一种基于高压断路器的机械故障诊断方法与流程

本发明涉及断路器故障诊断，特别涉及一种基于高压断路器的机械故障诊断方法。

背景技术：

1、随着社会经济快速发展，我国的用电量逐年增加，对电力系统的规模需求也越来越大，对电网安全运行要求越来越高。高压断路器作为维护电力安全的重要设备，电力系统若要正常运行，必须及时诊断出高压断路器的故障，从而保持高压断路器状态稳定。

2、目前国内研究的机械故障诊断方法的准确度并不高，计算量过大、无法满足智能电网对高压断路器故障诊断提出的可靠性要求。因此，如何发明一种具有较高精度与可靠度的高压断路器故障诊断方法成为亟需解决的课题。

技术实现思路

1、本发明的目的是提供一种基于高压断路器的机械故障诊断方法，以解决上述现有技术存在的问题。

2、本发明的上述技术目的是通过以下技术方案得以实现的：

3、一种基于高压断路器的机械故障诊断方法，包括：步骤一、采集断路器的分合闸行程的速度与时间曲线特征曲线、历史弹跳系数与时间关系图、机械震动信号和分合闸电流信号与时间关系动态特征曲线；

4、步骤二、构建卷积神经网络故障诊断模型，卷积神经网络故障诊断模型包括依次向下连接的特征提取层、故障归纳层、检修模型层和结果输出层，所述特征提取层用于提取获得的特征中的异常数据，所述异常数据为实际属于不属于该位置高压断路器额定数据范围的数据，所述故障归纳层用于根据异常数据归纳故障类型，所述检修模型层用于根据归纳的故障类型调取历史维修数据和历史维修方案，所述结果输出层用于检测特征提取结果并输出故障诊断结果和检修模型。

5、通过采用上述技术方案，在电力维修过程中可以快速准确的找到故障的原因、类型、性质、具体部位、程度，提高了故障诊断的精度和效率，可以减少大量的人力，提高维修人员的工作效率。

6、在进一步的实施例中，所述分合闸行程的速度与时间曲线特征曲线包括动触头最大速度、动触头平均速度、动触头动作时间，提取行程曲线上的n个均等分特征点，依次对比相邻的两个特征点的速度，若出现速度变化规律与前一组速度变化规律相反的数据则截取该时间段分合闸行程的速度与时间曲线特征曲线。

7、通过采用上述技术方案，截取分合闸行程的速度与时间曲线特征曲线，提高了故障诊断的精度。

8、在进一步的实施例中，所述历史弹跳系数与时间关系图包括以时间单位记录的弹跳频率，通过对弹跳频率按照时间t进行分割，对弹跳系数与时间关系图进行优化，当弹跳次数的波动误差小于0.1时记录t值，当波动误差大于1时记录t值，在弹跳次数波动小于0.1时弹跳次数与时间呈周期性变化，在弹跳次数波动大于1时高压断路器为不稳定运行状态。

9、通过采用上述技术方案，筛选出高压断路器不稳定运行状态，减少了方法的计算量。

10、在进一步的实施例中，所述分合闸电流信号与时间关系动态特征曲线包括分合闸行程、分合闸行程最大速度、分合闸行程平均速度、无流时间和分合闸电流波形曲线，所述分合闸电流信号与时间关系动态特征曲线用于检测分合闸电流波形，所述分合闸电流波形异常为分合闸开关异常。

11、通过采用上述技术方案，对分合闸电流波形进行检测，提高了检测数据的精度与可靠性。

12、在进一步的实施例中，所述特征提取层用于将信号特征一一对应的提取，有异常特征的信号将其送入故障诊断层，所述故障诊断层包括历史故障信息的组合矩阵，故障归纳层输入检修模型层的方法为：矩阵中的数值与特征提取层的异常数据完全吻合，所述历史故障信息的组合矩阵中的而每一个组合均用代码标记，历史故障信息的组合矩阵与特征提取层的匹配方法为：依次将特征提取层输入的异常数据进行筛选，若包含多个异常数据，则每一个数据均与历史故障信息的组合矩阵进行一次匹配，若历史故障信息的组合矩阵的代码与异常数据匹配则进入下一轮筛选，若不匹配，则不进入下一轮筛选。

13、通过采用上述技术方案，通过组合矩阵对异常特征的信号筛选，提高了特征提取的准确性，便于查找出故障的类型、性质。

14、在进一步的实施例中，所述结果输出层包括特征信号复检，所述特征信号复检包括：检测特征信号与高压断路器编号是否对应，若是，则通过，若否，则重新将数据标记对应的高压断路器编号；检测特征信号是否与特征类型对应，若是，则通过，若否，则重新将特征数据输入对应的特征提取层进行输入检测；检测检修模型与高压断路器编号对应的型号是否一致，若是，则通过，若否，则重新筛选检修模型。

15、通过采用上述技术方案，对特征信号进行复检，确定故障具体位置，筛选检修模型，提高了检修效率。

16、在进一步的实施例中，检测高压断路器分合闸行程波动曲线的方法为：检测分合闸行程曲线斜率变化是否规律，若是，则无异常，若否，则标记为异常数据，检测分合闸行程曲线最大速度是否超过分合闸行程最大速度，若否，则无异常，若是，则标记为异常数据。

17、通过采用上述技术方案，对分合闸曲线斜率、速度进行检测，避免出现故障漏判，提高了故障检测的可靠性。

18、在进一步的实施例中，当所述弹跳次数的波动误差小于0.1时记录tb，当波动误差大于1时记录tq，设额定最大弹跳频率为t0，若tq大于t0，则标记为异常，若tq小于t0，则无异常。

