基于声学指纹的开关设备机械状态监测系统和方法与流程

本发明涉及开关设备机械状态监测技术，特别是涉及一种基于声学指纹的开关设备机械状态监测系统和方法。

背景技术：

智能配电网是智能电网建设中的关键环节之一。配电网是整个电力系统与分散用户直接相连的部分。为了提高配电网运行的可靠性和效率，提高供电质量，降低劳动强度，智能配网系统是利用现代电子技术、通讯技术、计算机及网络技术，将配电网的在线数据和离线数据、用户数据、电网结构和地理图形进行信息集成，实现配电系统正常运行及事故情况下的监测、保护、控制、用电和配电管理的智能化。

环网柜内通常安装有弹簧操作机构，即以弹簧储能为动力对断路器进行分、合闸操作的机构。其工作过程是一个短时间内的能量释放过程与传递过程，伴随着一系列的机械运动与撞击事件，以及由此产生的机械振动与声音。这一过程具有瞬时、高速、大冲量的特点，对设备本身的机械冲击比较严重，它是引发开关设备机械故障的外力因素。

技术实现要素：

基于此，有必要提供一种基于声学指纹的开关设备机械状态监测系统方法。

一种基于声学指纹的开关设备机械状态监测系统，包括主控模块、振动信号采集模块、信号处理模块、状态评估模块、学习模块及存储模块；

所述振动信号采集模块用于采集机械振动和撞击事件产生的振动信号，并传输给所述信号处理模块；所述信号处理模块用于对所述振动信号进行分析，并获取表征机械状态的声学指纹特征参量；所述状态评估模块用于根据所述声学指纹特征参量评估所述开关设备的机械状态；所述学习模块用于学习所述声学指纹特征参量对应的开关设备的机械状态，并发送给所述存储模块进行存储；所述主控模块用于根据所述开关设备的机械状态对所述开关设备进行闭合或断开的操作。

在其中一个实施例中，还包括供电管理模块，所述供电管理模块用于为所述主控模块、所述振动信号采集模块、所述信号处理模块、所述状态评估模块、所述学习模块及所述存储模块提供工作电源。

在其中一个实施例中，所述信号处理模块还用于输出所述振动信号的频率分布能量图。

在其中一个实施例中，所述信号处理模块采用小波分析法处理所述振动信号。

在其中一个实施例中，所述学习模块包括读取模块、计算模块、判断模块及创建模块；

所述读取模块用于读取所述存储模块中的声学指纹特征参量；所述计算模块用于分析能量图变化，并获取当前机械状态判据；所述判断模块用于判断所述存储模块中预存的机械状态判据中是否有当前机械状态判据，若否，则所述创建模块用于在所述存储模块中创建所述当前机械状态判据。

一种基于声学指纹的开关设备机械状态监测方法，包括以下方法：

在所述开关设备上安装振动信号采集模块，使所述振动信号采集模块采集所述开关设备的振动信号；

对所述振动信号进行分析并获取表征机械状态的声学指纹特征参量；

根据所述声学指纹特征参量评估所述开关设备的机械状态；

用于根据所述开关设备的机械状态对所述开关设备进行闭合或断开的操作；

所述方法还包括学习所述声学指纹特征参量对应的开关设备的机械状态，并进行存储。

在其中一个实施例中，在所述对所述振动信号进行分析并获取表征机械状态的声学指纹特征参量的步骤之后还包括：输出所述振动信号的频率分布能量图。

在其中一个实施例中，还包括：采用小波分析法处理所述振动信号。

在其中一个实施例中，所述学习所述声学指纹特征参量对应的开关设备的机械状态的步骤包括：

读取预存的声学指纹特征参量；

根据所述声学指纹特征参量分析能量图变化，获得当前机械状态判据；

判断预存的机械状态判据中是否有当前机械状态判据；

若否，则创建所述当前机械状态判据，并存储。

上述基于声学指纹的开关设备机械状态监测系统方法通过采集开关设备的振动信号判定环网的机械状态，并对环网柜机械状态进行评估的方案，产生了能快速、准确的判断出设备机械故障，避免设备操作机构在故障状态下继续转动而损坏设备的效果。又因采集处理振动信号，实现了数据资源的统一分析和管理，找到了处理振动信号提取声学指纹特征的信号分析和处理方法，方法简单，运行速度较快，准确性较高。同时，采用了设备机械状态判据智能学习的方案，所以带来了机械状态判据随着运行时间而丰富的效果和作用。

