一种基于多信息融合的永磁机构真空断路器故障诊断方法
【专利摘要】本发明涉及一种基于多信息融合的永磁机构真空断路器故障诊断方法，针对永磁机构真空断路器不同状态类型建立相关向量机分类器模型，对永磁体表面磁场强度信号、操作机构电气回路的电流信号、触头两端电压信号、触头稳定闭合后流过触头的电流信号、灭弧室屏蔽罩电位信号、触头接触压力信号和机械振动信号进行采集，并进行特征值提取，将已知状态类型的各信号特征值作为该模型的输入，在对应的相关向量机分类器模型中进行训练学习，确定各相关向量机分类器故障诊断模型。利用故障诊断模型和未知状态类型的各信号特征值对永磁真空断路器进行故障诊断。本发明克服了单一信号诊断的局限性，提高了诊断结果的准确性，补充了断路器故障诊断的故障类型。
【专利说明】一种基于多信息融合的永磁机构真空断路器故障诊断方法
【技术领域】
[0001]本发明属于电力装备故障诊断领域，特别涉及一种基于多信息融合的永磁机构真空断路器故障诊断方法。
【背景技术】
[0002]断路器是电力系统中最重要的控制和保护设备，其运行状态直接影响着电力系统的运行稳定性和供电可靠性。随着智能电网的建设与发展，不仅要求断路器能够可靠运行和实现智能化操作，而且对断路器故障诊断的准确性也提出了更高的要求。全面科学地对断路器的故障进行诊断，可以为电力运行部门制定检修策略提供正确的依据。永磁机构是一种电磁操动、永磁保持的断路器操动机构。目前，永磁机构已广泛应用于中压真空断路器领域。因此，对永磁机构真空断路器故障诊断方法的研究具有重要的意义。
[0003]对于永磁机构真空断路器而言，断路器故障主要分为电气特性故障和机械特性故障。很多关于电气特性故障的研究主要是针对操作机构电气回路故障。操作机构电气回路故障是指由于永磁操作机构线圈老化，接触器接触不良等因素导致电气回路中电阻增大，影响断路器工作性能的情况。因此，对于永磁机构真空断路器操作机构电气回路故障的诊断主要是分析操作机构的电流信号。针对操作机构电流信号的分析方法主要采用电流曲线轮廓法。电流曲线轮廓法关键在于提取操作机构电流波形轮廓的特征，通过对电流波形中时间和幅值参数特征的分析，可得出铁芯的运动事件，进而得出断路器工作状态。机械故障主要是由于基座松动，脱扣器卡涩、分闸弹簧脱落等因素引起的故障情况。对于永磁机构真空断路器机械故障的诊断主要是针对其机械振动信号进行分析，来诊断出断路器的机械故障类型。
[0004]目前用于诊断断路器故障的方法，几乎都是基于单一信号诊断，诊断依据缺乏综合性，影响了诊断结果的准确性。而且由于永磁机构是变气隙运动的电磁机构，其操作机构电流变化与机械运动参量变化之间会相互影响。因此，仅从测得的单一信号中难以直观判断是电气特性故障还是机械特性故障。
[0005]此外，永磁真空断路器的电气特性故障不仅包括断路器操作机构电气回路故障，还应该考虑触头接触故障、灭弧室绝缘故障和永磁体退磁故障。触头接触故障:当断路器开断短路电流时，产生的电弧会烧蚀触头表面。烧蚀后的触头表面形状会发生改变，断路器合闸后，触头表面的接触情况会相应发生变化，当触头表面接触不好时会产生发热，甚至静熔焊的现象，影响下一次的开断；灭弧室绝缘故障:对于真空断路器而言，真空灭弧室的真空度关系到灭弧室内部的绝缘性能，当灭弧室真空度下降时，会严重影响到断路器的开断与关合性能。永磁体退磁故障:永磁真空断路器的分合闸终端位置需要依靠永磁体的保持力实现分合闸终端位置的保持。然而永磁体在外界条件影响下，可能会出现退磁的现象。这会导致在永磁体表面产生的磁场强度减小，进而减弱永磁体的保持力，影响断路器在分合闸终端位置的分合闸保持状态。
[0006]然而，目前在断路器故障诊断领域，很少针对永磁体退磁故障、触头接触故障和灭弧室绝缘故障进行诊断。尤其没有对上述五种故障类型进行综合诊断的诊断方法。