19、通过采用上述技术方案，筛选出高压断路器异常状态，提高故障诊断的效率，提高了故障检测的精确性。

20、综上所述，本发明具有以下有益效果：

21、1.本发明的一种基于高压断路器的机械故障诊断方法，通过采集断路器的分合闸行程的速度与时间曲线特征曲线、历史弹跳系数与时间关系图、机械震动信号和分合闸电流信号与时间关系动态特征曲线，构建卷积神经网络故障诊断模型，卷积神经网络故障诊断模型包括依次向下连接的特征提取层、故障归纳层、检修模型层和结果输出层，能够起到提高故障诊断的精度和效率，快速准确的找到故障的原因、类型、性质、具体部位、程度的效果；

22、2.本发明的一种基于高压断路器的机械故障诊断方法，利用设置特征提取层提取获得的特征中的异常数据，故障归纳层根据异常数据归纳故障类型，能够提高特征提取的准确性，便于查找出故障的类型、性质，提高了检修效率；

23、3.本发明的一种基于高压断路器的机械故障诊断方法，通过对分合闸行程波动曲线、分合闸电流波形进行检测，能够起到提高故障检测的精确性与可靠性的效果。

技术特征：

1.一种基于高压断路器的机械故障诊断方法，其特征在于：包括：

2.根据权利要求1所述的一种基于高压断路器的机械故障诊断方法，其特征在于：所述分合闸行程的速度与时间曲线特征曲线包括动触头最大速度、动触头平均速度、动触头动作时间，提取行程曲线上的n个均等分特征点，依次对比相邻的两个特征点的速度，若出现速度变化规律与前一组速度变化规律相反的数据则截取该时间段分合闸行程的速度与时间曲线特征曲线。

3.根据权利要求1所述的一种基于高压断路器的机械故障诊断方法，其特征在于：所述历史弹跳系数与时间关系图包括以时间单位记录的弹跳频率，通过对弹跳频率按照时间t进行分割，对弹跳系数与时间关系图进行优化，当弹跳次数的波动误差小于0.1时记录t值，当波动误差大于1时记录t值，在弹跳次数波动小于0.1时弹跳次数与时间呈周期性变化，在弹跳次数波动大于1时高压断路器为不稳定运行状态。

4.根据权利要求1所述的一种基于高压断路器的机械故障诊断方法，其特征在于：所述分合闸电流信号与时间关系动态特征曲线包括分合闸行程、分合闸行程最大速度、分合闸行程平均速度、无流时间和分合闸电流波形曲线，所述分合闸电流信号与时间关系动态特征曲线用于检测分合闸电流波形，所述分合闸电流波形异常为分合闸开关异常。

5.根据权利要求1所述的一种基于高压断路器的机械故障诊断方法，其特征在于：所述特征提取层用于将信号特征一一对应的提取，有异常特征的信号将其送入故障诊断层，所述故障诊断层包括历史故障信息的组合矩阵，故障归纳层输入检修模型层的方法为：矩阵中的数值与特征提取层的异常数据完全吻合，所述历史故障信息的组合矩阵中的而每一个组合均用代码标记，历史故障信息的组合矩阵与特征提取层的匹配方法为：依次将特征提取层输入的异常数据进行筛选，若包含多个异常数据，则每一个数据均与历史故障信息的组合矩阵进行一次匹配，若历史故障信息的组合矩阵的代码与异常数据匹配则进入下一轮筛选，若不匹配，则不进入下一轮筛选。

6.根据权利要求1所述的一种基于高压断路器的机械故障诊断方法，其特征在于：所述结果输出层包括特征信号复检，所述特征信号复检包括：检测特征信号与高压断路器编号是否对应，若是，则通过，若否，则重新将数据标记对应的高压断路器编号；检测特征信号是否与特征类型对应，若是，则通过，若否，则重新将特征数据输入对应的特征提取层进行输入检测；检测检修模型与高压断路器编号对应的型号是否一致，若是，则通过，若否，则重新筛选检修模型。

7.根据权利要求1所述的一种基于高压断路器的机械故障诊断方法，其特征在于：检测高压断路器分合闸行程波动曲线的方法为：检测分合闸行程曲线斜率变化是否规律，若是，则无异常，若否，则标记为异常数据，检测分合闸行程曲线最大速度是否超过分合闸行程最大速度，若否，则无异常，若是，则标记为异常数据。

8.根据权利要求3所述的一种基于高压断路器的机械故障诊断方法，其特征在于：当所述弹跳次数的波动误差小于0.1时记录tb，当波动误差大于1时记录tq，设额定最大弹跳频率为t0，若tq大于t0，则标记为异常，若tq小于t0，则无异常。

技术总结
本发明涉及断路器故障诊断领域，特别涉及一种基于高压断路器的机械故障诊断方法，包括采集断路器的分合闸行程的速度与时间曲线特征曲线、历史弹跳系数与时间关系图、机械震动信号和分合闸电流信号与时间关系动态特征曲线；构建卷积神经网络故障诊断模型，卷积神经网络故障诊断模型包括特征提取层、故障归纳层、检修模型层和结果输出层，特征提取层用于提取获得的特征中的异常数据，故障归纳层用于根据异常数据归纳故障类型，检修模型层用于调取历史维修数据和历史维修方案，结果输出层用于检测特征提取结果并输出故障诊断结果和检修模型。本发明用于高压断路器的机械故障诊断，能够起到提高故障诊断的精度和效率，提高维修人员的工作效率。

技术研发人员：杜文娇,曹彦朝,汤振鹏,麦荣焕,许巧云,陈子辉,李辰盟
受保护的技术使用者：广东电网有限责任公司江门供电局
技术研发日：
技术公布日：2024/4/17