The invention discloses a fault diagnosis method, a device and a calculating device for a low-voltage frame circuit breaker. The diagnosis method of the present invention includes: receiving the opening vibration signal of a low-voltage frame circuit breaker; decomposing the vibration signal of a circuit breaker by empirical mode decomposition to obtain a plurality of components based on the characterization of intrinsic mode functions; among them, the components represented by each intrinsic mode function correspond to different frequency bands of the vibration signal; determining respectively the proportion of energy of at least one component in the total energy and energy. The sum is the sum of energy corresponding to each component represented by multiple sets of intrinsic modal functions; according to the proportion of at least one component in the total energy and the total energy of the vibration signal obtained, the fault diagnosis of low-voltage frame circuit breakers is carried out. In addition, the invention also discloses a diagnostic device and a calculating device. The invention effectively classifies common mechanical faults of low-voltage frame circuit breakers and more comprehensively reflects the true state of circuit breakers.
【技术实现步骤摘要】
低压框架断路器故障诊断方法、装置及计算设备
本专利技术涉及电网
，尤其涉及一种低压框架断路器故障诊断方法、装置及计算设备。
技术介绍
低压框架断路器是电网中起保护和控制作用的重要电力设备，其运行状态和电网的稳定息息相关，因此，对于低压框架断路器的故障诊断有着重要意义。目前，针对低压框架断路器基于振动信号的机械故障诊断方法较少，而且其故障特征提取方法仅包括:短时傅里叶变换提取特征量；高阶谱分析提取特征量；小波包-特征熵提取特征量；小波包特征节点最大系数提取特征量：经验模态分解能量熵提取特征量；希尔伯特变换提取振动信号零相位滤波时频熵作为特征量等。但是，现有的方法都仅提取振动信号的一类特征量，无法更加全面反应低压框架断路器的真实状态。此外，在现有技术基于特征量的故障诊断中，人工神经网络时常用的一种数学模型目前常见的模型有：传统神经网络(如BP神经网络)和支持向量机。传统的神经网络虽然具有较好的泛化能力和抗噪性，但是训练时需要大量的样本，实际操作中断路器不宜长期在故障状态下动作，可获取的故障状态训练样本不大，故传统神经网络不能满足断路器的小样本分类；SVM支持向量...
【技术保护点】
1.一种低压框架断路器故障诊断方法，其特征在于，包括：接收低压框架断路器分闸振动信号；对所述断路器振动信号进行经验模态分解(EMD)，获得多组基于固有模态函数表征的分量(IMF)；其中，每一所述固有模态函数表征的分量对应所述振动信号中的不同频段；分别确定至少一组所述分量的能量在能量总和中的占比，所述能量总和为所述多组固有模态函数表征的各个分量所对应能量的和；依据至少一组分量在所述能量总和中的占比，以及，经计算获取的所述断路器分闸振动信号的总能量，对低压框架断路器进行故障诊断。
【技术特征摘要】
1.一种低压框架断路器故障诊断方法，其特征在于，包括：接收低压框架断路器分闸振动信号；对所述断路器振动信号进行经验模态分解(EMD)，获得多组基于固有模态函数表征的分量(IMF)；其中，每一所述固有模态函数表征的分量对应所述振动信号中的不同频段；分别确定至少一组所述分量的能量在能量总和中的占比，所述能量总和为所述多组固有模态函数表征的各个分量所对应能量的和；依据至少一组分量在所述能量总和中的占比，以及，经计算获取的所述断路器分闸振动信号的总能量，对低压框架断路器进行故障诊断。2.根据权利要求1所述的低压框架断路器故障诊断方法，其特征在于，所述对低压框架断路器进行故障诊断为：将所述至少一组分量在所述能量总和中的占比，以及，计算获取的所述断路器振动信号的总能量作为输入信息，输入至人工神经网络模型中；所述人工神经网络模型包括输入层、隐含层和输出层；其中，所述输入层包括多个输入节点，每一所述输入信息用于作为其中一个节点的输入；所述隐含层包括多个隐含节点、输入连接权值和输出权重；所述隐含节点的数目、所述输入连接权值和所述输出权重由多个训练样本训练获得；所述输出层包括多个输出节点，所述每一输出节点为与所述输入节点的输入信息对应的诊断结果，所述诊断结果包括正常状态、缓冲器失效状态、分闸不到位状态和分闸弹簧失效状态。3.根据权利要求2所述的低压框架断路器故障诊断方法，其特征在于，所述训练样本通过如下方式获得，基于固有模态分量知识库，为断路器的多个状态中的每一状态选取多个样本作为所述人工神经网络模型的训练样本；其中，所述固有模态分量知识库通过如下方式预先构建并存储：基于断路器的每一状态在给定电压的前提下，进行多次实验，获取各个固有模态函数表征的分量的典型值；所述断路器的状态包括正常状态、缓冲器失效状态、分闸不到位状态和分闸弹资失效状态。4.根据权利要求3所述的低压框架断路器故障诊断方法，其特征在于，确定四组所述分量的能量在能量总和中的占比；四组所述分量分别为，第一固有模态分量(IMF1)、第二固有模态分量(IMF2)、第三固有模态分量(IMF3)和第四固有模态分量(IMF4)；所述IMF1、所述IMF2、所述IMF3和所述IMF4分别对应所述低压框架断路器分闸振动信号中频率最高的前四段频段频谱，并且，对应的频段依次降低。5.根据权利要求4所述的低压框架断路器故障诊断方法，其特征在于，所述人工神经网络模型为极限学习机(ELM网络)；所述ELM网络通过如下方式训练获得为：步骤S1，输入向量I＝{(xi1xi2xi3xi4xi5yi)i＝1，2，3···N}；其中，xi1～xi5分别为第i组作为训练样本的振动信号分解得IMF1、IMF2、IMF3、IMF4四个固有模态分量的能量在所述能量总和中的占比，以及，第i组振动信号的总能量；yi为第i组振动信号对应的状态类型；步骤S2，设定所述隐含层初始节点数目Q和所述训练样本数量N，利用步骤S1中输入的训练样本训练所述ELM网络，确定所述隐含层的输出权重，包括如下步骤：步骤S21，随机选择隐含层节点偏移...
【专利技术属性】
技术研发人员：刘宗健，张振兵，
申请(专利权)人：罗孚电气厦门有限公司，
类型：发明
国别省市：福建,35
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。