一种基于网格多密度聚类的高压断路器动作特性分析方法技术

一种基于网格多密度聚类的高压断路器动作特性分析方法，其特征是,首先对断路器运动过程中采集到的电信号、视频信号、振动信号、声波信号抽取特征指标，然后采用主元分析法对原始特征空间进行降维处理，再利用网格多密度聚类算法对新的特征向量进行聚类分析，评估断路器的健康状态，最后根据断路器状态与特征向量之间的紧密度关系给特征向量重新确定权重，建立具有反馈能力的故障诊断方法。本发明专利技术的有益效果是避免现场不同断路器安装传感器夹具不通用的问题，这是对于断路器特性检测方法的创新。由断路器操作机构运动特性进而诊断其状态，提高断路器操动可靠性，为状态检修实现奠定基础。

【技术实现步骤摘要】
一种基于网格多密度聚类的高压断路器动作特性分析方法
本专利技术属于电力测试
，特别涉及断路器机械特性测试的方法。
技术介绍
作为电力系统中重要的一次设备之一，高压断路器一旦发生故障将会危及到整个电力网络的安全，不可避免会带来巨大的经济损失。因此，高压断路器的健康状况已成为业界关注的焦点，及时、准确地诊断出断路器故障、快速地查出故障原因，从而有依据的进行检修，具有非常重要的意义。据统计，断路器拒动、误动、慢分和三相不同期等机械故障造成恶性事故占总事故的80％以上，而且断路器主要故障为操动机构故障，本质上由于断路器的操动机构的特征参数发生了变化，对这些参数进行详尽准确的分析，可以对断路器状态有清晰的了解。然而高压断路器操动机构的运动状态获取非常复杂，当出现某一种故障时，其机构的状态特征可能很多，同时，当机构的某一状态特征发生改变时，其引起的故障原因也可能不唯一。通常仅依靠检修人员经验，常采用的是信号比较法，在准确判断故障及类型上存在大量难题，远远不能满足优化状态检修(OptimizedConditionBasedMaintenance，OCBM)现场需要。目前，对高压断路器的动作特性分析研究主要非为两大类：一类是采用振动信号进行断路器的特征分析；一类是采用声音信号进行断路器的特征分析。高压断路器的动作振动信号一般是由多个瞬时非平稳信号振动事件叠加而成，不同振动波的起始时刻、幅值、频率、衰减指数代表了断路器内部振动的基本特征，为了获取这些特征首先对断路器每次动作的振动信号进行采集，再利用傅里叶变换、小波变换、短时能量法、小包分解、经验模态分解等时频分析方法进行处理。分析高压断路器声音信号的变化能够发现传动机构卡涩、润滑不足等故障，通常采用的方法是双谱分析、希尔伯特-黄变换分析等方法。振动信号和声音信号包含了高压断路器运行中的隐患或故障信息，对其进行分析可对断路器的机械故障进行一定的分析，但测试环境中的各种干扰同时会影响信号分析结果，需要对断路器进行多方位、多角度特别是非接触式的分析。
技术实现思路
本专利技术采用主元分析和网格多密度聚类相结合的方法对断路器运动状态进行评估，利用数字图像处理和数字信号处理技术获取断路器传动部件的运动轨迹，实现对高压断路器机械运动的非接触式测量和分析，融合断路器运动过程中的振动信号、声音信号以及电信号等多种特征，提出了一种四位一体的断路器健康状态评估新方法，为诊断分析和评估断路器状态提供依据和检测手段。采用的非接触手段进行监测、测试系统故障和检修不影响断路器的操作和正常运行，缩短了高压断路器测试时间，提高了测试自动化水平及断路器设备的运行可靠性。本专利技术所采用方法适用于各类高压断路器的动作特性分析。