CN117330948A - 一种断路器机械特性在线监测方法及*** - Google Patents

Abstract

本申请公开了一种断路器机械特性在线监测方法及***，包括：对采集到的断路器监测数据进行预处理以获得分合闸电流波形和行程波形；根据分合闸电流特征波形和行程特征波形对断路器的操作数据进行相关性分析获得断路器信号特征集，所述断路器的操作数据包括断路器的电流、电压、行程和分合闸时间；结合断路器信号特征集确定断路器是否发生故障，如果发生故障则上报故障报文。实时监测断路器的机械特性，及时发现特性变化和故障情况提前预警，避免因断路器故障导致的电力***事故；通过减少人工判断的主观性和错误率；不需要额外安装传感器设备，降低***的成本和维护工作量；提供快速、准确的分析结果，提高监测的精度和可靠性。

Description

一种断路器机械特性在线监测方法及***

技术领域

本申请涉及断路器监测技术领域，具体涉及一种断路器机械特性在线监测方法及***。

背景技术

断路器是一种用于电力***中的保护设备，用于中压电网中的电流控制和故障保护。它能够在电路发生过载、短路或地故障时自动切断电流，以防止电气设备的损坏和人身安全事故的发生。然而，由于长时间的运行以及环境因素等原因，断路器会存在故障或老化情况，从而导致其机械特性发生变化，进而影响其正常运行或失效。

传统的断路器状态监测方法主要采用离线的手动检测方式，即定期需要人工去检查断路器的机械状态。在一些大型电力***中，这种方法无法实时监测断路器的运行状态，并且存在人工判断主观性强、易出错的缺点。目前已有的断路器监测方法主要包括离线手动检测和离线传感器监测两种方式。离线手动检测是指定期需要人工去检查断路器的机械状态，通过观察震动来判断其正常与否。离线传感器监测是通过安装传感器设备来感知断路器的机械特性变化，例如震动传感器、加速度传感器等。

但是，这些已有的方法存在一些缺点。首先，离线手动检测无法实时监测断路器的机械状态，有可能在故障发生前无法及时预知，影响电力***的稳定运行。其次，离线传感器监测需要专门安装传感器设备，增加了***的成本和维护工作量。第三，传感器采集到的数据需要经过复杂的分析和处理才能得出准确的判断，存在误判和误报的可能性。

发明内容

本申请为了解决上述技术问题，提出了如下技术方案：

第一方面，本申请实施例提供了一种断路器机械特性在线监测方法，包括：

对采集到的断路器监测数据进行预处理以获得分合闸电流波形和行程波形；

根据分合闸电流特征波形和行程特征波形对断路器的操作数据进行相关性分析获得断路器信号特征集，所述断路器的操作数据包括断路器的电流、电压、行程和分合闸时间；

结合断路器信号特征集确定断路器是否发生故障，如果发生故障则上报故障报文。

在一种可能的实现方式中，所述对采集到的断路器监测数据进行预处理以获得分合闸电流波形和行程波形，包括：

假定分合闸电流拟合曲线为：

式中：m是曲线拟合的次数；a₀，a₁，……，a_m是待定的回归系数；x是监测到分合闸电流数值的时刻。

为使波形曲线尽可能平滑连续，按最小二乘法拟合原理，需使残差平方和Q最小，式中Q为目标函数，代表分合闸电流拟合值与实际监测到的分合闸电流值的残差平方和；f(x)为分合闸电流最小二乘拟合多项式；y为监测到的分合闸电流数值：

