高压断路器合闸弹簧动态特性及储能状态检测方法

李鹏飞　周文俊　曾　国　赵思洋　王　晓

(1.武汉大学电气工程学院　武汉　430072　2.国网黄石供电公司　黄石　435000)



高压断路器合闸弹簧动态特性及储能状态检测方法

李鹏飞1周文俊1曾国2赵思洋1王晓2

(1.武汉大学电气工程学院武汉4300722.国网黄石供电公司黄石435000)

弹簧操动机构中合闸弹簧的储能状态影响高压断路器合闸特性。将合闸过程中弹簧的加速度信号分为两段，利用前段信号计算弹簧能量释放速度，基于动态时间规整算法获得待检测弹簧与标准弹簧能量释放速度的最小空间距离。利用后段信号提取弹簧的本征频率，基于离散频谱校正法对本征频率进行校正。对最小空间距离和本征频率进行数据融合，求取两者的加权欧氏距离作为检测特征值。实验结果表明，加权欧氏距离小于0.5时CT20操动机构的合闸弹簧的储能满足标准压力±5%的要求范围。

合闸弹簧储能状态检测动态时间规整算法离散频谱校正法加权欧氏距离

0　引言

随着断路器灭弧能力的逐步提高，结构简单的弹簧操动机构越来越广泛地应用于更高电压等级的断路器中。作为操动机构的储能核心构件——储能弹簧在长期运行中由于材料的疲劳及蠕变等原因产生应力松弛现象[1]，尤其是弹簧断裂，使弹簧储能降低，导致断路器分合闸速度降低或不能分闸。此举直接降低了断路器的灭弧能力，严重时发生灭弧室爆炸事故，对电网的稳定运行产生严重威胁。

近年来，国内外学者利用操动机构的多种特征信号对断路器的机械故障进行了诊断研究，主要集中于断路器的分合闸行程[2]、线圈电流[3]及振动信号[4-7]等特征参数。文献[5-7]提出了利用小波包分解及经验模态分解对断路器动作过程中产生的振动信号进行分解，并求取各层分解信号的信息熵，结合智能模式识别方法进行故障诊断。文献[8]提出了基于KPCA和SVM算法利用分合闸线圈中电流的各特征值对断路器的机械故障进行监测。这些方法可以对断路器的一些机械故障进行诊断，但它们均借助于智能模式识别，需要大量的正常状态数据和故障数据进行机器学习，并且所测得信号的特征值无法直接与断路器故障建立一一对应关系。文献[9]提出了利用改进的动态时间规整算法对不同故障类型的振动信号进行分析，得出同一系列断路器的故障诊断标准。此种方法基于整体振动信号，对断路器整体故障进行检测，仍无法有效检测断路器储能弹簧的储能状态。

为实现对合闸弹簧的储能状态进行检测，本文首次提出了基于合闸过程中合闸弹簧动态特性的储能状态检测方法。以LW25-126瓷柱式六氟化硫断路器所配备的CT20弹簧操动机构为实验平台，利用合闸过程中合闸弹簧能量释放以及合闸完成后弹簧振颤产生的振动信号，进行分段分析。利用动态时间规整算法[9]计算合闸过程中弹簧能量释放速度与标准储能弹簧的能量释放速度的最小空间距离，用基于Hanning窗的离散频谱校正法[10]计算合闸完成后弹簧的振颤频率，求取空间距离和本征频率的加权欧氏距离，作为合闸弹簧储能状态的特征参数。在同一合闸弹簧不同储能状态下进行实验验证，结果表明当加权欧氏距离小于0.5时，合闸弹簧储能状态满足断路器的出厂要求。

1　合闸过程弹簧的动态特性

1.1合闸弹簧的动作过程

以LW25-126瓷柱式六氟化硫断路器为例，该断路器采用CT20型弹簧操动机构，合闸弹簧采用圆柱螺旋弹簧，储能方式为压缩储能，自由高度为590 mm，储能压缩后高度为320 mm，储能压力为29.4 kN。合闸弹簧的参数如表1所示。

