[发明专利]一种高压断路器生命周期评估及故障预警方法

权利要求书

1.一种高压断路器生命周期评估及故障预警方法，其特征在于，

包括以下步骤：

A)获取同型号高压断路器历史维保检测数据；

B)获取同型号的高压断路器，在实验室条件下人为设置故障源，使高压断路器在故障源存在的情况下不断进行带电分合闸动作，直到出现故障，故障前高压断路器进行带电分合闸动作次数为N，同时周期性进行检测，将周期性检测数据作为参考数据，并与测试对应带电分合闸动作次数n关联；

C)将高压断路器的周期性检测数据与参考数据对比，获得与周期性检测数据最接近的参考数据对应的次数n，将n/N作为高压断路器的生命周期评估结果；

D)将参考数据与所出现的故障类型关联，构成样本数据，使用样本数据训练故障预警神经网络模型；

步骤D)还包括：将出现故障前M次的检测数据，与对应的故障类型关联，构成故障样本数据，使用故障样本数据训练故障研判神经网络模型；使用出现故障前(N-M)次的检测数据，与出现的故障类型关联，构成样本数据训练故障预警神经网络模型；步骤E还包括：将高压断路器的检测数据输入到步骤D)获得的故障研判神经网络模型，若故障研判神经网络模型输出故障类型，则发出故障报警；

建立高压断路器故障研判模型的方法包括：

D21)获得全部检测数据，将检测数据与对应的故障类型关联，作为样本数据；

D22)将样本数据进行预处理，归一化处理，训练神经网络模型，将训练完成的神经网络模型作为故障研判模型；

步骤D21)中，将检测数据与对应的故障类型关联的方法包括：

D211)获得步骤B11)中的检测数据，作为历史检测数据；

D212)将步骤B12)以及步骤B13)中，若干次检测获得的若干组检测数据依次与历史检测数据对比，若检测数据与历史检测数据差异大于预设阈值，则将该组检测数据与不达标的维护要求关联；

D213)将步骤B14)中的若干次机械特性试验获得的若干组检测数据与历史检测数据对比，若检测数据与历史检测数据差异大于预设阈值，则将该组检测数据与机械部件卡涩故障关联；判断检测数据与历史检测数据差异是否大于预设阈值的方法包括：

D31)将检测数据以及历史检测数据中数值量进行分段处理，以分段区间为名称，将数值量转换为状态量；

D32)将检测数据以及历史检测数据中的状态量转换为布尔量，并使用{0,1}分别表示假和真；D32)将处理后的历史检测数据的布尔量视为数值求均值，将均值四舍五入为整数，获得的整数重新视为布尔量，将处理后的检测数据以及历史检测数据按设定排序，分别构成检测向量和历史检测向量；

D33)计算检测向量和历史检测向量的距离，与预设的距离阈值比较，若距离大于预设距离阈值，则判定检测向量对应的检测数据与历史检测数据的差异大于预设阈值，反之，则判定检测向量对应的检测数据与历史检测数据的差异不大于预设阈值；

E)将待评估及预警的高压断路器的检测数据输入到步骤D)获得的故障预警神经网络模型，若故障预警神经网络模型输出故障类型，则发出故障预警，对应故障为故障预警神经网络模型输出的故障类型。

2.根据权利要求1所述的一种高压断路器生命周期评估及故障预警方法，其特征在于，

步骤B)中，人为设置故障源的方法包括以下步骤：

B11)对高压断路器进行若干次检测；

B12)根据高压断路器的维护要求，依次选择一项维护要求使其不达标，进行若干次带电分合闸动作后，进行若干次检测；

B13)依次选择两项维护要求使其不达标，进行若干次带电分合闸动作后，进行若干次检测；B14)使用液氮或干冰快速冷却高压断路器，进行若干次机械特性试验，获得机械特性试验的检测数据。