高压断路器机械状态在线监测诊断系统及方法
【专利摘要】本发明公开了一种高压断路器机械状态在线监测诊断系统，包括设置于高压断路器本体上以及开关操作机构箱内能够获取反映设备运行状况的多路传感器，多路传感器通过线路与信号调理装置相连，信号调理装置通过线路与在线监测服务器相连。在线监测服务器包括数据采集模块，数据采集模块分别与网络传输模块、数据存储模块、数据分析模块和报表打印模块通信，数据存数模块分别与报表打印模块、数据分析模块和数据检索模块通信，数据分析模块分别与数据存储模块和报表打印模块相连。本发明同时还公开了利用该系的监测诊断方法。本发明能够有效诊断高压断路器的机械故障，具有非常优异的故障分类功能。
【专利说明】高压断路器机械状态在线监测诊断系统及方法
【技术领域】
[0001]本发明涉及一种高压断路器机械状态在线监测诊断系统及方法。
【背景技术】
[0002]近年来，随着经济的繁荣发展，电力系统容量与能量的需求都随之增加，对电力系统的可靠性和经济性提出了越来越高的要求。高压断路器作为发电和用电之间的联系环节，其可靠运行对于保证电网的安全意义重大。高压断路器在电力系统中起着两方面的作用:一是控制作用，即根据电网运行要求，将一部分电气设备或线路投入或退出运行状态，转为备用或检修状态；二是保护作用，即电气设备或线路发生故障时，通过继电保护及自动装置动作高压断路器，将故障部分从电网中迅速切除，保护电网的无故障部分得以正常运行。
[0003]目前，我国电气设备的检修工作主要是按照《电气设备预防性试验规程》的要求定期进行预防性试验，根据试验的结果来判断设备的运行状态，从而确定是否可以继续运行。但随着电力系统的大容量化、高压化和结构复杂化，随着工农业生产的发展和用电部门重要性的提高，对电力系统安全可靠性指标的要求也越来越高，这种传统的试验与诊断方法已越来越不适应需要。目前比较保守的计划检修中，时常发生许多部件运行很多年后更新时仍保持性能良好的情况，而由于没有及时发现某一部件出现缺陷而导致电网事故的情况也时有发生。因此如果能够了解设备的状态，减少过早或不必要的停电试验和检修，做到应修则修，就可以显著提高电力系统的可靠性和经济性。
[0004]断路器状态监测为实现由计划检修到状态检修的转变创造了条件。长期以来的计划检修、盲目解体拆卸，浪费了大量的人力、物力和财力，同时也造成了停电损失和设备寿命的降低。目前，电力系统各个运行单位正致力于高压断路器由计划检修到状态检修的转变，不再以投入年限和动作次数作为衡量标准，而是以设备的实际状态为维修依据。
[0005]随着传感技术、微电子、计算机软硬件和数字信号处理技术、人工神经网络、专家系统、模糊集理论等综合智能系统在状态监测及故障诊断中的应用，使对电气设备的运行状态进行在线监测已经成为可能。这种方法能够及时发现设备的缺陷，降低事故的发生率，减少设备预防性试验和检修的工作量及停电次数。因此为了确保高压断路器的安全运行和提高电力系统运行的可靠性，以在线监测为依据的状态维修逐步取代以预防性试验为依据的预测维修，或者弥补预防性试验的不足，延长预测维修的周期，这无论在理论和实用上都具有重大的技术经济价值。
【发明内容】
[0006]本发明的目的是为克服上述现有技术的不足，提供一种高压断路器机械状态在线监测诊断系统及方法。
[0007]为实现上述目的，本发明采用下述技术方案:
[0008]一种高压断路器机械状态在线监测诊断系统，包括设置于高压断路器本体上以及开关操作机构箱内能够获取反映设备运行状况的多路传感器，多路传感器通过线路与信号调理装置相连，信号调理装置通过线路与在线监测服务器相连。
[0009] 所述在线监测服务器包括数据采集模块，数据采集模块分别与网络传输模块、数据存储模块、数据分析模块和报表打印模块通信，数据存数模块分别与报表打印模块、数据分析模块和数据检索模块通信，数据分析模块分别与数据存储模块和报表打印模块相连，数据采集模块通过网络传输模块与客户端通信。
[0010]所述多路传感器包括振动信号监测传感器、行程一时间监测传感器、合(分)闸线圈电流在线监测传感器和主操作杆上机械负载特性在线监测传感器。