合闸过程中动作过程如下：断路器接收到继电保护装置的合闸指令，合闸线圈得电，触发合闸掣子带动合闸弹簧释放能量。在几十毫秒内合闸弹簧压力值由29.4 kN变为18.5 kN，合闸弹簧的压缩高度由320 mm变为420 mm。弹簧动作完毕，其仍有很大一部分动能无法释放，继而转换为弹簧丝的振颤，在弹簧中形成纵波[11]。

表1　CT20型弹簧操动机构合闸弹簧参数Tab.1　The parameters of closing spring in CT20 spring operating mechanism

断路器合闸过程中弹簧的动作分为两个过程：①合闸动作中的受迫运动；②合闸完成后的自由振动。

1.2合闸动作中的受迫运动

断路器在合闸动作中，动触头的运动速度取决于操动机构合闸动作的动力源——合闸弹簧的能量释放速度。以LW25-126型断路器为例，其操动机构简图如图1a所示。针对合闸动作中合闸弹簧的负载特点进行简化处理后如图1b所示。

图1　CT20弹簧操动机构原理图Fig.1　Schematic diagram of CT20 spring operating mechanism

图1b中弹簧的负载质量m(x)随弹簧的形变量而变化[12]，其值取决于传动系统零部件的质量、速度和位置。

由运动学方程可知

Fx=Kx

(1)

式中，ax为弹簧储能高度为x时弹簧端部的加速度，m/s2；Fx为弹簧储能高度为x时弹簧的载荷值，N；mx为弹簧储能高度为x时负载部件的等效质量，kg；K为弹簧刚度。

在实际测量系统中，测量到的加速度信号包含各种干扰因素引起的直流趋势项[13]，测量得到的加速度信号为

a(t)=f(t)+δ

(2)式中，δ为测量中的直流趋势项；f(t)为真实加速度信号。对上述加速度信号进行一次积分，得到速度信号

v(t)=∫a(t)dt+v0=∫[f(t)+δ]dt+v0

=∫ f(t)dt+δt+ε+v0

(3)

由式(3)可知，趋势项在积分运算中被逐渐放大，同时由于积分初值很难确定，因此加速度时域一次积分结果中含有一次误差项。但在相同的测试环境中，其趋势项基本一致，合闸弹簧能量释放速度仅与弹簧刚度有关。

1.3合闸完成后的自由振动

断路器合闸的瞬间，由于机械限位装置的作用，合闸弹簧从很高的动作速度在很短的时间陡降为零，大部分动能无法立即释放[14]，转换为弹簧丝的振颤，在弹簧丝中形成往复传播的纵波。如图2所示。

该纵波的频率为弹簧在受压状态下的本征频率f0，根据文献[11]，弹簧系统本征频率可近似为

(4)

式中，ω为弹簧本征频率，Hz；me为弹簧系统等效质量，kg。

图2　弹簧振颤形成的纵波Fig.2　Longitudinal wave caused by Spring vibration

两端固定的弹簧系统的等效质量为

(5)式中，M为弹簧自身质量，kg；g为重力加速度，m/s2。

由式(4)和式(5)可知，弹簧的本征频率ω与弹簧刚度K的平方根呈正比。由表1数据计算得实验所用弹簧的本征频率为31 Hz。

2　合闸弹簧储能状态的检测方法

2.1合闸弹簧储能状态的检测方法

合闸弹簧产生的应力松弛现象，降低了弹簧刚度，在相同的储能高度下，弹簧的载荷值Fx随应力松弛的增加而逐渐降低。由式(1)和式(3)可知，在相同的弹簧储能高度下，弹簧能量释放速度随弹簧刚度降低而变小。由式(4)和式(5)可知，弹簧的本征振动频率ω随弹簧刚度的降低而减小。因此，可利用合闸过程中弹簧能量释放速度以及弹簧本征频率来检测其储能状态。具体流程如图3所示。

