一种基于分合闸线圈电流的高压断路器操作机构状态综合评估方法
【专利摘要】本发明涉及一种基于分合闸线圈电流的高压断路器操作机构状态综合评估方法。首先利用五点三次平滑滤波法去除线圈电流信号中的干扰信号，然后提取线圈电流特征量，并建立评估系统模型。本发明方法能实现对高压断路器操作机构状态的准确评估，对检修人员制定检修计划具有重要的意义。
【专利说明】
-种基于分合阐线圈电流的高压断路器操作机构状态综合评 估方法
技术领域
[0001] 本发明设计一种基于分合闽线圈电流的高压断路器操作机构状态综合评估方法。
【背景技术】
[0002] 高压断路器的正常运行对保证电力系统的安全稳定运行起着非常重要的作用。因 此，电网公司为了确保高压断路器的正常运行制订了严格的检修计划，即定期内对高压断 路器进行预防性大修和小修。据相关统计表明，高压断路器的预防性检修耗费了变电站一 半W上的维护费，而且大部分费用用在高压断路器的例行检修上； 高压断路器的安全稳定运行在很大程度上取决于其操作机构的运行可靠性。高压断路 器与其它电气设备相比，机械部分零部件较多，加之运些部件动作频繁，因此高压断路器的 机械部件故障率较高。中国电力科学研究院对全国化V及W上高压断路器故障原因的统计 分析结果表明，在高压断路器拒动、误动故障中，由操作机构的机械故障所导致的故障比例 高达41.63%;国际大电网会议(CIGRE)调查了 1988年后运行的高压断路器故障状况，调查 设及22个国家132家电力公司的70708台高压断路器，调查结果表明高压断路器各种故障中 操作机构机械故障占43.5 %，列在首位。所W，高压断路器操作机构的安全可靠运行是保证 高压断路器可靠运行的重要因素。对高压断路器操作机构实施状态评估，掌握其运行状态， 及早安排检修计划，运样既可避免不必要的检修，又可防止其轻微故障最终导致的事故，从 而提高电力系统的经济性、可靠性和安全性； 高压断路器操作机构各种特性曲线信号的采集，其中线圈电流波形采集可W在线进 行，其传感器精度高，不影响机构正常运行。且线圈电流波形中包含电磁系统及本体传动机 构的部分信息，能对机构的电磁系统及本体部分状态进行准确评估。为此，研究一种基于分 合闽线圈电流波形的高压断路器操作机构状态评估方法，能便捷、快速而又精准地判断高 压断路器操作机构的运行状态，及时掌握高压断路器操作机构的工作状态，避免不必要的 检修，为运行调度和检修人员提供准确的高压断路器实时运行状况具有非常重要的意义。
【发明内容】
[0003] 本发明的目的是提供一种基于分合闽线圈电流波形的高压断路器操作机构状态 评估方法； 上述的目的通过W下的技术方案实现： 一种基于分合闽线圈电流波形的高压断路器操作机构状态评估方法，包括如下步骤： (1)利用五点=次平滑滤波法去除线圈电流数据中的干扰信号 典型的含干扰信号模型如式1所示，可W通过使用适当的数学方法来去除干扰信号e (i ); (1) 式中，i =0,…，/3 -l，f (i )为含有干扰的信号，]'約为去除干扰后的信号； 五点=次平滑滤波法是利用最小二乘法原理对离散数据进行=次最小二乘多项式平 滑的方法，可W将测试信号的干扰部分剔除，并提取测试信号的有用信号。其基本原理为： 设2/3 +1个间距为A的等间距节点X-。，J-/3+1…，X-1，J0，J1，…，。通过取 整变换t =(X -XO)/ A，则原节点变为t -。= -/3, t -。+1=-/3 +1，…，t。= /3,其中节点所对应 的数据为^^-。，^^-。+l，…，^^-l，^^o，^^l，…，^Vl，_r。，利用m次多项式f(t)来拟合试验数 据，有：
(2) 根据最小二乘法确定方程(2)中的待定系数，可得：
(3) 姨邱，巧，-过泣)关于a。，ai，...，a?的函数，为使與钱，吗，…，过猫)达到最 小，将它分别对3,〇'=0，1，-，，《)求偏倒数，并令其为0，可得方程组：
