基于随机森林算法的低压断路器寿命预测方法

刘利军 王士英

（1.抚矿集团工程技术研究中心 2.抚顺矿业集团有限责任公司）

0 引言

常见的低压断路器主要包括两种类型［1］，第一种为选择型断路器，其可以对预设的保护参数进行调节，第二种是非选择型断路器，其主要灭弧介质分为真空、空气两个类型［2］。低压断路器具有较高的容量范围，满足不同电力系统的供配电需求［3］，也是实现电力保护及电源自动化控制的重要装置。受低压断路器的组成结构及电能分配关系影响，其在运行过程的疲劳度较高［4］，容易出现保护异常问题，影响整个电力系统的可靠性，因此，设计一种有效的低压断路器寿命预测方法，提高低压断路器运行的可靠性。

事实上，低压断路器主要由触头、脱扣器、电动操作机构、释能电磁铁、手柄、闭锁装置等组成，在低压断路器运行的过程中［5］，需要将上述装置有效连接，使用不同的接线方式完成接线处理。低压断路器对不同类型的电源具有不同的保护性能，国内外对其也进行了深入研究。针对低压断路器的运行特点及其疲劳度要求，相关人员设计了若干种常规的低压断路器寿命预测方法。第一种是基于改进Bootstrap-Bayes 的低压断路器寿命预测方法［6］，其主要通过加速退化实验获取伪失效寿命，完成寿命预测；第二种是基于多信号特征融合的低压断路器寿命预测方法［7］，其主要根据多频域退化特征进行统计分析，实现寿命预测。但上述两种寿命预测方法主要使用Wiener 非单调退化预测模型获取时间退化特征量，易受检测周期变化影响，导致预测相对误差较高，为了解决上述问题，本文基于随机森林算法设计了一种全新的低压断路器寿命预测方法。

1 低压断路器随机森林算法寿命预测方法设计

1.1 采集处理低压断路器寿命预测振动信号

在断路器运行过程中，可以将其看成一个特殊的信息载体，通过其振动状态［8］，即时序、动作等，获取寿命预测参数，提高断路器寿命预测的可靠性，因此，本文设计的寿命预测方法首先采集处理了低压断路器寿命预测振动信号。在断路器工作过程中，其周期性电流幅值会出现不同程度的改变［9］，因此，本文根据低压断路器的运行特点，使用Smart Solo 软件采集了低压断路器振动信号，并使用VMD 模态分解法对低压断路器寿命预测振动信号进行了有效处理。

首先可以预设低压断路器原有的信号频率，对采集的模态函数进行希尔伯特变换，预估各个模态频率中心，此时得到的寿命预测振动信号分解式f如式（1）所示。

式中，∂t代表惩罚项，σ(t)代表IMF 分量，j代表中心频率，t代表分解时间，根据上述的寿命预测振动信号分解式可以进行IMF 分解变换［10］，获取中心分解频率，此时得到的拉格朗日信号处理函数L如式（2）所示。

式中，α代表Lagrange 乘子，f(t)代表交替惩罚函数，uk(t)代表惩罚函数，λ(t)代表二次惩罚项，使用上文的拉格朗日信号处理函数可以有效剔除预测振动信号噪声，获取有效的模态分解量，最大程度上保证寿命预测的可靠性。

1.2 基于随机森林算法构建低压断路器寿命预测模型

结合上述采集处理的低压断路器寿命预测振动信号，可以基于随机森林算法构建有效的低压断路器寿命预测模型。随机森林算法属于一种特殊的随机空间算法，通过多个互不相关的决策树进行支持，各个决策树能独立地完成训练，因此，在构建断路器寿命预测模型前，首先需要设置一个寿命预测集合，该集合的信息熵H(D)如式（3）所示。

式中，Pi代表预测数据集，此时针对不同的预测特征属性可以设置预测增益，使用随机森林决策树进行精确度加权选择，步骤如下：第一步，利用bagging 方法设置预测样本，使用传统的随机森林进行训练，此时每棵决策树的权重ϖi如式（4）所示。

式中，XS代表预测样本个数，Xs代表正确分类样本个数；第二步，从预测特征属性中选取与断路器寿命相关特征属性；第三步，重复上述步骤，进行随机森林训练，此时得到的低压断路器寿命预测模型fAWRF如式（5）所示。

