断路器远程离线单元故障检修方法研究

曹 晖,岳 滨,耿泽飞,刘 诚,李韵佳

(国网西安供电公司高新供电分公司,陕西 西安 710000 )

0 引言

电力系统为人们生产、生活提供了重要的电力能源。因此,保证电力系统持续健康运行具有重要的现实意义。电力电网受到各种因素的影响,长期运行难以避免地会发生各种故障。而一处发生问题会直接导致与该处连接较为密切的其他部分结构也随之产生问题,从而影响整个电力系统[1]。面对这种情况,电力系统常会设置断路器来及时切断异常部分与其他部分之间的联系,以防止问题蔓延。断路器对整个电力系统起到了重要的保护作用。一旦断路器出现问题,电力系统的稳定性、可靠性会大幅降低。因此,断路器的运行维护十分重要[2]。

为了及时发现断路器故障问题,以便及时检修,保证电力系统安全,很多专家和学者提出了解决方法。有学者从振动信号的角度进行故障诊断。这种方法以采集到的高压断路器振动信号为基础,首先提取正常和异常两种情况下振动信号的短时能熵比,然后以此为输入,通过动态时间规整算法进行匹配,最后根据最优匹配路径变化曲线判断断路器的状态[3]。有学者从图像识别的角度进行故障诊断。这种方法首先通过高速相机采集断路器工作状态下的高清图像,然后对图像进行处理以提取图像中断路器的机械波动特征,最后通过对比分析正常情况下断路器的机械波动情况,判断断路器是否存在故障[4]。有学者以断路器电流数据为基础提取其特征量,通过Relief F算法为这些特征赋予权重,并以此为输入,利用灰色关联分析模型识别出故障类型[5]。

前人研究虽然都取得了一定的成果,但是大多是从一类数据着手进行特征提取和分析。这些研究具有很大的局限性,一旦断路器故障并不明显或者受到采集环境的影响,数据准确性就难以保证,导致诊断结果的可靠性降低。面对这种情况,本文提出断路器远程离线单元故障检修方法。该方法可以弥补单类数据诊断的不足,提高断路器故障诊断的可靠性。

1 断路器远程离线单元故障检修方法

多态数据交互技术,顾名思义,就是将多类型数据联合起来进行综合故障诊断的方法。该方法弥补了单一类型数据存在的不足,提高了故障检修工作的准确性[6]。断路器是电力系统的重要保护装置,一旦断路器发生故障,电力系统的可靠性和安全性就会降低。本文基于多态数据交互技术对断路器进行检修。具体过程分为四个步骤,即多态数据采集与去噪处理、多态数据特征提取、断路器远程离线单元故障检修以及检测结果交互实现。

1.1 多态数据采集与去噪处理

多态数据即多形态数据。单一形态的数据可以提供的状态信息较少,难以完全反映断路器存在的故障,具有很大的局限性和误差性[7]。针对这种情况,本研究联合振动信号和声音信号组成断路器的多态数据,以便后续故障诊断分析。

(1)断路器振动信号采集。振动信号即机械部件振荡产生的信号。从振动信号中可以明确机械振动幅值信息、频率信息及相位信息等。振动信号的采集方法有很多。其中,常用的采集方法为通过加速度传感器来采集[8]。加速度传感器采集原理如下。断路器工作过程中,其部件会产生相应的振动。振动会产生加速度。因此,通过采集加速度变化,经过处理成频谱后,就能直接了解断路器振动情况。

(2)断路器声音信号采集。声音信号即设备工作时产生的声音信号。断路器在工作状态时,会产生一定的声音。正常状态的声音与故障状态下的声音会存在明显的差别[9]。基于此,采集声音信号也能实现故障检测。针对断路器声音信号,选择的采集设备为声波传感器。当声音进入声波传感器时,膜片振动会产生交流电,以实现声-电的转换。在断路器工作现场采集振动信号和声音信号后,将其传输到远程故障检修中心进行进一步的处理和分析[10]。处理主要是去噪处理,即去除信号中的干扰噪声。去噪过程具体如下。

①确定信号分解层数。

②选择合适的小波基,对振动信号/声音信号进行分解。

③对高频系数部分进行阈值处理。

④小波重构,完成信号去噪。

1.2 多态数据特征提取

根据采集的多态数据提取代表性特征的具体过程如下。

①输入去噪处理后的振动信号/声音信号。

②对振动信号/声音信号,采用集合经验模态分解 (empirical mode decomposition,EMD)方法进行分解,得到的结果为:

(1)

式中:xj(t)为第j个固有模态函数(intrinsic mode function,IMF)分量;xij(t)为第i次加入高斯白噪声后,信号EMD分解后得到的第j个IMF分量;M为EMD 分解次数;N为EMD 分解后得到的IMF分量数量[11]。

③选择前K阶IMF分量作为特征提取的主要对象。

④利用希尔伯特变换提取前K阶IMF分量的信号包络。

⑤将信号包络划分为P段。每段时长一致。

⑥计算每段信号的包络能量。计算式为:

(2)

式中:Yi为第i段信号的包络能量;R(t)为IMF 分量的包络线;ti1、ti2分别为第i段包络的开始和结束时间点。

⑦对Yi进行归一化处理,记为Y′i。

⑧计算Y′i的能量熵Qi。

(3)