图3　合闸弹簧储能状态检测方法Fig.3　Detection method of closing spring’s energy-storing state

实验测量中，合闸动作中加速度含有直流趋势项和弹簧径向振动的信号，但同一操动机构的加速度信号的趋势项及径向振动基本一致，使用动态时间规整算法[15]计算两组速度信号之间的最小空间距离，能够有效消除两组速度信号中的趋势项，得到当前弹簧的储能状态与标准弹簧储能状态的差异。

实验数据表明，断路器合闸完成后弹簧的振颤持续时间为1 s左右，且随着振颤时间的延长，振颤能量逐渐衰减。对获取的弹簧振颤加速度信号进行快速傅里叶变换(FFT)，获得合闸弹簧的本征频率。由于信号时长的限制，不能达到所需的频率精度，采用基于Hanning窗的离散频谱校正法[10，16]对本征频率进行校正，得到准确的弹簧本征频率，以便对弹簧的储能状态进行检测。

2.2动态时间规整算法

动态时间规整算法(DTW)是一种应用于语音识别的方法。其核心为：对两列时间信号利用局部寻优的方法，对局部信号进行扩展、压缩或变形，使两列信号之间的空间距离达到最小值，用两列信号的最小空间距离来描述两列信号的相似度[15]。

设标准弹簧的能量释放速度(下文简称标准速度)为vs(m)={vs(1)、vs(2)、…、vs(m)、…、vs(M)}，待检测弹簧的能量释放速度(下文简称待测速度)为vd(n)={vd(1)、vd(2)、…、vd(n)、…、vd(N)}，其中M、N分别为标准速度和待测速度的采样点数量，其中1≤m≤M，1≤n≤N。

首先构造标准速度与待测速度的欧氏距离矩阵Dm×n。

(6)

图4　动态时间规整路径Fig.4　Path of dynamic time warping

DTW就是在矩阵Dm×n中找到一条最优路径Wp(如图4中实线所示)，使vs(m)与vd(n)之间的空间距离dist在最优路径Wp下达到最小，如式(7)所示。

Wp=d(mk)(nk)

(7)

式中，max(M，N)≤P≤M+N-1。路径Wp需满足以下3个条件：

1)边界条件：W1=d11和Wp=dMN。

2)单调性：若Wp-1=dm(p-1)n(p-1)，则对于路径下一点Wp=d(mp)(np)需满足mp≥m(p-1)和np≥n(p-1)。

3)连续性：若Wp-1=dm(p-1)n(p-1)，则对于路径下一点Wp=d(mp)(np)需满足mp-m(p-1)≤1和np-n(p-1)≤1。

求解在路径Wp下的最小空间距离可通过式(8)递归求得。

dist[vs(m), vd(n)]=

dist[vs(1), vd(1)]=d11

(8)

2.3基于Hanning窗的离散频谱校正法

断路器完成合闸动作后，弹簧自由振动加速度信号经FFT得到离散的频谱，离散频谱的分辨率为Δf=fs/N，其中fs为采集卡的采样率，N为采样点数量。当且仅当采样率fs为被测信号频率f0的2r(r为正整数)倍时，f0恰好能对应离散频谱中的一条谱线，否则将产生频率泄漏，无法得到被测弹簧的准确频率。

加窗傅里叶变换是由信号频谱与窗函数频谱进行卷积得到，混叠的频谱根据窗函数的特点进行还原校正。本文采用基于Hanning窗的离散频谱校正方法进行校正。Hanning窗定义为

(9)

式中，N为采样点总数量，其频谱函数为

(10)

由于Hanning窗离散频谱的能量中心无穷逼近坐标原点[10]，可以用Hanning窗主瓣内几个较大的频率点幅值精确地还原主瓣中心频率坐标。

当被测信号a(n)的频率为f0，幅值为Y0时，通过Hanning窗与被测信号的卷积如式(11)所示。

FFT[a(n)·W(n)]=FFT[a(n)]*Y(f)