[0011 ] 所述振动信号监测传感器安装于高压断路器外部。
[0012]所述行程一时间监测传感器为安装在高压断路器直线运动部件上的光电式位移传感器。
[0013]所述合(分)闸线圈电流在线监测传感器为补偿式霍尔电流传感器。
[0014]所述在线检测服务器放置在变电站控制室内，且在线检测服务器内嵌入数据采集系统。
[0015]所述在线监测服务器通过网络与远程监测客户端相连，远程监测客户端放置于远程电力调度中心内，安装有在线监测客户端程序，并能通过网络实时接收在线监测服务器发送的监测数据。
[0016]一种高压断路器机械状态在线监测诊断方法，包括:
[0017]I)通过高压断路器本体上以及开关操作机构箱内的多路传感器采集信号；
[0018]2)多路传感器采集的信号经信号调理装置传输至在线监测服务器；
[0019]3)由在线监测服务器完成监测数据的采集、数字信号分析处理、故障诊断和数据存储，并将监测结果通过网络实时发布；
[0020]4)远程电力调度中心或其它监测中心的客户端计算机从网络上接收相应的在线监测服务器发布的监测数据，实现远程在线监测和网络化故障诊断。
[0021]所述步骤3)中的数字信号分析处理为:应用信号分析和处理技术对采集到的数据进行处理，即平均技术与数字滤波，并对信号进行时域和频域的分析以提取被测信号的特征量，即平均值、峰值、谷值、时间间隔、特征频率和能量密度；采用现代数字信号处理方法，即小波变换和模糊分析，提取各种机械故障模式的特征以描述高压断路器的正常和异常机械性能。
[0022]所述步骤3)中的故障诊断采用基于隐马尔可夫模型的高压断路器机械故障诊断方法，即，提取待诊断数据组的特征向量，由Viterbi算法计算所述特征向量在各个隐马尔可夫模型下的输出概率值P (D| λ k)，选取其中输出概率值最大的隐马尔可夫模型对应的故障类型，作为此时的机械状态。
[0023]所述隐马尔可夫模型用下列参数描述:
[0024](a) N:模型中Markov链状态数目，记N个状态为Q1, Θ 2，L，θ N,记t时刻Markov链所处状态为qt，显然Qt e ( Θ !, Θ 2，L，Θ N);
[0025](b)M:每个状态对应的可能的观察值数目，记M个观察值为V1, V2, L, Vm,记t时刻观察值为 Ot，其中 Ot e (V1, V2, L, Vm)；
[0026](c) 31:初始状态概率矢量Π = O1, Ji 2) L, πΝ)，其中，[0027]Ji j = P(qi = Θ j), I ^ i ^ N
[0028](d)A:状态转移概率矩阵A = (ai」)NXN，其中
[0029]aij = P (qt+1 = Θ」| qt = Θ )，I i，j N
[0030](e)B:观察值概率矩阵B = (bjk)NXM，其中
[0031 ] bJk = P (Ot = Vk I qt = Θ p , I ^ j ^ N, I ^ k ^ M
[0032]可以记一个隐马尔可夫模型为λ = (N, M, ，Α，B)，或简写为λ = ( π , A, B), BP隐马尔可夫模型可分为两部分，一个是Markov链，由π、Α描述,产生的输出为状态序列；另一个是由矩阵B描述的随机过程，产生的输出为观察值序列。
[0033]所述提取待诊断数据组的特征向量，包括功率谱的区间化、归一化和矢量量化处理，以获得一长度为n，I < η < c?，的离散观测向量:
[0034](a)功率谱的区间化，设振动信号的采样频率为fs，则求取的功率谱密度PSD ( ω )在[0，fs/2]区间内，将此区间划分为η段，并求取每一频段内的离散频谱匕:
[0035]\ =艺 PSD((o\ O < / < η
Ui
[0036]其中Wi与叫为第i个频段的上、下限截至频率；
[0037](b)功率谱的归一化，对求取的离散频谱IbiIi = l，2L，n}作归一化处理后，得到归一化的离散谱矢量扒I i = 1,2L ,η)，便于作进一步量化处理；
[0038](c)离散谱的矢量量化，采用信源编码技术Lloyds算法，生成隐马尔可夫模型所要求的观测向量码本，实现矢量量化过程；