将问题转化为求解目标函数Q＝p(a₀，a₁，……，a_m)的最小值，对目标函数Q对待定回归系数a_j求偏导得：

整理方程得：

化为矩阵形式：

继续化简得：

即X*A＝Y，便可求出拟合曲线的系数矩阵A，从而得到电流最小二乘拟合多项式f(x)；

采用分段曲线拟合的方法，在每段区间内进行局部最小二乘拟合，以获得断路器分合闸行程时间曲线。

在一种可能的实现方式中，将在线监测的行程时间数据进行分段拟合，在分段点采用再次拟合和插值，实现拟合曲线的连续性，减小拟合误差。

在一种可能的实现方式中，使用小波降噪的方法对波形进一步平滑处理，对获得的分合闸电流波形和行程波形进行优化。

在一种可能的实现方式中，所述根据分合闸电流特征波形和行程特征波形对断路器的操作数据进行相关性分析获得断路器信号特征集，包括：

从特征波形中提取特征点，并对断路器的电流、电压、行程和分合闸时间进行相关性分析获得断路器信号特征集；

利用训练数据集，使用支持向量机主成分分析算法模型进行训练，利用降维把多变量转化为多个主成分，其中每个主成分都能够反映原始变量的大部分信息，且所含信息互不重复。

在一种可能的实现方式中，使用支持向量机主成分分析算法模型进行训练，包括：

假设有n个样本，每个样本由p个变量x₁，x₂……，x_n来描述，原始矩阵可以描述为：

式中，X_i表示n个样本的第i个变量X_i＝[x_1i，x_2i……，x_ni]^T，i＝1，2…p，

将这p个变量进行线性组合形成p个综合变量F₁，F₂……，F_p，称之为X₁，X₂……，X_p的第1，第2…第p个主成分:

针对分合闸线圈电流波形，当主成分的累计方差贡献率可达到预设要求，将选择的主成分作为支持向量机的输入特征参数。

在一种可能的实现方式中，所述结合断路器信号特征集确定断路器是否发生故障，包括：基于特征集的断路器故障树分析诊断模型，所述断路器故障树分析诊断模型对断路器故障模式进行辨识和评价，对断路器故障原因进行确定。

第二方面，本申请实施例提供了一种断路器机械特性在线监测***，包括：

第一获取模块，用于对采集到的断路器监测数据进行预处理以获得分合闸电流波形和行程波形；

第二获取模块，用于根据分合闸电流特征波形和行程特征波形对断路器的操作数据进行相关性分析获得断路器信号特征集，所述断路器的操作数据包括断路器的电流、电压、行程和分合闸时间；

确定模块，用于结合断路器信号特征集确定断路器是否发生故障，如果发生故障则上报故障报文。

在本申请实施例中，实时监测断路器的机械特性，及时发现特性变化和故障情况提前预警，避免因断路器故障导致的电力***事故；通过减少人工判断的主观性和错误率；不需要额外安装传感器设备，降低***的成本和维护工作量；提供快速、准确的分析结果，提高监测的精度和可靠性。

附图说明

图1为本申请实施例提供的***架构示意图；

图2为本申请实施例提供的一种断路器机械特性在线监测方法的流程示意图；

图3为本申请实施例提供的断路器机械特性波形数据处理流程示意图；

图4为本申请实施例提供的断路器合闸特性曲线特征点示意图；

图5为本申请实施例提供的断路器机械特性特征数据主成分分析法流程示意图；

图6为本申请实施例提供的断路器分闸速度降低故障树分析示意图；

图7为本申请实施例提供一种断路器机械特性在线监测***的示意图。

具体实施方式

下面结合附图与具体实施方式对本方案进行阐述。

参阅图1断路器的电流监测及温度传感器包括数据发送端1、采集器2和显示终端3，所述数据发送端1包括温度传感器、角位移传感器、无线发射天线、光能充电模块、电流采集模块；所述采集器2包括无线射频接收模块、数据处理单片机、数据库、GPRS模块、显示屏；所示显示终端3包括手机、液晶屏、平板电脑、计算机、工控机等。

所述数据发送端1的温度传感器能够设置不同service-id，以便所述数据发送端能够通过service-id区分每台断路器设备，所述温度传感器采用GX18B20U数字式传感器芯片或NTC热敏电阻，设计回路简单可靠，使用更加便捷。