附图说明

图1为基于声学指纹的开关设备机械状态监测系统的模块图；

图2为基于声学指纹的开关设备机械状态监测方法的流程图；

图3为学习学习声学指纹特征参量对应的开关设备的机械状态的流程图。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。

如图1所示，为基于声学指纹的开关设备机械状态监测系统的模块图。

一种基于声学指纹的开关设备机械状态监测系统，包括主控模块101、振动信号采集模块102、信号处理模块103、状态评估模块104、学习模块105及存储模块106。

所述振动信号采集模块102用于采集机械振动和撞击事件产生的振动信号，并传输给所述信号处理模块103；所述信号处理模块103用于对所述振动信号进行分析，并获取表征机械状态的声学指纹特征参量；所述状态评估模块104用于根据所述声学指纹特征参量评估所述开关设备的机械状态；所述学习模块105用于学习所述声学指纹特征参量对应的开关设备的机械状态，并发送给所述存储模块106进行存储；所述主控模块101用于根据所述开关设备的机械状态对所述开关设备进行闭合或断开的操作。

在本实施例中，主控模块101采用ARM芯片，完成数据的采集、处理及开关设备的控制。

开关设备的断开和闭合需要根据振动信号来决定，因此，需要采集开关设备上的振动信号，该振动信号表征开关设备是否出现故障。

振动信号对应了机械状态的声学指纹特征参量，因此，通过对振动信号分析，能够获取对应表征机械状态的声学指纹特征参量。

根据声学指纹特征参量判断开关设备的机械状态，即开关设备是否出现故障。

根据开关设备是否出现故障来进行断开或闭合的操作，具体的，当开关设备出现故障时，需要将开关设备断开，当开关设备没有故障时，将开关设备闭合。

存储模块106用于存储数据及振动信号对应的声学指纹特征参量。

基于声学指纹的开关设备机械状态监测系统还包括供电管理模块，所述供电管理模块用于为所述主控模块101、所述振动信号采集模块102、所述信号处理模块103、所述状态评估模块104、所述学习模块105及所述存储模块106提供工作电源。

信号处理模块103还用于输出所述振动信号的频率分布能量图。

信号处理模块103采用小波分析法处理所述振动信号。

状态评估模块104用于根据声学指纹特征参量评估开关设备的机械状态，如，是否出了机械故障，或是正常振动。

学习模块105包括读取模块、计算模块、判断模块及创建模块。

所述读取模块用于读取所述存储模块中的声学指纹特征参量；所述计算模块用于分析能量图变化，并获取当前机械状态判据；所述判断模块用于判断所述存储模块中预存的机械状态判据中是否有当前机械状态判据，若否，则所述创建模块用于在所述存储模块中创建所述当前机械状态判据。

对开关设备机械故障的声学指纹特征信息量进行出路存储，监测装置通过智能学习，不断丰富机械故障判断依据。

在本实施例中，提取判别机械故障的特征参量(振动信号和声音信号)，可以对开关设备进行机械状态评估。

机械故障是开关设备异常的主要原因，而振动是设备机械状态最直接的反映，所以，通过对开关设备振动情况的实时感知、分析，得出能真实反映开关设备当前机械状态的评估结果，对设备机械状态发展趋势做出符合实际的预测，就能对设备维护策略进行优化，同时极大地提高供电可靠性和维护的经济性。

