[发明专利]一种智能型永磁真空断路器的控制系统及控制方法

说明书

本发明属于断路器技术领域，公开了一种智能型永磁真空断路器的控制系统及控制方法，控制系统包括：信号采集模块、合闸控制模块、中央控制模块、光电隔离模块、故障识别模块、报警器、显示屏。本发明通过合闸控制模块能对断路器的合闸时间进行补偿，以使断路器的分合闸时间在不同工况下都能保持稳定，从而为实现同步合闸提供可靠的基础；同时通过故障识别模块将支持向量机与增量学习相结合，识别永磁机构高压真空断路器常见故障。充分利用小样本数据来训练模型，提高了故障识别的泛化能力，并通过学习新增数据不断丰富样本库，可将分类识别精度提高到90％以上。

技术领域

本发明属于断路器技术领域，尤其涉及一种智能型永磁真空断路器的控制系统及控制方法。

背景技术

目前，业内常用的现有技术是这样的：

断路器是指能够关合、承载和开断正常回路条件下的电流并能关合、在规定的时间内承载和开断异常回路条件下的电流的开关装置。断路器按其使用范围分为高压断路器与低压断路器，高低压界线划分比较模糊，一般将3kV以上的称为高压电器。断路器可用来分配电能，不频繁地启动异步电动机，对电源线路及电动机等实行保护，当它们发生严重的过载或者短路及欠压等故障时能自动切断电路，其功能相当于熔断器式开关与过欠热继电器等的组合。而且在分断故障电流后一般不需要变更零部件。目前，已获得了广泛的应用。然而，现有断路器没有考虑因温度变化对断路器机械结构的影响，从而造成合闸时间改变，不能同步合闸，给实际使用带来不方便；同时使用时，难以捕获设备故障时的状态信息，故障数据样本缺乏，数据不丰富；故障分析方法针对性不强，且难以建立对应的故障识别数学模型。

综上所述，现有技术存在的问题是：

现有断路器没有考虑因温度变化对断路器机械结构的影响，从而造成合闸时间改变，不能同步合闸，给实际使用带来不方便；

同时使用时，难以捕获设备故障时的状态信息，故障数据样本缺乏，数据不丰富；故障分析方法针对性不强，且难以建立对应的故障识别数学模型。

现有利用未标记实例提高分类器学习性能的方法存在只能应用主动学习的思想而并没有解决特定问题的具体办法，需要做到“具体问题，具体分析”；算法计算复杂度高，导致算法难以应用在断路器的快速控制需求上。

但到目前为止，尚无一种在大数据驱动下对影响因素进行分析挖掘，并将动态特性融入预测模型的调整策略预测方法。

发明内容

针对现有技术存在的问题，本发明提供了一种智能型永磁真空断路器的控制系统及控制方法。

本发明是这样实现的，一种智能型永磁真空断路器的控制方法，包括：

通过信号采集模块采集电路信号，根据接收的信号产生相应的驱动信号；

通过合闸控制模块对断路器合闸时间进行粗调和微调控制；

通过光电隔离模块以光为媒介传输电信号；

通过故障识别模块采集电路故障信号数据，建立故障特征数据样本进行识别故障特征；如果识别出故障信号，则触发报警器进行报警；通过显示屏显示采集的信号信息及故障状态信息。

中央控制模块对驱动信号、粗调和微调后合闸信号、光传输电信号、故障识别信号进行控制处理，其中，首先对驱动信号、粗调和微调后合闸信号、光传输电信号、故障识别信号进行利用k均值聚类算法进行样本预选，依据数据预选的结果，在未标记实例集中对重要样本集L*中的每个实例进行查询，将查询得到的类标返回；得到未标记实例集中的部分“重要”实例并获取标记，来代替全部未标记实例；利用样本预选结果，重要样本集L*作为支持向量机主动学习的训练集，构建神经网络模型BP，产生神经网络模型BP的初始权值；将权值初始化为[a，b]之间的随机数，其中a，b为满足以下方程的整数：