一种断路器烧蚀程度在线测量方法、装置及设备与流程

1.本发明涉及断路器烧蚀程度测量领域，特别地，涉及一种断路器烧蚀程度在线测量方法、装置及设备。


背景技术：

2.新型环保气体断路器作为六氟化硫气体断路器的替代产品，是断路器向绿色环保发展的主要途径之一，其是电网运行的重要设备，具有控制与保护的作用，新型环保气体断路器性能的可靠性关系到整个电网运行的安全与稳定。
3.但是新型环保型断路器触头开断额定短路电流的过程中，触头会由于电弧的产生而造成烧蚀，如果断路器触头严重烧损就会影响断路器的正常功能，甚至造成断路器的拒动或者开断电流失败等重大事故，更严重的可能造成断路器灭弧室爆炸，造成的损失远超过断路器本身的价值。因此，对新型环保型断路器触头的烧蚀程度判断在新型环保型断路器状态监测中具有重要的意义。
4.目前，新型环保型断路器触头的烧蚀程度的判断方法主要有：开断电流加权累计法以及动态电阻——行程曲线法等，但这两种方法存在一定的局限性，开断电流加权累积法是一种统计学方法，每次开断电流不同损耗不同，无法确定准确的损耗量，存在较大的误差，动态电阻法只能在离线情况下进行测量，动态电阻的在线测量存在较大的误差。因此现有技术无法在保证断路器正常工作时，准确测量断路器的烧蚀程度，无法在断路器烧蚀严重时及时更换断路器。


技术实现要素：

5.为了克服现有技术的不足，本发明提供一种断路器烧蚀程度在线测量方法、装置及设备，以解决现有技术无法在保证断路器正常工作时，准确测量断路器的烧蚀程度，无法在断路器烧蚀严重时及时更换断路器的问题。
6.本发明解决其技术问题所采用的技术方案是：
7.第一方面，
8.一种断路器烧蚀程度在线测量方法，包括以下步骤：
9.获取待测量断路器当前的原始振动信号；
10.将所述原始振动信号输入到预训练的测量模型中，得到所述断路器的烧蚀程度。
11.进一步地，所述获取待测量断路器当前的原始振动信号，包括：
12.通过设置在所述断路器壳体内部的传感器获取所述断路器的原始振动信号。
13.进一步地，所述将所述原始振动信号输入到预训练的测量模型中，还包括：
14.对所述原始振动信号进行处理得到所述断路器触头处的目标振动信号；
15.将目标振动信号输入到预训练的测量模型中。
16.进一步地，所述对所述原始振动信号进行处理得到所述断路器触头处的目标振动信号，包括：
17.利用逆滤波器对所述原始振动信号进行反卷积得到目标振动信号。
18.进一步地，所述利用逆滤波器对所述原始振动信号进行反卷积得到目标振动信号，包括：
19.初始化逆滤波器的参数为预设值；
20.循环迭代利用逆滤波器对原始振动信号进行反卷积的过程，直至相邻两次迭代的逆滤波器矩阵的差的范数小于预设值和/或迭代次数等于预设迭代值，每次迭代时根据保证目标振动信号熵最小的原则更新逆滤波器参数。
21.进一步地，所述每次迭代时根据保证目标振动信号熵最小的原则更新逆滤波器参数，包括：
22.确定目标振动信号求解的第一公式：其中为目标振动信号，y()为原始振动信号，w()为逆滤波器，n表示任一采样点，l为表示逆滤波器的任一频率，l为逆滤波器的长度；
23.确定目标函数：其中为目标函数，n为原始振动信号的采样点数；
24.对目标函数关于w(l)求导，并令其为零，得到第二公式：
[0025][0026]
由第二公式可得第三公式：
[0027]
对第一公式求导得到第四公式：
[0028]
将第一公式和第四公式带入到第三公式得到第五公式：其中p为逆滤波器的任一频率；
[0029]
令a为y(n)的l
×
l自相关矩阵，w为逆滤波器矩阵，将第五公式写为矩阵形式：b＝aw；
[0030]
更新逆滤波器参数的公式为：wi＝a-1bi
；其中i为迭代次数。
[0031]
进一步地，所述将所述原始振动信号输入到预训练的测量模型中，还包括：
[0032]
利用逆滤波器对所述原始振动信号进行反卷积得到目标振动信号；
[0033]
计算所述目标振动信号的模糊熵得到目标特征向量；
[0034]
将所述目标特征向量输入到预训练的测量模型中。
[0035]
进一步地，所述计算所述目标振动信号的模糊熵得到目标特征向量，包括：
[0036]
对于目标振动信号[u(1),u(2),...,u(n)]，定义相空间维数m(m≤n-2),重构相空间
[0037]
