[发明专利]一种高压断路器基座螺丝松动故障检测方法

说明书

本发明涉及一种高压断路器基座螺丝松动故障检测方法，引入两个震动传感器，构建了加权分段震动差异算子来衡量两个传感器之间震动差异，进而衡量震动差异数据与高压断路器正常运行状态下的距离来判断高压断路器基座螺丝是否存在松动故障。利用本发明对于两个震动传感器的安装位置和高压断路器连接基座的材质没有严格的要求，降低设备装配条件限制；同时在数据上本发明仅需要收集震动传感器正常运行时的数据，不会与具体的基座螺丝松动样本绑定，提高检测成功率，保障高压断路器安全稳定运行。

技术领域

本发明涉及电力系统中高压断路器故障检测方法，具体涉及一种高压断路器基座螺丝松动故障检测方法，属于高压电力系统安全防护装置技术领域。

背景技术

高压断路器能切断或闭合高压线路，作为电力系统的核心器件之一它起着对线路的控制和保护的关键作用。高压断路器其安全运行、维护及检修与整个电网系统的正常运行密切相关。高压断路器操作机构易于出现机械故障，比如在长时间操作过程中震动导致基座螺丝松动；这些螺丝的松动会进一步增强高压断路器的震动降低其使用寿命，甚至影响高压断路器的切断或闭合操作导致开关拒动，因此及时准确的检查高压断路器基座螺丝是否存在松动情况是十分必要的。

由于高压断路器所处位置存在危险性，所以通常不适合高频次的人工检查；对于高压断路器基座螺丝的松动的自动检测，目前采取的主流方法是利用震动传感器收集基座螺丝的震动数据，并基于震动数据的特征利用人工智能模型进行预测，此类方法在实验室进行模拟实验通常较为成功，但是在实际实施过程中会产生问题：（1）由于震动与高压断路器安装位置方向、海拔、气压和固定基座的材质均相关，而且在高压断路器震动的频率和幅度的变化也与震动传感器位置也相关，所以要使得实验室获得的方法生效需要严格要求设备的装配位置和过程；当影响震动的某一个条件发生改变时，传统的智能模型需要构建实验数据集对其进行适应；而实验室模拟能力有限，不可能穷举所有的安装时出现的可能性，所以传统模式在实际使用过程中往往会失效，出现大量的故障误报、漏报的情况。（2）传统方法需要在实验室构造高压断路器基座螺丝松动和螺丝不松动样本，由于螺丝松动样本不可能穷举所有松动情况，所以这种情况下利用神经网、决策树、支持向量机等浅层人工智能模型可能会导致模型与特定松动样本绑定，在实际应用中这种绑定导致预测能力较低；一些深度神经网模型增加了高层特征抽取功能来防止绑定，但是这类神经网需要较为强大的计算机或服务器支持；而高压断路器所处位置通常难于安放这些服务器，高频的震动信息上传到服务器需要额外的网络和存储设备，这些设备增加了电网的总体维护和建设成本。

发明内容

针对现有技术存在的问题，本发明提供一种高压断路器基座螺丝松动故障检测方法。该方法同时引入两个震动传感器，构建了加权分段震动差异算子来衡量两个传感器之间震动差异，进而衡量震动差异数据与高压断路器正常运行状态下的距离来判断高压断路器基座螺丝是否存在松动故障。

本发明所述的一种高压断路器基座螺丝松动故障检测方法，包括以下步骤：

S1.在高压断路器中安装震动传感器A1和震动传感器B1；利用A1和B1收集高压断路器正常运行状态并执行打开动作时的震动数据，形成震动数据集VSet；输入参考窗口变量VWindowsSize；获取数据条目数变量NumRows；

S101，在高压断路器中安装震动检测器A1和震动检测器B1， A1可以安装在高压断路器的任意位置，B1可以安装在高压断路器的任意位置但需要保证距离A1直线距离在15厘米以上；震动检测器的采集频率为800Hz；

S102，利用A1和B1收集高压断路器正常运行状态并执行打开动作时的数据，形成震动数据集VSet；VSet为包含二个字段的数据表，字段包括：

FieldA1：震动传感器A1获取的数据，为一个800个元素的数组；

FieldB1：震动传感器B1获取的数据，为一个800个元素的数组；