CN106019131A - 一种基于分合闸线圈电流的高压断路器操作机构状态综合评估方法 - Google Patents
一种基于分合闸线圈电流的高压断路器操作机构状态综合评估方法 Download PDFInfo
- Publication number
- CN106019131A CN106019131A CN201610330525.0A CN201610330525A CN106019131A CN 106019131 A CN106019131 A CN 106019131A CN 201610330525 A CN201610330525 A CN 201610330525A CN 106019131 A CN106019131 A CN 106019131A
- Authority
- CN
- China
- Prior art keywords
- coil current
- point
- waveform
- operating mechanism
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000007246 mechanism Effects 0.000 title claims abstract description 83
- 238000011156 evaluation Methods 0.000 title claims abstract description 6
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000001914 filtration Methods 0.000 claims abstract description 7
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 29
- 230000007935 neutral effect Effects 0.000 claims description 22
- 238000012360 testing method Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 11
- 230000005611 electricity Effects 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 238000012854 evaluation process Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000012067 mathematical method Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 241000184339 Nemophila maculata Species 0.000 claims 1
- 238000013211 curve analysis Methods 0.000 claims 1
- 238000009499 grossing Methods 0.000 claims 1
- 230000009191 jumping Effects 0.000 claims 1
- 230000009466 transformation Effects 0.000 claims 1
- 238000012423 maintenance Methods 0.000 abstract description 9
- 230000009471 action Effects 0.000 description 9
- 230000002085 persistent effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004146 energy storage Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 238000010338 mechanical breakdown Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- MKXZASYAUGDDCJ-NJAFHUGGSA-N dextromethorphan Chemical compound C([C@@H]12)CCC[C@]11CCN(C)[C@H]2CC2=CC=C(OC)C=C21 MKXZASYAUGDDCJ-NJAFHUGGSA-N 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010891 electric arc Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005211 surface analysis Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