【发明内容】
[0007]针对现有技术存在的不足，本发明提供了一种基于多信息融合的永磁机构真空断路器故障诊断方法。
[0008]本发明的技术方案是:
[0009]一种基于多信息融合的永磁机构真空断路器故障诊断方法，包括以下步骤:
[0010]步骤1:对永磁机构真空断路器的永磁体表面磁场强度信号、操作机构电气回路的电流信号、触头两端电压信号、触头稳定闭合后流过触头的电流信号、灭弧室屏蔽罩电位信号、触头接触压力信号和机械振动信号进行采集，所述机械振动信号包括绝缘拉杆处机械振动信号、分闸弹簧机械振动信号、脱扣器机械振动信号和断路器基座机械振动信号。
[0011]步骤2:对步骤I采集的永磁体表面磁场强度信号、操作机构电气回路的电流信号、触头两端电压信号和触头稳定闭合后流过触头的电流信号、灭弧室屏蔽罩电位信号、触头接触压力信号、机械振动信号分别进行特征值提取。
[0012]所述的永磁体表面磁场强度信号的特征值为磁场强度的最大值和磁场强度的最小值。
[0013]所述的操作机构电气回路的电流信号的特征值为电流信号的产生时刻、电流信号的结束时刻、电流的幅值及该幅值所对应的时刻。
[0014]所述的触头两端电压信号和触头电流信号的比值的特征值是永磁机构真空断路器触头电流、电压稳定后，相同时刻的触头电压与流过触头的电流的比值。
[0015]所述的灭弧室屏蔽罩电位信号的特征值是灭弧室屏蔽罩电位的最大值和灭弧室屏蔽罩电位的最小值。
[0016]所述的触头接触压力信号的特征值是永磁机构真空断路器合闸后，触头接触稳定时，动触头与静触头之间的压力。
[0017]所述的机械振动信号的特征值采用小波包能量熵方法提取。
[0018]步骤3:分别针对不同状态类型建立相关向量机分类器模型，将已知状态类型的永磁机构真空断路器的各信号特征值作为该模型的输入，在对应的相关向量机分类器模型中进行训练学习，计算出各相关向量机分类器模型的超参数和相关权重向量，永磁机构真空断路器的各状态类型对应的各信号特征值在其输入的相关向量机分类器模型中计算得到的后验概率为该模型的输出，设定门限值，记录后验概率与门限值的大小关系及对应的状态类型，进而确定各相关向量机分类器故障诊断模型。
[0019]所述状态类型包括永磁机构真空断路器的正常状态、永磁体退磁故障、操作机构电气回路故障、触头接触故障、灭弧室绝缘故障、触头接触压力故障、绝缘拉杆偏离轴心故障、分闸弹簧脱落故障、脱扣器卡涩故障和基座松动故障。
[0020]步骤4:利用相关向量机分类器故障诊断模型和未知状态类型的永磁机构真空断路器的各信号特征值对永磁真空断路器进行故障诊断:将提取的未知状态类型的永磁机构真空断路器的各信号特征值分别输入各相关向量机分类器故障诊断模型中，计算各信号特征值在相关向量机分类器故障诊断模型中的后验概率，并判断该后验概率与门限值的大小关系，与记录的后验概率与门限值的大小关系进行比较，若两者等同，则确定当前信号特征值对应的状态类型，进而确定未知状态类型的永磁机构真空断路器的各信号特征值对应的全部状态类型，即得到永磁机构真空断路器故障诊断的结果。
[0021]本发明的有益效果在于:本发明基于多信号进行诊断，克服了单一信号诊断的局限性，提高了诊断结果的准确性；基于多信号融合技术，可同时对机械故障、操作机构电气回路故障、触头接触故障、真空灭弧室绝缘故障和永磁体退磁故障进行诊断，丰富了诊断信号数据库，补充了断路器故障诊断的故障类型；基于断路器多个位置的振动信号采集，既可以对多种机械故障类型进行诊断，也实现了对机械故障位置的准确在线定位诊断。
【专利附图】
【附图说明】
[0022]图1为本发明【具体实施方式】的基于多信息融合的永磁机构真空断路器故障诊断方法的流程图；
[0023]图2为本发明【具体实施方式】的对机械振动信号采用小波包能量熵方法提取特征值时的三层小波包分解树的示意图；