实现本专利技术的技术方案是：一种基于网格多密度聚类的高压断路器动作特性分析方法，本专利技术特征是,首先对断路器运动过程中采集到的电信号、视频信号、振动信号、声波信号抽取特征指标，然后采用主元分析法对原始特征空间进行降维处理，再利用网格多密度聚类算法对新的特征向量进行聚类分析，评估断路器的健康状态，最后根据断路器状态与特征向量之间的紧密度关系给特征向量重新确定权重，建立具有反馈能力的故障诊断方法；步骤如下：第一步，采用图像处理技术，获取在高压断路器动作时机械参数，融合振动信号、声波信号以及电信号，对各种信号进行分析处理，获取所需的特征向量；第二步，将获取的特征向量经主元分析法选定d个主要特征向量构成d维数据空间；第三步，将由断路器运动参数构成的d维数据空间的每一维划分为k个不相交的区间段，而且每个区间都是左闭右开的等长段，形成kd个网格单元；第四步，对划分好的kd个网格单元进行初始化，将所有的断路器运动参数样本进行扫描并将这些数据集中的点映射到网格数据空间中，计算每个网格单元中断路器样本数据的数目，通过计算比较选取网格单元中数据样本个数的最大值；第五步，调用密度阈值处理方法，计算阈值MinPts；第六步，逐个检查每一个网格单元,若某个网格单元中样本的个数大于MinPts，则标记该单元为高密度单元，否则标记该单元为低密度单元；第七步，对所有已标记的高密单元进行聚类即相邻高密单元合并，若低密度单元邻接高密度单元也进行并入高密度单元聚类,若低密度单元邻接的是低密度单元则单独作为一类，统计经聚类后类的个数，若类的个数不满足需求则修改密度阈值MinPts，继续聚类；第八步，对于新的断路器运动参数样本特征向量，利用相邻相似性对新的样本进行类别判断，评估断路器的故障类型；第九步，根据新的聚类结果修改各个特征指标权重，为下一次聚类做好准备。本专利技术采用非接触传感技术捕获高压断路器运动特征参数(是一种非接触式的测量方法)。本专利技术采用将视频信号、振动信号、声波信号以及振动信号进行融合即四位一体的诊断方法，对高压断路器的特征向量进行故障诊断。本专利技术采用网格多密度聚类算法对视频、声音、振动以及分、合闸线圈的电信号等特征进行聚类分析，提取出了能够反映断路器动作特性和适合高压断路器分级特征的参数；网格多密度聚类算法不仅可以有效地处理孤立点数据，自适应的密度阈值能够较好地满足用户的多级分类需求。本专利技术运用欧几里德距离判定断路器运动参数样本的新样本与已有类别中样本的平均相似度，从而确定新样本的类别。本专利技术根据聚类结果修正指标权重，建立集电、声、振动和图像为一体的断路器测试与机械特征分析的自反馈系统。本专利技术的有益效果是采用高速、高分辨率的CCD传感器用于分析动触头运动，测试精度和速度大大提高，且是一种非接触式测量方法，避免现场不同断路器安装传感器夹具不通用的问题，这是对于断路器特性检测方法的创新。由断路器操作机构运动特性进而诊断其状态，提高断路器操动可靠性，为状态检修实现奠定基础。附图说明图1高压断路器示意图；图2系统整体结构框图；图3电信号；图4三路振动信号；图5两路声音信号；图6网格多密度聚类算法流程图；表1弹簧操动机构故障；表2断路器动作特性评估指标。由图1可见，在高压断路器的操动过程中，需要依靠操动能源系统和传动系统的合作来完成动触头的分合功能，在运动过程中会产生包含断路器运行状态信息的多种信号，例如振动、声音、电流、动触头运动轨迹，运动过程等。信号随着机械状态的改变而改变，通过分析这些信号可以评估断路器动作特性，从而实现其特性的分析。表1弹簧操动机构故障根据高压断路器动作过程中产生的信号，设计出系统整体结构框图如图2所示。根据系统整体结构分别获取各个方面的分析指标如表2所示：表2断路器动作特性评估指标具体实施方式一种基于网格多密度聚类的高压断路器动作特性分析方法，本专利技术特征是,首先对断路器运动过程中采集到的电信号、视频信号、振动信号、声波信号抽取特征指标，然后采用主元分析法对原始特征空间进行降维处理，再利用网格多密度聚类算法对新的特征向量进行聚类分析，评估断路器的健康状态，最后根据断路器状态与特征向量之间的紧密度关系给特征向量重新确定权重，建立具有反馈能力的故障诊断方法；步骤如下：第一步，采用图像处理技术，获取在高压断路器动作时机械参数，融合振动信号、声波信号以及电信号，对各种信号进行分析处理，获取所需的特征向量；第二步，将获取的特征向量经主元分析法选定d个主要特征向量构成d维数据空间；第三步，将由断路器运动参数本文档来自技高网...