x(i)＝[u(i),u(i+1),...,u(i+m-1)]-u0(i),i＝1,2,...,n-m+1
[0038]
其中，u0(i)为均值，
[0039][0040][0041]
其中，j≠i，为窗口向量x(i)和x(j)之间的最大间隔；
[0042]
引入模糊隶属函数：
[0043][0044]
定义x(i)和x(j)之间的相关度：
[0045]045]
且j≠i
[0046]
其中：为指数函数；n为该函数的边界梯度；r为边界宽度；
[0047]
针对每个i，求其平均值，可得
[0048][0049]
定义模糊度相似度函数为
[0050][0051][0052]
目标振动信号的模糊熵为
[0053]
fuzzyen(m,n,r,n)＝lnφm(r)-lnφ
m+1
(r)
[0054]
其中，n为原始振动信号的采样点数。
[0055]
第二方面，
[0056]
一种断路器烧蚀程度在线测量装置，包括：
[0057]
原始振动信号获取模块，用于获取待测量断路器当前的原始振动信号；
[0058]
烧蚀程度获取模块，用于将所述原始振动信号输入到预训练的测量模型中，得到所述断路器的烧蚀程度。
[0059]
第三方面，一种断路器烧蚀程度在线测量设备，包括：
[0060]
处理器；
[0061]
用于存储所述处理器可执行指令的存储器；
[0062]
所述处理器被配置为用于执行第一方面技术方案中任一项所述的方法。
[0063]
有益效果：
[0064]
本技术技术方案提供一种断路器烧蚀程度在线测量方法、装置及设备，首先获取待测量断路器当前的原始振动信号，然后将原始振动信号输入到预训练的测量模型中，得到断路器的烧蚀程度。本技术方案只需要获取断路器的原始振动信号即可，无需离线测量，
因此本技术方案能够保证断路器在线工作的同时，通过预训练的测量模型能够准确的得到断路器的烧蚀程度，以便烧蚀程度严重时及时更换断路器。
附图说明
[0065]
为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0066]
图1是本发明实施例提供的一种断路器烧蚀程度在线测量方法流程图；
[0067]
图2是本发明实施例提供的一种断路器中传感器安装位置示意图；
[0068]
图3是本发明实施例提供的一种断路器烧蚀程度在线测量装置结构示意图。
具体实施方式
[0069]
为使本技术的目的、技术方案和优点更加清楚，下面结合附图和实施例对本发明的技术方案进行详细的描述说明。显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本技术所保护的范围。
[0070]
第一实施例，参照图1，本发明实施例提供了一种断路器烧蚀程度在线测量方法，包括以下步骤：
[0071]
s11：获取待测量断路器当前的原始振动信号；
[0072]
s12：将原始振动信号输入到预训练的测量模型中，得到断路器的烧蚀程度。
[0073]
本发明实施例提供的断路器烧蚀程度在线测量方法，首先获取待测量断路器当前的原始振动信号，然后将原始振动信号输入到预训练的测量模型中，得到断路器的烧蚀程度。本技术方案只需要获取断路器的原始振动信号即可，无需离线测量，因此本技术方案能够保证断路器在线工作的同时，通过预训练的测量模型能够准确的得到断路器的烧蚀程度，以便烧蚀程度严重时及时更换断路器。
[0074]
第二实施例，作为第一实施例的补充说明，获取待测量断路器当前的原始振动信号，包括：通过设置在断路器壳体内部的传感器获取断路器的原始振动信号。传感器的安装位置如图2所示，传感器1采用无源振动传感器，安装在壳体2内部，安装在内部时，当传感器受到振动时,压电悬臂梁自由端的质量振子由于受到振动加速度的作用引起压电悬臂梁沿施力方向产生一个位移,产生弯曲变形,压电悬臂梁表面应变的变化导致反射型延迟线saw器件中saw传播速度的变化,由此导致反射型延迟线saw器件的延时和相位发生相应的改变,从而更好地获取振动信号。当断路器分闸时，断路器主触头首先分离，这期间无源振动传感器会采集到动主触头3和静主触头4摩擦产生的振动信号，之后，会采集到动弧触头5和静弧触头6的摩擦振动信号，在距离断路器不远处设立无线信号接受器，接收到的信号为表面声波。由于振动传递时会发生衰减，传感器1设置在壳体2内部时，减少了振动通过壳体2传递时的衰减，能够更准确的获取振动信号。为了更准确的获取振动信号，在实际安装过程中，传感器1尽可能的安装在动主触头3和静主触头4以及动弧触头5和静弧触头6的附近。
