[发明专利]基于支持向量机和多体动力学仿真的高压断路器识别方法

说明书

本发明公开了一种基于支持向量机和多体动力学仿真的高压断路器识别方法，包括建立高压断路器的三维模型，校准并验证三维模型；通过改变三维模型的尺寸、材料、特性参数，仿真模拟高压断路器的各种故障，得到对应的各种机械特性波形；对各种故障对应的机械特性波形进行波形截取、数学形态学滤波及特征提取处理，得到特征向量样本集；基于支持向量机及其一对多分类方法，训练分类器，并计算各分类的可信度；将实测的未知故障特征向量输入到训练的支持向量机，进行故障类型识别，实现高压断路器机械故障分类，并完成自学习。本发明无需开展大量物理模拟试验，对于高压断路器的故障识别能够准确识别，具有自学功能，有着广阔的应用前景。

技术领域

本发明涉及电气设备故障识别技术领域，具体涉及一种基于支持向量机和多体动力学仿真的高压断路器识别方法。

背景技术

高压断路器是电力系统中数量最大的电力设备之一，同时也是最重要的开关设备，担负着控制和保护的双重任务，其工作可靠性是决定电力系统安全运行的重要因素。

但是，由于高压断路器的内部结构不可见，很难直观的获知其中的组件是否正常。然而，将运行中的高压断路器拆解后对内部组件进行测量分析又显得不切实际，所以，为了获知高压断路器的机械状态，一般通过对测得的行程-时间曲线进行处理和分析，判断该机械机构是否工作正常。若要进一步通过行程-时间曲线判断高压断路器的机械状态，普遍采用对高压断路器人为设置分合闸弹簧疲劳、储能不到位、油缓冲失效等机械类缺陷，通过对缺陷高压断路器进行大量的物理模拟试验获取足够的样本集，在此基础上构建用于故障类型识别的分类器，进而评估其工作状态，但是，还是存在以下不足之处：

（1）只有一部分故障可以通过对高压断路器机械机构的调整来实现，还有很多的故障无法模拟，使得样本集的丰富性过于单调，对于某些未知状态无法进行分类识别；

（2）有一部分故障，例如传动阻尼异常类的故障，通过试验的方法很难做到定量分析，使得对于高压断路器工作状态的分类不够细致；

（3）以试验的方法获取行程-时间曲线，会损耗高压断路器的机械寿命，特别是某些故障状态下的试验，更会使其机械寿命大大折损，造成很大的经济损失；

（4）高压断路器的产品型号多、结构差异大，故障模拟试验结果与故障诊断算法仅适用于试验断路器同型号产品，对于其他型号、结构的断路器不具通用性。

如何克服上述不足，是当前高压断路器机械类故障识别过程中急需解决的问题。

发明内容

本发明的目的是克服当前高压断路器机械类故障识别过程中存在不足的问题。本发明的基于支持向量机和多体动力学仿真的高压断路器识别方法，利用多体动力学仿真和基于支持向量机的分类器，实现高压断路器机械类故障的准确识别，与传统试验的方法相比，无需开展大量物理模拟试验，且具有自学习功能，不断完善分类器，对于高压断路器的故障识别，更加经济、方便、安全，有着广阔的应用前景。

为了达到上述目的，本发明所采用的技术方案是：

一种基于支持向量机和多体动力学仿真的高压断路器识别方法，其特征在于：包括以下步骤，

建立高压断路器的三维模型，通过多体动力学仿真得到三维模型的机械特性波形，并通过将仿真结果与试验测试数据进行对比，校准并验证三维模型；

通过改变三维模型的尺寸、材料、特性参数，基于多体动力学仿真模拟高压断路器的各种故障，得到对应的各种机械特性波形；

对各种故障对应的机械特性波形进行波形截取、数学形态学滤波、特征提取处理，得到特征向量样本集；

基于支持向量机以及其的一对多分类方法，训练分类器，并计算各分类的可信度；

将实测的未知故障特征向量输入到训练的支持向量机，进行故障类型识别，实现高压断路器机械故障分类，并完成自学习。