式中，wx代表样本预测输出变量，此时结合上述的低压断路器寿命预测模型，可以获取最终的预测结果，提高了预测精度。

1.3 生成低压断路器寿命预测流程

根据上述构建的低压断路器寿命预测模型，可以设置输入、输出变量，此时生成的低压断路器寿命预测流程如图1 所示。

图1 低压断路器寿命预测流程

由图1 可知，根据上述的低压断路器寿命预测流程可以快速获取预测特征值，最大程度上降低预测相对误差，提高预测的有效性。

2 实验

为了验证设计的基于随机森林算法的低压断路器寿命预测方法的预测效果，本文搭建了实验平台，将其与文献［6］、文献［7］，两种常规的低压断路器寿命预测方法对比，进行了如下实验。

2.1 实验准备

结合低压断路器寿命预测要求，本文选取BCH8 型号低压断路器作为研究对象。为了获取可靠的实验数据，本文搭建了GWD01 实验平台，已知，该实验平台选取主电路、驱动电路等作为硬件装置，使用Windows 操作系统作为上位机操作系统，除此之外，为了降低实验难度，本实验使用Visual Basic6.0 语言进行实验开发，获取了相关的实验参数。实验主要以GB 14048.2 作为研究标准，对不同寿命预测方法的预测效果进行评估，因此，需要使用气动操作机构完成合闸、分闸操作。

在实验开始前，需要调节实验装置电压，根据负载电流的动态变化状态进行试验循环，待试验品达到指定的实验次数后停止装置，发出告警。在实验过程中，需要确定低压断路器的剩余寿命，因此需要设置实验循环次数在1~107之间，通过合闸、分闸等步骤确定试验样品的判别状态，对低压断路器进行数据保护，实验使用的装置如图2 所示。

图2 实验装置

根据图2 的实验装置，可以设置实验技术指标如下：实验电流保持在10A~1000A 之间，实验采样速率设置为100Ks，电压电流检测精度设置为0.1%，功率因数范围调整至0.6~0.95，此时的采样通道数量共有18 个，触头监测周期为20ms，此时设置的实验交替时序如图3 所示。

图3 实验交替时序

由图3 可知，根据上述设置的实验交替时序，本文使用数据高速采集卡对不同的驱动电路进行统一设置，完成电路的集中采集监控，待上述步骤完毕后，再调整负载因数，对离散数据进行还原处理，从而进行后续的低压断路器寿命预测实验。

在实验开始前，需要对实验装置进行模块化设计，调整装置的运行状态，完成上一次实验操作时，存在一段试验电源空闲期，此时应该调整断路器的操作频率及负载因数，进行电源及负载共享，实现多个装置，不同周期，同时实验。当SP1进行开闭后，再使用SP2SP3 进行循环操作，采集产生的实验数据。实验主电路属于三相电源控制保护电路，由可调节负载及多功率因数组成，开始实验后需要设置基础电流档位，结合设定的电流时间完成精确采样，从而获取准确的实验结果。

2.2 实验结果与讨论

结合上述的实验准备，即可开始进行低压断路器寿命预测实验，即分别使用本文设计的基于随机森林算法的低压断路器寿命预测方法，文献［6］的基于改进Bootstrap-Bayes 的低压断路器寿命预测方法，以及文献［7］的基于多信号特征融合的低压断路器寿命预测方法，对低压断路器寿命进行预测，记录三种方法在不同动作次数下的预测相对误差，实验结果如表1 所示。

表1 实验结果

由表1 可知，本文设计的基于随机森林算法的低压断路器寿命预测方法预测的剩余寿命次数与实际剩余寿命次数相差较小，即预测相对误差较低，文献［6］的基于改进Bootstrap-Bayes 的低压断路器寿命预测方法，以及文献［7］的基于多信号特征融合的低压断路器寿命预测方法预测的剩余寿命次数与实际剩余寿命次数相差较大，即预测相对误差较高。上述实验结果证明，本文设计的基于随机森林的低压断路器寿命预测方法的预测效果较好，具有可靠性，有一定的应用价值。

3 结束语

综上所述，低压断路器是一种常见的电力开关装置，其可以根据电流符合状态自动进行通断，因此，其也被称为自动开关。低压断路器不仅具有良好的控制功能，还能对过负荷、短路等故障起到保护作用。研究表明，低压断路器的运行负荷较高，寿命难以掌控，容易降低其运行可靠性，产生故障风险，因此，需要对低压断路器寿命进行有效预测。常规的低压断路器寿命预测方法的预测效果较差，不符合低压断路器的运行安全要求，因此，本文基于随机森林算法设计了一种全新的低压断路器寿命预测方法。进行实验，结果表明，设计的低压断路器寿命预测方法的预测效果较好，具有可靠性，有一定的应用价值，为降低低压断路器的运行风险作出了一定的贡献。