[0075]
作为本发明实施例一种可选的实现方式，将原始振动信号输入到预训练的测量模
型中，还包括：对原始振动信号进行处理得到断路器触头处的目标振动信号；将目标振动信号输入到预训练的测量模型中。
[0076]
可选地，对原始振动信号进行处理得到断路器触头处的目标振动信号，包括：利用逆滤波器对原始振动信号进行反卷积得到目标振动信号。具体为初始化逆滤波器的参数为预设值；循环迭代利用逆滤波器对原始振动信号进行反卷积的过程，直至相邻两次迭代的逆滤波器矩阵的差的范数小于预设值和/或迭代次数等于预设迭代值，每次迭代时根据保证目标振动信号熵最小的原则更新逆滤波器参数。
[0077]
示例性的，假设所采集到的断路器振动信号表达式为：
[0078]
y(n)＝h(n)*x(n)+e(n)
ꢀꢀ
(1)
[0079]
为恢复信号可设计一个逆滤波器获取初始故障信号。设w(l)为设计的逆滤波器，则初始故障信号可以表示为：
[0080][0081]
公式(1)和(2)中，x(n)为目标振动信号，y()为原始振动信号，h(n)为信号的时域卷积滤波器系数(传递函数)，n表示任一采样点，l为表示逆滤波器的任一频率，l为逆滤波器的长度，为卷积后的目标振动信号。
[0082]
为衡量解卷积后信号的恢复程度，可利用4阶累积向量作为解卷积的目标函数：
[0083][0084]
为使得经过逆滤波器滤波后的信号熵值最小，对目标函数关于w(l)求导，并令其为零：
[0085][0086]
根据公式(4)可得：
[0087][0088]
对公式(2)左右两边关于求导得：
[0089][0090]
将公式(2)、公式(6)代入公式(5)可得：
[0091][0091][0092]
令a为y(n)的l
×
l自相关矩阵，w为逆滤波器矩阵。
[0093]
公式(7)可简写为矩阵形式：
[0094]
b＝aw
ꢀꢀ
(8)
[0095]
对原始振动信号采用逆滤波器进行多次迭代滤波降噪计算。具体的迭代过程为：初始化滤波器参数w(l)
(0)
设置为1；循环迭代根据公式(8)更新逆滤波器参数wi＝a-1bi
，其中i为迭代次数；给定一个阈值c和最大迭代次数d，若或者迭代次数超过d，则停止循环，一般阈值c选为0.01，迭代次数d为30。
[0096]
停止循环迭代时，得到的目标振动信号，将目标振动信号输入到预训练的测量模型中，即可得到断路器的烧蚀程度。
[0097]
但是在实际过程中，经循环迭代得到的振动信号也并不能保证与真实的振动信号一致，因此作为本发明实施例一种可选的实现方式，在循环迭代之后得到的振动信号计算其模糊熵提取能够表示目标振动信号的特征向量，根据这些特征向量能够准确的表示断路器的烧蚀情况，因此将计算模糊熵得到的特征向量输入预训练的测量模型即可得到断路器的烧蚀程度。
[0098]
模糊熵是在样本熵的基础上加入模糊因子，使其可以根据样本输入与输出之间的关系判断样本所属类别，具有很强的自适应性，适用于非线性复杂断路器振动信号。模糊熵的具体计算步骤如下：
[0099]
对于经过滤波降噪后的断路器振动信号[u(1),u(2),...,u(n)]，定义相空间维数m(m≤n-2),重构相空间
[0100]
x(i)＝[u(i),u(i+1),...,u(i+m-1)]-u0(i),i＝1,2,...,n-m+1
ꢀꢀ
(9)
[0101]
其中，u0(i)为均值，
[0102][0103][0103]
且j≠i为窗口向量x(i)和x(j)之间的最大间隔。
[0104]
引入模糊隶属函数
[0105][0106]
定义x(i)和x(j)之间的相关度：
[0107][0107]
且j≠i
[0108]
上式中：为指数函数；n为该函数的边界梯度；r为边界宽度。
[0109]
针对每个i，求其平均值，可得
[0110][0111]
定义模糊度相似度函数为
[0112]
[0113][0114]
原振动信号的模糊熵为
[0115]
fuzzyen(m,n,r,n)＝lnφm(r)-lnφ
m+1
(r)
ꢀꢀ
(15)
[0116]
得到模糊熵估计值为
[0117]
