[发明专利]一种高压断路器机械故障诊断方法

说明书

本发明涉及一种高压断路器机械故障诊断方法。首先，通过采集装置获取高压断路器振动信号；接着，对振动信号进行CEEMDAN分解，并采用基于Hilbert变换与带通滤波相结合的频带划分方法构造等带宽的时频矩阵；其次，划分时段构造分块能量矩阵，并分别在时域方向和频域方向归一化的能量矩阵中提取时频熵；再者，采用正态累积分布函数（NCDF）对各频带振动信号进行归一化处理，提取各分块时频矩阵的奇异熵；最后，采用集成极限学习机作为分类器用于小样本高压断路器机械故障的识别。通过实例验证，本发明方法具有较高的辨识度。

技术领域

本发明涉及电力电气设备领域，特别涉及一种高压断路器机械故障诊断方法。

背景技术

高压断路器是电力系统中重要的开关设备，具有控制和保护电网的双重功能。正常工作情况下，高压断路器承载着电流以及控制着电网的通断。当电网中某处发生故障时，高压断路器首先做出保护响应；如果故障不能及时消除或隔离，备用保护系统将波及更大范围的网络，导致更多架空线、母线、变电站中断。此外，更为严重的是引起电力系统动态稳定性问题。因此，高压断路器快速、有效、可靠地消除或隔离故障是保证电力系统稳定运行的一个先决条件。研究表明，大部分高压断路器故障是由机械故障引起的。通常，高压断路器机械故障诊断方法主要是定期维护。定期维护不仅耗时、费力，而且反复的拆卸检修可能引起部件疲劳，甚至在维护过程中产生新的故障；此外，定期维护的诊断结果取决于维护人员的经验评估，存在一定的主观性。随着机器学习的发展，智能诊断技术已成功应用于各个领域，如汽轮机、柴油机、医疗领域等。在此基础上，建立可靠、精准、智能化的高压断路器机械故障识别模型逐渐成为发展的一种趋势。许多专家学者不断提出以触头行程位移、电磁线圈电流、振动信号等为分析对象的高压断路器机械故障诊断方法；其中，基于振动信号分析的方法易于数据获取，逐渐成为高压断路器机械故障诊断技术研究的主流方向。

发明内容

本发明的目的在于提供一种高压断路器机械故障诊断方法，该方法具有较高的辨识度。

为实现上述目的，本发明的技术方案是：一种高压断路器机械故障诊断方法，首先，通过采集装置获取高压断路器振动信号；接着，对振动信号进行自适应噪声的完备经验模态分解(CEEMDAN)，并采用基于希尔伯特(Hilbert)变换与带通滤波相结合的频带划分方法构造等带宽的时频矩阵；其次，划分时段构造分块能量矩阵，并分别在时域方向和频域方向归一化的能量矩阵中提取时频熵；再者，采用正态累积分布函数(NCDF)对各频带振动信号进行归一化处理，提取各分块时频矩阵的奇异熵；最后，采用集成极限学习机(I-ELM，Integrated Extreme Learning Machine)作为分类器用于小样本高压断路器机械故障的识别。

在本发明一实施例中，所述高压断路器振动信号采用基于LabVIEW的虚拟仪器数据采集系统获取。

在本发明一实施例中，所述对振动信号进行CEEMDAN分解，并采用基于Hilbert变换与带通滤波相结合的频带划分方法构造等带宽的时频矩阵的具体方式为：

对振动信号进行CEEMDAN分解：

假定原始信号为x(t)，设定噪声标准差比值、辅助噪声添加次数，经过CEEMDAN分解可得到：

其中，c_k(t)(k＝1,2,…,K)为第k阶本征模态函数IMF分量，r(t)为残差分量；

采用基于Hilbert变换与带通滤波相结合的频带划分方法构造等带宽的时频矩阵：

对IMF分量c_k(t)(k＝1,2,…，K)进行Hilbert变换：

由上式可构造相位函数φ_k(t)：