一种高压隔离开关机械故障判别方法及装置制造方法及图纸

本发明专利技术公开一种高压隔离开关机械故障判别方法及装置，涉及高压隔离开关故障诊断领域，解决现有技术存在的无法准确模拟现场实际设备运行状态、建模过程繁琐以及拓展性差的问题；本发明专利技术包括S1：通过模拟实验获取高压隔离开关合闸过程中不同状态的力矩曲线；S2：提取S1所得力矩曲线的特征组成样本集；S3：构建神经网络并利用S2所得样本集进行训练得到判别模型；S4：利用S3所得判别模型对实测的力矩信号进行故障判别；本发明专利技术通过监测力矩曲线时间窗内的平均值实现对力矩曲线T1、T2、T3三个时段的自动划分，避免了人工划分的过程，从而使得特征提取过程更加高效、结果更加准确。结果更加准确。结果更加准确。

【技术实现步骤摘要】
一种高压隔离开关机械故障判别方法及装置


[0001]本专利技术涉及高压隔离开关故障诊断领域，具体涉及一种高压隔离开关机械故障判别方法及装置。

技术介绍

[0002]高压隔离开关作为输变电领域中使用最多的开关设备，主要用于隔离电源、倒闸操作、连通和切断小电流电路，其自身的健康状态对电力系统的安全稳定运行至关重要。然而，由于户外高压隔离开关长期在高电压、大电流及恶劣环境条件下运行，同时，对于设备自身老化、运维不当等原因，导致高压隔离开关容易发生各种发热、机械类故障，据统计，高压隔离开关的故障率在4％左右，其中机械类故障又占总缺陷的70％左右，因此，现有考虑高压隔离开关在电力系统中的重要作用，有必要对其进行机械故障诊断。
[0003]高压隔离开关常见的机械故障类型主要包括机构卡涩、三相不同期、合闸不到位、机构松动等，由于高压隔离开关传动关节数目较多，彼此间相互影响，导致故障机理不明晰，现有研究中基于隔离开开关动力学模型的故障判别方法，但其无法准确现场实际设备运行状态，且存在建模过程繁琐，拓展性差等问题，不能服务于现场运维检修等问题，因此亟需一种方法对高压隔离开关机械故障诊断，从而指导现场检修工作。