fuzzyen(m,n,r,n)＝lnφm(r)-lnφ
m+1
(r)
ꢀꢀ
(16)
[0118]
上式中：n为采样序列长度；m为重构维数；r一般为(0.1～0.25)sd,sd为采样信号标准差。模糊熵大小与参数的取值关系密切，为获得更好的条件概率估计，通常可以取m＝n＝2。
[0119]
作为本发明实施例可选的实现方式，预训练的测量模型为根据训练样本和测试样本训练得到，其中训练样本和测试样本根据与待测量的断路器相同型号的断路器在相同工作条件下得到的振动信号得到。训练样本和测试样本可以采用上述先经过逆滤波器反卷积迭代，然后计算模糊熵得到。测量模型可以采用支持向量机(svm)，将训练样本作为支持向量机(svm)的输入向量，训练svm，得到对应的svm故障分类器，再使用测试样本对训练好的支持向量机进行低压智能断路器的故障进行诊断，实现对低压智能断路器的故障识别。
[0120]
训练前需要预先将训练样本中计算模糊熵后得到的特征向量代表的烧蚀程度定义好，这样通过特征向量能够准确的得到表断路器的以下情况：是否烧蚀、烧蚀严重程度、烧蚀部分以及烧蚀方式，烧蚀方式包括侧烧(即只烧了侧面)和平面烧(即烧蚀的是整体平面，烧蚀后平面变薄)。因此在实际过程中，即使是同一烧蚀严重程度，不同烧蚀部位和不同烧蚀方式所采用的应对措施不同。而不采用计算模糊熵的方式时，只能大致得到其烧蚀严重程度，无法得知其烧蚀部位和烧蚀方式。支持向量机(svm)由线性可分发展而来，其目的是得到支持向量机中的最优超平面，它具有很强的分类和预测能力，比人工神经网络更适用于小样本的分类，而且，svm具有很强的学习和泛化能力，其中原点和方点表示两种不同的样本，中间的ωx+b＝0为种类分界线，其中ω为超平面法向量，b为阀值，目标是将两样本分开，当分离间隔最大时，认为此时得到的超平面最优。
[0121]
本发明实施例提供的测量方法，采用无源振动传感器传感器对动、静触头的振动信号进行提取，相较于在断路器壳体处或操作机构处安装传感器(在断路器壳体处安装传感器采集振动信号，断路器操作过程中，有很多部件均会产生振动信号，内部触头烧蚀产生的振动信号经机械部件传到壳体，振动信号会衰弱，不利于后续依据振动信号对电弧烧蚀的判别)，本发明中的传感器安装对触头烧蚀情况的反映更显著，且能实现在线检测。采用逆滤波器对原始振动信号进行反卷积，以增强信号中的冲击特性，同时可以有效减少传递路径和噪声对信号的影响，恢复信号的“简单特征”和“确定性”，有利于信号特征的提取。在样本熵的基础上加入模糊因子的改进方法，可以根据样本输入与输出之间的关系判断样本所属类别，具有很强的自适应性，对于非平稳、非线性的断路器振动信号具有良好的应用效果。
[0122]
第三实施例，本发明提供一种断路器烧蚀程度在线测量装置，如图3所示，包括：
[0123]
原始振动信号获取模块31，用于获取待测量断路器当前的原始振动信号；具体地，原始振动信号获取模块31通过设置在断路器壳体内部的传感器获取断路器的原始振动信号。
[0124]
烧蚀程度获取模块32，用于将原始振动信号输入到预训练的测量模型中，得到断路器的烧蚀程度。具体地，烧蚀程度获取模块32对原始振动信号进行处理得到断路器触头处的目标振动信号；将目标振动信号输入到预训练的测量模型中。对原始振动信号进行处理得到断路器触头处的目标振动信号，包括：利用逆滤波器对原始振动信号进行反卷积得到目标振动信号。利用逆滤波器对原始振动信号进行反卷积得到目标振动信号，包括：初始化逆滤波器的参数为预设值；循环迭代利用逆滤波器对原始振动信号进行反卷积的过程，直至相邻两次迭代的逆滤波器矩阵的差的范数小于预设值和/或迭代次数等于预设迭代值，每次迭代时根据保证目标振动信号熵最小的原则更新逆滤波器参数。
[0125]
具体地，确定目标振动信号求解的第一公式：具体地，确定目标振动信号求解的第一公式：其中为目标振动信号，y()为原始振动信号，w()为逆滤波器，n表示任一采样点，l为表示逆滤波器的任一频率，l为逆滤波器的长度；
[0126]
确定目标函数：其中为目标函数，n为原始振动信号的采样点数；
[0127]
对目标函数关于w(l)求导，并令其为零，得到第二公式：
[0128][0129]
由第二公式可得第三公式：
[0130]
对第一公式求导得到第四公式：