【技术保护点】
一种基于网格多密度聚类的高压断路器动作特性分析方法，其特征是,首先对断路器运动过程中采集到的电信号、视频信号、振动信号、声波信号抽取特征指标，然后采用主元分析法对原始特征空间进行降维处理，再利用网格多密度聚类算法对新的特征向量进行聚类分析，评估断路器的健康状态，最后根据断路器状态与特征向量之间的紧密度关系给特征向量重新确定权重，建立具有反馈能力的故障诊断方法；步骤如下：第一步，采用图像处理技术，获取在高压断路器动作时机械参数，融合振动信号、声波信号以及电信号，对各种信号进行分析处理，获取所需的特征向量；第二步，将获取的特征向量经主元分析法选定d个主要特征向量构成d维数据空间；第三步，将由断路器运动参数构成的d维数据空间的每一维划分为k个不相交的区间段，而且每个区间都是左闭右开的等长段，形成kd个网格单元；第四步，对划分好的kd个网格单元进行初始化，将所有的断路器运动参数样本进行扫描并将这些数据集中的点映射到网格数据空间中，计算每个网格单元中断路器样本数据的数目，通过计算比较选取网格单元中数据样本个数的最大值；第五步，调用密度阈值处理方法，计算阈值MinPts；第六步，逐个检查每一个网格单元,若某个网格单元中样本的个数大于MinPts，则标记该单元为高密度单元，否则标记该单元为低密度单元；第七步，对所有已标记的高密单元进行聚类即相邻高密单元合并，若低密度单元邻接高密度单元也进行并入高密度单元聚类,若低密度单元邻接的是低密度单元则单独作为一类，统计经聚类后类的个数，若类的个数不满足需求则修改密度阈值MinPts，继续聚类；第八步，对于新的断路器运动参数样本特征向量，利用相邻相似性对新的样本进行类别判断，评估断路器的故障类型；第九步，根据新的聚类结果修改各个特征指标权重，为下一次聚类做好准备。...

【技术特征摘要】
1.一种基于网格多密度聚类的高压断路器动作特性分析方法，其特征是,首先对断路器运动过程中采集到的电信号、视频信号、振动信号、声波信号抽取特征指标，然后采用主元分析法对原始特征空间进行降维处理，再利用网格多密度聚类算法对新的特征向量进行聚类分析，评估断路器的健康状态，最后根据断路器状态与特征向量之间的紧密度关系给特征向量重新确定权重，建立具有反馈能力的故障诊断方法；步骤如下：第一步，采用图像处理技术，获取在高压断路器动作时机械参数，融合振动信号、声波信号以及电信号，对各种信号进行分析处理，获取所需的特征向量；第二步，将获取的特征向量经主元分析法选定d个主要特征向量构成d维数据空间；第三步，将由断路器运动参数构成的d维数据空间的每一维划分为k个不相交的区间段，而且每个区间都是左闭右开的等长段，形成kd个网格单元；第四步，对划分好的kd个网格单元进行初始化，将所有的断路器运动参数样本进行扫描并将这些数据集中的点映射到网格数据空间中，计算每个网格单元中断路器样本数据的数目，通过计算比较选取网格单元中数据样本个数的最大值；第五步，调用密度阈值处理方法，计算阈值MinPts；第六步，逐个检查每一个网格单元,若某个网格单元中样本的个数大于MinPts，则标记该单元为高密度单元，否则标记该单元为低密度单元；第七步，对所有已标记的高密单元进行聚类即相邻高密单元合并，若低密度单元邻接高密度单元也进行并入高密度单元聚类,若低密度单元邻接的是低密度单元则单独作为一类，统计经聚...

【专利技术属性】
技术研发人员：程志万，赵现平，赵书涛，牛为华，
申请(专利权)人：云南电网有限责任公司电力科学研究院，
类型：发明
国别省市：云南;53