(4) 该方程组称为正规方程组。当n =2巧个节点），m =3时，得到一个具体的正规方程组，因 此解出a〇，ai，…，a?。并带入式（1)中，令？=0，+1，-1，+2，-2，可得到五点二次平滑滤波 公式：
(5) 式中，巧i〇为干扰去除后的数据，=〇，+1，-1，+2，-2; (2)提取线圈电流特征量 高压断路器操作机构分合闽动作的实现，是依靠分合闽电磁铁动作触发储能机构释放 储能从而带动动触头动作实现机构分合闽，而分合闽电磁铁动作是依靠分合闽线圈电流所 产生的电磁力。电磁铁动铁忍运动过程中，操作机构合闽线圈典型电流波形如附图1所示， 根据高压断路器合闽线圈电流波形可将合闽电磁铁动铁忍的运动过程分为4个阶段，分别 为： 阶段IUo~ti):t〇时刻，合闽线圈通电，线圈中电流开始缓慢上升，由于此时电流较 小，所产生的磁通也较小，线圈电磁力小于铁忍动作值，即电磁力小于铁忍静态阻力，动铁 忍不动作。当电流上升到第一个峰值i I时，电磁吸力大于反力，铁忍开始动作，进入阶段2。 阶段1中动铁忍不动作，磁路气隙不变，线圈电感为常数，此阶段电路可等效为一个化直流 电路，线圈电流按指数规律上升，时间常数为V7?。此时气隙最大，电感最小。阶段1中线 圈电流如式(6)所示，电流上升速度可通过式(7)得到：
根据式(6)和(7)可知，线圈回路电压、线圈回路电阻、动铁忍空行程(工作气隙）、电磁 铁初始阻力等都将影响阶段1电流的上升速度、峰值电流i 1和阶段1的持续时间。下面分析 各参数对线圈电流波形的影响情况： 1、 线圈回路电压：电压越高，电流上升速度越快，达到峰值电流i 1的时间越短，且电 流峰值越大； 2、 线圈回路电阻：线圈回路电阻越大，电流的上升速度越慢。实际运行中，线圈回路电 阻一般变化不大，所W线圈回路电阻变化对电流第一阶段影响不大； 3、 动铁忍空行程:空行程变化影响动铁忍的电感值，气隙越大，电感越小，电路时间常 数减小，电流上升速度增大。在线圈电流相同时，由于气隙增大使电流所感应的磁场减弱， 产生的电磁力变小，所W在同等初始阻力情况下，气隙大的电磁系统峰值电流i 1增大，从 而使线圈电流达到峰值时间增加，即阶段1的持续时间增大； 4、 电磁铁初始阻力：电磁铁初始阻力增大，动铁忍动作需要克服的阻力增加，电磁力增 大，则线圈电流峰值增大。在电流上升速度不变时，阶段1的持续时间也增大； 所W，根据线圈电流波形阶段1的持续时间和峰值电流i 1可W评估电磁系统的运行 性能。如果阶段1持续时间过长，表明电磁系统存在故障，可能是线圈电压过低、铁忍空行程 太大等;如果阶段1持续时间长且伴随峰值电流i 1增大，则可能是铁忍卡涩； 阶段2Ui~12 ):ti时刻电磁力超过铁忍静态阻力，动铁忍开始动作。随着铁忍的运 动，气隙减小，磁路磁阻减小，线圈电感增加，线圈电流逐渐下降。阶段2中，电磁铁动铁忍处 于加速状态，在t 2时刻，铁忍运动速度达到最大，铁忍运动到位，撞杆撞击合闽触发器，产 生的碰撞反作用力使电磁铁停止运动。在阶段2如果铁忍运动过程中存在卡涩，将导致动铁 忍运动速度改变，电流波形将偏离标准形状，且阶段2的持续时间增大。所W，根据此阶段电 流波形变化情况可分析铁忍是否存在卡涩、撞杆是否变形及脱口失灵等故障； 阶段3U 2~t 3 ):t 2时刻，动铁忍运动到位，撞杆撞击合闽触发器停止运动，储能机 构释放储能，高压断路器动触头开始动作。此阶段动铁忍不动，磁路气隙不变，磁阻不变，电 感是常数，且为最大值。所W线圈电流呈指数规律上升，经过电流上升的暂态过程后，电流 不再增加，线圈电流达到近似稳态。阶段3中，如果合闽触发器不稳定或机构本体存在故障 而使动铁忍运动，则线圈电流波形将偏离正常指数上升，电流上升速度过快导致电流达到 并超过额定值，则会烧毁线圈，线圈电压的大小W及回路电阻影响电流波形中峰值i 3、i 4 的大小。所W，阶段3的电流波形可W反映触发器或者机构本体方面故障和电源电压或者回 路电阻的变化情况； 阶段4U 3~t 4 ):阶段4为电流切断阶段。