[0024]图3为本发明【具体实施方式】的基于多信息融合的永磁机构真空断路器故障诊断方法的故障诊断流程。
【具体实施方式】
[0025]下面结合附图对本发明的【具体实施方式】详细的说明:
[0026]以ZW45-12型永磁机构真空断路器为例，对永磁机构真空断路器的故障进行多信息融合诊断。基于多信息融合的永磁机构真空断路器故障诊断方法，如图1所示，包括以下步骤:
[0027]步骤1:对永磁机构真空断路器的永磁体表面磁场强度信号、操作机构电气回路的电流信号、触头两端电压信号、触头稳定闭合后流过触头的电流信号、灭弧室屏蔽罩电位信号、触头接触压力信号和机械振动信号进行采集，所述机械振动信号包括绝缘拉杆处机械振动信号、分闸弹簧机械振动信号、脱扣器机械振动信号和断路器基座机械振动信号。
[0028]永磁体表面磁场强度信号采用霍尔磁场探头进行采集；操作机构电气回路电流信号采用霍尔电流互感器进行采集；触头两端电压信号和触头接触后流过触头的电流信号分别采用电压互感器和电流互感器进行采集；灭弧室屏蔽罩电位信号采用电场探头进行采集；触头接触压力信号采用压力传感器进行采集；机械振动信号采用加速度传感器进行采集。
[0029]步骤2:对步骤I采集的永磁体表面磁场强度信号、操作机构电气回路的电流信号、触头两端电压信号和触头稳定闭合后流过触头的电流信号、灭弧室屏蔽罩电位信号、触头接触压力信号、机械振动信号分别进行特征值提取。
[0030]步骤2.1:对永磁机构真空断路器的永磁体表面磁场强度信号进行特征值提取，永磁体表面磁场强度信号的特征值为磁场强度的最大值和磁场强度的最小值。
[0031]步骤2.2:对永磁机构真空断路器的操作机构电气回路的电流信号进行特征值提取，操作机构电气回路圈电流的电流信号特征值为电流信号的产生时刻、电流信号的结束时刻、电流的幅值及该幅值所对应的时刻。
[0032]步骤2.3:对永磁机构真空断路器的触头两端电压信号和触头电流信号的比值进行特征值提取，触头两端电压信号和触头电流信号的比值的特征值是永磁机构真空断路器触头电流、电压稳定后，相同时刻的触头电压与流过触头的电流的比值。
[0033]步骤2.4:对永磁机构真空断路器的灭弧室屏蔽罩电位信号进行特征值提取，灭弧室屏蔽罩电位信号的特征值是灭弧室屏蔽罩电位的最大值和灭弧室屏蔽罩电位的最小值。
[0034]步骤2.5:对永磁机构真空断路器的触头接触压力信号进行特征值提取，触头接触压力信号的特征值是永磁机构真空断路器合闸后，触头接触稳定时，动触头与静触头之间的压力。
[0035]步骤2.6:对永磁机构真空断路器的机械振动信号进行特征值提取，机械振动信号的特征值采用小波包能量熵方法提取。
[0036]对机械振动信号的采样数据S进行j层小波包分解:以3层小波包为例，其分解树结构如图2所示，其中，Ifj分别为第3层机械振动信号从低频到高频所有频率成分的信号特征量。
[0037]对小波包分解系数进行单支重构:对经过3层小波包分解得到的8个频带内的序列进行重构，得到8个小波包重构信号，各重构信号分别包含了机械振动信号从低频到高频的信息。
[0038]求取小波包能量熵构成的特征向量:在永磁机构真空断路器故障诊断中，当永磁机构真空断路器存在机械故障时，表现为断路器机械振动信号各频率成分的能量发生了相应变化。因此，可用某一种或几种频率成分能量值的改变来表征永磁机构真空断路器所对应的故障模式，设断路器机械振动信号长度为N，对该信号进行3层小波包分解，得到的分解序列为X3k，(k = O?7);对分解系数进行单支重构后得到重构信号分量为S3k，设E3k为重构信号在第3层第k个节点上的功率，则Ea= |S3k(i)|2。令ea = E3k/E，E为第3层所有节点的总功率，则= 1小波包能量熵H3k的计算公式为:
k ?
