高压断路器机械振动信号特征与故障诊断方式

（神木职业技术学院，陕西神木市，719300) 马小荣 马 晟 赵小平

高压断路器等电压等级可以达到10kv及以上，在电网系统中是重要的开关设备之一，高压断路器种类多、结构复杂。同时，其受到自身质量、户外环境等因素的影响，使得故障时有发生。近些年来，国内发生的多起大型停电事故都是由高压断路器引起的，所造成的停电时长超过了供电总量的60%。这些停电事故的发生给人们正常的生产生活带来了很多的不便，严重的情况下还会造成人员的伤亡。因此，对于高压断路器机械振动信号特征与故障诊断分析具有极其重要的现实意义。

1 高压断路器概念、类型及优势

1.1 概念

高压断路器是电力系统中用来发电、送电、变电、配电接通、分断电路以及保护电路的主要设备。高压断路器在正常运行状态下，接通和开断负荷电流；发生故障时，切断短路电流，切除故障电路。

1.2 类型

按照控制和保护对象的不同，高压断路器可分为发电机断路器、输电断路器；配高压断路器。

1.3 优势

机械振动信号是一种间接测量方式，可在其接地极周围完成监测，有效避免了监测过程中可能出现的安全问题；机械振动特征信号提取不会对高压断路器内部结构造成破坏，但振动信号特征提取仅仅是判断高压断路器是否出现故障的关键一步，时域中包含着丰富的信息。当前，随着信号技术的蓬勃发展，越来越多的高压断路器故障诊断方法应运而生。机械振动信号属于一种非电磁信号，受断路器周围电磁干扰的影响较小；断路器类型多样，尺寸较小，安全性高，十分适合于其在户外严酷环境下工作；机械振动信号中包含着丰富的高压断路器信息，以上方法提取这些信号是一种比较理想的选择。

2 高压断路器振动机械信号分析的重要性

对高压断路器进行状态监测的根本目的是快速判断故障发生的位置，从而对高压断路器进行及时的检修，常见的高压断路器振动机械信号特征主要有断路器分（合）闸线圈电流、主回路电流及触头行程等。判断高压断路器需要以阈值范围为基础，当断路器的一个部件出现故障时，所产生的信息难以通过普通的监测方法获得。因此，还需要运用不同的手段完成对高压断路器故障的诊断。纵观我国大部分的高压断路器故障诊断，振动信号特征提取作为目前对高压断路器的非侵入式故障检测方法，因其检测结果准确可靠，深受业内人士喜爱，高压断路器振动机械信号特征提取需要根据不同的振动传感器获得其在运行状态下的振动信号提取信号信息，再根据高压断路器故障产生的位置对其故障发生的时间、类型进行判断，分析高压断路器运行状态。

高压断路器在分合闸过程中由于受到内部阻尼、刚性、弹性以及驱动力等的制约和影响，使得高压断路器具备了极强的非平稳性特点，特别是在振动信号的统计特征方面，比如时域和频域统计特征，主要包括均值、方差、频谱、峭度等等。也正是因为这一特点，对于非平稳信号的高压断路器信号的判断需要综合时域分析法、频域分析法和时频相结合的方法进行统筹处理。其中，时域分析法是近几年来应用十分广泛的一种高压断路器非平稳信号分析法，可有效弥补传统方法中很多的不足。常用的时频分析方法有短时傅里叶变换（STFT）、Wigner-Ville 分布和小波变换等。而小波变换以其良好的时频局部化特性，成为时频分析中应用最为广泛的一种信号处理工具。

3 高压断路器振动信号特征提取

高压断路器振动信号可准确反映其运行状态，通过对高压断路器的机械振动信号进行分析发现：高压断路器在不同运行状态下的信号具有不同的特点，但振动信号特征提取直接影响故障诊断的准确性。所以，对于高压断路器故障的判断，需要对采集到的状态信息振动信号进行分析处理，得出振动信号特征量，再利用模式识别技术对特征量进行识别，进而判断高压断路器的运行状态。

3.1 振动信号特征提取法

对于高压断路器的分闸与合闸操作，需要通过转动装置带动触头运动完成，运动过程中其内部发生的摩擦、碰撞等的信号称为振动信号，这些信号可准确反映高压断路器的运行状态。因此，对于振动信号特征的提取至关重要。目前，对于振动信号特征提取方法主要有：时域分析法、频域分析法、时频结合分析法以及序列分析法等等。