- G01R31/3271—Testing of circuit interrupters, switches or circuit-breakers of high voltage or medium voltage devices
- G01R31/3272—Apparatus, systems or circuits therefor
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明涉及一种基于分合闸线圈电流的高压断路器操作机构状态综合评估方法。首先利用五点三次平滑滤波法去除线圈电流信号中的干扰信号,然后提取线圈电流特征量,并建立评估***模型。本发明方法能实现对高压断路器操作机构状态的准确评估,对检修人员制定检修计划具有重要的意义。
Description
技术领域
本发明设计一种基于分合闸线圈电流的高压断路器操作机构状态综合评估方法。
背景技术
高压断路器的正常运行对保证电力***的安全稳定运行起着非常重要的作用。因此,电网公司为了确保高压断路器的正常运行制订了严格的检修计划,即定期内对高压断路器进行预防性大修和小修。据相关统计表明,高压断路器的预防性检修耗费了变电站一半以上的维护费,而且大部分费用用在高压断路器的例行检修上;
高压断路器的安全稳定运行在很大程度上取决于其操作机构的运行可靠性。高压断路器与其它电气设备相比,机械部分零部件较多,加之这些部件动作频繁,因此高压断路器的机械部件故障率较高。中国电力科学研究院对全国6kV及以上高压断路器故障原因的统计分析结果表明,在高压断路器拒动、误动故障中,由操作机构的机械故障所导致的故障比例高达41.63%;国际大电网会议(CIGRE)调查了1988年后运行的高压断路器故障状况,调查涉及22个国家132家电力公司的70708台高压断路器,调查结果表明高压断路器各种故障中操作机构机械故障占43.5%,列在首位。所以,高压断路器操作机构的安全可靠运行是保证高压断路器可靠运行的重要因素。对高压断路器操作机构实施状态评估,掌握其运行状态,及早安排检修计划,这样既可避免不必要的检修,又可防止其轻微故障最终导致的事故,从而提高电力***的经济性、可靠性和安全性;
高压断路器操作机构各种特性曲线信号的采集,其中线圈电流波形采集可以在线进行,其传感器精度高,不影响机构正常运行。且线圈电流波形中包含电磁***及本体传动机构的部分信息,能对机构的电磁***及本体部分状态进行准确评估。为此,研究一种基于分合闸线圈电流波形的高压断路器操作机构状态评估方法,能便捷、快速而又精准地判断高压断路器操作机构的运行状态,及时掌握高压断路器操作机构的工作状态,避免不必要的检修,为运行调度和检修人员提供准确的高压断路器实时运行状况具有非常重要的意义。
发明内容
本发明的目的是提供一种基于分合闸线圈电流波形的高压断路器操作机构状态评估方法;
上述的目的通过以下的技术方案实现:
一种基于分合闸线圈电流波形的高压断路器操作机构状态评估方法,包括如下步骤:
(1)利用五点三次平滑滤波法去除线圈电流数据中的干扰信号
典型的含干扰信号模型如式1所示,可以通过使用适当的数学方法来去除干扰信号e(i );
(1)
式中,i =0,…,n -1,Y (i )为含有干扰的信号,为去除干扰后的信号;
五点三次平滑滤波法是利用最小二乘法原理对离散数据进行三次最小二乘多项式平滑的方法,可以将测试信号的干扰部分剔除,并提取测试信号的有用信号。其基本原理为:
设2n +1个间距为h 的等间距节点x -n ,x -n+1…,x -1,x 0 ,x 1 ,…,x n-1,x n 。通过取整变换t =(x -x 0)/ h,则原节点变为t -n = -n,t -n+1=-n +1,…,t n = n,其中节点所对应的数据为Y -n ,Y -n+1,…,Y -1,Y 0,Y 1,…,Y n-1,Y n ,利用m 次多项式Y (t )来拟合试验数据,有:
(2)
根据最小二乘法确定方程(2)中的待定系数,可得:
(3)
关于a 0 ,a 1 ,…,a m 的函数,为使达到最小,将它分别对a j (j =0,1,…,m )求偏倒数,并令其为0,可得方程组:
(4)
该方程组称为正规方程组。当n =2(5个节点),m =3时,得到一个具体的正规方程组,因此解出a 0 ,a 1 ,…,a m 。并带入式(1)中,令t =0,+1,-1,+2,-2,可得到五点三次平滑滤波公式:
(5)
式中,为Y i 干扰去除后的数据,i =0,+1,-1,+2,-2;
(2)提取线圈电流特征量
高压断路器操作机构分合闸动作的实现,是依靠分合闸电磁铁动作触发储能机构释放储能从而带动动触头动作实现机构分合闸,而分合闸电磁铁动作是依靠分合闸线圈电流所产生的电磁力。电磁铁动铁芯运动过程中,操作机构合闸线圈典型电流波形如附图1所示,根据高压断路器合闸线圈电流波形可将合闸电磁铁动铁芯的运动过程分为4个阶段,分别为:
阶段1(t 0 ~t 1):t 0 时刻,合闸线圈通电,线圈中电流开始缓慢上升,由于此时电流较小,所产生的磁通也较小,线圈电磁力小于铁芯动作值,即电磁力小于铁芯静态阻力,动铁芯不动作。当电流上升到第一个峰值i 1 时,电磁吸力大于反力,铁芯开始动作,进入阶段2。阶段1中动铁芯不动作,磁路气隙不变,线圈电感为常数,此阶段电路可等效为一个RL 直流电路,线圈电流按指数规律上升,时间常数为 L/R 。 此时气隙最大,电感最小。阶段1中线圈电流如式(6)所示,电流上升速度可通过式(7)得到:
(6)
(7)
根据式(6)和(7)可知,线圈回路电压、线圈回路电阻、动铁芯空行程(工作气隙)、电磁铁初始阻力等都将影响阶段1电流的上升速度、峰值电流i 1 和阶段1的持续时间。下面分析各参数对线圈电流波形的影响情况:
1、线圈回路电压:电压越高,电流上升速度越快,达到峰值电流i 1 的时间越短,且电流峰值越大;
2、线圈回路电阻:线圈回路电阻越大,电流的上升速度越慢。实际运行中,线圈回路电阻一般变化不大,所以线圈回路电阻变化对电流第一阶段影响不大;
3、动铁芯空行程:空行程变化影响动铁芯的电感值,气隙越大,电感越小,电路时间常数减小,电流上升速度增大。在线圈电流相同时,由于气隙增大使电流所感应的磁场减弱,产生的电磁力变小,所以在同等初始阻力情况下,气隙大的电磁***峰值电流i 1 增大,从而使线圈电流达到峰值时间增加,即阶段1的持续时间增大;
4、电磁铁初始阻力:电磁铁初始阻力增大,动铁芯动作需要克服的阻力增加,电磁力增大,则线圈电流峰值增大。在电流上升速度不变时,阶段1的持续时间也增大;
所以,根据线圈电流波形阶段1的持续时间和峰值电流i 1 可以评估电磁***的运行性能。如果阶段1持续时间过长,表明电磁***存在故障,可能是线圈电压过低、铁芯空行程太大等;如果阶段1持续时间长且伴随峰值电流i 1 增大,则可能是铁芯卡涩;
阶段2(t 1~t 2 ):t 1 时刻电磁力超过铁芯静态阻力,动铁芯开始动作。随着铁芯的运动,气隙减小,磁路磁阻减小,线圈电感增加,线圈电流逐渐下降。阶段2中,电磁铁动铁芯处于加速状态,在t 2 时刻,铁芯运动速度达到最大,铁芯运动到位,撞杆撞击合闸触发器,产生的碰撞反作用力使电磁铁停止运动。在阶段2如果铁芯运动过程中存在卡涩,将导致动铁芯运动速度改变,电流波形将偏离标准形状,且阶段2的持续时间增大。所以,根据此阶段电流波形变化情况可分析铁芯是否存在卡涩、撞杆是否变形及脱口失灵等故障;
阶段3(t 2 ~t 3 ):t 2 时刻,动铁芯运动到位,撞杆撞击合闸触发器停止运动,储能机构释放储能,高压断路器动触头开始动作。此阶段动铁芯不动,磁路气隙不变,磁阻不变,电感是常数,且为最大值。所以线圈电流呈指数规律上升,经过电流上升的暂态过程后,电流不再增加,线圈电流达到近似稳态。阶段3中,如果合闸触发器不稳定或机构本体存在故障而使动铁芯运动,则线圈电流波形将偏离正常指数上升,电流上升速度过快导致电流达到并超过额定值,则会烧毁线圈,线圈电压的大小以及回路电阻影响电流波形中峰值i 3 、i 4的大小。所以,阶段3的电流波形可以反映触发器或者机构本体方面故障和电源电压或者回路电阻的变化情况;
阶段4(t 3 ~t 4 ):阶段4为电流切断阶段。t 3 时刻,高压断路器辅助触头切断线圈回路直流电源,在辅助触头之间产生电弧并被迅速拉长,电弧电压升高,使电流减小,直到电弧熄灭,线圈电流减小为零;
经过分析可得线圈电流波形中有5个能基本反映电磁铁铁芯动作过程的关键点,称为特征点。它们分别是:(t 0 ,0),(t 1 ,i 1 ),(t 2 ,i 2 ),(t 3 ,i 3 ),(t 4 ,0)。因此,线圈电流包括7个特征量,即三个电流量i 1 、i 2 、i 3 和四个时间量t 1 、t 2 、t 3 、t 4 。这7个特征量包含了线圈电流波形的大部分关键信息,因此下面采用斜率法提取线圈电流特征量;
设采集的线圈电流信号为V [i ],其中i 为采样序列号,i =0,1,…,n ,则曲线在时间序列上各点的斜率:
(8)
式中,为采样周期。附图2为电流与其斜率变化的对照曲线,通过线圈电流曲线相邻两点斜率的符号来提取线圈电流特征量,即过零点为电流特征值。t 1 点的斜率过零,t 2点斜率由负变正,t 3 点斜率过零,t 4 点斜率由负变为零;
由附图2很容易提取出t 1 、t 2 、t 3 、t 4 及其对应的电流值。即斜率曲线第一次穿越X 轴的点为t 1 ,斜率曲线由负变为正(曲线第二次穿越X 轴)的点为t 2 ,曲线再过X 轴时的点为t 3 ,曲线由负回到X 轴的点为t 4 。求各点的电流大小,采用查询方式可从监测数据中查找出对应的电流,即可完成对线圈电流所有特征量的提取;
3)评估***建立
通过线圈电流特征量数据建立BP神经网络并结合波形识别来综合评估高压断路器操作机构的状态,使评估结果更加准确;
1)波形识别