所述采集器2通过无线射频接收模块接收数据发送端1传输的温度和电流数据。接收到的数据经过数据处理单片机进行诊断算法处理。数据库包含实时温度、历史温度、电流采样数据、专家数据库和基本信息数据的储存。与此同时，算法诊断结果信息可以通过显示屏显示。此外，借助GPRS模块实现实时数据传输至显示终端3。

参见图2，基于上述***构架，本实施例中的断路器机械特性在线监测方法，包括：

S101，对采集到的断路器监测数据进行预处理获得的分合闸电流波形和行程波形。

使用数据清洗，检查数据集的样本数量、特征数量、数据类型等信息，接着检查数据集是否存在缺失值、重复值和异常值，使用插补方法来填充缺失值，选择删除重复值所在的行处理重复值，完成数据清洗后，保存清洗后的数据集。

使用最小二乘法，对数据进行进一步处理，具体原理表示为：

假定分合闸电流拟合曲线为：

式中：m是曲线拟合的次数；a₀，a₁，……，a_m是待定的回归系数，x是监测到分合闸电流数值的时刻。为使波形曲线尽可能平滑连续，按最小二乘法拟合原理，需使残差平方和Q最小，式中Q为目标函数，代表分合闸电流拟合值与实际监测到的分合闸电流值的残差平方和；f(x)为分合闸电流最小二乘拟合多项式；y为监测到的分合闸电流数值：

由此，可将问题转化为求解目标函数Q＝p(a₀，a₁，……，a_m)的最小值，对目标函数Q对待定回归系数a_j求偏导得：

整理方程得：

化为矩阵形式：

继续化简得：

即X*A＝Y，便可求出拟合曲线的系数矩阵A，从而得到电流最小二乘拟合多项式f(x)。

断路器分合闸行程曲线的走势类似于梯形，且刚分点、刚合点包含着断路器运动特性的重要信息，可采用分段曲线拟合的方法，在每段区间内进行局部最小二乘拟合，以获得较为准确的断路器分合闸行程时间曲线。然而，相邻区间边界附近可能出现数据点跳跃，曲线不连续的情况。为了解决上述问题，采用一种基于最小二乘法的连续拟合方法，将在线监测的行程时间数据进行分段拟合，在分段点采用再次拟合和插值，实现拟合曲线的连续性，减小拟合误差。

S102，根据分合闸电流特征波形和行程特征波形对断路器的操作数据进行相关性分析获得断路器信号特征集，所述断路器的操作数据包括断路器的电流、电压、行程和分合闸时间。

通过最小二乘法获得断路器分合闸特征波形，进一步地，使用小波降噪的方法对波形进行平滑处理。流程参见图3，因为连续小波变换中伸缩因子和平移因子都是连续变化的实数，在实际应用中，所采集的数据都是离散的，因此，需要进行离散小波变换DWT，获得断路器分合闸电流和行程的特征波形。

进一步地，从特征波形中提取特征点，并对断路器的电流、电压、行程和分合闸时间等数据进行相关性分析获得断路器信号特征集，参见图4。利用训练数据集，使用支持向量机SVM主成分分析算法模型进行训练，电流曲线由大量数据点组成，且含有大量冗余的信息，采用主成分分析法可以从中提取少量综合变量作为支持向量机的输入特征参数。主成分分析法(PCA)的主要思想是利用降维的思想，把多变量转化为少数几个综合变量(即主成分)，其中每个主成分都能够反映原始变量的大部分信息，且所含信息互不重复。具体流程参见图5。

假设有n个样本，每个样本由p个变量x₁，x₂……，x_n来描述，原始矩阵可以描述为：

式中，X_i表示n个样本的第i个变量X_i＝[x_1i，x_2i……，x_ni]^T，i＝1，2…p，

将这p个变量进行线性组合形成p个综合变量F₁，F₂……，F_p，称之为X₁，X₂……，X_p的第1，第2…第p个主成分:

由上式可知，主成分分析法的核心问题是求解组合系数a_ij(i，j分别为1，2，…，p)，根据以下原则确定组合系数:

①F_i与F_j互不相关，即Cov(F_i，F_j)＝0(i≠j，i.j＝1，2…，p)；

②F₁是X₁,X₂,…,X_P的一切线性组合中方差最大的，依次为F₁,F₂,…,F_P，即Var(F₁)＞Var(F₂)＞……＞Var(F_p)。由数学知识可知，方差Var(F_i)越大，表示F_i包含的信息越多。因此采用前面少部分互不相关的主成分F₁,F₂,…,F_P(m<p)代替原变量，就可以反映原变量体系中的绝大部分信息。

针对分合闸线圈电流波形，当提取6个主成分时，主成分的累计方差贡献率可达到95％以上，因此选择6个主成分作为支持向量机的输入特征参数。

上述方法就能实现断路器机械特性的在线监测和故障预测使用测试数据集对训练好的模型进行评估，计算准确率、召回率、精确率等指标，确保模型的有效性和可靠性。基于训练好的模型，对实时采集的数据进行实时预测和判断。

S103，结合断路器信号特征集确定断路器是否发生故障，如果发生故障则上报故障报文。判断断路器是否发生故障是基于特征集的断路器故障树分析诊断模型。该模型可对断路器故障模式进行辨识和评价，不仅能够分析出故障的直接原因，还能够深入地揭示出故障的潜在原因。人员可依据此原因进行断路器的精准维护。

参见图6，以断路器分闸速度降低为顶事件建立断路器分闸速度降低故障树诊断模型。通过对分闸电流波形及行程波形的信号特征集分析，可知该情况往往伴随分闸时间较长、行程增大现象。从断路器的机械传动结构设计角度看，推断存在的问题主要分两大类：操作机构异常和开关本体异常。进一步分析，操作机构异常可细分为主传动部件阻力增加和分闸弹簧疲劳导致输出能量下降，开关本体异常可细分为传动***卡涩和触头烧蚀、磨损导致摩擦力增大。由于断路器传动部件较多且通常需润滑物质，该情况又可细分成三种情况：操作机构零部件生锈、零部件磨损或变形、操作机构污垢较多。

数据处理单片机根据接收到的数据进行预警判别，如果发现机械特性异常或故障可能，发出故障预警信号。结合预警信号，对断路器的机械状态进行定位和诊断，并生成详细的故障报告，以便相关人员进行进一步处理和维修。同时数据库储存的电压电流数据信息以及预警预测信息将通过GPRS模块发送到显示终端，便于工作人员进行实时监测，及时发现排除故障。

与上述实施例提供的一种断路器机械特性在线监测方法相对应，本申请还提供了一种断路器机械特性在线监测***的实施例。

参见图7，断路器机械特性在线监测***20包括：

第一获取模块201，用于对采集到的断路器监测数据进行预处理以获得分合闸电流波形和行程波形；

第二获取模块202，用于根据分合闸电流特征波形和行程特征波形对断路器的操作数据进行相关性分析获得断路器信号特征集，所述断路器的操作数据包括断路器的电流、电压、行程和分合闸时间；

确定模块203，用于结合断路器信号特征集确定断路器是否发生故障，如果发生故障则上报故障报文。

本申请实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示单独存在A、同时存在A和B、单独存在B的情况。其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项”及其类似表达，是指的这些项中的任意组合，包括单项或复数项的任意组合。例如，a，b和c中的至少一项可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。

以上所述，仅为本申请的具体实施方式，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。本申请的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种断路器机械特性在线监测方法，其特征在于，包括：