t 3时刻，高压断路器辅助触头切断线圈回 路直流电源，在辅助触头之间产生电弧并被迅速拉长，电弧电压升高，使电流减小，直到电 弧焰灭，线圈电流减小为零； 经过分析可得线圈电流波形中有5个能基本反映电磁铁铁忍动作过程的关键点，称为 特征点。它们分别是：（t〇，0)，（tl，j'l )，（t2，J'2 )，（t3，J'3 )，（t4，0)。因此，线圈 电流包括7个特征量，即S个电流量ii、i2、i3和四个时间量tl、t2、t3、t4。运7个 特征量包含了线圈电流波形的大部分关键信息，因此下面采用斜率法提取线圈电流特征 量； 设采集的线圈电流信号为K [i ]，其中i为采样序列号，=〇，1，…，n，则曲线在时 间序列上各点的斜率：
式中，r为采样周期。附图2为电流与其斜率变化的对照曲线，通过线圈电流曲线相邻 两点斜率的符号来提取线圈电流特征量，即过零点为电流特征值。t 1点的斜率过零，t 2 点斜率由负变正，13点斜率过零，t 4点斜率由负变为零； 由附图2很容易提取出tl、t2、t3、t4及其对应的电流值。即斜率曲线第一次穿越 乂轴的点为tl，斜率曲线由负变为正（曲线第二次穿越乂轴）的点为t 2，曲线再过乂轴时 的点为t3，曲线由负回到乂轴的点为t4。求各点的电流大小，采用查询方式可从监测数 据中查找出对应的电流，即可完成对线圈电流所有特征量的提取； 3)评估系统建立 通过线圈电流特征量数据建立BP神经网络并结合波形识别来综合评估高压断路器操 作机构的状态，使评估结果更加准确； 1) 波形识别 波形识别法是通过采用当前波形与样本库中正常标准波形进行比较，如果波形发生明 显崎变则可判断高压断路器操作机构故障。运种方法简单易实现，对于有经验的技术人员， 可W很快得出初略的结论。由于to~t 2段可W看为一个阶段，所W下面分S个阶段对分 合闽线圈电流进行波形识别:如果to~t 2段波形异常，如附图3(a)所示，在to~t 2阶段 出现拐点tl2(l)和tl2(2)或者峰值电流il过大，表明动铁忍存在卡涩。如果~t3阶段波 形异常，如附图3(b)所示，此阶段电流波形出现拐点，表明开关本体传动机构运行不顺杨， 出现卡涩等故障。如果t 3~t 4阶段波形异常，如附图3(C)所示，此阶段出现拐点t 34(1)和 t 34(2)，表明辅助开关发生弹跳或者无法断开，使得线圈通电时间延长，溫升升高，严重时烧 坏线圈； 波形识别方法可W通过操作机构除线圈电流特征点之外有无其它拐点来进行机构状 态评估，如果存在拐点，分析拐点位置，对机构的运行状态做出判断;但是基于波形识别的 机构状态评估方法不能判断线圈电流特征点变化时的机构状态； 2) 基于BP神经网络的状态评估 在神经网络状态评估系统中，提取线圈电流tl、t2、t3、t4、il、i2、i3，并进 行归一化处理，输入神经网络，进行网络训练。然后利用训练的网络进行高压断路器操作机 构的状态评估。高压断路器操作机构的BP神经网络状态评估流程图如附图4所示； 基于BP神经网络的高压断路器操作机构状态评估方法是通过特征点的变化规律得出 操作机构的状态，但机构故障时线圈电流波形可能还存在特征点W外的拐点，仅通过特征 点的变化来评估机构状态，结果将不准确； 3)基于波形识别和BP神经网络的操作机构状态综合评估 基于波形识别和BP神经网络相结合的操作机构状态综合评估方法，其评估过程如附图 5所示，首先通过对被测机构的线圈电流波形进行波形识别，判断机构除线圈电流特征点之 外有无其它拐点，如果存在拐点，分析拐点位置，对机构的运行状态做出初步判断；如果不 存在拐点，则通过BP神经网络算法来对操作机构状态做进一步的评估，得出机构的运行状 态。因此基于波形识别和BP神经网络相结合的高压断路器操作机构状态综合评估方法不仅 考虑了线圈电流的特征量之间的变化规律，也考虑了特征量之外的波形变化，因此能够更 加准确地反映操作机构的实际运行状态。