(11)

当发生频率泄漏时，频谱分析结果如图5所示。在f0处的频谱消失，在f0附近出现了f-2、f-1、f1、f2的频率值。

图5　基于Hanning窗的离散频谱校正Fig.5　Correcting method for discrete spectrum based on Hanning-Window

根据Hanning窗的能量重心特性[10]有

(12)

根据式(12)可求得主瓣的中心

(13)

式(13)就是基于Hanning窗的离散频谱校正公式。利用计算所得到的校正后的弹簧本征频率可求出与标准弹簧的频率的差值，此差值可作为弹簧储能状态的特征参数。

2.4数据融合方法

为实现直接对合闸弹簧的储能性能评价，将合闸速度最小空间距离和弹簧本征频率差值进行融合处理，以得到单一特征参数。实验数据表明，本征频率差值与能量释放速度最小空间距离相差4个数量级，且二者在评价合闸弹簧的储能性能方面有同等的权重。加权欧氏距离[17，18]可以根据各数据元素不同权重进行数据融合，保证两者在融合后的特征参数中有相同的权重，其计算方法为

(14)

式中，fstd为标准弹簧的本征频率，Hz；fi为待测弹簧的本征频率，Hz；i为试验次数；β为权系数。

通过合理选取权系数β的取值，可以将两个参数划归至同一数量级。最终以无量纲的值Ai作为检测合闸弹簧储能状态的特征值。

3　实例验证

3.1实验数据的获取

以CT20弹簧操动机构为实验平台，使用单轴加速度传感器测量合闸过程中合闸弹簧的能量释放加速度，加速度传感器以ADXL193为核心芯片。其安装方式如图6a所示。单轴加速度传感器的测量方向与弹簧的轴向运动保持一致，以降低弹簧在动作中径向运动对测量结果的影响。图6b为现场实验示意图。使用自主开发的断路器弹簧检测系统进行检测，操动机构配备与LW25-126断路器负载等重的模拟负载。

图6　传感器安装位置及现场测量示意图Fig.6　Diagram of installation position of the accelerometer and the field measurement

为获得不同储能状态的合闸弹簧，采用高温退火的方法对实验弹簧进行加速应力松弛，模拟弹簧在长时间静载荷下的蠕变。实验选用弹簧的材料为60SiNiVA，其回火温度通常为400～450 ℃，实验选取200 ℃下进行加速应力松弛实验。其操作流程为：

1)将弹簧使用夹具固定，并调整其高度至储能高度，测量并记录载荷值。

2)将弹簧与夹具仪器放入加热炉中进行保温，一定时间后降温，再次测量并记录在储能高度下的载荷值。

3)将第2)步处理后的弹簧装配在断路器上，进行动作实验，记录合闸动作过程中的加速度信号。

4)重复第1)～3)步3次。

经过3次加速应力松弛实验共得到4组不同储能状态的合闸弹簧。4组弹簧在储能高度为320 mm时的载荷值及对应的弹簧刚度如表2所示。

表2　热处理前后弹簧的力学性能Tab.2　The mechanical properties of spring before and after the heat treatment

每组弹簧在断路器上分别进行多次动作实验，选取每组数据中的10组，共40组实验数据，验证前文所述的检测方法。图7列出了每种刚度的弹簧单次实验加速度信号。记录加速度信号的时间起点为断路器合闸线圈通电的起始时刻，记录信号时长1 200 ms，信号采样率为64 kS/s。

图7　不同刚度下的合闸加速度信号Fig.7　Acceleration signals of closing processes with different stiffness coefficients

LW25-126型断路器合闸时间范围为80～120 ms，为简化信号处理过程，取前120 ms的信号为断路器合闸过程中弹簧受迫运动的加速度信号，取200～1 200 ms的信号为合闸完成后弹簧振颤的加速度信号。

