基于机械和电气特性融合的高压断路器故障诊断方法

谭风雷，陈 昊，张海华，徐 鹏

(国网江苏省电力有限公司检修分公司，江苏 南京 211102)

随着电网规模不断扩大，高压断路器广泛应用于35 kV及以上电压等级电网。作为电力系统的核心设备，高压断路器主要承担保护和控制的作用，其运行状态决定电网安全、稳定运行。高压断路器开断电流大、承受电压高、操作较频繁，极易发生故障，引起局部电网故障，严重情况可导致电网瘫痪[1-4]。2012年，印度电网因高压断路器故障导致大面积停电，超过6亿居民受到影响。根据国内外高压断路器故障类型统计[5-8]，机械故障是高压断路器的主要故障类型，一般包括机构卡滞、弹簧变形、螺栓松动、锁扣失灵和连杆断裂等。一般情况下，在机械故障发生初期，高压断路器仍能正常工作，若能够及时发现故障并处理，将有效避免故障进一步扩大，对提高电网可靠性具有重要意义。

当高压断路器发生机械故障时，其对应的机械和电气特性都会发生相应变化，尤其在分合闸操作时，变化更为明显。国内外专家基于机械和电气特性对高压断路器故障诊断进行了深入广泛研究，其中机械特性一般是基于振动信号获取，而电气特性则是基于分合闸线圈电流获取。目前，高压断路器故障诊断主要包括典型故障库建立、特征向量提取和故障判别匹配3个阶段，其中特征向量提取阶段一般采用傅里叶变换、小波包分解和短时能量分析等方法[9-10]；故障判别匹配阶段一般采用证据理论、专家系统、支持向量机等方法[11-12]。文献[13]提出一种基于经验模态和瞬时频率的分合闸线圈电流特征向量提取方法，并通过试验验证了该方法的有效性，可为高压断路器故障诊断提供判别依据。文献[14]利用小波包分解提取高压断路器振动信号后，基于低频和高频信号重构特征向量，并采用支持向量机(support vector machines，SVM)实现故障分类。文献[15]基于高压断路器的少量状态数据，采用近似熵作为振动信号特征量，并采用支持向量机判别高压断路器故障类型。尽管目前已有大量文献对高压断路器故障诊断方法进行研究，但主要基于机械或电气单一特征考虑，未将机械和电气特性融合；另外，现有研究重点集中在如何提高高压断路器特征向量的提取精度和故障类型诊断精度，对典型故障库的建立研究较少。

为解决上述问题，本文提出一种基于机械和电气特性融合的高压断路器故障诊断方法，该方法利用机械特性判别高压断路器的故障类型，而电气特性则作为故障判别的辅助依据，以保证高压断路器的故障诊断精度。

1 基于机械特性的高压断路器故障诊断

1.1 高压断路器特征向量提取

高压断路器机械结构复杂、部件繁多，如图1所示，主要包括活动部件和固定部件，活动部件一般包括弹簧、凸轮、连杆等；固定部件一般包括瓷套、螺栓、横梁等。当高压断路器进行分合闸操作时，不同部件的振动特性不同，为准确采集振动信号，在弹簧上装设应力传感器，在转轴上装设行程传感器，在连杆上装设振动传感器，通过不同传感器采集的信号来获取特征向量。

(a)断路器固定部件(b)断路器活动部件

在提取高压断路器特征向量时，鉴于小波包分解在全频段具有较高分辨率，本文对各传感器采集信号进行小波包分解，得到特征向量，其对应的小波包函数则根据各传感器采集的信息特征而确定[16-17]。

1.2 高压断路器典型故障库建立

在诊断高压断路器故障前，需建立高压断路器的典型故障库，即确定典型故障特征向量。考虑到高压断路器同一故障在不同时刻对应的特征向量略有不同，故针对同一故障进行多次分合闸试验，测量并提取对应的特征向量。高压断路器不同故障时特征向量为

Eij=(eij1,…，eijk,…，eijN)

(1)