在本实施例中，开关设备为断路器，即在断路器外部安装振动传感器测取振动信号，并采用信号处理方法对振动信号进行分析，从而得到声学指纹特征参量，进而对开关设备进行机械状态评估，根据信号分析结果，快速、准确地判断出操作机构是否处于故障状态。

上述系统采用了声学指纹技术，通过分析环网柜断路器振动信号来对环网柜机械状态进行评估，即通过测取断路器机械振动和撞击事件产生的信号，得到表征机械状态的声学指纹特征量，对其采用小波分析法进行分析，根据分析得到的能量图可知，能量图可以反映出振动信号的频率分布的真实情况，所以可以使用不同频率范围的能量作为分析振动信号的频域特征量，判断开关设备是否处于机械故障状态，从而解决了环网柜机械故障评估问题，达到了防止机构误操作、提高运行可靠性的效果。

如图2所示，为基于声学指纹的开关设备机械状态监测方法的流程图。

一种基于声学指纹的开关设备机械状态监测方法，包括以下方法：

步骤S210，在所述开关设备上安装振动信号采集模块，使所述振动信号采集模块采集所述开关设备的振动信号。

开关设备的断开和闭合需要根据振动信号来决定，因此，需要采集开关设备上的振动信号，该振动信号表征开关设备是否出现故障。

步骤S220，对所述振动信号进行分析并获取表征机械状态的声学指纹特征参量。

振动信号对应了机械状态的声学指纹特征参量，因此，通过对振动信号分析，能够获取对应表征机械状态的声学指纹特征参量。

步骤S230，根据所述声学指纹特征参量评估所述开关设备的机械状态。

根据声学指纹特征参量判断开关设备的机械状态，即开关设备是否出现故障。

步骤S240，用于根据所述开关设备的机械状态对所述开关设备进行闭合或断开的操作。

根据开关设备是否出现故障来进行断开或闭合的操作，具体的，当开关设备出现故障时，需要将开关设备断开，当开关设备没有故障时，将开关设备闭合。

具体的，上述方法的具体工作流程如下：安装在断路器上的振动传感器采集开关设备的振动信号；经过信号分析与处理，从而得到反映机械状态的声学指纹特征参量，放入数据缓存中；将获得的声学指纹数据与机械状态判据进行对比分析；判断机构的机械状态，如果没有机械故障，则继续采集振动信号，如果判定出机械故障，则将故障信号上传控制中心，等待控制中心下达遥控指令；处理完成后，将数据缓存中记录下来的机械故障数据进行存储处理；重新开始采集振动信号，判断下一次设备的机械状态。

在所述对所述振动信号进行分析并获取表征机械状态的声学指纹特征参量的步骤之后还包括：输出所述振动信号的频率分布能量图。

基于声学指纹的开关设备机械状态监测方法还包括：采用小波分析法处理所述振动信号。

所述方法还包括学习所述声学指纹特征参量对应的开关设备的机械状态，并进行存储。

如图3所示，为学习声学指纹特征参量对应的开关设备的机械状态的流程图。

学习所述声学指纹特征参量对应的开关设备的机械状态的步骤包括：

步骤S310，读取预存的声学指纹特征参量。

步骤S320，根据所述声学指纹特征参量分析能量图变化，获得当前机械状态判据。

步骤S330，判断预存的机械状态判据中是否有当前机械状态判据。若是，则重新执行步骤S310。

步骤S340，若否，则创建所述当前机械状态判据，并存储。

上述基于声学指纹的开关设备机械状态监测系统方法通过采集开关设备的振动信号判定环网的机械状态，并对环网柜机械状态进行评估的方案，产生了能快速、准确的判断出设备机械故障，避免设备操作机构在故障状态下继续转动而损坏设备的效果。又因采集处理振动信号，实现了数据资源的统一分析和管理，找到了处理振动信号提取声学指纹特征的信号分析和处理方法，方法简单，运行速度较快，准确性较高。同时，采用了设备机械状态判据智能学习的方案，所以带来了机械状态判据随着运行时间而丰富的效果和作用。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。