高压断路器振声联合故障诊断方法

高压断路器振声联合故障诊断方法

杨学鹏

（国网吉林省电力有限公司辽源供电公司吉林辽源136200）

摘要：高压断路器指额定电压等级在12kV及以上的断路器。在电力系统中一般指110kV以上的输配电断路器，是电力系统中关键设备之一。高压断路器在电力系统中能够起到控制和保护的关键作用，一旦设备出现问题，可能会引起很大的损失，因此高压断路器需要进行定时的检查和定期故障诊断。本文主要分析了高压断路器振声联合故障诊断方法。

关键词：高压断路器；故障；诊断；方法

高压断路器是电力系统中关键的控制和保护设备，一旦出现故障，可能造成巨大的损失甚至危及人员生命安全。因此，对高压断路器进行监测和故障诊断具有重要的意义。高压断路器机械状态十分复杂，某一种故障对应了机构的多种状态特征；同时，机构的某一状态特征发生变化对应的故障原因或故障点也不可能是唯一的。从传动机构到操作机构故障，从部件松动到润滑失效均会导致机械故障。本文主要从振声联合机械故障诊断方法原理分析入手，对振声联合高压断路器故障诊断方法提出了几点思考。

1高压断路器振声联合机械故障诊断总方案

利用加速度振动传感器和声波传感器采集高压断路器分闸振动信号和声波信号。振动信号采用L0102T型压电加速度传感器采集，利用磁铁将传感器吸附在在机构箱和中间相触头垂直位置的机构箱表面上。声波传感器采用502A型拾音器，与断路器非接触式安装。研究发现，振动信号的特点是冲击响应大、非线性、非平稳性以及有效响应时间短；声波信号的特点是含有大量的噪声成分、频率范围广、非平稳、非线性、重复性较差。根据振动信号和声波信号的特点，本文研究的断路器振声联合机械故障诊断的方法有振声特征级融合高压断路器故障诊断方法以及振声数据级融合高压断路器故障诊断方法两种。

2振声联合机械故障诊断方法原理

高压开关动静触头撞击时，伴随着撞击会发生机械振荡运动，同时这种振动发出声波会在空气中传播。因此在理论层面上，声波与振动两者之间是相互联系的，在高压断路器开合闸过程中，两者是同源的，只是传播介质不同。振动信号通过固体传播衰减小，不易受外界干扰。采用压电式加速度传感器采集信号时，虽然传感器灵敏度高，但在振幅较大时信号存在饱和现象，波形存在削顶现象，且电荷累计效应会导致传感器连续高频冲击失效。声波信号在空气中传播易受背景噪声干扰，信噪比低，但其属于非接触式测量，安装方便；另外测量频带宽，能够有效避免饱和及失效现象。综上所述，振动信号衰减小、抗干扰强，压电加速度传感器高灵敏度高，能捕捉信号细微变化，可作为基准信号来剔除声波信号背景噪声；声波信号频带宽，可选择宽频拾音器，避免振动信号失真对诊断结果的影响，二者联合分析可充分发挥各自优势。

3振声联合高压断路器故障诊断方法

3.1振声特征级进行融合联合高压断路器故障诊断

外界环境处于劣势时，断路器在分闸时就会造成较强的振动信号和声波信号。特别注意大量随机的噪点会在空气传播的过程中混入声波信号，即使幅值小但频率是较高的，仍然影响故障的诊断。特征级融合诊断的方法实施原理如下:同时进行采集振动信号和声波信号，利用相关快速核独立分量分析对所收集的声波信号进行处理非线性的粗略分离。FastKICA是可以去除无关的特征、并且降低噪音的，非线性信号的辨处能力是很强的。通过处理将断路器分合闸施行过程中混入的无关声波，可能是人声、自然声音以及短路去分着的声波，最后从采集到的混合原始声波中充分有效分离出来。

而混入的无关声波等一些噪音信号的幅度一般较小、频率较大。这些噪声堆积越多，对分解的准确度和完成度影响越大。中值滤波器可以用来对传统EEMD分解的过程中所残余的函数实行滤波工作，精准完成EMD的分解过程，来更好地控制完整的EEMD分解过程，本文提出的EEMD算法设计为:

（1）具有一定强度的噪音分别排列到信号序列中以便多次进行EMD分解。

（2）高压断路器分闸的过程中收集到了振动信号和声波信号，在其中找到局部极大值点还有局部极小值点。

（3）然后拟合该次数据序列的前后包络线，确立平均包络线，精确计算信号和包络线之间的差距，反复多次执行这步，一直到这差值达到能使IMF成立的两个条件。

（4）运算残余函数，对差运用中值滤波法进行平滑化处理。高效去消除噪声极强点、保护信号易变的信号边界并且抑制信号和噪声的随机，使得残余函数的方差值减小。重复多次3、4步骤一直到残余函数成为不能再次进行分解的单调函数。

（5）EMD经多次分解可得到对应的IMF，从而根据得到的整体平均值求得最终的IMF。

（6）运算各个IMF的二维谱熵(一维谱熵、中心频率)。

3.2振声数据级进行融合对高压断路器故障的诊断方案

用同收集的方法采集高压断路器的分闸振动和声波信号，但采集到的信号因为环境和传感器的影响仍然在时间上存在差异，声波信号一般是稍落后于其振动信号的，那么将所采集的声波信号进行适量移动，到振动信号振声之前。联合图像。

二维经验集合模态分解(BEEMD)是直接应用EMD和希尔伯特-黄变换方法(HHT)到处理二维数据中，分解改进就是用改进版EEMD对所有维度数据进行的分解，依据可比的最小尺度对对应的IMF进行最后的合并重组。

二维EEMD分解改进后是以EEMD为基础的，相应的设计流程如下:

（1）BEEMD首先认为振声联合图像也就是振动和声波信号联合而成的二维的空间数据是简单两个维度的一维序列组合的。（2）然后EMMD分解所有一维片段序列，重构近似尺度片段，相似于IMF的二维分量随之产生。（3）进一步分解新二维分量，此时BEEMD会联合并集合两个各异的维度。（4）依据最小尺度合并的原理将经以上步骤得到的这些分量合并，最后运算得其能量熵。

3.3支持向量机基础下的故障识别

（1）找寻确立合适的支持向量机模型和核函数，可以使用C-SVC，或者选择径向基函数。

（2）设置初始化模型参数。

（3）SVM分类后进行测试模型的准确率然后识别相关发生的实验故障。

4结论

目前高压断路器机械状态在线诊断的研究先后经历了行程—时间检测法和分合闸线圈电流检测法以及目前研究较多的振动信号检测法。已经取得了一定突破性进展，然而目前对断路器机械状态在线监测及故障诊断技术大多基于某种单一特征量的监测结果，很少对比分析不同种类状态信号的特征并作综合评判。因此目前的在线检测技术存在以下问题：

（1）传感器对高压断路器安装适应性问题。不同电压等级和不同操动机构的断路器所选择的传感器类型不一样，亟待规范传感器的类型以适应高压断路器的实际运行。

（2）故障类型的具体化问题。以往在线监测装置对机械运动的过程关心不多，目前一些在线监测模块也可测量合、分闸时动触头的行程特性曲线。但只能对机构状态做出好或坏判断，不能具体判断故障位置。

（3）数据处理的问题。尤其体现在振动信号检测法中，由于振动信号的特殊性，目前信号处理技术已经成为制约振动信号检测法发展的关键技术。

（4）在线监测装置模块寿命过短，安装维护困难，价格过高而精度较低。

基于以上分析，从机械信号在线监测装置的实际应用情况看，应从以下角度继续高压断路器的在线检测技术的探索。首先，根据实际运行的高压断路器类型，规范传感器的规格参数，也可降低成本，进一步提高高压断路器在线检测系统的性价比。其次，从高压断路器操作原理出发，进一步明确断路器故障模式，综合多种检测方法，将故障类型具体化，在线检测设备智能化。最后，加强数据处理方法的探索，进一步完善振动信号检测法在高压断路器在线检测中的应用。

参考文献：

[1]高压断路器的罩子及其制造方法[J].科技创新导报.2016(06)

[2]高压断路器异常运行分析[J].杨建伟.农村电工.2016(07)

[3]高压断路器故障检修及状态监测研究[J].何雪峰.通讯世界.2017(08)

[4]高压断路器的巡视及验收分析[J].王建章.科技视界.2017(18)