[发明专利]一种有载分接开关故障检测方法及装置

说明书

本发明提供了一种有载分接开关故障检测方法及装置，其中该方法包括：获取所述开关的振动信号；对所述振动信号进行降噪；对所述降噪后的振动信号进行分解，得到IMF分量；将所述分量与设定阈值进行比较，以筛选出有效IMF分量；对所述有效IMF分量的能量熵进行拼接，并通过计算信息熵以得到表征所述振动信号的频域复杂度的有效能量熵；根据所述有效能量熵确定所述开关是否存在故障。解决了无法准确的检测出OLTC的故障以及其具体的故障类型缺陷，从而为OLTC的实时监控以及其他电气设备的监测提供了一种更有效的方法。

技术领域

本发明涉及有载分接开关领域，具体涉及一种有载分接开关故障检测方法及装置。

背景技术

随着有载调压变压器在电网应用的增多，有载分接开关(on load tap changer，下面简称OLTC)的故障也在增加。据国外资料统计，OLTC故障占有载调压变压器故障的41％，且仍呈上升趋势；国内平均统计数据表明，OLTC的故障占变压器故障的20％以上。一般来说，机械故障是电力变压器有载分接开关的主要故障类型。

OLTC发生故障时其振动信号是一种非线性非平稳信号，而经典的功率谱方法难以检测出信噪比较低的故障特征信号，并且对微弱的故障特征信号不敏感。由于OLTC故障形式多样且呈现一定程度的非线性行为，振动信号和工作状态之间不存在确定的函数关系。这就决定了OLTC故障信号诊断的难度和复杂性。因此，对OLTC运行中的机械性能进行在线监测，通过监测振动信号预知其故障可能性并判别其故障类型，对电力系统安全运行意义重大。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中的无法准确的检测出OLTC的故障以及其具体的故障类型缺陷，从而提供一种有载分接开关故障检测方法及装置。

为此，本发明实施例提供了如下技术方案：

本发明实施例提供了一种有载分接开关故障检测模型构建方法，包括：获取所述开关在预设故障状态时的第一振动信号与所述开关在正常工作状态时的第二振动信号；分别对所述第一振动信号和所述第二振动信号进行降噪；分别对降噪后的所述第一振动信号和所述第二振动信号进行分解，得到第一IMF(Intrinsic Mode Function，本征模函数)分量和第二IMF分量；分别将所述第一IMF分量和所述第二IMF分量与设定阈值进行比较，以筛选出第一有效IMF分量和第二有效IMF分量；分别对所述第一有效IMF分量和所述第二有效IMF分量的能量熵进行拼接，并通过计算信息熵来得到表征所述开关的振动信号频域复杂度的第一有效能量熵和第二有效能量熵；利用所述第一有效能量熵和所述第二有效能量熵以及相应的开关工作状态信息对神经网络模型进行训练，以使所述神经网络模型能够根据所述第一有效能量熵和所述第二有效能量熵识别所述开关的工作状态，持续所述训练操作直至所述神经网络模型的识别准确率达到预定准确率。

本发明另一实施例提供了一种有载分接开关故障检测方法，包括：获取所述开关的振动信号；对所述振动信号进行降噪；对所述降噪后的振动信号进行分解，得到IMF分量；将所述分量与设定阈值进行比较，以筛选出有效IMF分量；对所述有效IMF分量的能量熵进行拼接，并通过计算信息熵以得到表征所述振动信号的频域复杂度的有效能量熵；根据所述有效能量熵确定所述开关是否存在故障。

优选地，根据所述有效能量熵确定所述开关是否存在故障包括：利用神经网络模型根据所述效能量熵识别所述开关的工作状态，所述工作状态包括正常工作状态和故障状态，其中所述神经网络模型是利用有载分接开关在已知工作状态时的振动信号进行训练得到的。

优选地，对所述振动信号进行降噪包括：根据预定小波基和预定分解层次对所述振动信号进行小波包分解；根据预定熵标准确定最优小波包基；选择预定阈值对小波包系数进行量化获得更适合的小波包系数，即获得更能表征信号复杂度的特征量；对信号的特征量进行重构。