高壓斷路器機械故障診斷技術

楊景剛，劉　媛，高　山，陳　曦(.江蘇省電力公司電力科學研究院，江蘇南京03；.江蘇省電力公司經濟技術研究院，江蘇南京0008)

?

高壓斷路器機械故障診斷技術

楊景剛1，劉媛1，高山1，陳曦2
(1.江蘇省電力公司電力科學研究院，江蘇南京211103；2.江蘇省電力公司經濟技術研究院，江蘇南京210008)

摘要：高壓斷路器安全可靠運行具有十分重要的工程意義。文中在調研高壓斷路器常見機械故障類型的基礎上，探討了不同故障產生的原因。評述了目前國內外高壓斷路器機械故障診斷技術，從機械故障特征量的提取以及故障識別的角度，對其進行了深入的分析。最后綜合高壓斷路器機械故障診斷技術發展現狀，指出了目前機械故障診斷急需解決的問題及其發展方向。

關鍵詞：斷路器；機械特性；故障診斷；特征量提取；故障識別

高壓斷路器指額定電壓等級在12 kV及以上的斷路器。在電力系統中一般指110 kV以上的輸配電斷路器，是電力系統中關鍵設備之一。作為滅弧和開斷線路的裝置，高壓斷路器肩負著控制和保護雙重任務，其電氣動作也最為頻繁[1]。因此，保證其安全可靠運行具有十分重要的工程意義[2]。目前最常見的是真空斷路器和SF6斷路器[3]。根據國際大電網會議（CIGRE）關于高壓斷路器可靠性三次世界范圍內調査的結果，機械故障占斷路器故障總數48%左右[4-6]。與變壓器、發電機等其他電力設備相比，斷路器的機械故障診斷起步較晚，因此加強機械故障診斷和機械狀態監測研究，盡量提前發現潛在故障，對提髙高壓斷路器的可靠性，增強電力系統的安全性、可靠性和經濟性，建設堅強智能電網意義重大[7，8]。常見的斷路器機械故障類型有拒分、拒合、誤分、誤合等，在操動機構和傳動機構上具體表現為機構卡澀，部件變形，位移或損壞，分合松動，卡澀，軸銷松斷，脫扣失靈等。高壓斷路器動作過程中的動觸頭的行程—時間信號、線圈電流信號以及機械振動信號蘊含著許多重要的狀態信息。工程實際中可通過監測斷路器動作過程中的各種信號，來識別其機械故障及機械狀態。近年來，國內外學者對動觸頭行程—時間特性曲線、線圈電流曲線以及機械振動信號曲線的狀態分析進行了大量研究，并取得了很多有價值的成果。西安交通大學的宋政湘[9]設計開發了一套基于振動的斷路器狀態檢測系統，利用VC++和LabVIEW開發了數據采集、截取與分析軟件，計算振動信號的信息熵向量作為故障診斷特征向量，利用支持向量機實現故障診斷。浙江大學的安濤[10]建立了斷路器操動機構的動力學楔型，以仿真和實驗手段建立了故障原因與特征量之間的對應關系。重慶大學的鄧幫飛[11]綜合利用斷路器的行程—時間特性和分合閘振動信號進行監測，從多角度實現髙壓斷路器的故障模式識別。但是不可否認，現有診斷方法的診斷效率與準確率普遍較低，還沒有能在工程實際中廣泛應用的成功案例。在我國建設堅強智能電網的大背景下，設備智能化水平亟待提高，如何綜合利用各種診斷方法很好地解決高壓斷路器機械故障診斷與機械狀態監測問題更加凸顯。

1　斷路器機械故障及其產生原因

高壓斷路器機械狀態十分復雜，某一種故障對應了機構的多種狀態特征；同時，機構的某一狀態特征發生變化對應的故障原因或故障點也不可能是惟一的。從傳動機構到操作機構故障，從部件松動到潤滑失效均會導致機械故障。常見的操動機構有電磁操動機構、彈簧操動機構以及液壓操動機構。不同操作機構失效現象大致可分為拒動和誤動兩大類，根據實際操作經驗和理論分析結果，將電磁操動機構、彈簧操動機構以及液壓操動機構斷路器故障類型分類詳述。