⑨由Qi组成的K阶断路器多态数据特征向量,记为Q={Qi|i=1,2,…,K}。

基于上述步骤完成断路器振动信号/声音信号特征提取,为断路器远程离线单元故障检修分析奠定基础。

1.3 断路器远程离线单元故障检修

本文将提取到的断路器振动信号/声音信号能量熵作为输入向量,利用概率神经网络(probabilistic neural network,PNN)进行断路器远程离线单元故障检测[12]。PNN分为四层,每层都有不同的任务。

①输入层负责将振动信号/声音信号能量熵特征传递给神经元。

②模式层负责计算输入向量与神经元中心(样本数据)之间的距离,并输出一个标量值。模式层输出计算如式(4)所示。

(4)

式中:Fij为第i类的第j个神经元输出的概率;λ为训练样本的维度;σ为平滑因子;Xij为第i类的第j个神经元中心矢量。

③求和层负责将模式层同一类输出结果进行加权平均。其计算式如下。

(5)

式中:αi为第i类神经元的数量;Si为第i类类别的输出。

④输出层负责参考Bayes 分类规则(求和层中Si最大的一个作为输出的类别),输出检测结果。即:

y=arg[maxSi]

(6)

在输出层输出之后,需执行与基础神经网络流程相同的反向传播,以完成训练。输入待测样本后,即完成断路器远程离线单元故障检测。

1.4 检修结果交互实现

在利用PNN对振动信号/声音信号分别进行检测之后,本节结合Demster-Shafer(D-S)证据理论实现检测结果交互。D-S证据理论是对不确实信息作智能处理和数据融合的典型方法,尤其在检测交互方面具有优势。其具体过程如下。

①计算训练后PNN对故障i的识别准确率Hi。

(7)

式中:A为PNN正确识别出某类故障信号的标签数;B为该类待测故障信号的总数。

②待测故障信号能量熵特征输入训练好的PNN中。

③根据步骤②结果,计算故障i的支持率Vi。

(8)

式中:Ci为识别出故障i的标签数量;D为待检测故障信号的总数量。

④Vi与Hi相乘得到权值Wi。

⑤Wi进行归一化处理,记为W′i。

⑥将W′i作为D-S 证据理论中故障命题的基本可信度。

⑦构建识别框架U:

U={u1,u2,u3,u4,u5,u6}

(9)

式中:u1、u2、u3、u4、u5、u6分别为断路器的拒分故障、拒合故障、绝缘故障、误动故障、载流故障、正常。

⑧基于W′i,结合D-S证据理论合成规则,实现对振动信号和声音信号单独检测结果的交互。

通过D-S证据理论,本文将基于振动信号的检测结果与基于声音信号的检测结果进行交互,以避免单独检测存在的局限,从而提高检测结果的准确性。

2 性能的测试与结果分析

本文以某存在误动故障的高压断路器(断路器1)和运行正常的高压断路器(断路器2)为测试对象,利用本文方法进行检修,以此判断本文方法的应用性能。

2.1 多态数据采集设备选型

①三轴加速度传感器。对于高压断路器,电容式-电静电压电荷耦合三轴加速度传感器用于采集振动信号。加速度传感器是接触式采集方法之一。它需要与测试目标表面保持良好接触。因此,本文使用永磁吸收法将传感器安装在断路器上。此外,安装位置的选择也十分重要。安装位置以振动源附近为宜,从而保证信号采集质量。针对断路器,安装位置为底座下面及机体侧壁。

②声波传感器。针对高压断路器,本文采用F-999R声波传感器。该传感器带有内胆屏罩,能阻断大部分的信号干扰,信号采集更精准。此外,其还能将音频放大25 000倍,拥有高清的音质,能捕获更小的声音。声波传感器属于非接触式采集方法,只要布置在声源附近即可。

2.2 断路器振动信号/声音信号测试样本

断路器振动信号/声音信号测试样本如图1所示。

图1 断路器振动信号/声音信号测试样本

2.3 信号特征提取结果

断路器振动信号/声音信号的能量熵特征如表1所示。

表1 断路器振动信号/声音信号的能量熵特征

2.4 PNN训练

从某电力公司数据库中抽取断路器振动信号训练样本500个(正常200个,故障300个)、声音信号样本300个(正常100个,故障200个),对PNN进行训练。

PNN训练结果如图2所示。

由图2可知,800个训练样本在180次迭代时收敛值小于0.000 1。这说明PNN训练结果满足实际应用需求。

图2 PNN训练结果

2.5 结果交互分析

通过D-S证据理论,本文将PNN对振动信号和对声音信号的检测结果进行交互。

断路器远程离线单元故障检修交互结果如表2所示。

表2 断路器远程离线单元故障检修交互结果

由表2可知,应用本文方法后,断路器1在误动故障上分配的概率最高,判断断路器1存在误动故障;断路器2在正常状态上分配的概率最高,判断断路器2运行正常。本文方法检修结果与实际结果一致,由此证明了本文方法的有效性。

3 结论

断路器能够及时阻断故障问题,以降低故障给整体电力系统带来的影响。基于此,保证断路器正常运行具有重要的现实意义。为此,本文提出了断路器远程离线单元故障检修方法。该方法以采集的断路器多态数据为基础,通过PNN进行故障诊断并交互,从而完成故障检修。测试结果证明了本文方法的有效性,并且检修结果与实际结果一致。然而,本文方法具体检修准确性未进行测试,因此在后续研究中拟将其作为重点进行深入分析。