一种高压断路器机械故障检测方法技术

本发明专利技术提出了一种高压断路器机械故障检测方法，通过识别断路器工作中的特征事件来确定声音信号的有效信息部分，使得提取的特征声音信号长度和特征区间数减少，也避免在识别过程中声音信号的前端和后端地噪音信号部分对识别的干扰，通过对可识别特征区间的筛选，减少在故障识别中的数据处理量，对待识别特征区间的权重优先级排序，按照权重顺序对待识别特征区间依次进行检测，检测过程效率更高。检测过程效率更高。检测过程效率更高。

【技术实现步骤摘要】
一种高压断路器机械故障检测方法


[0001]本专利技术涉及高压断路器故障检测领域，具体涉及一种高压断路器机械故障检测方法。

技术介绍

[0002]高压断路器作为电力系统中重要的高压设备，一旦发生故障，将可能产生非常严重的后果。高压断路器的主要故障是机械故障。
[0003]针对机械故障，电磁铁线圈电流诊断、振动信号诊断、声音信号诊断是目前研究较多的故障诊断方法。其中，电磁铁线圈电流诊断通过采集电磁铁线圈电流信号分析诊断，能够对电磁铁相关的各种故障进行有效诊断，但是操动机构等电磁铁以外的故障则几乎无法诊断。振动信号诊断通过采集开闸、合闸电磁铁，以及开闸、合闸弹簧附近的振动信号进行诊断，由于振动信号含有非常丰富的信息，可以对绝大多数机械故障进行诊断，并且有着很高的诊断正确率，但是振动信号对于安装位置要求较高，一般在弹簧或电磁铁附近才能比较好地采集信号，同时由于断路器分合闸时振动频率很高，能达到上万赫兹，如此大量程的振动传感器价格昂贵，所需的数据采集板卡价格也很昂贵。断路器声音诊断方法是目前断路器故障诊断的一个热点方向。声音信号与振动信号属于同源信号，但是断路器分合闸振动引起的声音信号频率远低于振动信号，主要集中于数千赫兹范围，这大大降低了传感器和振动采集卡的成本；同时声音传感器安装位置灵活，无需侵入式安装，但是声音诊断方法也存在着操作事件和有效区间识别困难的问题。
[0004]目前采用声信号特征进行故障识别的声信号全时间区域KS检验(Kolmogorov
‑
Smirnov test，柯尔莫哥洛夫
‑
斯摩洛夫检测)方法，进行诊断的识别率也很高。但是由于KS检验对于纯噪音信号或者有效信息很少的信号，检验效果很差，全时间区域KS检验有以下缺点：(1)未有操作声音前，由于环境和设备噪音，任意两信号的KS检验几乎均判定为不同信号。(2)操作声音出现并明显衰减后，设备的余震声音信号混杂了各种折射反射声音信号，此时任意两信号的KS检验存在较强的随机性。(3)全时间区域KS检验特征区间众多，这既容易略去部分有效特征区间，也容易强化本组故障的独特量引起过度学习。