波形识别法是通过采用当前波形与样本库中正常标准波形进行比较,如果波形发生明显畸变则可判断高压断路器操作机构故障。这种方法简单易实现,对于有经验的技术人员,可以很快得出初略的结论。由于t 0 ~t 2 段可以看为一个阶段,所以下面分三个阶段对分合闸线圈电流进行波形识别:如果t 0 ~t 2 段波形异常,如附图3(a)所示,在t 0 ~t 2 阶段出现拐点t 12(1)和t 12(2)或者峰值电流i 1 过大,表明动铁芯存在卡涩。如果t 2 ~t 3 阶段波形异常,如附图3(b)所示,此阶段电流波形出现拐点,表明开关本体传动机构运行不顺畅,出现卡涩等故障。如果t 3 ~t 4 阶段波形异常,如附图3(c)所示,此阶段出现拐点t 34(1)和t 34(2),表明辅助开关发生弹跳或者无法断开,使得线圈通电时间延长,温升升高,严重时烧坏线圈;
波形识别方法可以通过操作机构除线圈电流特征点之外有无其它拐点来进行机构状态评估,如果存在拐点,分析拐点位置,对机构的运行状态做出判断;但是基于波形识别的机构状态评估方法不能判断线圈电流特征点变化时的机构状态;
2)基于BP神经网络的状态评估
在神经网络状态评估***中,提取线圈电流t 1 、t 2 、t 3 、t 4 、i 1 、i 2 、i 3 ,并进行归一化处理,输入神经网络,进行网络训练。然后利用训练的网络进行高压断路器操作机构的状态评估。高压断路器操作机构的BP神经网络状态评估流程图如附图4所示;
基于BP神经网络的高压断路器操作机构状态评估方法是通过特征点的变化规律得出操作机构的状态,但机构故障时线圈电流波形可能还存在特征点以外的拐点,仅通过特征点的变化来评估机构状态,结果将不准确;
3)基于波形识别和BP神经网络的操作机构状态综合评估
基于波形识别和BP神经网络相结合的操作机构状态综合评估方法,其评估过程如附图5所示,首先通过对被测机构的线圈电流波形进行波形识别,判断机构除线圈电流特征点之外有无其它拐点,如果存在拐点,分析拐点位置,对机构的运行状态做出初步判断;如果不存在拐点,则通过BP神经网络算法来对操作机构状态做进一步的评估,得出机构的运行状态。因此基于波形识别和BP神经网络相结合的高压断路器操作机构状态综合评估方法不仅考虑了线圈电流的特征量之间的变化规律,也考虑了特征量之外的波形变化,因此能够更加准确地反映操作机构的实际运行状态。
有益效果:
本发明方法能便捷、快速而又准确地判断高压断路器操作机构的运行状态,及时掌握操作机构的工作状态,避免不必要的检修,为运行调度和检修人员提供准确的高压断路器实时运行状况。
附图说明:
图1是合闸线圈典型电流波形图
图2是电流曲线与其斜率变化曲线对照图
图3是高压断路器操作机构线圈电流典型故障波形图
图4是高压断路器操作机构神经网络状态评估流程图
图5是高压断路器操作机构状态综合评估流程图
图6 实际分类与预测分类对比
具体实施方式:
实施例1:
为了对高压断路器操作机构状态评估网络进行测试,在某高压断路器操作机构生产厂家进行高压断路器非额定情况下试验,以型号为LW34-40.5的高压断路器弹簧操作机构为研究对象。提取经过五点三次平滑滤波法数据处理后的线圈电流特征量作为操作机构状态评估的特征量。表3-3为提取的合闸线圈电流测试样本特征量及所对应的高压断路器操作机构状态类型;
提取线圈电流特征量共30组样本数据,可表征的高压断路器操作机构状态有6种状态,包括机构正常(A)5组、线圈电压过低(B)5组、线圈电压过高(C)5组、储能弹簧压力过小(D)5组、操作机构本体卡涩(E)5组、铁芯空行程过大(F)5组,如表1所示;
表1 样本数据
表2测试数据
在MATLAB中构造波形识别和神经网络算法,其中,神经网络的输入节点层数为7,隐含层节点数为2,输出层节点数为6。通过选取表1中30组样本数据中的t 1 、t 2 、t 3 、t 4 、i 1、i 2 、i 3 作为训练集。表2中12组数据中的t 1 、t 2 、t 3 、t 4 、i 1 、i 2 、i 3 作为测试集。使用训练好的神经网络对测试集样本进行测试,测试集共 12 组数据,其中正常状态两组、每种故障状态两组数据,与训练集数据不重叠。通过波形识别和神经网络综合评估分析,可以得到如附图6所示的实际分类与预测分类对比测试结果;
从附图6可以看出,测试集中12组预测操作机构状态的结果与实际操作机构状态的结果一致。表明基于波形识别和的BP神经网络综合评估方法能实现对高压断路器操作机构状态的正确评估。
Claims (1)
1.一种基于分合闸线圈电流的高压断路器操作机构状态综合评估方法,其特征在于:基于波形识别和神经网络相结合的高压断路器操作机构状态综合评估方法能实现对高压断路器操作机构状态的准确评估;该方法包括如下步骤:
(1)利用五点三次平滑滤波法去除线圈电流数据中的干扰信号
典型的含干扰信号模型如式1所示,可以通过使用适当的数学方法来去除干扰信号e(i );
(1)
式中,i =0,…,n -1,Y (i )为含有干扰的信号,为去除干扰后的信号;
五点三次平滑滤波法是利用最小二乘法原理对离散数据进行三次最小二乘多项式平滑的方法,可以将测试信号的干扰部分剔除,并提取测试信号的有用信号;其基本原理为:
设2 n +1个间距为h 的等间距节点 x -n , x - n+1…,x -1,x 0 , x 1,…, x n-1, x n ;通过取整变换 t = ( x - x 0 )/h ,则原节点变为 t -n = - n ,t -n+1=- n +1,…, t n = n ,其中节点所对应的数据为 Y -n , Y -n+1 ,…,Y -1 ,Y 0 ,Y 1 ,…,Y n-1,Y n ,利用m 次多项式 Y (t )来拟合试验数据,有:
(2)
根据最小二乘法确定方程(2)中的待定系数,可得:
(3)
为关于 a 0 , a 1 ,…,a m 的函数,为使达到最小,将它分别对 a j ( j =0,1,…,m )求偏倒数,并令其为0,可得方程组:
(4)
该方程组称为正规方程组;当n =2(5个节点),m =3时,得到一个具体的正规方程组,因此解出 a 0, a 1,…, a m ;并带入式(1)中,令t =0,+1,-1,+2,-2,可得到五点三次平滑滤波公式:
(5)
式中,为Y i 干扰去除后的数据,i =0,+1,-1,+2,-2;
(2)提取线圈电流特征量
在高压断路器操作机构线圈电流信号的监测过程中,由于传感器安装的位置以及变电站的强电磁干扰环境等影响,将会在测试信号上叠加干扰信号;干扰信号的存在会影响评估结果;因此,消除干扰信号是状态评估的关键环节;采用五点三次平滑法去除线圈电流干扰信号;
对线圈电流波形特征曲线分析可知,线圈电流包括7个特征量;即三个电流量i 1 、i 2 、i 3 和四个时间量t 1 、t 2 、t 3 、t 4 ;这7个特征量包含了线圈电流波形的大部分关键信息,采用斜率法提取线圈电流特征量;
设采集的线圈电流信号为V [i ],其中i 为采样序列号,i =0,1,…,n ,则曲线在时间序列上各点的斜率:
(6)
式中,T 为采样周期;附图2为电流与其斜率变化的对照曲线,通过线圈电流曲线相邻两点斜率的符号来提取线圈电流特征量,即过零点为电流特征值;t 1 点的斜率过零,t 2点斜率由负变正,t 3 点斜率过零,t 4 点斜率由负变为零;
由附图2提取t 1 、t 2 、t 3 、t 4 及其对应的电流值,即斜率曲线第一次穿越X 轴的点为t 1 点,之后斜率曲线由负变为正(曲线第二次穿越X 轴)的点为t 2 点,再之后曲线穿过X 轴的点为t 3 ,曲线由负回到X 轴的点为t 4 ;再求各点的电流大小,采用查询方式即可从监测数据中查找出对应的电流,完成对线圈电流所有特征量的提取;
(3)评估***建立
通过线圈电流特征量数据建立BP神经网络并结合波形识别来综合评估高压断路器操作机构的状态,使评估结果更加准确;
1)波形识别
波形识别法是通过采用当前波形与样本库中正常标准波形进行比较,如果波形发生明显畸变则可判操作机构故障;通过线圈电流波形的三个阶段分别对线圈电流进行判断:如果 t 0 ~ t 2 段段波形异常,如附图3(a)所示,在t 0 ~t 2阶段出现拐点t 12(1)和t 12(2)或者峰值电流i 1 过大,表明动铁芯存在卡涩;如果t 2~t 3 阶段波形异常,如附图3(b)所示,此阶段电流波形出现拐点,表明开关本体传动机构运行不顺畅,出现卡涩等故障;如果t 3 ~ t 4 阶段波形异常,如附图3(c)所示,此阶段出现拐点t 34(1)和t 34(2),表明辅助开关发生弹跳或者无法断开,使得线圈通电时间延长,温升升高,严重时烧坏线圈;
波形识别方法可以通过判断操作机构除线圈电流特征点之外有无其它拐点来进行机构状态评估,如果存在拐点,分析拐点位置,从而对机构的运行状态做出判断;但是基于波形识别的机构状态评估方法不能判断线圈电流特征点变化时的机构状态;
2)基于BP神经网络的状态评估
在神经网络状态评估***中,提取线圈电流t 1 、t 2 、t 3 、t 4 、i 1 、i 2 、i 3 ,并进行归一化处理,输入神经网络,进行网络训练;利用训练的网络进行操作机构的状态评估;操作机构的BP神经网络状态评估流程图如附图4所示;
基于BP神经网络的高压断路器操作机构状态评估方法是通过常规几个特征点的变化规律得出操作机构的状态,但机构故障时线圈电流波形可能还存在特征点以外的拐点,仅通过特征点的变化来评估机构状态,结果将不准确;
3)基于波形识别和BP神经网络的操作机构状态综合评估
