动弧触头发生动态接触电阻信号时的动态行程，得到行程-时间曲线；

s102，根据所述动态接触电阻-时间曲线与所述行程-时间曲线得到电阻-行程曲线；

s103，以静态电阻值信号和电阻-行程曲线作为触头烧蚀评估参数，根据所述触头烧蚀评估参数获取断路器的触头烧蚀状态参数值；

s104，采用蝙蝠算法优化支持向量机的参数以获得最优参数，采用最优参数建立最优的非线性所述支持向量机；

s105，以每个断路器的所述触头烧蚀评估参数及对应的触头烧蚀状态参数值作为一组样本数据；

s106，利用多组样本数据对最优的非线性所述支持向量机进行训练，输入所述触头烧蚀评估参数，非线性所述支持向量机输出对应的触头烧蚀状态参数值，以获得可以对高压断路器触头烧蚀故障进行评估的非线性所述支持向量机；

s107，采用训练后的非线性所述支持向量机对待诊断的断路器的所述触头烧蚀评估参数进行预测，根据输出的触头烧蚀状态参数值直接进行烧蚀状态评估。

优选的，上述技术方案中，步骤102中具体包括：

s201，设置所述支持向量机的参数：惩罚参数c、rbf核参数δ、损失函数ε的参数范围；初始化蝙蝠群相关参数：设定初始种群个体数n、脉冲响度a0、脉冲发射率r0、蝙蝠脉冲发射速率增加系数γ、脉冲响度衰减系数α、蝙蝠搜索脉频率上下限fmin,fmax、最大迭代次数tmax与搜索精度ε；

s202，初始化蝙蝠的位置xi和速度vi；

s203，确定适应度评估函数f(x),x＝(x1,…xd)^t，根据所述适应度评估函数评价每个蝙蝠的适应度值以寻找当前最优解x*；

s204，调整蝙蝠搜索脉冲频率，按公式(1)、(2)、(3)更新蝙蝠的速度与位置：

fi＝fmin+(fmax-fmin)β(1)

式中：β是[0，1]随机产生的均匀随机数；fi表示声波的频率；x*表示当前全局最优解；表示在t时刻第i只蝙蝠的位置，表示此刻的速度；

s205，生成均匀分布的随机数rand，如果rand＞ri，则进入s206，否则进入s207，其中，ri为第i只蝙蝠的脉冲发射率；

s206，对当前最优解进行随机扰动以产生一个新解，并对该新解进行越界处理，即在当前选择的最优解附近搜索一个局部解，记录当前最优解；

s207，通过随机飞行产生一个新解，如果rand＜ai且f(xi)＜f(x*)，则进入s208，否则进入s209，其中，ai为第i只蝙蝠的脉冲响度；

s208，记录这个新解，且利用公式(4)、(5)更新ri与ai；

ri^t+1＝ri⁰[1-exp(-γ*t)](4)

式中，ri^t+1表示第i只蝙蝠在t+1代的脉冲发射率，ri⁰表示第i只蝙蝠的最大脉冲发射率，γ为脉冲发射率增加系数，其中，γ＞0，分别表示第i只蝙蝠在t+1和t代的脉冲响度，a∈[0,1]为脉冲响度衰减系数；

s209，对蝙蝠群中的所有蝙蝠的适应度值进行排序，找出当前的最优解和最优适应度值；

s210，假如满足预设搜索精度或者达到最大搜索次数，则转到步骤s211，否则返回步骤s204；

s211，输出当前全局最优解，基于当前选取最优的非线性支持向量机模型及其参数。

优选的，上述技术方案中，步骤s103具体包括：

s301，将样本数据分为训练样本集和测试样本集；

s302，对测试样本集和训练样本集的数据进行归一化；

s303，根据步骤s211选取的最优参数设置支持向量机的训练参数，对训练样本集进行训练学习，并用该支持向量机对测试样本进行训练；

s304，获取测试样本集的预测结果。

优选的，上述技术方案中，步骤s211中基于当前选取最优的非线性支持向量机模型及其参数包括：训练参数、模型的类型、核函数类型、损失函数及其参数。

优选的，上述技术方案中，采用断路器动态接触电阻测试仪采集断路器的动态接触电阻信号。

优选的，上述技术方案中，采用行程传感器测量动弧触头的运动轨迹。

与现有的技术相比，本发明的高压断路器触头电侵蚀故障诊断方法，获取高压断路器触头烧蚀数据，应用蝙蝠算法ba-svm支持向量回归机建立非线性补偿模型，对不同的电压电流下测量高压断路器获取的触头烧蚀状态参数值进行精准预测。