技术实现思路

[0005]本专利技术提出一种高压断路器机械故障检测方法，精确地确定声音信号的有效信息部分，减少了设备或者信号的噪声对检测产生的影响，并缩减了提取的特征声音信号长度和特征区间数，减少在故障识别中的数据处理量，检测的过程更加高效，检测结果更加准确。
[0006]本专利技术提供的一种高压断路器机械故障检测方法，包括：
[0007]采集断路器合闸过程中振动产生的声音信号；
[0008]采用第一特征识别断路器发生合闸电磁铁铁芯撞击的事件，标记为第一事件，并记录时间T1；
[0009]采用第二特征识别断路器发生动静触头撞击的事件，标记为第二事件，并记录时间T2；
[0010]将所述声音信号的所述时间T1到所述时间T2之间的声音信号提取为有效信号部分；
[0011]按照预设的区段时间t将所述有效信号部分划分为N个特征区间，编号依次为1～N；
[0012]提取特征区间的特征向量数据；
[0013]获取可识别特征区间数组和特征区间权重排序；
[0014]当所述特征区间的编号不属于可识别特征区间数组，删除该特征区间的数据；当特征区间的编号属于可识别特征区间数组，保留该特征区间的特征向量数据，得到待识别特征区间
[0015]按照所述特征区间权重排序，依次对所述待识别特征区间进行柯尔莫哥洛夫
‑
斯摩洛夫检测得出故障结果。
[0016]优选地，所述第一特征为检测到断路器的合闸电磁铁的回路电流值超过门限I1；
[0017]所述第二特征为采集动静触头撞击的振动信号，并识别到达到强度E0。
[0018]进一步地，所述时间T1具体为：T1＝t1+t
d1
；
[0019]所述t1为检测到第一事件发生的时刻；
[0020]所述t
d1
为第一事件发生到有效声音信号被采集的延时，t
d1
＝t
p
+t
r
+t
e
，其中，所述t
p
为第一事件发出的声音传递到被采集所需要的时间，所述t
r
为第一事件的声音信号被采集时声音传感器的响应时间，所述t
e
为采集的声音信号上升过程中，达到强度E1的时间。
[0021]进一步地，所述时间T2具体为：T2＝t2+t
d2
；
[0022]所述t2为检测到第二事件发生的时刻；
[0023]所述t
d2
为第二事件发生到有效声音信号被采集的延时：t
d2
＝t
p
’
+t
r
’
+t
e
’
，其中，所述t
p
’
为第二事件发出声音传递到被采集所需要的时间，所述t
r
’
为第二事件的声音信号被采集时声音传感器的响应时间，所述t
e
’
为采集的第二事件的声音信号上升过程中，达到强度E2的时间。
[0024]作为一种优选方式，所述特征区间的特征向量数据为每个特征区间的声音信号幅值。
[0025]作为一种优选方式，所述可识别特征区间数组的获取方法为：
[0026]通过故障模拟器模拟机械故障的情况以及断路器正常工作的情况，进行空载实验；
[0027]采集正常工作和在机械故障情况下断路器工作时的声音信号的有效信息部分；
[0028]将所述有效信息部分按照设定的区段时间t
’
划分为M个特征区间，并按照时间先后编号为1～M；
[0029]提取所述特征区间的声音信号的幅值作为特征向量；
[0030]当第一故障情况下的第i个特征区间检验与正常情况下第i个特征区间的KS检测相同时，将编号i记录进第一故障的第一标记数组A1中；
[0031]依次对每种故障情况下的特征区间检验，得出每种所述故障模拟器模拟的机械故障的标记数组；
[0032]对每种故障情况特征区间的标记数组取并集，得到可识别特征区间数组。
[0033]优选地，所述预设的区段时间t和所述设定的区段时间t
’
相同，所述编号1～N和所述编号1～M一一对应。
[0034]进一步地，所述特征区间的权重排序的获取方法为：
[0035]对所述可识别特征区间数组中的特征区间的特征向量采用Relief
‑
F算法计算权重，按照权重高到低的顺序得出特征区间权重排序。
[0036]作为一种优选方式，所述按照所述特征区间权重排序，依次对所述待识别特征区间进行KS检测得出故障结果具体为：
[0037]按照特征区间权重排序的顺序，依次将待识别特征区间的特征向量k与所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高压断路器机械故障检测方法，其特征在于，包括：采集断路器合闸过程中振动产生的声音信号；采用第一特征识别断路器发生合闸电磁铁铁芯撞击的事件，标记为第一事件，并记录时间T1；采用第二特征识别断路器发生动静触头撞击的事件，标记为第二事件，并记录时间T2；将所述声音信号的所述时间T1到所述时间T2之间的声音信号提取为有效信号部分；按照预设的区段时间t将所述有效信号部分划分为N个特征区间，编号依次为1～N；提取特征区间的特征向量数据；获取可识别特征区间数组和特征区间权重排序；当所述特征区间的编号不属于可识别特征区间数组，删除该特征区间的数据；当特征区间的编号属于可识别特征区间数组，保留该特征区间的特征向量数据，得到待识别特征区间；按照所述特征区间权重排序，依次对所述待识别特征区间进行柯尔莫哥洛夫
‑
斯摩洛夫检测得出故障结果。2.如权利要求1所述的一种高压断路器机械故障检测方法，其特征在于，所述第一特征为检测到断路器的合闸电磁铁的回路电流值超过门限I1；所述第二特征为采集动静触头撞击的振动信号，并识别到达到强度E0。3.如权利要求1所述的一种高压断路器机械故障检测方法，其特征在于，所述时间T1具体为：T1＝t1+t
d1
；所述t1为检测到第一事件发生的时刻；所述t
d1
为第一事件发生到有效声音信号被采集的延时，t
d1
＝t
p
+t
r
+t
e
，其中，所述t
p
为第一事件发出的声音传递到被采集所需要的时间，所述t
r
为第一事件的声音信号被采集时声音传感器的响应时间，所述t
e
为采集的声音信号上升过程中，达到强度E1的时间。4.如权利要求1所述的一种高压断路器机械故障检测方法，其特征在于，所述时间T2具体为：T2＝t2+t
d2
；所述t2为检测到第二事件发生的时刻；所述t
d2
为第二事件发生到有效声音信号被采集的延时：t
d2
＝t
p
’
+t
r
’
+t
e
’
，其中，所述t
p
’
为第二事件发出声音传递到被采集所需要的时间，所述t
r
’
为第二事件的声音信号被采集时声音传感器的响...

【专利技术属性】
技术研发人员：夏小飞，苏毅，易林，芦宇峰，彭在兴，王颂，饶夏锦，喇元，刘凯，张帅，张杰，赵林杰，李锐海，
申请(专利权)人：南方电网科学研究院有限责任公司，
类型：发明
国别省市：