[0131]
将第一公式和第四公式带入到第三公式得到第五公式：其中p为逆滤波器的任一频率；
[0132]
令a为y(n)的l
×
l自相关矩阵，w为逆滤波器矩阵，将第五公式写为矩阵形式：b＝aw；
[0133]
更新逆滤波器参数的公式为：wi＝a-1bi
；其中i为迭代次数。
[0134]
作为本发明实施例一种可选的实现方式，烧蚀程度获取模块32将所述原始振动信号输入到预训练的测量模型中，还包括：利用逆滤波器对所述原始振动信号进行反卷积得到目标振动信号；计算所述目标振动信号的模糊熵得到目标特征向量；将所述目标特征向量输入到预训练的测量模型中，具体包括：
[0135]
对于目标振动信号[u(1),u(2),...,u(n)]，定义相空间维数m(m≤n-2),重构相空间
[0136]
x(i)＝[u(i),u(i+1),...,u(i+m-1)]-u0(i),i＝1,2,...,n-m+1
[0137]
其中，u0(i)为均值，
[0138][0139][0140]
其中，j≠i，为窗口向量x(i)和x(j)之间的最大间隔；
[0141]
引入模糊隶属函数：
[0142][0143]
定义x(i)和x(j)之间的相关度：
[0144][0144]
且j≠i
[0145]
其中：为指数函数；n为该函数的边界梯度；r为边界宽度；
[0146]
针对每个i，求其平均值，可得
[0147][0148]
定义模糊度相似度函数为
[0149][0150][0151]
目标振动信号的模糊熵为
[0152]
fuzzyen(m,n,r,n)＝lnφm(r)-lnφ
m+1
(r)
[0153]
其中，n为原始振动信号的采样点数。
[0154]
本发明实施例提供的断路器烧蚀程度在线测量装置，原始振动信号获取模块获取待测量断路器当前的原始振动信号；烧蚀程度获取模块将原始振动信号输入到预训练的测量模型中，得到断路器的烧蚀程度。本发明实施例提供的在线测量装置只需要获取断路器的原始振动信号即可，无需离线测量，因此能够保证断路器在线工作的同时，通过预训练的测量模型能够准确的得到断路器的烧蚀程度，以便烧蚀程度严重时及时更换断路器。
[0155]
第四实施例，本发明实施例提供一种断路器烧蚀程度在线测量设备，包括：
[0156]
处理器；
[0157]
用于存储处理器可执行指令的存储器；
[0158]
处理器被配置为用于执行第一实施例或第二实施例提供的方法。
[0159]
本发明实施例提供的断路器烧蚀程度在线测量设备，通过存储器存储处理器的可执行指令，当处理器执行可执行指令时，能够获取待测量断路器当前的原始振动信号，然后将原始振动信号输入到预训练的测量模型中，得到断路器的烧蚀程度。本发明实施例提供的在线测量设备只需要获取断路器的原始振动信号即可，无需离线测量，因此能够保证断路器在线工作的同时，通过预训练的测量模型能够准确的得到断路器的烧蚀程度，以便烧
蚀程度严重时及时更换断路器。
[0160]
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
[0161]
需要说明的是，在本技术的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本技术的描述中，除非另有说明，“多个”的含义是指至少两个。
[0162]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
[0163]
应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0164]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0165]
此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0166]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0167]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0168]
尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。