基于肯德尔相关系数的高压开关设备机械状态评估方法研究

孙银山，张文涛，张一茗，于维娟，刘逸凡

(平高集团有限公司，河南 平顶山 467001)

0 引言

智能高压开关设备是智能变电站的关键设备，智能高压开关的状态监测及评估技术是实现智能开关五大特征之一——状态可视化的关键技术。近年来，国内外不少专家学者针对高压开关设备的诊断和状态评估［1－3］进行了研究，取得了不少的成果。文献［4－5］详细论述了对高压开关设备的调查研究，分析、诊断以及进行状态监测和评估的可行性进行了论述。文献［6］将突变理论应用到断路器运行状态的综合评估上，通过将突变理论和模糊隶属函数相结合的方法，利用归一公式进行量化递归计算得出评估模型，减少了主观性对评估结果的影响，使综合评价结果更趋于实际。文献［7］将模糊数学理论应用到高压断路器的状态评估中。采用模糊层次分析法代替层次分析法对评价因素集进行权重分配，改进了以往模糊综合评估中的判断矩阵一致性问题。确定了各评判因素对象及其计算方法和隶属函数，建立了模糊综合评估模型，利用多种评价因素对高压断路器的工作状态进行了评估。文献［8］基于小波包原理，将断路器操作振动信号分解到独立的频带内，将提取到的主要频带能量作为断路器状态监测的特征向量，并根据特征向量的容差范围进行机械状态的分类，为断路器的机械状态监测提供了相应的量化依据。

本文提出了一种基于肯德尔相关系数的高压开关设备机械状态评估方法，以本公司自主研制开发的126 kV智能隔离断路器为研究对象，在大量现场实验数据的基础上，对智能隔离断路器的机械状态进行了评估探索。

1126 kV智能隔离断路器机械状态评估系统

1.1 肯德尔相关系数

所谓相关系数，是表征两个随机变量或两路信号量之间的关系强弱的指标系数。如果一个随机变量随着另外一个随机变量的增大(减小)而增大(减小)，则该两个随机变量满足正相关关系;反之，如果一个随机变量随着另外一个随机变量的增大(减小)而减小(增大)，则该两个随机变量满足负相关关系［9］。

肯德尔相关系数是计算多个随机变量或者信号量之间相关程度的一种相关量。肯德尔相关系数适用于数据量是多个相关的量化值，即可以是多个相同的系统产生的多条数据序列，也可以是同一个系统先后多次产生的多条数据序列。通过求得肯德尔相关系数，可以较为客观地评价系统的稳定性和产生数据的可靠性。

其中

公式(3)中pi为第i个数据序列中有重复数据的个数，qij为第i个数据序列中第j个重复数据所对应的数值大小。

对于测得的数据结果中无任何相同数据值，则Ti=0，因此只须对测得的数据结果中有相同数据值计算Ti。

1.2 机械状态评估系统的建立

状态监测是实现状态评估的前提和基础，状态监测的含义是准确、实时地采集高压开关设备的运行状态，包括机械状态、气体状态、绝缘状态等参数。通过状态监测，能够实时监控高压开关设备的运行状态。

在深入研究肯德尔相关系数的基础上，采用126 kV隔离断路器作为试验平台，通过收集一定数量的原始数据，并对这些数据进行基本的数据预处理及标准化，建立126 kV隔离断路器的机械状态评估模型。

如图1所示，在126 kV隔离断路器试验平台上同时接入本文所研究的高压开关设备机械状态评估系统和高压开关设备性能检测系统(该系统是进行高压开关设备性能检测试验时其他所有系统的统称)，由于本文所研究的高压开关设备机械状态评估系统和其他系统之间是完全独立，互不影响的，所以当采用传统方式对高压开关设备进行监测时评判结果正常时，该系统所测得数据结果应该也是正常的。

图1126 kV隔离断路器的机械状态监测及评估系统

在上述前提和基础上，首先通过对126 kV隔离断路器的机械寿命试验(1000次分合闸操作)的监测和采集，将获取到的原始数据通过原始数据采集系统传输到原始数据处理系统中。

其次将获取到的原始数据进行数据的清洗工作，将不符合技术条件要求的数据进行标识，将其排除在标准数据获取过程之外。

最后将通过数据清洗的数据进行数据的标准化处理，转换成统一的格式存储在状态数据库中。数据库中存储的典型数据曲线如图2所示。

图2 典型的状态监测数据曲线

并针对矩阵中的每一列数据组成一个新的数据序列，并求出该数据序列每个数据的均方根，其计算方法如公式(4)所示:

表1 相关系数与曲线相关度之间的关系

将肯德尔相关系数用在高压开关设备机械状态评估上，它的现实意义是:机械状态监测评估系统先后两次对高压开关设备的运行数据进行相似度对比，以判断高压开关设备此时刻的运行状态是否正常。本文将肯德尔系数和高压开关设备机械评估相结合的研究，实际上是缩小了肯德尔相关系数的应用范围，简化了肯德尔相关系数在曲线相似度上的计算过程。在算法的实现过程中，实际上通过肯德尔系数的计算方法已经舍弃了计算曲线头部和尾部的稳定部分(由图2上曲线形状可以看出，曲线的头部和尾部都是稳定值)，只在计算过程中计算曲线的变化部分，这样设计该机械状态评估系统大大简化了系统的计算量，因此其具有非常良好的实时性和可靠性。

2 实验及结果分析

2.1 实验过程

进行机械状态监测与评估技术研究的基础就是原始数据的采集，原始数据采集的好坏对状态评估的结果起着决定性的作用。到目前为止，对于高压开关设备原始数据的采集有了比较成熟的技术，本文所研究的基础数据也正是在126 kV隔离断路器的试验样机上现场采集的。

试验中所采集的高压开关的机械特性数据主要有:分合闸电流数据，位移数据，储能数据和SF6气体状态数据等，传感器检测和采集到的原始数据经数据清洗和标准化之后存入状态监测评估数据库。

2.2 实验结果分析

截止到目前为止，状态监测评估数据库中共计18154条原始数据，而标准数据曲线在此基础上计算出来的，试验的主要运行结果如图3、4所示。

图3 机械状态监测的正常数据曲线

图4 机械状态监测的异常数据曲线

由图3机械状态监测的正常数据曲线可以看出标准曲线和对比曲线其绝大部分都是完全重合的，当高压开关设备的运行状态出现问题时，该系统所采集到的曲线明显的和正常状况下的标准曲线存在很大的差距。

从行程曲线和电流曲线的对比中，我们可以看出，两条行程曲线的相关程度明显大于两条电流曲线的相关程度，这是由于行程曲线是单调递增或者递减的，其整体趋势并未发生突变，而电流曲线则在曲线中形成两个波峰和一个波谷，在计算肯德尔相关系数时存在一定的影响，但是正常状态下对高压开关设备的状态进行监测时，测得的相关系数无论是行程曲线还是电流曲线都是非常稳定的值。

通过多次反复对比试验，当本系统计算出的肯德尔相关系数的绝对值不小于0.8时，系统的评估结果就认为两次操作具有非常高的相似度，此时监测得出的试验结果已经全部达到该产品的技术条件要求，而且非常符合技术条件的数据值;而当肯德尔系数的绝对值介于0.75至0.8之间时，基本上80%以上的测量值都能达到该产品的技术条件要求，但是也会出现偶然的异常数据值，当肯德尔系数的绝对值低于0.75时，基本上可以认为这两次的操作差距还是非常大的，可以来断定系统可能出现了异常情况。

3 结束语

本文以126 kV智能隔离断路器为研究对象，提出了一种基于肯德尔相关系数的智能隔离断路器机械状态评估方法。该方法能使被监测评估的高压开关设备的各种机械特性指标经计算之后形成量化的数据进行综合评估，其评估结果具有非常好的实时性。随着该系统的广泛应用，系统监测和存储的原始数据将不断的丰富，那么其计算出的标准数据也越接近于真实数据，这将大大的提高评估结果的可靠性。

智能隔离断路器是新一代智能变电站的核心设备，本文提出的评估方法可为新一代智能变电站的其他设备机械状态评估提供参考依据。与此同时，该系统也具有非常好的可移植性，不仅能用在126 kV隔离断路器，其他各类高压开关设备也均可采用该系统进行机械状态评估，从而为下一步深入研究高压开关设备故障诊断技术奠定了良好基础，也为加速实现高压设备的状态检修提供了前提和保证。

［1］ 李海英，冯冬，宋建成.中压真空断路器的模糊－证据理论在线状态评估模型［J］.2013，49(1):40－45.

［2］ 荣命哲，贾申利，王小华.电器设备状态检测［M］.北京:机械工业出版社，2007.

［3］ 张军民，尹军华，蒋晓旭.基于RBF网络的高压开关设备状态评估技术在智能 GIS上的应用［J］.高压电器，2013，49(3):115－121.

［4］ IEEE Std C37.10.1－2000.IEEE Guide for the Selection of Monitoring for Circuit Breakers［S］.

［5］ IEEE Std C37.10－1995.IEEE Guide for Diagnostics and Failure Investigation of Power Circuit Breakers［S］.

［6］ 陈伟根，吴娅，刘强.基于突变理论的断路器运行状态模糊综合评判方法［J］.高压电器，2007，43(2):127 －135.

［7］ 李宇，张国钢，耿英三.基于模糊理论的高压断路器状态评估研究［J］.高压电器，2007，43(4):1 －5.

［8］ 孟永鹏，贾申利，荣命哲.小波包频带能量分解在断路器机械状态监测中的应用［J］.西安交通大学学报，2004，38(10):1013－1017.

［9］ 徐维超.相关系数研究综述［J］.广东工业大学学报，2012，29(3):12－17.