附图说明

图1是根据本发明的高压断路器触头电侵蚀故障诊断方法的流程图。

图2是根据本发明的ba-svm算法流程图。

图3是根据本发明的测试断路器的a相的动态电阻与时间波形图。

图4是根据本发明的测试断路器的a相的动态电阻与动触头行程波形图。

图5是根据本发明的测试断路器的c相的动态电阻与时间波形图。

图6是根据本发明的测试断路器的c相的动态电阻与动触头行程波形图。

具体实施方式

下面结合附图，对本发明的具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。

如图1所示，该实施例中的高压断路器触头电侵蚀故障诊断方法，主要思路为：设采集的断路器的触头烧蚀评估参数(电阻-行程曲线和静态电阻值)设为x，将触头烧蚀状态参数值作为目标参量y，显然y＝f(x)为非线性关系，将触头烧蚀评估参数x作为ba-svm支持向量机模型的输入样本，经ba-svm支持向量机模型处理后输出触头烧蚀状态参数值即为期望消除电压电流影响后的目标参量y，具体的，该方法具体包括以下步骤：

步骤s101，将多个断路器分别在不同的电压电流下运行一段时间后，采集断路器的动弧触头的动态接触电阻信号和静态电阻值信号，得到动态接触电阻-时间曲线；采集所述动弧触头发生动态接触电阻信号时的动态行程，得到行程-时间曲线；

具体的，在高压断路器做采集动态电阻实验时，采用可调电压电流源，利用超级电容产生冲击电流，超级电容输出的冲击电流可以达到2500a，测量采用合分闸测试的方式，即设定时长250ms的合闸实验，然后做时长为250ms的分闸实验，通过电压电流即可获得电阻，具体db-8016断路器动态接触电阻测试仪，通过采集到的接触电阻两侧的电压数据、电流数据，计算出接触电阻的动态接触电阻信号和静态电阻信号，然后根据电阻与时间的关系，绘制出动态接触电阻与时间的曲线；仪器可以绘制出电压与时间的曲线，电流与时间的曲线等。

步骤s102，根据动态接触电阻-时间曲线与行程-时间曲线得到电阻-行程曲线。

该步骤中，通过行程传感器测试仪可同时测量动弧触头的运动轨迹，并传输至db-8016断路器动态接触电阻测试仪，可在液晶屏上绘制行程与时间的曲线。根据动态接触电阻与时间的曲线，行程与时间的曲线，推导出动态接触电阻与行程的关系，并可在液晶屏上绘制接触电阻与动弧触头行程的曲线。

步骤s103，以静态电阻值信号和电阻-行程曲线作为触头烧蚀评估参数，根据触头烧蚀评估参数获取断路器的触头烧蚀状态参数值。

该步骤中，可根据专家调查法获取触头烧蚀评估参数(电阻-行程曲线和静态电阻值)与触头烧蚀状态参数值之间的关系，如触头烧蚀状态参数值为0-1之间的数值，分为三个区间段，即0-0.4，0.4-0.6，0.6-1.0；第一第二区间为正常，第三为待定，第四第五区间则为烧蚀严重，需进行更换，如如：

1.电阻-行程曲线正常、而静态电阻值正常；电阻-行程曲线微异常、而静态电阻值正常；电阻-行程曲线微异常、而静态电阻值微异常；电阻-行程曲线正常、而静态电阻值微异常；上述情况均为区间0-0.2。

2.电阻-行程曲线正常、而静态电阻值中度异常；电阻-行程曲线中度异常、而静态电阻值正常；电阻-行程曲线中度异常、而静态电阻值中度异常；上述情况均为区间0.4-0.6。

3.电阻-行程曲线中度异常以内、而静态电阻值重度异常；电阻-行程曲线重度异常、而静态电阻值中度异常以内；电阻-行程曲线重度异常、而静态电阻值重度异常；上述情况均为区间0.6-1.0。

步骤s104，采用蝙蝠算法优化支持向量机的参数以获得最优参数，采用最优参数建立最优的非线性所述支持向量机；

步骤s105，以每个断路器的所述触头烧蚀评估参数及对应的触头烧蚀状态参数值作为一组样本数据；

步骤s106，利用多组样本数据对最优的非线性所述支持向量机进行训练，输入所述触头烧蚀评估参数，非线性所述支持向量机输出对应的触头烧蚀状态参数值，以获得可以对高压断路器触头烧蚀故障进行评估的非线性所述支持向量机。

