[发明专利]一种高压断路器机械故障诊断方法在审

专利信息
申请号: 202210102348.6 申请日: 2022-01-27
公开(公告)号: CN114563696A 公开(公告)日: 2022-05-31
发明(设计)人: 顾在峰;邹宇;张馨升;董风举;刘嘉楠;吴思若;蔡成铭;张钏;刘倩;巫晓洁 申请(专利权)人: 南京苏逸实业有限公司
主分类号: G01R31/327 分类号: G01R31/327;G06K9/00;G06K9/62;G06N3/04
代理公司: 南京天翼专利代理有限责任公司 32112 代理人: 朱戈胜
地址: 210000 江*** 国省代码: 江苏;32
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 高压 断路器 机械 故障诊断 方法
【说明书】:

发明涉及高压电气设备领域,尤其涉及一种高压断路器机械故障诊断方法,包括:步骤1:将断路器的振动信号和线圈电流融合形成融合特征参数;所述线圈电流为高压断路器动作时的线圈电流;所述振动信号为高压断路器动作时的基座上测量所得的振动信号;步骤2:将不同状态下断路器的融合特征参数构成训练数据集;步骤3:构建故障诊断模型并通过训练数据集对故障诊断模型训练;步骤4:采用训练好的故障诊断模型进行断路器故障诊断。本发明提高诊断准确率。

技术领域

本发明涉及高压电气设备领域,尤其涉及一种高压断路器机械故障诊断方法。

背景技术

高压断路器是电力系统中重要的控制与保护设备,其可靠性直接关乎电网安全,因此有必要对其进行长期跟踪检修;定期拆解维修的方法费时费力,而且可能因为检修不当导致高压断路器的损坏或寿命减短,因此发展断路器的在线监测方法就十分必要。

目前断路器的主要监测对象为振动信号、线圈电流,不同监测对象分别反映了不同的状态信息,目前尚未出现基于融合信息的特征提取和故障诊断方法。

发明内容

本发明的目的是为了提供一种高压断路器机械故障诊断方法,提高诊断准确率。

为解决以上技术问题,本发明的技术方案为:一种高压断路器机械故障诊断方法,包括:

步骤1:将断路器的振动信号和线圈电流融合形成融合特征参数;所述线圈电流为高压断路器动作时的线圈电流;所述振动信号为高压断路器动作时的基座上测量所得的振动信号;

步骤2:将不同状态下断路器的融合特征参数构成训练数据集;

步骤3:构建故障诊断模型并通过训练数据集对故障诊断模型训练;

步骤4:采用训练好的故障诊断模型进行断路器故障诊断。

按以上方案,所述步骤1具体为:

步骤1.1:根据线圈电流提取线圈电流特征参数;

步骤1.2:根据振动信号提取振动信号特征参数;

步骤1.3:将线圈电流特征参数和振动信号特征参数组成一维向量得到融合特征参数。

按以上方案,步骤1.1中,线圈电流特征参数为线圈电流每个极值点的时间。

按以上方案,步骤1.2中,提取振动信号特征参数的步骤为:

步骤1.21:采用变分模态分解将振动信号分解为k个本征模态分量;

步骤1.22:对分解所得本征模态矩阵进行时域分割,计算每个子矩阵的最大奇异值,将各个子矩阵的最大奇异值组合得到振动信号特征参数。

按以上方案,所述步骤1.21具体为:

采用变分模态分解对原始的振动信号进行处理,分别选分解个数为1-15,将分解得到的本征模态分量进行叠加重构,获得重构振动信号,计算原始信号与重构信号的归一化距离d,表达式如下:

式中,i表示第i个数据,n表示数据个数,r表示重构信号,ri表示第i个重构信号,x表示原始信号,xi表示第i个原始信号;

计算信号的模态重复系数c,表达式如下:

式中,k表示分解个数,ω为本征模态分量的中心频率,ωi表示第i个本征模态分量的中心频率,ε为一极小数字,取0.01;

将归一化距离与模态重复系数曲线缩放至相同范围,并取二条曲线的上包络线,以包络线的最小值点的k值作为变分模态分解的个数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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南京苏逸实业有限公司,未经南京苏逸实业有限公司许可,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/202210102348.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top