[发明专利]基于多源数据融合的中压真空断路器机械故障诊断方法

说明书

本公开揭示了一种基于多源数据融合的中压真空断路器机械故障诊断方法，包括：采集断路器的操作机构电流信号、触头行程信号和机械振动信号并提取所采集到的操作机构电流信号、触头行程信号和机械振动信号的特征参量；利用模糊均值聚类算法及特征箱线分布对所述操作机构电流信号、触头行程信号和机械振动信号的特征参量筛选融合；通过GA‑BP遗传神经网络与SVC支持向量算法对筛选融合后的特征参量构建故障诊断模型，并利用样本训练所述故障诊断模型以识别断路器故障。本公开通过采用多种信号源进行故障诊断，能够克服利用传统单源信号进行故障诊断时诊断故障类型较少或分类精度较低的问题。

技术领域

本公开属于电力设备技术领域，具体涉及一种基于多源数据融合的中压真空断路器机械故障诊断方法。

背景技术

中压真空断路器作为供电配电领域中应用最广、投入规模最大的电气设备之一，已广泛应用于电力、工业、交通以及军工等多个领域中。断路器的可靠关合、运行与分断关乎整个配电系统的正常运行，其工作的稳定性与可靠性至关重要。

断路器机械结构较为复杂，机械故障种类较多，且容易引起极为严重的并发事故：1、分合闸线圈供电电压变化和线圈铁芯卡涩引起的操作机构故障，如不及时发现排除，会影响线圈使用寿命甚至导致线圈烧毁；2、机械传动机构的卡涩与分合闸缓冲器漏油等触头传动机构的故障，极易导致运行中设备的动静触头发生拒分、拒合现象，并且影响断路器机械寿命与电寿命；3、断路器分合闸弹簧脱落引起的弹簧储能机构故障，会导致储能电机过载以及动静触头的分合闸失败，从而引起储能电机烧毁甚至造成供配电的中断。基于以上故障，对断路器的故障状态的检测预防就至关重要。

目前断路器在线监测与故障诊断通常是针对单源信号进行监测诊断，或是针对多源信号测量但各信号独立分析诊断。由于断路器故障发生时通常是多源信号同时受到影响，单源信号的分析诊断通常存在诊断故障类型较少或分类精度较低的情况，而对于多源信号故障诊断目前缺少各信号特征参量筛选融合、分类算法及优化方案的选择等相关的理论研究。

因此，研发一种基于多源数据融合的机械故障诊断方法对于提高断路器安全性与电力系统稳定性具有非常重要的工程意义。

发明内容

针对上述问题，本公开的目的在于提供一种基于多源数据融合的中压真空断路器机械故障诊断方法，能够克服传统的仅针对单源信号的诊断方法中存在的识别故障种类少、精度低的不足，通过检测并提取断路器操作机构电流、触头行程以及机械振动多源机械信号特征，并利用模糊均值聚类方法及大样本数据，对断路器存在的故障进行高精度、大范围的诊断。

为实现上述目的，本公开提供以下技术方案：

一种基于多源数据融合的中压真空断路器机械故障诊断方法，包括如下步骤：

S100：采集断路器的操作机构电流信号、触头行程信号和机械振动信号并提取所采集到的操作机构电流信号、触头行程信号和机械振动信号的特征参量；

S200：利用模糊均值聚类算法及特征箱线分布对所述操作机构电流信号、触头行程信号和机械振动信号的特征参量筛选融合；

S300：通过GA-BP遗传神经网络与SVC支持向量算法对筛选融合后的特征参量构建故障诊断模型，并利用样本训练所述故障诊断模型以识别断路器故障。

优选的，所述操作机构电流信号的特征参量集合{X₁}_n为：

{X₁}_n＝{i_m，t_o}_n

其中，i_m为电流信号最大值，t_o为通电时间。

优选的，所述触头行程信号的特征参量集合{X₂}_n为：