技术实现思路

[0004]为了解决上述现有技术中存在的问题，本专利技术拟提供了一种高压隔离开关机械故障判别方法及装置，拟解决现有技术存在的无法准确现场实际设备运行状态，且存在建模过程繁琐，拓展性差的问题
[0005]一种高压隔离开关机械故障判别方法，包括如下步骤：
[0006]S1：通过模拟实验获取高压隔离开关合闸过程中不同状态的力矩曲线，所述状态包括正常、主动极关节卡涩、主轴卡涩、A相不同期、C相不同期、合闸不到位、机构松动；
[0007]S2：提取S1所得力矩曲线的特征组成样本集；
[0008]S3：构建神经网络并利用S2所得样本集进行训练得到判别模型；
[0009]S4：利用S3所得判别模型对实测的力矩信号进行故障判别。
[0010]优选的，所述力矩曲线的采样频率为f
s
，采样点数为m，每个数据点对应力矩大小为TN
i
，i＝1,2,3...m，即力矩曲线表示为每种状态测取k组曲线，一共测取N组曲线，N＝z
×
k，其中，r表示状态类型，r＝1,2,3...z，n表示第r种状态类型下的第n条力矩曲线，n＝1,2,3...k。
[0011]优选的，步骤S2包括以下步骤：
[0012]S21：计算正常状态下单力矩曲线在各个时刻的平均值形成参考力矩曲线s
ref
；
[0013]S22：将S1所得不同状态下的力矩曲线与参考力矩曲线进行作差比较，获得每一时刻对应的实际偏差，形成偏差曲线
[0014]S23：将偏差曲线分成前、中、后三个时段，分别记为T1、T2、T3；
[0015]S24：计算偏差曲线在T1时段内数据的平均值记为λ1，在T2时段内数据的方差记为σ，在T3时段数据的平均值，记为λ2，而后将[λ1，σ，λ2]作为力矩曲线的特征，按照力矩曲线状态类型的顺序提取所有力矩曲线的特征，组成样本集，记为S。
[0016]优选的，步骤S23包括：
[0017]选取某一正常状态下的力矩曲线前len1个数据点，其中len1≈0.5f
s
，将len1个数据点记为一个时间窗，同时将len1记为该时间窗的窗长，其包含的数据点为{(1,TN1)，(2,TN2)，(3,TN3)...(len,TN
len1
)}，求该时间窗内所有数据点大小的平均值Avg，其中
[0018][0019]若Avg大于或等于设置的参考力矩TN
ref1
，即Avg≥TN
ref1
，则该时间窗内的最后一个数据点(len1,TN
len1
)即为力矩曲线T1时段与T2时段的分界点，对应偏差曲线第len1个数据点就是偏差曲线T1时段与T2时段的分界点，若Avg<TN
ref1
，则向后移动时间窗得到新的时间窗，每次移动步长为step1个数据点，其中step1≈0.1f
s
，则新的时间窗包含的数据点为{(step1+1,TN
step1+1
)，(step1+2,TN
step1+2
)，(step1+3,TN
step1+3
)...(step1+len1,TN
step1+len1
)}，再求新的时间窗内所有数据点的平均值，并与TN
ref1
比较大小，若Avg≥TN
ref1
，则该时间窗内的最后一个数据点(step1+len1,TN
step1+len1
)即为力矩曲线T1时段与T2时段的分界点，对应偏差曲线第step1+len1个数据点就是偏差曲线T1时段与T2时段的分界点，若Avg<TN
ref1
，则继续向后移动时间窗，如此循环，最终得到偏差曲线T1时段与T2时段的分界点；
[0020]选取某一合闸不到位状态下的力矩曲线将该力矩曲线所含数据点调换前后顺序得到新的力矩曲线该力矩曲线所含数据点调换前后顺序得到新的力矩曲线其中
[0021]TN
t
'＝TN
m
‑
t+1
(t＝1,2,3...m)
[0022]按照T1时段与T2时段的划分方法划分力矩曲线的T2时段与T3时段，只需要更改窗长len2≈0.2f
s
，步长step2＝step1，参考力矩TN
ref2
＝TN
ref1
，按以上步骤获得力矩曲线的T2时段与T3时段的分界点，再根据TN
t
'与TN
m
‑
t+1
的对应关系获得力矩曲线的T2时段与T3时段的分界点；
[0023]优选的，步骤S3包括以下步骤：
[0024]S31：设置神经网络的目标输出；
[0025]S32：设置神经网络的层数以及输入层、隐含层和输出层神经元个数；
[0026]S33：设置神经网络的激活函数；
[0027]S34：对样本集和神经网络参数进行初始化，其中神经网络参数包括权重、迭代次数、目标误差以及学习率；
[0028]S35：对神经网络进行训练得到故障判断模型。
[0029]优选的，所述S31包括：将样本集中的特征样本顺序随机排列作为新的样本集S
’
，再将样本集S
’
中各个特征样本对应的标签以one
‑
hot格式进行编码，将编码结果作为神经网络的目标输出；
[0030]所述S32包括：设置神经网络层数为Q(Q≥3)，根据高压隔离开关的每个样本所含特征数量确定输入层神经元个数为3，根据高压隔离开关状态类别数确定输出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高压隔离开关机械故障判别方法，其特征在于，包括如下步骤：S1：通过模拟实验获取高压隔离开关合闸过程中不同状态的力矩曲线，所述状态包括正常、主动极关节卡涩、主轴卡涩、A相不同期、C相不同期、合闸不到位、机构松动；S2：提取S1所得力矩曲线的特征组成样本集；S3：构建神经网络并利用S2所得样本集进行训练得到判别模型；S4：利用S3所得判别模型对实测的力矩信号进行故障判别。2.根据权利要求1所述的一种高压隔离开关机械故障判别方法，其特征在于，所述力矩曲线的采样频率为f
s
，采样点数为m，每个数据点对应力矩大小为TN
i
，i＝1,2,3...m，即力矩曲线表示为每种状态测取k组曲线，一共测取N组曲线，N＝z
×
k，其中，r表示状态类型，r＝1,2,3...z，n表示第r种状态类型下的第n条力矩曲线，n＝1,2,3...k。3.根据权利要求1所述的一种高压隔离开关机械故障判别方法，其特征在于，步骤S2包括以下步骤：S21：计算正常状态下力矩曲线在各个时刻的平均值形成参考力矩曲线s
ref
；S22：将S1所得不同状态下的力矩曲线与参考力矩曲线进行作差比较，获得每一时刻对应的实际偏差，形成偏差曲线S23：将偏差曲线分成前、中、后三个时段，分别记为T1、T2、T3；S24：计算偏差曲线在T1时段内数据的平均值记为λ1，在T2时段内数据的方差记为σ，在T3时段数据的平均值记为λ2，而后将[λ1，σ，λ2]作为力矩曲线的特征，按照力矩曲线状态类型的顺序提取所有力矩曲线的特征，组成样本集，记为S。4.根据权利要求3所述的一种高压隔离开关机械故障判别方法，其特征在于，步骤S23中T1、T2和T3的划分方法包括：选取某一正常状态下的力矩曲线前len1个数据点，其中len1≈0.5f
s
，将len1个数据点记为一个时间窗，同时将len1记为该时间窗的窗长，其包含的数据点为{(1,TN1)，(2,TN2)，(3,TN3)...(len,TN
len1
)}，求该时间窗内所有数据点大小的平均值Avg，其中若Avg大于或等于设置的参考力矩TN
ref1
，即Avg≥TN
ref1
，则该时间窗内的最后一个数据点(len1,TN
len1
)即为力矩曲线T1时段与T2时段的分界点，对应偏差曲线第len1个数据点就是偏差曲线T1时段与T2时段的分界点，若Avg<TN
ref1
，则向后移动时间窗得到新的时间窗，每次移动步长为step1个数据点，其中step1≈0.1f
s
，则新的时间窗包含的数据点为{(step1+1,TN
step1+1
)，(step1+2,TN
step1+2
)，(step1+3,TN
step1+3
)...(step1+len1,TN
step1+len1
)}，再求新的时间窗内所有数据点的平均值，并与TN
ref1
比较大小，若Avg≥TN
ref1
，则该时间窗内的最后一个数据点(step1+len1,TN
step1+len1
)即为力矩曲线T1时段与T2时段的分界点，对应偏差曲线第step1+len1个数据点就是偏差曲线T1时段与T2时段的分界点，若Avg<TN
ref1
，则继续向后移动时间窗，如此循环，最终得到偏差曲线T1时段与T2时段的分界点；
选取某一合闸不到位状态下的力矩曲线将该力矩曲线所含数据点调换前后顺序得到新的力矩曲线，其中TN
t
'＝TN
m
‑
t+1
(t＝1,2,3...m)按照T1时段与T2时段的划分方法划分力矩曲线的T2时段与T3时段，只需要更改窗长len2≈0.2f
s
，步长step2＝step1...

【专利技术属性】
技术研发人员：林圣，全济辉，王玘，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：