式中：Eij为第i种典型故障第j次试验的特征向量；eijk为第i种典型故障第j次试验的第k个特征指标；N为故障特征指标数量。

设M为各类典型故障试验次数，则第i种典型故障第ji0次试验对应的特征向量与该典型故障其他试验的欧式距离D(ji0)为

(2)

基于最小欧式距离，计算D(ji0)取得最小值时对应的试验数jimin为

(3)

则第i种典型故障第ji min次试验的特征向量为

Eiji min=(eiji min1,…，eiji mink,…，eiji minN)

(4)

计算第i种典型故障特征向量平均值为

(5)

计算Eiji min与Ei0的相关性：

(6)

由相关性原理可知，当相关性系数R≥0.8时，2组数据呈强相关，选择Ei0作为第i种典型故障的特征向量Eis；当R<0.8时，选择Eiji min作为第i种典型故障的特征向量Eis。

(7)

定义第i种典型故障的最大特征向量和最小特征向量为

(8)

式中：Eis max为第i种典型故障的最大特征向量；Eis min为第i种典型故障的最小特征向量。

1.3 故障特征指标权值计算

根据第i种典型故障的特征向量Eis来计算特征指标权值，设特征向量Eis为

Eis=(eis1,…，eisk,…，eisN)

(9)

式中：eisk为第i种典型故障特征向量的第k个特征指标值。

设高压断路器有H种典型故障，则第i种典型故障第k个特征指标的占比Pik为

(10)

计算Pik的均值uk和标准差σk为

(11)

计算第k个特征指标的离散系数Lk为

(12)

根据离散系数Lk计算第k个特征指标的权值为

(13)

式中:wk为第k个特征指标的权值。

1.4 故障类型诊断

设高压断路器任意时刻的采样特征向量Ex为

Ex=(ex1,…，exk,…，exN)

(14)

式中：exk为高压断路器任意时刻特征向量的第k个特征指标值。

定义特征向量Ex与特征向量Eis的正向距离Dpos为

(15)

定义特征向量Ex与特征向量Eis max和Eis min的负向距离Dneg为

(16)

式中：tik为第i种典型故障第k个特征指标的中间值，可表示为

(17)

由Dpos和Dneg可得特征向量Ex与特征向量Eis的相似度SJi为

(18)

计算所有典型故障的相似度，当第i种典型故障对应的相似度SJi最大时，则表示高压断路器处于第i种典型故障状态。

2 基于电气特性的高压断路器故障诊断

高压断路器故障时不仅机械特性发生变化，还伴随电气特性改变，为实现高压断路器故障准确诊断，需综合考虑机械和电气特性，考虑在基于机械特性的高压断路器故障诊断方法的基础上，融合高压断路器分合闸线圈电流，提高故障诊断准确性。高压断路器合闸线圈典型电流波形如图2所示。由图2可知，高压断路器合闸线圈典型电流包括5个阶段，每个阶段的具体描述如表1所示。

由图2和表1可知，高压断路器合闸线圈典型电流包括6个典型时刻，分别是(t0,0)、(t1,i1)、(t2,i2)、(t3,i3)、(t4,i3)和(t5,0)，其中(t0,0)是合闸线圈开始通电时间，(t1,i1)是铁芯开始动作时间，(t2,i2)是触头开始动作时间，(t3,i3)是线圈进入稳定状态时间，(t4,i3)是线圈断电开始时间，(t5,0)是线圈断电结束时间；同理可得到高压断路器分闸线圈电流的典型时刻。高压断路器分合闸线圈电流特征是由6个典型时刻决定，即不同状态下对应的典型时刻不同，则可将典型时刻作为特征向量，作为高压断路器故障诊断的依据。选择(t1-t0)、(t2-t1)、(t3-t2)、(t4-t3)、(t5-t4)、i1、i2和i3作为分合闸线圈电流的特征值构建特征向量。设某次分合闸线圈电流特征向量Ix为

Ix=(t1x-t0x,t2x-t1x,t3x-t2x,t4x-t3x,t5x-t4x,ix1,ix2,ix3)=(Ix1,Ix2,Ix3,Ix4,Ix5,Ix6,Ix7,Ix8)

(19)