N
[0039]H3k = -X ?(/') log I ?(/') I
H(I)
[0040]由上式分别求出8个小波包能量熵，以这8个小波包能量熵为元素可以构成I个特征向量，记为Q，则:
[0041 ] Q — [H30，H31, H32, H33J H34, H35, H36, H37] (2)
厂?1/2
7
[0042] 将特征向量归一化处理。令丑=ΣΙ A, I2.n ”得到的机械振动信号
Li=O 」，(J = O ?7 )
的特征值为:
> /L11 Il..1L, //., //,.//., ILt IL,
^ II II Il // // // // //
[0044]步骤3:分别针对不同状态类型建立相关向量机分类器模型，将已知状态类型的永磁机构真空断路器的各信号特征值作为该模型的输入，在对应的相关向量机分类器模型中进行训练学习，计算出各相关向量机分类器模型的超参数和相关权重向量，永磁机构真空断路器的各状态类型对应的各信号特征值在其输入的相关向量机分类器模型中计算得到的后验概率为该模型的输出，设定门限值，记录后验概率与门限值的大小关系及对应的状态类型，进而确定各相关向量机分类器故障诊断模型。
[0045]所述状态类型包括永磁机构真空断路器的正常状态、永磁体退磁故障、操作机构电气回路故障、触头接触故障、灭弧室绝缘故障、触头接触压力故障、绝缘拉杆偏离轴心故障、分闸弹簧脱落故障、脱扣器卡涩故障和基座松动故障。
[0046]步骤3.1分别针对不同状态类型建立相关向量机分类器模型RVMl至RVMll =RVMl用于诊断出正常状态和故障状态，RVM2用于将信号特征值分别输入机械故障和电气故障诊断模型中，RVM3用于诊断出永磁体退磁故障，RVM4用于诊断出操作机构电气回路故障，RVM5用于诊断出触头接触故障故障，RVM6用于诊断出灭弧室绝缘故障，RVM7用于诊断出触头接触压力故障，RVM8用于诊断出绝缘拉杆偏离轴心故障，RVM9用于诊断出分闸弹簧脱落故障，RVMlO用于诊断出脱扣器卡涩故障，RVMll用于诊断出基座松动故障。
[0047]步骤3.2:选取已知的永磁机构真空断路器的正常状态、永磁体退磁故障、操作机构电气回路故障、触头接触故障、灭弧室绝缘故障、触头接触压力故障、绝缘拉杆偏离轴心故障、分闸弹簧脱落故障、脱扣器卡涩故障和基座松动故障10种状态下的永磁体表面磁场强度信号的特征值、操作机构电气回路的电流信号的特征值、触头两端电压信号和触头稳定闭合后流过触头的电流信号的比值的特征值、灭弧室屏蔽罩电位信号的特征值、触头接触压力信号的特征值、机械振动信号的特征值。
[0048]步骤3.3:将已知状态类型的永磁机构真空断路器的各信号特征值作为该模型的输入，在对应的相关向量机分类器模型中进行训练学习，计算出各相关向量机分类器模型的超参数和相关权重向量，永磁机构真空断路器的状态类型的各信号特征值在其对应的相关向量机分类器中的对应后验概率为该模型的输出，设定门限值，记录后验概率与门限值的大小关系及对应的状态类型，进而确定各相关向量机分类器故障诊断模型RVMl至RVMllo
[0049]步骤3.3.1:参数初始化:设置超参数α初始值，终止条件为α收敛、最大迭代次数。
[0050]步骤3.3.2:由已知状态类型的信号特征值{X,.}=及核函数K，计算设计矩阵Φ。
[0051]φ = [Φ (X1), Φ (X2),…，Φ (Xn)]Τ (4)
[0052]其中:
[0053]Φ (Xi) = [I, K(xi； X1), K(xi； X2),..., K(xi； χΝ)]τ (5)
[0054]式中，N代表信号特征值维数。
[0055]步骤3.3.3:固定当前超参数α，采用二阶牛顿法迭代求解相关权重向量wMP，并计算梯度向量g和海赛矩阵H。由于H为对称矩阵，因此将H进行Cholesky分解，更新wMP，从而减少计算量。
