[发明专利]一种基于EMD样本熵和FCM的配电开关机械状态诊断方法

说明书

技术领域

本发明涉及配电网开关机械故障诊断技术领域，具体涉及一种基于经验模态分解(empirical mide decomposition，EMD)样本熵和模糊C-均值聚类(fuzzy C-means，FCM)的配电开关机械状态诊断方法。

背景技术

配电开关在配电网中具有控制和保护双重功能，它按生产要求实现对电力设备的投切，当设备或线路发生故障时，能够通过合理地控制配电开关将将故障部分从配电网中迅速有效地切除。因此，配电开关故障可能导致严重的电网事故，大部分的配电开关故障都属于机械故障。

配电开关分、合闸过程中，操动机构内部各组件依序动作，形成激励源并由此产生振动信号。该振动信号是典型的无规律、非平稳、时变信号，包含有大量的机械状态信息，能够表现出配电开关内部机械结构的正常与否。。振动诊断法就是通过分析配电开关的振动信号，提取有效特征量，从而对其机械状态进行诊断识别的方法。振动诊断法具有可靠性和准确性，有利于实现对开关的非侵入式状态监测。

目前，基于不同原理的配电开关状态监测方法的可靠性、普适性和经济性有待提高；以“事后检修”和“到期必修”为主的配电开关计划检修策略也不能够满足现代电网安全、可靠、经济运行的要求。建立在配电开关状态监测和状态诊断基础上的配电开关状态检修是当前先进的检修策略。在配电开关状态监测的基础上，利用振动诊断法实现配电开关机械状态的诊断识别，能够提前 发现配电开关的潜在故障隐患，从而合理地安排检修策略。

目前，对于开关振动信号的分析处理方法一般基于最大振动事件、振动起始事件及其对应时刻，或基于对振动信号的时域、频域、时频域分析，或利用数据序列直接得到能够表征出开关机械状态的特征参数。EMD根据振动信号序列自身的时间尺度特征将其自适应分解成有限个不同频率、不等带宽的固有模态分量(intrinsic mode function，IMF)和一个残差之和。与小波、小波包等时频分解方法相比，EMD不存在预先选取最优基函数的问题，能够更好地表示出信号的局部特征，实现对非平稳非线性振动信号的时频分解。熵是对系统不确定度的表征，当系统的状态发生变化时，其熵值也会发生相应的变化。样本熵是在近似熵的基础上对其进行修正发展而来的，是一种将非线性数据序列量化为不计自身数据长度比较的统计量。样本熵具有一定的抗噪声干扰能力，算法的计算精度和计算时间较近似熵有了很大的提高。FCM是无监督模糊聚类方法中的一种，算法简单快速，具有比较直观的几何意义。FCM算法在设定n组振动信号向量x_j(j＝1,2,…,n)的模糊簇数目c(2≤c≤n)后，通过求取每类簇的聚类中心v_i(i＝1,2,…c)，以使得目标函数尽量小为原则，将这n组振动信号的特征数据点按一定的隶属度归于某类簇的聚类中心。

发明内容

本发明的目的是针对现有技术的不足，提供一种基于EMD样本熵和FCM的配电开关机械状态诊断方法，旨在准确有效地诊断出配电开关运行过程中的机械状态，从而更加合理地制定配电开关的状态检修策略，提高配电开关运行可靠性与稳定性。

本发明的目的通过如下技术方案来实现：

一种基于EMD样本熵和FCM的配电开关机械状态诊断方法,其特征在于：包括如下步骤：

S01：利用配电开关振动信号采集装置，采集配电开关不同机械状态下分、合闸时刻的振动信号；

S02：对采集得到的振动信号进行截取处理，得到能够用于分析诊断的有效波形信号并对其进行EMD分解，将振动信号分解成有限个不同频率、不等带宽的IMF和一个残差之和；

S03：计算不同机械状态下振动信号各阶IMF的样本熵，构成样本熵矩阵，作为配电开关机械状态特征量；

S04：以样本熵矩阵作为FCM的输入，通过模糊聚类方法诊断出配电开关的机械状态。

进一步的，所述步骤S02中对截取得到的有效振动信号进行EMD自适应分解的具体方法如下：

(1)计算振动信号S(t)的所有局部极大值点和极小值点。

(2)利用3次样条函数将振动信号的所有极大值点和所有极小值点分别拟合成数据的上包络线a₀(t)和下包络线b₀(t)，求取上、下包络线的均值m₀(t)。

m₀(t)＝[a₀(t)+b₀(t)]/2