1.1電磁操動機構斷路器故障分類

電磁操動機構斷路器異常現象可分為拒合和拒分兩類，誤動包括合后即分和無信號自分2類。

1.1.1拒動

（1）拒合。①鐵心不啟動。二次回路連接松動；輔助開關未切換或者接觸不良；直流接觸器接點被滅弧罩卡住或者接觸器吸鐵被異物卡住；熔絲熔斷；直流接觸器電磁線圈斷線或燒損；合閘線圈引線斷線或線圈燒損；2個線圈極性接反；合閘鐵心卡住均等導致鐵心不啟動。②鐵心不啟動，連扳機構不動作。合閘線圈通流時端子電壓太低；輔助開關調整不當過早切斷電源；合閘維持支架復歸間隙太小或未復位；合閘脫扣機構未復歸鎖住；滾輪軸合閘后扣入支架深度少或端面磨損變形扣不牢；合閘鐵心空行程小，沖力不夠；合閘線圈有層間短路；開關本體傳動機構卡澀等故障均導致鐵心不啟動，連扳機構不動作。

（2）拒分。①鐵心不啟動。二次回路連接松動或接觸不良；輔助開關未切換或接觸不良；熔絲熔斷；鐵心卡住；線圈斷線或燒損；2個線圈極性接反等均能夠導致鐵心不啟動。②鐵心啟動，脫扣板未動。鐵心行程不足；脫扣板扣入深度太深；線路內部有層間短路等均能導致鐵心啟動，脫扣板不動。③脫扣板已啟動。機構或本體傳動機構卡澀。

1.1.2誤動

（1）合后即分。合閘維持支架復位太慢或斷面變形；滾輪軸扣入支架深度太少；分閘脫扣板未復歸，機構空合；脫扣板扣入深度太少，未扣牢；二次回路有混線，合閘時分閘回路有電；合閘限位止釘無間隙或合閘彈簧緩沖器無緩沖間隙。

（2）無信號自分。分閘回路絕緣有損壞造成直流兩點接地；扣入深度小，扣合面磨損變形；分閘電磁鐵最低動作電壓太低；繼電器接點因振動誤閉合等會導致電磁操動機構誤動，無信號自分。

1.2彈簧操動機構斷路器故障分類

彈簧操動機構斷路器異常現象可分為拒合和拒分2類，誤動包括儲能后自動合閘、無信號自分、合后即分3類。

1.2.1拒動

（1）拒合。①鐵心不啟動。二次回路接觸不良，連接螺絲松動；熔絲熔斷；輔助開關接點接觸不良或未切斷；線圈斷線或燒損；鐵心卡住等故障均能導致鐵心不啟動，彈簧操動機構拒合。②鐵心已啟動，四連桿不動作。線圈端子電壓太低；鐵心運動受阻；鐵心撞桿變形，受力過“死點”距離太大；合閘鎖扣扣入牽引桿深度太大；扣合面硬度不夠變形，摩擦力大以至于“咬死”等故障均能導致鐵心啟動，四連桿不動作，彈簧操動機構拒合。③四連桿動作，牽引桿不釋放。牽引桿過“死點”距離太小或未出“死區”；機構或本體有嚴重機械卡澀；四連桿中間軸過“死點”距離太小；四連桿受扭變形等均會導致拒合。

（2）拒分。①鐵心不啟動。熔絲熔斷；二次回路連接松動，接點接觸不良；線圈燒壞或斷線，尤其引線容易折斷；鐵心卡住等均能導致鐵心不啟動，操動機構拒分。②鐵心已啟動，鎖鉤或分閘四連桿未釋放。線圈端子電壓太低；鐵心空程小，沖力不足或鐵心運動受阻會導致鐵心啟動，鎖鉤或分閘四連桿不釋放，以至于操動機構拒分。③鎖溝或四連桿動作，但機構連板系統不動。機構或本體嚴重機械卡澀會導致鎖溝或四連桿動作，但機構連板系統不動以至于操動機構拒分。