3.2合闸动作中受迫运动的信号处理

对前120 ms的加速度信号进行一次积分变换，得到含有趋势项的弹簧能量释放速度信号，如图8所示。

图8　合闸动作中弹簧能量释放速度Fig.8　Energy release velocity of closing spring in closing process

使用动态时间规整算法对上述40组数据进行处理，以第1组弹簧的第1次实验数据作为标准数据，计算其他39组数据对标准数据的最小空间距离。所得数据结果如表3所示。

表3　合闸动作中弹簧能量释放速度的最小空间距离Tab.3　The minimum spatial distance of energy release velocity of closing spring in closing process

表3中，刚度为109.0 N/mm的第1组实验数据与其本身的空间距离为零。同一刚度下的空间距离在平均值的±30范围内变化。实验数据表明：随着弹簧刚度的降低，断路器弹簧能量释放速度与标准速度之间的空间距离逐渐增大。

3.3合闸完成后自由振动的信号处理

对图7中4组数据的200～1 200 ms的信号进行快速傅里叶变换，由于4组数据的频谱波形基本一致，限于篇幅，仅列出在K=109.0 N/mm时0～300 Hz的频谱，如图9所示。

图9　弹簧振动加速度频谱(K=109.0 N/mm)Fig.9　Acceleration signal spectrum of spring vibration (K=109.0 N/mm)

由图9可看出，弹簧振颤的频率在66 Hz附近有较高的幅值，频率在32 Hz、98 Hz、130 Hz附近也有一定幅值的能量。66 Hz处为弹簧的二阶本征频率，利用基于Hanning窗的离散频谱校正法对60～70 Hz的频谱进行校正，所得40组频率值数据如表4所示。

表4　合闸完成后合闸弹簧的自由振动频率Tab.4　The free vibration frequency of closing spring after the closing process

由表4中可以看出在每个弹簧刚度下弹簧的二阶本征频率基本均在平均值±0.1 Hz范围内变化。实验数据表明：随着弹簧刚度的逐渐降低，弹簧的二阶本征频率逐渐降低。

3.4最小空间距离与本征频率差值的数据融合

将原始弹簧二阶本征频率10次实验数据的平均值作为标准弹簧的本征频率数据，计算其他刚度下的频率差值。利用式(14)进行数据融合。为使最小空间距离和本征频率差值在同一数量级，首先对表3、表4数据进行差值比较处理，处理方法为：①从表3、表4的10组数据中任选取其中对应的3组；②按照式(15)计算两种参数的差值。

(15)

f(β)的计算结果如图10所示。

图10　f(β)计算结果Fig.10　The calculation result of f(β)

由图10可看出，权系数β=0.000 75时，最小空间距离与本征频率差值的差值最小。这种情况下，所得弹簧刚度与加权欧氏距离的对应关系如图11所示。

图11　弹簧刚度与加权欧氏距离的对应关系Fig.11　Correspondence between the stiffness and the weighted Euclidean distance

由图11可以看出，随着弹簧刚度的降低，弹簧能量释放速度与弹簧二阶本征频率差值的加权欧氏距离逐渐增大。根据CT20弹簧操动机构出厂参数规定，合闸弹簧压力在标准压力±5%范围内满足要求。可知，加权欧氏距离Ai小于0.5时，压力范围在允许压力范围内。单次实验中的加权欧氏距离虽然存在一定的分散性，但此分散性不足以影响对弹簧储能状态的检测结果。因此，可以通过监测断路器在合闸过程中弹簧的加速度信号获取其能量释放速度及二阶本征频率来检测合闸弹簧的储能状态。

4　结论

本文利用单轴加速度传感器测量断路器在合闸过程中弹簧的加速度信号，对此信号进行分段处理，提取待检测合闸弹簧与标准弹簧能量释放速度的最小空间距离及本征频率，将两个参数进行数据融合，对合闸弹簧储能状态进行检测，及时发现弹簧故障，并得到如下结论：