[0056]H = -ΦΤΒΦ-Α = UtU (6)
[0057]
【权利要求】
1.一种基于多信息融合的永磁机构真空断路器故障诊断方法，其特征在于，包括以下步骤: 步骤1:对永磁机构真空断路器的永磁体表面磁场强度信号、操作机构电气回路的电流信号、触头两端电压信号、触头稳定闭合后流过触头的电流信号、灭弧室屏蔽罩电位信号、触头接触压力信号和机械振动信号进行采集，所述机械振动信号包括绝缘拉杆处机械振动信号、分闸弹簧机械振动信号、脱扣器机械振动信号和断路器基座机械振动信号； 步骤2:对步骤I采集的永磁体表面磁场强度信号、操作机构电气回路的电流信号、触头两端电压信号和触头稳定闭合后流过触头的电流信号、灭弧室屏蔽罩电位信号、触头接触压力信号、机械振动信号分别进行特征值提取； 步骤3:分别针对不同状态类型建立相关向量机分类器模型，将已知状态类型的永磁机构真空断路器的各信号特征值作为该模型的输入，在对应的相关向量机分类器模型中进行训练学习，计算出各相关向量机分类器模型的超参数和相关权重向量，永磁机构真空断路器的各状态类型对应的各信号特征值在其输入的相关向量机分类器模型计算得到的后验概率为该模型的输出，设定门限值，记录后验概率与门限值的大小关系及对应的状态类型，进而确定各相关向量机分类器故障诊断模型； 所述状态类型包括永磁机构真空断路器的正常状态、永磁体退磁故障、操作机构电气回路故障、触头接触故障、灭弧室绝缘故障、触头接触压力故障、绝缘拉杆偏离轴心故障、分闸弹簧脱落故障、脱扣器卡涩故障和基座松动故障； 步骤4:利用相关向量机分类器故障诊断模型和未知状态类型的永磁机构真空断路器的各信号特征值对永磁真空断路器进行故障诊断:将提取的未知状态类型的永磁机构真空断路器的各信号特征值分别输入各相关向量机分类器故障诊断模型中，计算各信号特征值在相关向量机分类器故障诊断模型中的后验概率，并判断该后验概率与门限值的大小关系，与记录的后验概率与门限值的大小关系进行比较，若两者等同，则确定当前信号特征值对应的状态类型，进而确定未知状态类型的永磁机构真空断路器的各信号特征值对应的全部状态类型，即得到永磁机构真空断路器故障诊断的结果。
2.如权利要求1所述的基于多信息融合的永磁机构真空断路器故障诊断方法，其特征在于，所述的永磁体表面磁场强度信号的特征值为磁场强度的最大值和磁场强度的最小值。
3.如权利要求1所述的基于多信息融合的永磁机构真空断路器故障诊断方法，其特征在于，所述的操作机构电气回路的电流信号的特征值为电流信号的产生时刻、电流信号的结束时刻、电流的幅值及该幅值所对应的时刻。
4.如权利要求1所述的基于多信息融合的永磁机构真空断路器故障诊断方法，其特征在于，所述的触头两端电压信号和触头电流信号的比值的特征值是永磁机构真空断路器触头电流、电压稳定后，相同时刻的触头电压与流过触头的电流的比值。
5.如权利要求1所述的基于多信息融合的永磁机构真空断路器故障诊断方法，其特征在于，所述的灭弧室屏蔽罩电位信号的特征值是灭弧室屏蔽罩电位的最大值和灭弧室屏蔽罩电位的最小值。
6.如权利要求1所述的基于多信息融合的永磁机构真空断路器故障诊断方法，其特征在于，所述的触头接触压力信号的特征值是永磁机构真空断路器合闸后，触头接触稳定时，动触头与静触头之间的压力。
7.如权利要求1所述的基于多信息融合的永磁机构真空断路器故障诊断方法，其特征在于，所述的机械振动信号的特征值采用小波包能量熵方法提取。
【文档编号】G06F19/00GK104181460SQ201410320868
【公开日】2014年12月3日 申请日期:2014年7月7日 优先权日:2014年7月7日
【发明者】曹辰, 林莘, 温苗, 李鑫涛, 杨壮壮, 徐建源, 张明理 申请人:沈阳工业大学