[发明专利]一种10kV高压断路器健康水平诊断方法有效
申请号: | 201911084021.5 | 申请日: | 2019-11-07 |
公开(公告)号: | CN110954810B | 公开(公告)日: | 2022-02-18 |
发明(设计)人: | 王俊波;武利会;罗容波;陈道品;唐琪;李国伟;黎小龙;李新;范心明;董镝;宋安琪;陈志平;黄育龙 | 申请(专利权)人: | 广东电网有限责任公司;广东电网有限责任公司佛山供电局 |
主分类号: | G01R31/327 | 分类号: | G01R31/327 |
代理公司: | 广州粤高专利商标代理有限公司 44102 | 代理人: | 林丽明 |
地址: | 510600 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 10 kv 高压 断路器 健康 水平 诊断 方法 | ||
1.一种10kV高压断路器健康水平诊断方法,其特征在于,包括以下步骤:
S1:基于10kV高压断路器横向和纵向的多层面历史数据,针对高压断路器机械特性、电气特性及绝缘特性进行特征量提取,构建10kV高压断路器健康水平特征集;
S2:根据10kV高压断路器健康水平特征集,构建10kV高压断路器健康水平高维随机矩阵;
S3:根据高维随机矩阵谱分布理论,计算10kV高压断路器健康水平高维随机矩阵样本协方差矩阵的极限谱密度分布函数、特征根分布及平均谱分布;
S4:利用实时分离窗和平均谱半径分布进行10kV高压断路器健康水平与故障特征的时变非线性关系分析;
S5:利用增广矩阵法进行10kV高压断路器故障相关因子识别;
S6:依据MP律、圆环率及平均谱半径分布这三个异常状态检测判据,提出10kV高压断路器健康水平综合指标,进行多参数、不同相关性因子下的10kV高压断路器健康水平诊断;
步骤S1中,所述的机械特性对应的特征量包括断路器的分闸时间、合闸时间,分、合闸的同期性,触头开距,分、合闸弹跳时间,分、合闸弹跳次数,分、合闸速度;电气特性对应的特征参量包括导电回路电阻,操动机构合闸接触器和分、合闸电磁铁的最低动作电压,分、合闸测试时的线圈电流;绝缘特性包括绝缘电阻、交流耐压泄漏电流值;以上特征量值通过10kV高压断路器设备验收试验、预防性试验以及运维检修试验获取,为10kV高压断路器横向和纵向的多层面历史数据及当前试验数据;
所述的10kV高压断路器健康水平特性集见表1:
表1 10kV高压断路器健康水平特性集
步骤S2中构建10kV高压断路器健康水平高维随机矩阵包含以下步骤:
S2.1:构建断路器健康水平矩阵表,针对某一被试10kV高压断路器,将其机械特性、电气特性等多种特征参量根据照时间顺序进行排列,以挖掘各种特征参量与该断路器健康水平之间变化关系,对应矩阵参数表见表2,即
表2断路器健康水平矩阵参数表
表中,每一列数据对应相同的采样或试验时刻,每一行对应相同的参量;
S2.2:试验数据标准化处理,目的是去量纲化和数值归一化,使各个断路器特征参量具有可比性,对于N个断路器特征参量,每个特征参量对应一个时间序列向量对其根据照下式进行归一化处理,即可得到均值为0,方差为1的时间序列向量xi,j,即
S2.3:10kV高压断路器健康水平高维随机矩阵构建及重构,根据各特征参量对应的归一化时间序列向量,初步构建10kV高压断路器健康水平矩阵为:
若N远小于M时,需要对该矩阵进行重构,即将任意一个监测点拆分成k段,h=M/k,即其中,将拆分的k段逐行叠加,得到所有特征参量的重构矩阵X',即
则将矩阵XN×M转化为重构的高维矩阵X'(kN)×(M/k),其行列比为c=Nk2/M;
步骤S3中,10kV高压断路器健康水平高维随机矩阵样本协方差矩阵的极限谱分布函数为
式中,c为行列比,在复平面上,该协方差矩阵的特征根分布在内环半径为外环半径为1的圆环内;
步骤S3中,平均谱半径(MSR)表示在复平面内随机矩阵的所有特征值距离中心原点距离的平均值,由下式计算得到
式中,λi(i=1,2,…,N)为矩阵X的所有特征值,N为矩阵特征值的个数,|λi|是λi在复平面上的分布半径;
步骤S4中,实时分离窗窗口长度为N,宽度为T,由当前采集i时刻及其历史采样时刻(T-1)的数据构成矩阵为
XN×T=[x(ti-T+1)...x(ti)] (6)
式中,x(ti)为采样时刻ti的数据向量,时间窗口滑动到i时刻截取的N个状态变量形成了具有时空特性的随机矩阵,其具体对应形式见表4,
表4高压断路器健康水平实时分离窗矩阵
步骤S5中,增广矩阵法识别10kV高压断路器故障相关因子步骤包括:
S5.1构建增广矩阵,设有n个参数,m个影响因素,在任意一个研究时间点ti,均有影响因素向量ci∈C1×t(i=1、2....m)和状态数据矩阵M'∈Cn×t,将影响因素向量ci复制k次,(k≤n)得到Di,即
引入白噪声矩阵Ek×t,得到影响因素矩阵Ci如下,即
Ci=Di+mEk×t (8)
式中,m是白噪声的幅值;
增广矩阵Ai由每个影响因素矩阵Ci与状态数据矩阵M'组合而成,即
S5.2构建对比矩阵,对比矩阵ANi由状态数据矩阵M'与白噪声矩阵Ek×t组合而成,即
S5.3分别对增广矩阵Ai和对比矩阵ANi进行预处理、奇异化处理、求平均谱半径MSR;
S5.4对比增广矩阵和对比矩阵MSR差值的变化来判断各个影响因素和状态数据矩阵的关联性,d=KNMSR-KMSR为对比矩阵和增广矩阵的平均谱半径差值,d越大,关联性越强,即故障相关性越强;
步骤S6中,所述的基于MP律的异常状态检测指标如下,即
由断路器当前数据样本协方差极限谱分布函数f1(x)与标准MP律函数f2(x)的差异程度v作为定量评估判据,差异程度v越大,表明高压断路器故障程度越高,健康水平越低;
差异程度v计算如下,即
式中,c=min(c1,c2),d=max(d1,d2)。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东电网有限责任公司;广东电网有限责任公司佛山供电局,未经广东电网有限责任公司;广东电网有限责任公司佛山供电局许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911084021.5/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种多功能的法兰连接件
- 下一篇:一种冷涂锌涂料的封闭剂及制备方法