[0004] 有益效果： 本发明方法能便捷、快速而又准确地判断高压断路器操作机构的运行状态，及时掌握 操作机构的工作状态，避免不必要的检修，为运行调度和检修人员提供准确的高压断路器 实时运行状况。
[0005] 【附图说明】： 图1是合闽线圈典型电流波形图 图2是电流曲线与其斜率变化曲线对照图 图3是高压断路器操作机构线圈电流典型故障波形图 图4是高压断路器操作机构神经网络状态评估流程图 图5是高压断路器操作机构状态综合评估流程图 图6实际分类与预测分类对比 【具体实施方式】： 实施例1: 为了对高压断路器操作机构状态评估网络进行测试，在某高压断路器操作机构生产厂 家进行高压断路器非额定情况下试验，W型号为LW34-40.5的高压断路器弹黃操作机构为 研究对象。提取经过五点=次平滑滤波法数据处理后的线圈电流特征量作为操作机构状态 评估的特征量。表3-3为提取的合闽线圈电流测试样本特征量及所对应的高压断路器操作 机构状态类型； 提取线圈电流特征量共30组样本数据，可表征的高压断路器操作机构状态有巧巾状态， 包括机构正常(A巧组、线圈电压过低(B巧组、线圈电压过高(05组、储能弹黃压力过小(D巧 组、操作机构本体卡涩(E巧组、铁忍空行程过大(F巧组，如表1所示； 表1样本数据 表
在MATLAB中构造波形识别和神经网络算法，其中，神经网络的输入节点层数为7,隐含 层节点数为2,输出层节点数为6。通过选取表1中30组样本数据中的tl、t2、t3、t4、J'l 、J'2、J'3作为训练集。表2中12组数据中的tl、t2、t3、t4、J'l、J'2、J'3作为测试集。 使用训练好的神经网络对测试集样本进行测试，测试集共12组数据，其中正常状态两组、 每种故障状态两组数据，与训练集数据不重叠。通过波形识别和神经网络综合评估分析，可 W得到如附图6所示的实际分类与预测分类对比测试结果； 从附图6可W看出，测试集中12组预测操作机构状态的结果与实际操作机构状态的结 果一致。表明基于波形识别和的BP神经网络综合评估方法能实现对高压断路器操作机构状 态的正确评估。
【主权项】
1. 一种基于分合闸线圈电流的高压断路器操作机构状态综合评估方法，其特征在于： 基于波形识别和神经网络相结合的高压断路器操作机构状态综合评估方法能实现对高压 断路器操作机构状态的准确评估;该方法包括如下步骤： (1)利用五点三次平滑滤波法去除线圈电流数据中的干扰信号 典型的含干扰信号模型如式1所示，可以通过使用适当的数学方法来去除干扰信号e (J)' Yii)Y if) (η 式中，i =0,…，/3 -l，r (i )为含有干扰的信号，为去除干扰后的信号； 五点三次平滑滤波法是利用最小二乘法原理对离散数据进行三次最小二乘多项式平 滑的方法，可以将测试信号的干扰部分剔除，并提取测试信号的有用信号;其基本原理为： 设 2 /3 +1 个间距为力的等间距节点 X-/3，X- /3+1···，Χ-1，Χ〇，XI，···，Χ/3-1，Χ/3 ;通 过取整变换 i = ( X - XO )/力，则原节点变为 ?-/3 = - /3，i-/3+1=- /3+1，···，" = /3， 其中节点所对应的数据为ΛΛ+11 Jq，Γι，···，?νι，?^，利用《次多项 式r U )来拟合试验数据，有：根据最小二乘法确定方程(2 )中的待定系数，可得：'^ '达到 最小，将它分别对( J=0，1，···，? )求偏倒数，并令其为0,可得方程组：该方程组称为正规方程组；当/3 =2(5个节点），? =3时，得到一个具体的正规方程组，因 此解出ao，ai，…，a? ;并带入式（1)中，令（=0，+1，-1，+2，_2，可得到五点三次平滑滤 波公式：式中，为干扰去除后的数据，i =〇，+1，-1，+2，-2; (2 )提取线圈电流特征量 在高压断路器操作机构线圈电流信号的监测过程中，由于传感器安装的位置以及变电 站的强电磁干扰环境等影响，将会在测试信号上叠加干扰信号;干扰信号的存在会影响评 估结果；因此，消除干扰信号是状态评估的关键环节;采用五点三次平滑法去除线圈电流干 扰信号； 对线圈电流波形特征曲线分析可知，线圈电流包括7个特征量;即三个电流量ii、i 2、 i 3和四个时间量? 