[0039]针对振动信号的归一化离散谱矢量/7|/ = 1，2L η,将[0，I]区间等分为N个区
域，并按升序排列，将信号N个相邻区域映射为N个离散值，选取每个区域的索引值作为矢量量化值，即:
【权利要求】
1.一种高压断路器机械状态在线监测诊断系统，其特征是，包括设置于高压断路器本体上以及开关操作机构箱内能够获取反映设备运行状况的多路传感器，多路传感器通过线路与信号调理装置相连，信号调理装置通过线路与在线监测服务器相连； 所述在线监测服务器包括数据采集模块，数据采集模块分别与网络传输模块、数据存储模块、数据分析模块和报表打印模块通信，数据存数模块分别与报表打印模块、数据分析模块和数据检索模块通信，数据分析模块分别与数据存储模块和报表打印模块相连。
2.如权利要求1所述的系统，其特征是，所述多路传感器包括振动信号监测传感器、行程一时间监测传感器、合/分闸线圈电流在线监测传感器和主操作杆上机械负载特性在线监测传感器。
3.如权利要求1所述的系统，其特征是，所述振动信号监测传感器安装于高压断路器外部；所述行程一时间监测传感器为安装在高压断路器直线运动部件上的光电式位移传感器；所述合/分闸线圈电流在线监测传感器为补偿式霍尔电流传感器。
4.如权利要求1所述的系统，其特征是，所述在线检测服务器放置在变电站控制室内，且在线检测服务器内嵌入数据采集系统。
5.如权利要求1所述的系统，其特征是，所述在线监测服务器通过网络与远程监测客户端相连，远程监测客户端放置于远程电力调度中心内，并能通过网络实时接收在线监测服务器发送的监测数据。
6.一种利用权利要求1所述系统的高压断路器机械状态在线监测诊断方法，其特征是，包括: 1)通过高压断路器本体上以及开关操作机构箱内的多路传感器采集信号； 2)多路传感器采集的信号经信号调理装置传输至在线监测服务器； 3)由在线监测服务器完成监测数据的采集、数字信号分析处理、故障诊断和数据存储，并将监测结果通过网络实时发布； 4)远程电力调度中心或其它监测中心的客户端计算机从网络上接收相应的在线监测服务器发布的监测数据，实现远程在线监测和网络化故障诊断。
7.如权利要求6所述的方法，其特征是，所述步骤3)中的数字信号分析处理为:应用信号分析和处理技术对采集到的数据进行处理，即平均技术与数字滤波，并对信号进行时域和频域的分析以提取被测信号的特征量，即平均值、峰值、谷值、时间间隔、特征频率和能量密度；采用现代数字信号处理方法，即小波变换和模糊分析，提取各种机械故障模式的特征以描述高压断路器的正常和异常机械性能。
8.如权利要求6所述的方法，其特征是，所述步骤3)中的故障诊断采用基于隐马尔可夫模型的高压断路器机械故障诊断方法，即，提取待诊断数据组的特征向量，由Viterbi算法计算所述特征向量在各个隐马尔可夫模型下的输出概率值P (D I λ k)，选取其中输出概率值最大的隐马尔可夫模型对应的故障类型，作为此时的机械状态。
9.如权利要求8所述的方法，其特征是，所述提取待诊断数据组的特征向量，包括功率谱的区间化、归一化和矢量量化处理，以获得一长度为n，I < n <c?，的离散观测向量: Ca)功率谱的区间化，设振动信号的采样频率为fs，则求取的功率谱密度PSD(GJ)在[O, fs/2]区间内，将此区间划分为η段，并求取每一频段内的离散频谱匕:
10.如权利要求9所述的方法，其特征是，所述隐马尔可夫模型为，根据待诊断数据组的特征向量，针对每一组监测数据提取η维特征向量WiIi = I, 2L, η};将某一特定机械状态，即正常状态和多种故障状态下的多组数据构成隐马尔可夫模型训练样本集，通过Baum-Welch算法训练得到各种故障类型的隐马尔可夫模型模型，记为λ k，从而建立包含M种机械状态的隐马尔可夫模型库。
【文档编号】G01R31/327GK103487749SQ201310430657
【公开日】2014年1月1日 申请日期:2013年9月18日 优先权日:2013年9月18日
【发明者】云玉新, 刘民, 姚金霞 申请人:国家电网公司, 国网山东省电力公司电力科学研究院