基于波形识别和BP神经网络相结合的高压断路器操作机构状态评估方法,其评估过程如附图5所示,首先通过对被测机构的线圈电流波形进行波形识别,判断机构除线圈电流特征点之外有无其它拐点,如果存在拐点,分析拐点位置,对机构运行状态做出初步判断;如果不存在拐点,则通过BP神经网络算法来对机构状态做进一步评估;因此基于波形识别和BP神经网络相结合的高压断路器操作机构状态综合评估方法不仅考虑了线圈电流的特征量之间的变化规律,也考虑了特征量之外的波形变化,能够更准确地反映高压断路器操作机构的实际运行状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610330525.0A CN106019131B (zh) | 2016-05-18 | 2016-05-18 | 一种基于分合闸线圈电流的高压断路器操作机构状态综合评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610330525.0A CN106019131B (zh) | 2016-05-18 | 2016-05-18 | 一种基于分合闸线圈电流的高压断路器操作机构状态综合评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106019131A true CN106019131A (zh) | 2016-10-12 |
CN106019131B CN106019131B (zh) | 2017-10-31 |
Family
ID=57098640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610330525.0A Expired - Fee Related CN106019131B (zh) | 2016-05-18 | 2016-05-18 | 一种基于分合闸线圈电流的高压断路器操作机构状态综合评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106019131B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106443432A (zh) * | 2016-10-18 | 2017-02-22 | 国家电网公司 | 基于形态学辨识的断路器状态检测方法 |
CN106443136A (zh) * | 2016-11-08 | 2017-02-22 | 浙江理工大学 | 一种圆纬机电磁选针器选针刀头摆动到位时间的测量方法 |
CN106680700A (zh) * | 2016-11-25 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 一种隔离开关智能诊断***与方法 |
CN106707153A (zh) * | 2016-12-27 | 2017-05-24 | 北京合纵科技股份有限公司 | 一种基于foa‑rbf的高压断路器故障诊断方法 |
CN107907825A (zh) * | 2017-10-31 | 2018-04-13 | 云南电网有限责任公司保山供电局 | 一种敞开式高压隔离开关在线监测装置及方法 |
CN108508298A (zh) * | 2018-04-13 | 2018-09-07 | 南方电网科学研究院有限责任公司 | 一种分合闸线圈的寿命评估方法和装置 |
CN109524252A (zh) * | 2018-11-05 | 2019-03-26 | 东南大学 | 一种基于移动平均滤波的抑制永磁断路器合闸弹跳的方法 |
CN109901064A (zh) * | 2019-03-15 | 2019-06-18 | 西安工程大学 | 基于ica-lvq的高压断路器故障诊断方法 |
CN110426624A (zh) * | 2019-07-29 | 2019-11-08 | 西安西拓电气股份有限公司 | 断路器状态的评估方法及装置 |
CN110542851A (zh) * | 2019-08-29 | 2019-12-06 | 广州供电局有限公司 | 断路器操作机构故障诊断方法、装置、计算机和存储介质 |
CN110826203A (zh) * | 2019-10-25 | 2020-02-21 | 成都大汇智联科技有限公司 | 水轮机顶盖连接螺栓疲劳寿命的评估方法及监测*** |
CN111474471A (zh) * | 2020-05-29 | 2020-07-31 | 国网安徽省电力有限公司电力科学研究院 | 一种用于高压交流断路器分合闸线圈电流特征参数提取方法 |
CN112698194A (zh) * | 2020-12-10 | 2021-04-23 | 云南电网有限责任公司保山供电局 | 一种断路器操作机构状态综合评估方法及*** |
CN112766535A (zh) * | 2020-12-16 | 2021-05-07 | 国网山东省电力公司日照供电公司 | 一种考虑负荷曲线特征的建筑负荷预测方法及*** |
CN113536610A (zh) * | 2021-09-16 | 2021-10-22 | 北京慧智神光科技有限公司 | 一种断路器操动机构综合评价方法 |