图2 合闸线圈典型电流波形

表1 合闸线圈典型电流各阶段描述

考虑分合闸线圈电流特征向量Ix中的时间和电流量纲不同，需要进行归一化处理，其表达式为

(20)

式中：F(Ixl)为分合闸线圈电流特征向量Ix第l个特征值的归一化结果；C为归一化系数；max[Ixl]为第l个特征值的历史最大值；min[Ixl]为第l个特征值的历史最小值。

设分合闸线圈电流特征标准向量I0为

I0=(I01,I02,I03,I04,I05,I06,I07,I08)

(21)

定义基于分合闸线圈电流的故障辨识度为

(22)

式中:SD为基于分合闸线圈电流的故障辨识度。在高压断路器正常情况下，故障辨识度SD位于[Smin,Smax]，当SDSmax，则表示断路器存在故障。

3 高压断路器故障融合诊断

基于机械特性的高压断路器故障诊断方法用于诊断故障类型，基于分合闸线圈电流的特征向量作为辅助判据，用于判别高压断路器是否处于故障状态，具体流程如图3所示，计算过程如下。

图3 算法流程

a.在高压断路器不同机械部件设置不同的传感器(振动传感器、应力传感器和行程传感器等)获取机械特性，在分合闸线圈回路设置钳形电流互感器获取电气特性。

b.基于小波包分解得到各传感器采集的信号后融合获得机械特征向量。

c.基于最小欧式距离和相关性原理，建立基于机械特性的高压断路器典型故障库。

d.计算典型故障特征向量相似度SJi，用于判别高压断路器故障类型。

e.基于分合闸线圈电流的阶段特性，选取得到分合闸线圈电流的特征向量，并计算得到基于分合闸线圈电流的故障辨识度SD，用于辅助判别高压断路器故障状态。

f.当故障辨识度满足SDSmax时，则认为高压断路器发生了故障，此时计算相似度SJi，当第i种典型故障对应的相似度SJi最大时，则认为高压断路器处于第i种典型故障状态；当故障辨识度满足Smin≤SD≤Smax时，则认为高压断路器未发生故障。

4 试验验证

为验证基于机械和电气特性融合的高压断路器故障诊断方法的有效性，搭建试验平台，如图4所示，包括诊断装置、操作台、操作机构、上位机和高压断路器，其中高压断路器型号为LW-126/T3150-40。诊断装置用于实现故障诊断算法，上位机显示当前状态、历史数据和设备参数等。

图4 试验平台

4.1 诊断精度分析

鉴于高压断路器故障设置条件的限制，本文重点研究了无故障和底座螺栓松动2种状态，每种状态分别进行50次试验，试验结果如表2所示。

表2 试验结果

根据试验结果绘制柱状图如图5所示。由图5可知，在无故障状态下，诊断准确率为100%；在底座螺栓松动状态下，诊断准确率为94%。具有较高诊断精度，能够满足现场的实际应用。

图5 试验结果柱状图

4.2 算法鲁棒性分析

为验证高压断路器故障诊断算法的鲁棒性，对5种不同型号、不同电压等级的高压断路器底座螺栓松动故障进行50次诊断，具体试验结果如表3所示。

表3 5种高压断路器试验结果

由表3可知，高压断路器底座螺栓松动故障诊断平均精度为93.2%，其中最高诊断精度为96%，最低诊断精度为90%，表明不同型号、不同电压等级的高压断路器诊断精度都能达到90%以上，从而验证了该方法的鲁棒性。

5 结论

a.基于小波包分解得到特征向量后，采用最小欧式距离和相关性原理，建立基于机械特性的高压断路器典型故障库，并计算得到典型故障特征向量的相似度，实现高压断路器故障类型的有效诊断。

b.在充分研究高压断路器分合闸线圈电流波形阶段特性和典型时刻的基础上，选取分合闸线圈电流的特征向量，计算得到基于电气特性的故障辨识度，用于辅助判别高压断路器故障。

c.搭建高压断路器故障诊断试验平台，从诊断精度和算法鲁棒性2方面验证了本文所提出的诊断方法可行性。