1)随着弹簧应力松弛的发展，弹簧刚度逐渐降低，合闸动作中，弹簧的能量释放速度与标准弹簧的最小空间距离变大。

2)弹簧刚度降低，弹簧的本征频率降低。

3)对空间距离和本征频率进行数据融合，选取合适的权重系数求得加权欧氏距离，弹簧刚度降低，加权欧氏距离增大。对于CT20弹簧操动机构使用的合闸弹簧而言，当加权欧氏距离小于0.5时，其储能满足断路器出厂规定的±5%范围。

该方法不依赖弹簧的外形尺寸、储能方式及弹簧安装形式，可推广至分闸弹簧储能状态的检测中。

[1]Sohn H J，Lee S K，Kim S O，et al.Comparison of spring models for dynamic analysis of a high voltage circuit breaker with a spring operating mechanism[J].Mechanics Based Design of Structures and Machines，2007，36：107-128.

[2]Ahn K Y，Kim S H.Modelling and analysis of a high-speed circuit breaker mechanism with a spring-actuated cam[J].Journal of Mechanical Engineering Science，2001，215(6)：633-672.

[3]Razi-Kazemi A A，Vakilian M，Niayesh K A.Circuit-breaker automated failure tracking based on coil current signature[J].IEEE Transactions on Power Delivery，2014，29(1)：283-290.

[4]缪希仁，王燕.低压断路器振动特性分析与合闸同期性研究[J].电工技术学报，2013，28(6)：81-85.Miao Xiren，Wang Yan.Vibration characteristic analysis and closing synchronization research of low voltage circuit breakers[J].Transactions of China Electrotechnical Society，2013，28(6)：81-85.

[5]孙来军，胡晓光，纪延超.改进的小波包-特征熵在高压断路器故障诊断中的应用[J].中国电机工程学报，2007，27(12)：103-108.Sun Laijun，Hu Xiaoguang，Ji Yanchao.Fault diagnosis for high voltage circuit breakers with improved characteristic entropy of wavelet packet[J].Proceedings of the CSEE，2007，27(12)：103-108.

[6]孙一航，武建文，廉世军，等.结合经验模态分解能量总量法的断路器振动信号特征向量提取[J].电工技术学报，2014，29(3)：228-236.Sun Yihang，Wu Jianwen，Lian Shijun，et al.Extraction of vibration signal feature vector of circuit breaker based on empirical mode decomposition amount of energy[J].Transactions of China Electrotechnical Society，2014，29(3)：228-236.

[7]Huang Jian，Hu Xiaoguang，Geng Xin.An intelligent fault diagnosis method of high voltage circuit breaker based on improved EMD energy entropy and multi-class support vector machine[J].Electric Power Systems Research，2011，81(2)：400-407.

[8]Ni Jianjun，Zhang Chuanbiao，Yang S X.An adaptive approach based on KPCA and SVM for real-time fault diagnosis of HVCBs[J].IEEE Transactions on Power Delivery，2011，26(3)：1960-1971.

[9]Michel Landry，François Léonard，Champlain Landry，et al.An improved vibration analysis algorithm as a diagnostic tool for detecting mechanical anomalies on power circuit breakers[J].IEEE Transactions on Power Delivery，2011，26(3)：1960-1971.

[10]丁康，江利旗.离散频谱的能量重心校正法[J].振动工程学报，2001，14(3)：354-358.

Ding Kang，Jiang Liqi.Energy centrobaric correction method for discrete spectrum[J].Journal of Vibration Engineering，2001，14(3)：354-358.

[11]张英会，刘辉航，王德成.弹簧手册[M].北京：机械工业出版社，1997.

[12]黄亚宇，王立华，董明智.基于多体动力学的弹簧操动机构的动态特性研究[J].机械设计与研究，2007，23(2)：32-36.

