一种基于多信号特征融合的断路器状态识别方法
【技术领域】
[0001] 本发明设及一种基于多信号特征融合的断路器状态识别方法，用于电力系统中高 压断路器故障诊断和运行状态监测。
【背景技术】
[0002] 国际大电网会议(CIGRE)对高压断路器可靠性进行了 3次世界范围调查，操动机构 及辅助回路故障占到大多数，达到了61%。而我国的统计分析表明：220kVW下等级配电开 关设备事故情况的拒动、误动、开断与关合故障占总事故的43%; 110~500kV电压等级断路 器故障中，66.4 %为操动机构及辅助回路故障。
[0003] 由于断路器存在故障隐患时伴随的信号属于非平稳信号，所W不管是在记录还是 处理上都要比周期性的信号复杂困难的多。鉴于断路器操作过程中振动、声音和应力信号 的复杂性和实测数据的随机性，且信号采样频率和记录速度都很高，所W对断路器操作过 程产生的振动信号、声音信号和应力信号联合分析研究还处于探索阶段。
[0004] 随着信号处理技术的提高，一些新型的算法也逐渐应用于断路器状态判别中。对 于通过传统的单一声音信号或振动信号辨别断路器状态，现有的算法主要包括小波分解、 经验模态、小波包能谱赌、小波奇异性监测等等，运些算法都取得了比较理想的效果。振动 信号通过固体传播衰减小，不易收到外界干扰，一般采用的压电式加速度传感器采集信号 时，虽然灵敏度高，但振幅较大时信号存在饱和现象，波形存在削顶现象;而声波信号在空 气中传播易受背景噪声干扰，信噪比低，但其属于非接触式测量，安装方便，另外测量频带 宽，能够有效避免饱和及失效现象。已有的方法中大部分采用单一的振动信号或声音信号， 并没有较全面的利用断路器在动作时其他信号，故而会在一些比较特殊的情况下做出误判 断。
【发明内容】
[0005] 本发明所要解决的技术问题，就是提供一种基于多信号特征融合的断路器状态识 别方法，其在利用现有算法的基础上，综合考虑了断路器在动作过程中产生的声音、振动和 应力信号，避免了信息的缺失;利用多信号融合技术，进一步掲示了声音、振动和应力信号 之间的内在联系，提高了诊断结果的准确度，去除数据的大量冗余，弥补了现有算法的一些 缺点。
[0006] 解决上述技术问题，本发明采取如下技术方案：
[0007] -种基于多信号特征融合的断路器状态识别方法，其特征是包括W下步骤：
[000引步骤1，通过声音传感器、振动传感器和应力传感器测得断路器包括故障和非故障 动作时的信号；
[0009] 步骤2，求信号起始点的对应时刻(也即分合闽起始点）
[0010] 将声音信号与振动信号W64个点为一组形成信号序列，分别对信号序列进行FFT 变换得到信号序列的频率组成，对比得到的信号序列频率组成找出含有不同于环境噪声频 率的第一段信号序列；
[0011]计算上面得到的声音信号和振动信号不同于环境噪声频率的第一段信号序列之 间的欧几里得距离：W -材%:
[0012] 其中，V=(V1,V2, . . .，Vn)、S=(Sl,S2, . . . ,Sn)为声音信号和振动信号信号序列在 欧几里得空间中的点；
[0013] 在捜索具体的对应事件时d(V，S)如果单调增加，则加大步长，直至d(V，S)递减，开 始精细捜索，得到最小值d(V，S)min，该点即为信号起始点的对应时刻；
[0014] 步骤3,利用小波变换提取振动信号、声音信号和应力信号的小波能谱赌特征矩阵 M= [Ev Es Ef]
[001 5] Ev = Evl , Ev2 , . . . Evm、Es 二Esl , Es2 , . . . Esm、EF = Ef 1 , Ef 2 , . . . Efm为振动f曰号、尸首f曰号 和应力信号在m尺度上的小波能谱赌，；
[0016] 步骤4，W形成的小波能谱赌特征矩阵M=[Ev Es Ef]建立特征融合框架 [0017]设F为状态识别的特征融合框架，F包含2类状态，即正常Fi和异常F2状态；
[001引若集函数11:2心[0山（2。为F的幕集)满足条件:D(O)=O且I"(巧）二1，你=巧>， 巧 其中Fk表示第k类状态，则n就叫状态识别特征融合框架F上的基本可信度分配；V巧:e2f .，n (Fk)称为Fk的基本可信数；
[0019] n(Fk)表征对第k类状态不确定性的度量或对第k类状态本身的支持度大小；
[0020] 设m，n2，n3是F上3类基本可信度分配，那么组合后的基本可信度分配为各可信度 分配函数的正交和;^ =巧，用公式表示为
[0023]设第i类状态的第j类信号对应的基本可信度函数为：
[0025]式中：1 = 1，2^ = 1，2,3;4^为第^'类信号的模糊不确定度，根据历史经验或统计数 据来设定；I ImIU表示小波能谱赌特征矩阵的二范数，目的是为了通过范数计算出多种信 号间的能谱赌距离，从而更好的反应多种信号在不同状态的特征；
[00%] W上两式为证据理论的核屯、，通过它可W把若干条独立的证据组合起来；
[0027] K成为冲突因子，当K< W，表示运若干条证据一致或部分一致，运时可给出证据组 合结果；
[00%]当K = W时，表示运些证据是完全矛盾的，运时不能用证据理论进行组合.
