[发明专利]一种高压断路器故障诊断方法及系统和装置

说明书

本发明公开了一种高压断路器故障诊断方法及系统和装置，通过获取电磁斥力机构高压断路器两个不同位置的分闸振动信号，利用小波包分解对获取的振动信号进行时、频特性分析，提取振动信号的特征量，然后根据提取的特征量计算振动信号的各频段归一化能量向量得到特征量集合，最后根据得到的特征量集合基于随机森林集成学习模型进行故障诊断与识别，通过基于振动信号的随机森林集成学习模型，将随机森林将Bagging集成学习方式和随机属性选择相结合，成功将弱学习器提升为强学习器，并提高了模型效率，进一步提高了故障诊断模型的效率和准确度，较弱学习器具有显著的泛化性能，使用简单，本发明能够准确、可靠、快速诊断发生于系统过程之中的断路器故障。

技术领域

本发明属于电工技术领域，尤其涉及一种高压断路器故障诊断方法及系统和装置。

背景技术

随着我国社会、经济的不断发展，电力系统也不断向智能化、自动化、数字化发展，高压断路器作为电力系统最重要的设备之一，通过现代化技术实现断路器的在线监测与故障诊断是实现其智能化的重要手段。

目前用于断路器故障诊断的检测信号主要为分合闸线圈电流信号和机械振动信号。电流信号易受周围环境干扰且对机械故障不敏感，无法全面监测各类故障，因此，基于振动信号的故障诊断研究受到了国内外学者的广泛关注。但目前的诊断方法还存在许多问题，需要一种适用于小样本分类问题、参数简单、效率高、泛化性能好的算法。

发明内容

本发明的目的在于提供一种高压断路器故障诊断方法及系统和装置，以克服现有技术的不足。

为达到上述目的，本发明采用如下技术方案：

一种高压断路器故障诊断方法，包括以下步骤：

步骤1)、获取电磁斥力机构高压断路器两个不同位置的分闸振动信号；

步骤2)、利用小波包分解对获取的振动信号进行时、频特性分析，提取振动信号的特征量；

步骤3)、根据提取的特征量计算振动信号的各频段归一化能量向量得到特征量集合；

步骤4)、根据得到的特征量集合基于随机森林集成学习模型进行故障诊断与识别。

进一步的，以电磁斥力机构真空断路器为研究对象建立振动信号测试平台，电容充电电压额定值为2kV；通过压电式加速度传感器获取在5种故障下电磁斥力机构高压断路器两个不同位置的分闸振动信号。

进一步的，5种故障分别为：基座固定螺丝松动、缓冲器卡涩、控制回路电阻增大、控制回路电压过高和控制回路电压过低。

进一步的，步骤2)中，将获取的振动信号进行小波包分解，采用db10小波基，结合断路器振动信号特点和采样频率，对振动信号进行7层小波包分解，采样频率为1MHz，7层分解后频带范围为500kHz/27≈3.906kHz。

进一步的，当小波包分解完成后，对分解系数进行逐层重构，并计算各频段信号能量，对各频段能量进行归一化处理。

进一步的，各频段信号能量Q(i)计算公式为：

其中，N为原始信号S(0,0)信号长度，x_i^j(k)²为j层小波包分解，第i个频带内信号幅值。

进一步的，各频段能量Q(i)归一化处理计算公式为

其中，为振动信号总能量。