该步骤s106中，具体包括：

步骤s301，将样本数据分为训练样本集和测试样本集，随机抽取样本数据的前90％作为训练集，后10％为测试集；

步骤s302，对测试样本集和训练样本集的数据进行归一化；

步骤s303，根据选取的最优参数设置的ba-svm支持向量机对训练样本集进行训练学习，并用该支持向量机对测试样本进行训练；

步骤s304，获取测试样本集的预测结果，通过测试数据对svm非线性校正模型的预测效果进行评估与分析。

步骤s107，采用训练后的非线性所述支持向量机对待诊断的断路器的所述触头烧蚀评估参数进行预测，根据输出的触头烧蚀状态参数值直接进行烧蚀状态评估。

继续参考图2，该实施例中，步骤102中具体包括：

步骤s201，设置svm支持向量机的参数：惩罚参数c的参数范围为[1，100]、rbf核参数δ的范围为[0.1，100]、损失函数ε的参数范围为[0.001，1]；初始化蝙蝠群相关参数：设定初始种群个体数n、脉冲响度a0、脉冲发射率r0、蝙蝠脉冲发射速率增加系数γ、脉冲响度衰减系数α、蝙蝠搜索脉频率上下限fmin,fmax、最大迭代次数tmax与搜索精度ε；

步骤s202，初始化蝙蝠的位置xi和速度vi；

步骤s203，确定适应度评估函数f(x),x＝(x1,…xd)^t，根据所述适应度评估函数评价每个蝙蝠的适应度值以寻找当前最优解x*；

步骤s204，调整蝙蝠搜索脉冲频率，按公式(1)、(2)、(3)更新蝙蝠的速度与位置：

fi＝fmin+(fmax-fmin)β(1)

式中：β是[0，1]随机产生的均匀随机数；fi表示声波的频率；x*表示当前全局最优解；表示在t时刻第i只蝙蝠的位置，表示此刻的速度；

步骤s205，生成均匀分布的随机数rand，如果rand＞ri，则进入s206，否则进入s207，其中，ri为第i只蝙蝠的脉冲发射率；

步骤s206，对当前最优解进行随机扰动以产生一个新解，并对该新解进行越界处理，即在当前选择的最优解附近搜索一个局部解，记录当前最优解；

步骤s207，通过随机飞行产生一个新解，如果rand＜ai且f(xi)＜f(x*)，则进入s208，否则进入s209，其中，ai为第i只蝙蝠的脉冲响度；

步骤s208，记录这个新解，且利用公式(4)、(5)更新ri与ai，即(增加ri，减小ai)；

ri^t+1＝ri⁰[1-exp(-γ*t)](4)

式中，ri^t+1表示第i只蝙蝠在t+1代的脉冲发射率，ri⁰表示第i只蝙蝠的最大脉冲发射率，γ为脉冲发射率增加系数，其中，γ＞0，分别表示第i只蝙蝠在t+1和t代的脉冲响度，a∈[0,1]为脉冲响度衰减系数；

步骤s209，对蝙蝠群中的所有蝙蝠的适应度值进行排序，找出当前的最优解和最优适应度值；

步骤s210，假如满足预设搜索精度或者达到最大搜索次数，则转到步骤s211，否则返回步骤s204；

步骤s211，输出当前全局最优解，基于当前选取最优的非线性支持向量机模型及其参数，包括：训练参数(包括惩罚因子c、径向基核函数参数等)、模型的类型、核函数类型、损失函数及其参数。

进一步的，步骤s102中，根据动态接触电阻-时间曲线与行程-时间曲线得到电阻-行程曲线具体如下：

对某变电站对sf6高压断路器进行动态电阻实验，该断路器a相动态电阻与时间、行程的波形如图3、图4所示：

经过多次测量该波形比较稳定，后对断路器的b相进行动态电阻测试，b相的动态电阻与a相的波形相同。

在进行断路器c相动态电阻测试时，测出的动态电阻与时间、行程波形图如图5、图6所示：

该断路器合闸时间点100ms，断路器动触头稳定时间约在150ms。后多次对断路器c相动态电阻测试，波形均如图5、图6所示。

可见断路器在合闸超程阶段，动态接触电阻波动较大。相对图3、图4中的a相接触电阻光滑波形，推测断路器c相触头应存在较严重的烧蚀情况。

数据分析，通过动态电阻测试仪pc分析软件，提取a相和c相的动触头行程与接触电阻的数据，进行数据分析。

将上述a相和c相的电阻-行程数据做成数据曲线，通过对比a、c相数据曲线可知，a相动态电阻随着动触头的行程增大，动态电阻单调递减，可以推断出a相的动静触头接触良好，不存在明显的烧蚀情况。c相动态电阻随着动触头的行程增大，动态电阻跳动较大，即表明a相电阻-行程曲线正常，c相电阻-行程曲线重度异常，最后，结合静态电阻值信号组成触头烧蚀评估参数输入优化后的pso-svm支持向量回归机进行训练即可。

本发明的高压断路器触头电侵蚀故障诊断方法，获取高压断路器触头烧蚀数据，应用蝙蝠算法ba-svm支持向量回归机建立非线性补偿模型，对不同的电压电流下测量高压断路器获取的触头烧蚀状态参数值进行精准预测。

前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式，并且很显然，根据上述教导，可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用，从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。