CN113889980A (zh) * | 2021-10-13 | 2022-01-04 | 广西电网有限责任公司电力科学研究院 | Gis分合闸线圈保护器及其保护方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999021146A1 (en) * | 1997-10-16 | 1999-04-29 | Schweitzer Engineering Laboratories, Inc. | Detection of subsidence current in the determination of circuit breaker status in a power system |
CN1544955A (zh) * | 2003-11-25 | 2004-11-10 | 郭贤珊 | 电力***高压断路器综合测试仪 |
CN101339229A (zh) * | 2008-08-18 | 2009-01-07 | 江西省电力科学研究院 | 基于同步采样的高压断路器状态在线监测方法 |
CN203870217U (zh) * | 2014-04-24 | 2014-10-08 | 国家电网公司 | 双接地断路器动特性分析仪 |
CN104237783A (zh) * | 2014-09-26 | 2014-12-24 | 国家电网公司 | 一种高压断路器触头模拟烧损试验回路装置 |
-
2016
- 2016-05-18 CN CN201610330525.0A patent/CN106019131B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999021146A1 (en) * | 1997-10-16 | 1999-04-29 | Schweitzer Engineering Laboratories, Inc. | Detection of subsidence current in the determination of circuit breaker status in a power system |
CN1544955A (zh) * | 2003-11-25 | 2004-11-10 | 郭贤珊 | 电力***高压断路器综合测试仪 |
CN101339229A (zh) * | 2008-08-18 | 2009-01-07 | 江西省电力科学研究院 | 基于同步采样的高压断路器状态在线监测方法 |
CN203870217U (zh) * | 2014-04-24 | 2014-10-08 | 国家电网公司 | 双接地断路器动特性分析仪 |
CN104237783A (zh) * | 2014-09-26 | 2014-12-24 | 国家电网公司 | 一种高压断路器触头模拟烧损试验回路装置 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106443432B (zh) * | 2016-10-18 | 2018-12-11 | 国家电网公司 | 基于形态学辨识的断路器状态检测方法 |
CN106443432A (zh) * | 2016-10-18 | 2017-02-22 | 国家电网公司 | 基于形态学辨识的断路器状态检测方法 |
CN106443136A (zh) * | 2016-11-08 | 2017-02-22 | 浙江理工大学 | 一种圆纬机电磁选针器选针刀头摆动到位时间的测量方法 |
CN106680700A (zh) * | 2016-11-25 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 一种隔离开关智能诊断***与方法 |
CN106707153A (zh) * | 2016-12-27 | 2017-05-24 | 北京合纵科技股份有限公司 | 一种基于foa‑rbf的高压断路器故障诊断方法 |
CN107907825A (zh) * | 2017-10-31 | 2018-04-13 | 云南电网有限责任公司保山供电局 | 一种敞开式高压隔离开关在线监测装置及方法 |
CN108508298B (zh) * | 2018-04-13 | 2023-05-23 | 南方电网科学研究院有限责任公司 | 一种分合闸线圈的寿命评估方法和装置 |
CN108508298A (zh) * | 2018-04-13 | 2018-09-07 | 南方电网科学研究院有限责任公司 | 一种分合闸线圈的寿命评估方法和装置 |
CN109524252A (zh) * | 2018-11-05 | 2019-03-26 | 东南大学 | 一种基于移动平均滤波的抑制永磁断路器合闸弹跳的方法 |
CN109901064A (zh) * | 2019-03-15 | 2019-06-18 | 西安工程大学 | 基于ica-lvq的高压断路器故障诊断方法 |
CN110426624A (zh) * | 2019-07-29 | 2019-11-08 | 西安西拓电气股份有限公司 | 断路器状态的评估方法及装置 |
CN110542851A (zh) * | 2019-08-29 | 2019-12-06 | 广州供电局有限公司 | 断路器操作机构故障诊断方法、装置、计算机和存储介质 |
