[发明专利]基于动态电阻-行程曲线的SF6

说明书

本发明公开了基于动态电阻‑行程曲线的SF₆断路器状态评估方法，包括以下步骤：建立BP神经网络模型；获取动态电阻‑行程曲线特征参数数据；将动态电阻‑行程曲线特征参数数据对BP神经网络模型进行训练；将验证样本输入BP神经网络模型进行验证，若验证结果小于误差阈值，则完成训练；实现了精确判断断路器寿命状态。

技术领域

本发明涉及电力故障分析技术领域，尤其涉及基于动态电阻-行程曲线的SF₆断路器状态评估方法。

背景技术

目前市面上的SF₆断路器其操动机构的机械寿命通常要求达到一万次，而在开断额定短路电流情况下，SF₆断路器的电寿命只能做到几十次，因此运维人员对现场在运断路器的检修方案一般是计划检修：根据厂家给定的等效额定短路电流开断次数，在达到规定开断次数或者规定运行年限后，即开展现场维护或返厂检修工作。然而现场每一台断路器的运行工况均不相同，同时断路器每次开断过程的电弧烧蚀也是一个较为随机的过程，此外，厂家给定的等效额定电流开断次数也依赖经验，这均会导致每一台断路器都是自己的寿命曲线。采用计划检修，既可能出现未达检修时间，断路器电寿命已经丧失，未及时发现而引发开断失败故障；也可能出现到检修时间时断路器电寿命尚且良好，提前安排返厂检修而造成经济浪费。

发明内容

为了克服现有技术的不足，本发明提供了基于动态电阻-行程曲线的SF₆断路器状态评估方法，实现了精确判断断路器寿命状态。

为了实现上述发明目的，本发明采用以下技术方案：

S101、建立BP神经网络模型；

S102、获取动态电阻-行程曲线特征参数数据；

S103、将动态电阻-行程曲线特征参数数据对BP神经网络模型进行训练；

S104、将验证样本输入BP神经网络模型进行验证，若验证结果小于误差阈值，则完成训练；

步骤S101至步骤S104，建立BP神经网络模型，将获取的动态电阻-行程曲线特征参数数据对BP神经网络模型进行训练，并将验证样本输入BP神经网络模型进行验证，若验证结果小于误差阈值，则完成训练。

进一步的，动态电阻-行程曲线特征参数包括触头行程信号、接触电阻均值、弧触头接触电阻均值标准差、弧触头阶段包围面积、弧触头阶段补偿包围面积和弧触头分离阶段电阻-行程曲线斜率。

进一步的，触头行程信号的获取具体包括，将旋转传感器安装在拐臂箱转轴，通过旋转角度与行程进行换算，从而在断路器进行分闸过程中获取触头行程信号。

进一步的，触头行程信号包括主触头接触行程和弧触头接触行程。

进一步的，接触电阻均值的获取具体包括，根据在断路器进行分闸过程中获取断路器的电压信号和电流信号进行计算接触电阻均值。

进一步的，接触电阻均值包括主触头接触电阻均值和弧触头接触电阻均值。

进一步的，对弧触头接触行程阶段的电阻值进行标准差求值，获取弧触头接触电阻标准差。

进一步的，对弧触头接触行程阶段的电阻值进行积分计算处理，获取弧触头行程阶段包围面积。

进一步的，对弧触头接触行程阶段至触头额定行程阶段的电阻值进行积分处理，获取弧触头阶段补偿包围面积。

进一步的，弧触头分离阶段电阻-行程曲线斜率的获取具体包括，对弧触头接触行程阶段的弧触头即将分离阶段，进行曲线斜率平均值计算，获取弧触头分离阶段电阻-行程曲线斜率。

进一步的，将合闸线圈电流作为触发获取触头行程信号、电压信号和电流信号的触发条件。