对采集到的断路器监测数据进行预处理以获得分合闸电流波形和行程波形；

根据分合闸电流特征波形和行程特征波形对断路器的操作数据进行相关性分析获得断路器信号特征集，所述断路器的操作数据包括断路器的电流、电压、行程和分合闸时间；

结合断路器信号特征集确定断路器是否发生故障，如果发生故障则上报故障报文。

2.根据权利要求1所述的断路器机械特性在线监测方法，其特征在于，所述对采集到的断路器监测数据进行预处理以获得分合闸电流波形和行程波形，包括：

假定分合闸电流拟合曲线为：

式中：m是曲线拟合的次数；a₀，a₁，……，a_m是待定的回归系数；x是监测到分合闸电流数值的时刻。

为使波形曲线尽可能平滑连续，按最小二乘法拟合原理，需使残差平方和Q最小，式中Q为目标函数，代表分合闸电流拟合值与实际监测到的分合闸电流值的残差平方和；f(x)为分合闸电流最小二乘拟合多项式；y为监测到的分合闸电流数值：

将问题转化为求解目标函数Q＝p(a₀，a₁，……，a_m)的最小值，对目标函数Q对待定回归系数a_j求偏导得：

整理方程得：

化为矩阵形式：

继续化简得：

即X*A＝Y，便可求出拟合曲线的系数矩阵A，从而得到电流最小二乘拟合多项式f(x)；

采用分段曲线拟合的方法，在每段区间内进行局部最小二乘拟合，以获得断路器分合闸行程时间曲线。

3.根据权利要求2所述的断路器机械特性在线监测方法，其特征在于，将在线监测的行程时间数据进行分段拟合，在分段点采用再次拟合和插值，实现拟合曲线的连续性，减小拟合误差。

4.根据权利要求3所述的断路器机械特性在线监测方法，其特征在于，使用小波降噪的方法对波形进一步平滑处理，对获得的分合闸电流波形和行程波形进行优化。

5.根据权利要求4所述的断路器机械特性在线监测方法，其特征在于，所述根据分合闸电流特征波形和行程特征波形对断路器的操作数据进行相关性分析获得断路器信号特征集，包括：

从特征波形中提取特征点，并对断路器的电流、电压、行程和分合闸时间进行相关性分析获得断路器信号特征集；

利用训练数据集，使用支持向量机主成分分析算法模型进行训练，利用降维把多变量转化为多个主成分，其中每个主成分都能够反映原始变量的大部分信息，且所含信息互不重复。

6.根据权利要求5所述的断路器机械特性在线监测方法，其特征在于，使用支持向量机主成分分析算法模型进行训练，包括：

假设有n个样本，每个样本由p个变量x₁，x₂……，x_n来描述，原始矩阵可以描述为：

式中，X_i表示n个样本的第i个变量X_i＝[x_1i，x_2i……，x_ni]^T，i＝1，2…p，

将这p个变量进行线性组合形成p个综合变量F₁，F₂……，F_p，称之为X₁，X₂……，X_p的第1，第2…第p个主成分:

针对分合闸线圈电流波形，当主成分的累计方差贡献率可达到预设要求，将选择的主成分作为支持向量机的输入特征参数。

7.根据权利要求1所述的断路器机械特性在线监测方法，其特征在于，所述结合断路器信号特征集确定断路器是否发生故障，包括：基于特征集的断路器故障树分析诊断模型，所述断路器故障树分析诊断模型对断路器故障模式进行辨识和评价，对断路器故障原因进行确定。

8.一种断路器机械特性在线监测***，其特征在于，包括：

第一获取模块，用于对采集到的断路器监测数据进行预处理以获得分合闸电流波形和行程波形；

第二获取模块，用于根据分合闸电流特征波形和行程特征波形对断路器的操作数据进行相关性分析获得断路器信号特征集，所述断路器的操作数据包括断路器的电流、电压、行程和分合闸时间；

确定模块，用于结合断路器信号特征集确定断路器是否发生故障，如果发生故障则上报故障报文。