3.1.1 时域分析法

时域分析法指的是在时域中对高压断路器振动信号特征进行分析的方法。常见的时域分析法主要有包络谱分析法和短时能量分析法两种。①包络谱图中高压断路器故障特征频率较高，与频谱图相比来说，比较容易识别，包络谱分析法指的就是将高频段的故障拿到低频段进行分析，由于它消除了不必要的频率干扰，所以能够更加准确地体现高压断路器故障发生的位置。通过包络谱法对高压断路器的故障进行诊断，不仅能更好地体现高压断路器在振动状态下的强度，还可以准确判断振动发生的频率和时间；②短时能量分析。短时能量分析现已被广泛应用到了语音信号分析和处理领域中，短时能量分析指的是对语音进行一段一段的处理，每一段称为一个“帧”可有效提升信噪比，它需要通过对时域信号的处理得到能量函数，再对能量函数进行分析的过程。在对高压断路器的诊断过程中，通过信号传感器可以得出其在开闸与合闸时间内相等的参数，从而对高压断路器的运行状态进行判断。

3.1.2 频域分析法

在对高压断路器的振动信号处理中，频域分析法指的是在一个特定的频域内将复杂的信号进行简化，同时监测信号的频率和分布变化情况。目前，常见的频域分析法主要包括chirp-Z 变换法、FFT+FT细化法等。

3.1.3 时频分析法

时频分析法在考虑高压断路器运行时间的同时还要在考虑其振动的频率，时频分析了综合了时域分析法和频域分析法很多的优点，对于高压断路器非平稳信号的分析可准确反映高压断路器的局部特征，在对高压断路器机械振动信号故障的诊断过程中常用的方法有小波分析法、静态分解等。

3.2 小波分析法

式中：θ(t)代表基小波函数a，b 代表伸缩和平移尺度；对于任何能量有限信号f(t)∈L2(R),连续小波变换定义如下：

小波分析法是在傅里叶分析法的基础上逐渐发展起来的，小波分析法包括变换和逆变两个过程，通过平移与操作等的手段的高压断路器信号进行细化处理，得出新的信号在高频段呈现时间分辨率高低的特点。相对应小波分析法不论是在低频段还是高频段都具有极高的分辨率，在对高压断路器信号分析的过程中应用性更好。

4 高压断路器机械振动诊断方式

4.1 知识识别

知识识别适用于非线性系统，其在对高压断路器进行诊断的过程中采用的是专家知识，即引入将要识别的目标和对象，基于知识识别的高压断路器目前主要有以下两种方式：案例知识识别和定性模型识别。案例知识识别应用更加广泛，我们常见的一些高压断路器机械振动诊断方式基本为案例识别比如，支持向量机（SVM）、贝叶斯分类、模糊推理、人工神经网络、专家系统等。

4.1.1 支持向量机（SVM）

支持向量机（SVM）是一种二分类模型，属于一种单核模式，当其在线性可分的状态下选择一个最合理的平面将样本分为两类；当其在线性不可分的状态下，可通过引入松弛变量先将非线性映射转化为在线可分状态，再借助线性可分进行分类。

4.1.2 贝叶斯分类

贝叶斯分类指的是通过概率统计知识对高压断路器机械进行诊断的一种方式，它需要大量的样本为基础，并且要求样本的先验概率是已知的，否则就会影响分类结果，无法得到一个准确的函数。

4.1.3 专家系统

专家系统和以上故障诊断的不同之处在于：它的知识库是可以根据高压断路器的实际情况进行不断修改和完善的，但是随着知识库的不断完善，系统的容错能力就会变低，有可能会影响诊断的结果，同时建立一个专家系统需要花费大量的人力、财力和物力资源。

4.2 模型识别

模型识别分为生成模型和再判别模型两种，生成模型指的是通过学习得到联合概率分布P（x，y），即在高压断路器机械振动信号特征出现的情况下标记Y 出现的概率，然后求出条件概率分布，可生成需要的数据信息；判断模型指的是通过学习得到的条件概率分布p（x，y），主要分为状态估计、参数估计和等价空间等的几种方法，生成模型所需要的数据信息比较大，且对模型的识别需要合适的线性系统对高压断路器故障情况进行诊断。

4.3 信号识别

信号识别弥补了知识识别和模型识别很多的缺陷和不足，比如建立对象数学模型时，采用的是信号模型。信号识别的优势是具有通用性的优势，不仅仅适用于高压断路器的线性系统，也适用于非线性系统，比如小波分析、频谱、自回归滑动平均过程、相关函数等等。

5 结语

综上所述，本文以高压断路器概念及类型为出发点，通过对断路器振动机械信号分析的重要性的分析，提出几种振动信号特征提取的方法，并结合其他分量采用支持向量机理论中的“一对一”（OAO）策略方式对采集的样本数据进行分析，提出改进型10 级交叉（10-CV）验证法并以此优化支持向量机模型参数，采用径向基核函数进行对高压断路器的故障诊断。