1、? 2、? 3、? 4 ;这7个特征量包含了线圈电流波形的大部分关键信 息，采用斜率法提取线圈电流特征量； 设采集的线圈电流信号为K [i ]，其中i为采样序列号，i =0，1，…，Z3，则曲线在时 间序列上各点的斜率：式中，Γ为采样周期；附图2为电流与其斜率变化的对照曲线，通过线圈电流曲线相邻 两点斜率的符号来提取线圈电流特征量，即过零点为电流特征值；? 1点的斜率过零，? 2 点斜率由负变正，? 3点斜率过零，? 4点斜率由负变为零； 由附图2提取^、?2、?3、?4及其对应的电流值，即斜率曲线第一次穿越Z轴的点 为il点，之后斜率曲线由负变为正（曲线第二次穿越Z轴)的点为? 2点，再之后曲线穿过 Z轴的点为? 3，曲线由负回到Z轴的点为? 4 ;再求各点的电流大小，采用查询方式即可 从监测数据中查找出对应的电流，完成对线圈电流所有特征量的提取； (3)评估系统建立 通过线圈电流特征量数据建立BP神经网络并结合波形识别来综合评估高压断路器操 作机构的状态，使评估结果更加准确； 1) 波形识别 波形识别法是通过采用当前波形与样本库中正常标准波形进行比较，如果波形发生明 显畸变则可判操作机构故障;通过线圈电流波形的三个阶段分别对线圈电流进行判断：如 果" ~ ?2段段波形异常，如附图3(a)所示，在?ο ~?2阶段出现拐点?12⑴和?12⑵或者 峰值电流〗：过大，表明动铁芯存在卡涩;如果 3阶段波形异常，如附图3(b)所示，此 阶段电流波形出现拐点，表明开关本体传动机构运行不顺畅，出现卡涩等故障；如果? 3 ~ "阶段波形异常，如附图3(c)所示，此阶段出现拐点? 34⑴和? 34⑵，表明辅助开关发生弹 跳或者无法断开，使得线圈通电时间延长，温升升高，严重时烧坏线圈； 波形识别方法可以通过判断操作机构除线圈电流特征点之外有无其它拐点来进行机 构状态评估，如果存在拐点，分析拐点位置，从而对机构的运行状态做出判断;但是基于波 形识别的机构状态评估方法不能判断线圈电流特征点变化时的机构状态； 2) 基于BP神经网络的状态评估 在神经网络状态评估系统中，提取线圈电流tl、t2、t3、t4、il、i'2、i'3，并进行 归一化处理，输入神经网络，进行网络训练;利用训练的网络进行操作机构的状态评估;操 作机构的BP神经网络状态评估流程图如附图4所示； 基于BP神经网络的高压断路器操作机构状态评估方法是通过常规几个特征点的变化 规律得出操作机构的状态，但机构故障时线圈电流波形可能还存在特征点以外的拐点，仅 通过特征点的变化来评估机构状态，结果将不准确； 3)基于波形识别和BP神经网络的操作机构状态综合评估 基于波形识别和BP神经网络相结合的高压断路器操作机构状态评估方法，其评估过程 如附图5所示，首先通过对被测机构的线圈电流波形进行波形识别，判断机构除线圈电流特 征点之外有无其它拐点，如果存在拐点，分析拐点位置，对机构运行状态做出初步判断；如 果不存在拐点，则通过BP神经网络算法来对机构状态做进一步评估；因此基于波形识别和 BP神经网络相结合的高压断路器操作机构状态综合评估方法不仅考虑了线圈电流的特征 量之间的变化规律，也考虑了特征量之外的波形变化，能够更准确地反映高压断路器操作 机构的实际运行状态。
【文档编号】G01R31/327GK106019131SQ201610330525
【公开日】2016年10月12日
【申请日】2016年5月18日
【发明人】赵莉华, 荣强, 张 浩, 王释颖, 付荣荣, 牛帅杰, 冯政松, 牛纯春, 丰瑶, 刘丹华
【申请人】四川大学