Huang Yayu，Wang Lihua，Dong Mingzhi.Dynamic property research on the spring operating mechanism based on the multi-body dynamics[J].Machine Design & Research，2007，23(2)：32-36.

[13]Yang J，Li J B，Lin G.A simple approach to integration of accelerationdata for dynamicsoil-structure interaction analysis[J].Soil Dynamics and Earthquake Engineering，2006，26(8)：725-734.

[14]王时龙，雷松，周杰，等.两端并圈多股弹簧的冲击响应研究[J].振动与冲击，2011，30(3)：64-68.

Wang Shilong，Lei Song，Zhou Jie，et al.Impact response of stranded wires helical springs with closed ends[J].Journal of Vibration and Shock，2011，30(3)：64-68.

[15]林德清，顾伟，王元凯，等.基于动态时间弯曲空间距离度量的电能质量综合评估[J].电网技术，2013，37(2)：562-567.

Lin Deqing，Gu Wei，Wang Yuankai，et al.Synthetic evaluation of power quality based on dynamic time warping spatial distance measurement[J].Power System Technology，2013，37(2)：562-567.

[16]温和，滕召胜，黎福海，等.改进加窗频谱峰值拟合算法及谐波分析应用[J].电工技术学报，2011，26(10)：8-15.

Wen He，Teng Zhaosheng，Li Fuhai，et al.Improved windowed Spectral-Peaks polynomial fitting algorithm and its application in power harmonic analysis[J].Transactions of China Electrotechnical Society，2011，26(10)：8-15.

[17]刘兴杰，岑添云，郑文书，等.基于模糊粗糙集与改进聚类的神经网络风速预测[J].中国电机工程学报，2014，34(19)：3162-3168.

Liu Xingjie，Cen Tianyun，Zheng Wenshu，et al.Neural network wind speed prediction based on fuzzy rough set and improved clustering[J].Proceedings of the CSEE，2014，34(19)：3162-3168.

[18]周爱华，张彼德，张厚宣.基于人工免疫分类算法的电力变压器故障诊断[J].高电压技术，2007，33(8)：77-80.

Zhou Aihua，Zhang Bide，Zhang Houxuan.Power transformer fault diagnosis by using the artificial immune classification algorithm[J].High Voltage Engineering，2007，33(8)：77-80.

The Dynamic Characteristics and Energy Storage State Detection Method of High-voltage Circuit Breaker Closing Spring

Li Pengfei1Zhou Wenjun1Zeng Guo2Zhao Siyang1Wang Xiao2

(1.School of Electrical EngineeringWuhan UniversityWuhan430072China 2.Huangshi Power Supply Company of State Grid Corporation of ChinaHuangshi435000China)

The energy storage state of the closing spring in the spring operating mechanism affects the closing characteristics of the high-voltage circuit breaker.The acceleration signal of the spring in the closing process is divided into two parts.Then the minimum spatial distance of the energy release velocity between the standard spring and the spring under test are obtained by calculating the first part of the acceleration signal based on the dynamic time warping algorithm.For the second part of the acceleration signal，the eigenfrequency of the closing spring is extracted and corrected by the correcting method for discrete spectrum.The weighted Euclidean distance，which is calculated by data fusion of the minimum spatial distance and the eigenfrequency after correction，is taken as the measured eigenvalue.The experimental results show that the energy storage of the closing spring in the CT20 operating mechanism meets the requirement for the standard pressure with 5% deviation when the weighted Euclidean distance is less than 0.5.

Closing spring，energy storage state detection，dynamic time warping algorithm，correcting method for discrete spectrum，weighted Euclidean distance

2015-01-27改稿日期2015-03-28

TM562

李鹏飞男，1986年生，博士研究生，研究方向为电力设备在线监测与故障诊断。

E-mail：pengfei9966@126.com(通信作者)

周文俊男，1959年生，教授(二级)，博士生导师，研究方向为防雷接地及高电压绝缘测试。

E-mail：2267122615@qq.com