[0029] K越大表示证据冲突越严重，在实际应用中，为避免违背常理的组合结论出现，通 常给K设定一阔值，当K大于该阔值时，则认为证据冲突过大造成组合没有实际意义，需要重 新寻找证据或采用修正的证据理论；
[0030] 步骤5,建立基于可信度的判断机制，对得到的特征赌通过证据理论判断过后做出 判断；
[0031] 该判断应满足某种状态具有最大可信度，其可信度与另一状态可信度值差在最大 可信度中所占的比例大于某一百分比；
[0032] 因此应满足条件：
，则Fi即为判断结果；
[0033] 其中Ei为根据断路器的型号和断路器所处环境设置的阔值，。为最大可信度与另 一状态差值所占最大可信度的百分比；El是为了保证对Fl成立的信任度足够大，E2是为了保 证判断结果具有足够的区分度而不至于得到模棱两可的结论。
[0034] 有益效果:本方法提高了诊断结果的准确度，去除数据的大量冗余，弥补了现有算 法的一些缺点;可用于弥补现有断路器诊断方法的不足，亦可作为现有技术的补充。
【附图说明】
[0035] 图1是本发明实现框图；
[0036] 图2是时标对位实现框图；
[0037] 图3是信息融合过程框图。
【具体实施方式】
[0038] 本发明的基于多信号特征融合的断路器状态识别方法实施例，包括W下步骤：
[0039] 步骤1，通过声音传感器、振动传感器和应力传感器测得断路器包括故障和非故障 动作时的信号；
[0040] 步骤2,由信号频率崎变法初步确定分合闽发生所在的信号序列，利用变步长欧几 里得距离快速捜索法对声音信号和振动信号进行时标对位，具体如下：
[0041] 将声音信号与振动信号W64个点为一组形成信号序列，分别对信号序列进行FFT 变换得到信号序列的频率组成，对比得到的信号序列频率组成找出含有不同于环境噪声频 率的第一段信号序列；
[0042] 计算上文得到的不同于环境噪声频率的声音信号和振动信号两者之间的欧几里 得距离。选择最小欧几里得距离得到信号起始点的对应时刻；
[0043] 定义:在欧几里得空间中，点V=(V1，V2, . . .，Vn)和S=(S1，S2, . . .，Sn)之间的欧式 距离为抓/..S-) = -J,)'，称为欧几里得距离；
[0044] W欧几里得距离之和最小（隶属度最大）的事件为振动信号和声音信号的相应事 件，由此绘出两信号对应事件的时间-事件曲线，从而得到信号起始点的对应时刻；
[0045] 利用欧几里得距离判据，捜索时d(V，S)如果单调增加，则加大步长，直至d(V，S)递 减，开始精细捜索，得到最小值d(V，S)min，该点即为信号起始点的对应时刻即分合闽起始 占 .
[0046] 步骤3,利用小波变换提取振动信号、声音信号和应力信号的小波能谱赌特征矩阵 M= [Ev Es Ef]
[0047] Ev = Ev1，Ev2, . . .Evm、Es = Esl，Es2, . . .Esm、EF = Efl，Ef2, . . .Efm为振动信号、声音信号 和应力信号在m尺度上的小波能谱赌，；
[0048] 步骤4, W形成的小波能谱赌特征矩阵建立起特征融合框架
[00例设F为状态识别的特征融合框架，F包含2类状态，即正常Fi和异常F2状态；
[0050] 若集函数n:2F一[0，1](2哨F的幕集)满足条件:n(巫）=0且做二W = U)， 巧巨护 其中Fk表示第k类状态，则n就叫状态识别