电网高压隔离开关机械故障诊断

蒋健 陈宇癉 蔡润庆 柯梓阳

摘 要：电网高压隔离开关经常发生轴承卡涩、动作不到位等机械故障，导致故障信号特征值不准确、诊断效果不佳等问题的产生，对此提出一种新的电网高压隔离开关机械故障诊断方法．根据机械发生故障时的振动信号特征值，绘制力矩转角检测曲线，通过与正常运行状态下的曲线变化相对比，实现对机械故障的准确诊断．实验结果证明，所设计方法的机械故障诊断结果与实际一致，说明该方法可以有效检测电网高压隔离开关机械故障，诊断效果较好．

关 键 词：力矩与转角检测；电网高压；隔离开关；机械故障；振动信号特征值；轴承卡涩；信号特征；狀态曲线

中图分类号：ＴＭ３２５ 文献标志码：Ａ 文章编号：１０００－１６４６（２０２３）０２－０１２７－０６

电网的安全稳定运行需要机械设备配合，只有机械设备正常运转，才能保障电网的正常运行．在众多电网高压机械设备中，使用频率较高的是电网高压隔离开关，其作用是在维修电网高压设备时隔离电压，保障作业现场安全．绝大多数电网高压隔离开关都在室外环境下工作，受破坏和腐蚀现象严重，一旦出现故障，很容易影响电网的正常运行．同时，电网高压隔离开关结构简单、成本低，相关单位对其重视程度不高，因此，该设备机械故障事件频发，导致电网工作安全性降低．最为常见的两种故障类型有动作不到位与轴承卡涩，这两种机械故障占总故障５０％以上．

有关电网高压隔离开关故障诊断的方法层出不穷，如超声波探伤技术、红外测温技术等．虽然这些方法都取得了一定的成效，但是对于电网高压隔离开关机械故障仍缺少理想的诊断方法，相关学者针对这一问题也在不断研究：程林等［１］研究了基于力矩转角曲线的隔离开关机械状态检测方法，采用非植入式力矩检测系统，测得分合闸过程操作力矩转角曲线，并详细分析了曲线的变化趋势与对应的运动过程，但是该方法存在故障信号特征提取效果差，降噪效果不佳的问题．林琳等［２］提出了基于粗糙集神经网络和振动信号的机械故障诊断方法，基于粗糙集理论对特征向量进行属性约简分析，从而建立简单明了的决策表，根据决策表规则建立径向基函数（ＲＢＦ）神经网络故障模型，实现诊断设备故障，但是该方法过于依靠特征的敏感性，其针对特征数据的降噪处理效果差，导致故障诊断结果与实际结果的偏差较大．