CN110826203A (zh) * | 2019-10-25 | 2020-02-21 | 成都大汇智联科技有限公司 | 水轮机顶盖连接螺栓疲劳寿命的评估方法及监测*** |
CN111474471A (zh) * | 2020-05-29 | 2020-07-31 | 国网安徽省电力有限公司电力科学研究院 | 一种用于高压交流断路器分合闸线圈电流特征参数提取方法 |
CN112698194A (zh) * | 2020-12-10 | 2021-04-23 | 云南电网有限责任公司保山供电局 | 一种断路器操作机构状态综合评估方法及*** |
CN112766535A (zh) * | 2020-12-16 | 2021-05-07 | 国网山东省电力公司日照供电公司 | 一种考虑负荷曲线特征的建筑负荷预测方法及*** |
CN112766535B (zh) * | 2020-12-16 | 2023-04-07 | 国网山东省电力公司日照供电公司 | 一种考虑负荷曲线特征的建筑负荷预测方法及*** |
CN113536610A (zh) * | 2021-09-16 | 2021-10-22 | 北京慧智神光科技有限公司 | 一种断路器操动机构综合评价方法 |
CN113536610B (zh) * | 2021-09-16 | 2022-02-11 | 北京慧智神光科技有限公司 | 一种断路器操动机构综合评价方法 |
CN113889980A (zh) * | 2021-10-13 | 2022-01-04 | 广西电网有限责任公司电力科学研究院 | Gis分合闸线圈保护器及其保护方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106019131B (zh) | 2017-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106019131A (zh) | 一种基于分合闸线圈电流的高压断路器操作机构状态综合评估方法 | |
CN107450017B (zh) | 一种开关设备缺陷智能检测*** | |
CN105259495B (zh) | 一种基于分合闸线圈电流特征量优化的高压断路器操作机构状态评估方法 | |
CN109061463A (zh) | 一种高压断路器机械状态监测和故障诊断方法 | |
CN105445657B (zh) | 基于灰色关联度分析的断路器操作机构状态诊断方法 | |
CN104360262B (zh) | 基于特征点的断路器操作机构分合闸线圈电流比对方法 | |
AU2006306689B2 (en) | Circuit testing closer apparatus and method with in-rush current awareness | |
CN110926778A (zh) | 基于异常振动的气体绝缘组合开关设备机械故障诊断方法 | |
CN104281982B (zh) | 一种基于电网拓扑结构的变电站设备状态评估方法 | |
WO2016058435A1 (zh) | 变压器外部故障下绕组状态评估方法 | |
CN105718958B (zh) | 基于线性判别分析和支持向量机的断路器故障诊断方法 | |
CN104898052B (zh) | 基于iec61850的开关机械特性测试装置的校验***及方法 | |
CN105866669A (zh) | 一种断路器分合闸控制回路故障诊断方法 | |
CN112684329A (zh) | 一种高压断路器机械故障智能诊断方法 | |
CN108226770A (zh) | 一种断路器故障诊断方法 | |
CN107632257A (zh) | 一种高压开关设备故障模拟试验装置及方法 | |
CN110501637A (zh) | 一种高压开关设备动作特性聚合分析诊断装置和方法 | |
CN101222132A (zh) | 一种基于双侧非饱和区等效瞬时电感的变压器保护方法 | |
CN113515723B (zh) | 一种断路器最低动作电压综合评估方法 | |
CN106772009B (zh) | 基于分合闸线圈电流波形的断路器机械特性分析方法 | |
Cheim | Machine learning tools in support of transformer diagnostics | |
CN114113997B (zh) | 一种基于颗粒度分析的有载分接开关故障预测方法及装置 | |
CN207215980U (zh) | 一种高压开关设备故障模拟试验装置 | |
CN106959414A (zh) | 开关设备的状态检测方法和*** | |
CN103713234A (zh) | 一种电抗器故障的识别方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171031 |