【技术实现步骤摘要】
本专利技术涉及一种基于多信号特征融合的断路器状态识别方法,用于电力系统中高压断路器故障诊断和运行状态监测。
技术介绍
国际大电网会议(CIGRE)对高压断路器可靠性进行了3次世界范围调查,操动机构及辅助回路故障占到大多数,达到了61%。而我国的统计分析表明:220kV以下等级配电开关设备事故情况的拒动、误动、开断与关合故障占总事故的43%;110~500kV电压等级断路器故障中,66.4%为操动机构及辅助回路故障。由于断路器存在故障隐患时伴随的信号属于非平稳信号,所以不管是在记录还是处理上都要比周期性的信号复杂困难的多。鉴于断路器操作过程中振动、声音和应力信号的复杂性和实测数据的随机性,且信号采样频率和记录速度都很高,所以对断路器操作过程产生的振动信号、声音信号和应力信号联合分析研究还处于探索阶段。随着信号处理技术的提高,一些新型的算法也逐渐应用于断路器状态判别中。对于通过传统的单一声音信号或振动信号辨别断路器状态,现有的算法主要包括小波分解、经验模态、小波包能谱熵、小波奇异性监测等等,这些算法都取得了比较理想的效果。振动信号通过固体传播衰减小,不易收到外界干扰,一般采用的压电式加速度传感器采集信号时,虽然灵敏度高,但振幅较大时信号存在饱和现象,波形存在削顶现象;而声波信号在空气中传播易受背景噪声干扰,信噪比低,但其属于非接触式测量,安装方便,另外测量频带宽,能够有效避免饱和及失效 ...
【技术保护点】
一种基于多信号特征融合的断路器状态识别方法,其特征是包括以下步骤:步骤1,通过声音传感器、振动传感器和应力传感器测得断路器包括故障和非故障动作时的信号;步骤2,求信号起始点的对应时刻;步骤3,利用小波变换提取振动信号、声音信号和应力信号的小波能谱熵特征矩阵M=[EV ES EF];EV=Ev1,Ev2,…Evm、ES=Es1,Es2,…Esm、EF=Ef1,Ef2,…Efm为振动信号、声音信号和应力信号在m尺度上的小波能谱熵,;步骤4,以形成的小波能谱熵特征矩阵M=[EV ES EF]建立特征融合框架;步骤5,建立基于可信度的判断机制,对得到的特征熵通过证据理论判断过后做出判断。
【技术特征摘要】
1.一种基于多信号特征融合的断路器状态识别方法,其特征是包括以
下步骤:
步骤1,通过声音传感器、振动传感器和应力传感器测得断路器包括
故障和非故障动作时的信号;
步骤2,求信号起始点的对应时刻;
步骤3,利用小波变换提取振动信号、声音信号和应力信号的小波能
谱熵特征矩阵M=[EVESEF];
EV=Ev1,Ev2,…Evm、ES=Es1,Es2,…Esm、EF=Ef1,Ef2,…Efm为振动信号、声音信
号和应力信号在m尺度上的小波能谱熵,;
步骤4,以形成的小波能谱熵特征矩阵M=[EVESEF]建立特征融合
框架;
步骤5,建立基于可信度的判断机制,对得到的特征熵通过证据理论
判断过后做出判断。
2.根据权利要求1所述的基于多信号特征融合的断路器状态识别方法,
其特征是:所述的步骤2具体如下:
将声音信号与振动信号以64个点为一组形成信号序列,分别对信号序
列进行FFT变换得到信号序列的频率组成,对比得到的信号序列频率组成
找出含有不同于环境噪声频率的第一段信号序列;
计算上面得到的声音信号和振动信号不同于环境噪声频率的第一段信
号序列之间的欧几里得距离:其中,v=(v1,v2,…,vn)、s=(s1,s2,…,sn)为声音信号和振动信号信号序列在欧
几里得空间中的点;
在搜索具体的对应事件时d(V,S)如果单调增加,则加大步长,直至
d(V,S)递减,开始精细搜索,得到最小值d(V,S)min,该点即为信号起始点的
对应时刻。
3.根据权利要求1所述的基于多信号特征融合的断路器状态识别方法,
其特征是:所述的步骤4具体如下:
设F为状态识别的特征融合框架,F包含2类状态,即正常和异常状
态;
若集函数n:2F→[0,1]满足条件:n(Φ)=0且其中2F为F的幂集,Fk表示第k类状态,则n就叫状态识别特征融合框架F上的
基本可信度分配;n(Fk)称为Fk的基本可信数;
n(Fk)表征...
【专利技术属性】
技术研发人员:谭金,刘石,高庆水,蔡笋,张楚,杨毅,徐广文,邓少翔,金格,姚泽,杜胜磊,李力,朱誉,陈哲,
申请(专利权)人:广东电网有限责任公司电力科学研究院,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。