[发明专利]基于概率密度和局部线性嵌入的高压断路器机械故障诊断方法

说明书

本发明公开了基于概率密度和局部线性嵌入的高压断路器机械故障诊断方法：步骤1、通过故障模拟试验形成该型号高压断路器振动信号数据库；步骤2、采用概率密度算法提取特征向量；步骤3、采用局部线性嵌入法进行降维处理；步骤4、利用支持向量机将高压断路器实时测得的振动信号的p'维坐标与基础波形数据库中的坐标进行对比分类，实现高压断路器的机械故障状态诊断；步骤6、记录不同区间宽度T对应的识别准确率，经三次样条插值得到识别准确率的变化曲线；步骤7、根据识别准确率的变化曲线确定最佳的区间宽度T，当进行高压断路器的机械故障状态诊断时，基于最佳的区间宽度T、利用支持向量机实现高压断路器的机械故障状态诊断。

技术领域

本发明涉及一种基于概率密度和局部线性嵌入的高压断路器机械故障诊断方法。

背景技术

工作电压在3kV以上的断路器统称为高压断路器，其是高压开关设备中最重要的电气设备，在电网中起到控制和保护的作用，断路器的主要故障有拒动故障、误动故障、绝缘故障、载流故障、外力及其他故障，在上述故障的原因统计中，机械原因占60％以上，且机械故障中绝大多数是操动机构的问题，因此对断路器运行状态尤其是机械状态进行监测和评估十分重要，对于提高和维护电力系统的安全稳定运行有重要意义。

专利号为2017107747368的中国专利公开了一种基于多维缩放统计分析的高压断路器机械故障诊断方法，其计算简单，可有效避免信号局部分散性带来的影响，降低故障诊断的错误率。但是，其难以捕捉信号的局部信息，从而对轻微故障的区分能力有限。

发明内容

针对上述问题，本发明提供基于概率密度和局部线性嵌入的高压断路器机械故障诊断方法，采用概率密度法寻找高压断路器正常和故障情况下的差异区间，进而快速、准确的得到特征向量，识别准确率更高。

为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

基于概率密度和局部线性嵌入的高压断路器机械故障诊断方法，包括如下步骤：

步骤1、通过故障模拟试验，利用IEPE加速度传感器获得某型号高压断路器在不同机械状态下的振动信号波形，从而形成该型号高压断路器振动信号数据库；

步骤2、采用概率密度算法提取特征向量：

2.1、初始化区间宽度T和循环次数H，令参数k＝1；

2.2、设采集了n次高压断路器的振动信号，将采集的振动信号沿时间轴均分为若干个区间，每个区间长度为T；

2.3、计算各区间内信号的幅值和；

2.4、用正态分布拟合同一故障情况下的幅值分布，得到幅值分布的概率密度函数；

2.5、比较正常情况下和故障情况下的幅值分布情况，获得q个标记区间，将标记区间内的幅值和作为特征量生成样本(xi,yi)，其中，xi为各标记区间的信号幅值和，yi为样本的类别；

步骤3、采用局部线性嵌入法对特征向量进行降维处理，从p维降到p'维；

步骤4、利用支持向量机将高压断路器实时测得的振动信号的p'维坐标与基础波形数据库中的坐标进行对比分类，实现高压断路器的机械故障状态诊断；

步骤5、令参数k的值加1并判断k是否小于H，若k小于H，则改变区间宽度T并进入步骤2.2；若k不小于H，则进入步骤6；

步骤6、记录不同区间宽度T对应的识别准确率，经三次样条插值得到识别准确率的变化曲线；

步骤7、根据识别准确率的变化曲线确定最佳的区间宽度T，当进行高压断路器的机械故障状态诊断时，基于最佳的区间宽度T、利用支持向量机实现高压断路器的机械故障状态诊断。