1.2.2誤動

（1）儲能后自動合閘。合閘四連桿受力過“死點”距離太小；四連桿未復位，可能復歸彈簧變形或蹩勁；扣入深度少或扣合面變形；鎖扣支架支撐螺栓未擰緊或松動；L形鎖扣變形鎖不住；馬達電源未及時切換；牽引桿越過“死點”距離太大撞擊力太大等會導致儲能后自動合閘以至于操動機構誤動。

（2）無信號自分。二次回路有混線，分閘回路兩點接地；分閘鎖鉤扣入深度太少，或分閘四連桿中間軸過“死點”距離太小，或鎖鉤端部變形扣不牢；分閘電磁鐵最低動作電壓太低；繼電器接點閉合等故障會導致無信號自分以至于操動機構誤動。

（3）合后即分。二次回路有混線，合閘時分閘回路有電；分閘鎖鉤扣入深度太少，或分閘四連桿中間軸過“死點”距離太小，或鎖鉤端部變形，扣合不穩定；分閘鎖鉤不受力時復歸間隙太大；分閘鎖鉤或分閘四連桿未復位等故障會導致合后即分以至于操動機構誤動。

2　斷路器機械故障檢測方法

高壓斷路器的操作過程伴隨著一系列的機械、電氣、振動、聲音等信號，這些信號信息包含了整個斷路器的運行狀態。通過分析不同狀態的機械、振動、聲音和電氣信號可以判斷斷路器的運行狀況，對斷路器的運行狀態進行診斷。根據國家有關標準，高壓斷路器設備機械特性參數包括：分閘時間、合閘時間、分閘同期性、合閘同期性、開距、超程、剛分（合）速度、平均速度和最大速度等。高壓斷路器機械特性在線檢測研究方法主要有行程一時間檢測法、分合閘線圈電流檢測法、振動信號檢測法。最近一些研究將幾種檢測方法結合，綜合對高壓斷路器進行故障診斷并取得了比較理想的效果，如華北電力大學李建鵬等利用振聲聯合診斷方法并結合支持向量機法對高壓斷路器故障診斷進行了初步探索[12]。

2.1行程—時間檢測法

行程—時間特性曲線是表征高壓斷路器機械特性的重要參數，典型合閘行程—時間特性曲線如圖1所示。根據動觸頭的行程—時間特性曲線再結合其他參數，可以獲得其他機械動作的參數，如動觸頭合、分閘操作的運動時間﹑動觸頭行程﹑動觸頭的剛分速度和剛合速度及動觸頭運動的平均速度和最大速度以及速度—時間曲線等。

動觸頭是記錄斷路器分合閘操作最為直接的手段。目前工程中通常采用直線式光電編行程—時間特性曲線編碼器或者增量式旋轉光電編碼器。將直線式光電編碼器安裝在斷路器做直線運動的機械傳導機構連桿上，旋轉式光電編碼器安裝在斷路器機械操動機構的轉動軸上，采集傳感器測量數據，分析得到行程—時間特性曲線。對比2種光電編碼器特點，旋轉式光電編碼器質量輕，力矩小，可靠性較高，因此應用范圍更廣[13]。行程—時間檢測法利用斷路器機構的運動軌跡，比較理想地完成了高壓斷路器機械特性的檢測任務。但該方法利用信息較少，并且檢測結果準確性受現場安裝情況影響較大。

圖1　典型合閘行程—時間特性曲線

2.2分合閘線圈電流檢測法

當分合閘線圈中通過電流時，電磁鐵產生磁通，在電磁力作用下完成斷路器的分合閘操作。線圈中的電流波形能夠反映電磁鐵本身和其控制的鎖門或閥門以及連鎖觸頭在操動過程中的工作情況，通過監測分合閘線圈中電流隨時間的連續變化，可獲得二次操作回路的狀態。典型開關分（合）閘線圈電流波形如圖2所示。根據分合閘線圈電流特性波形和鐵心運動過程的對應關系，能夠判斷斷路器操動機構的運行狀態如：分合閘時間、分合閘速度、三相不同期性等一系列機械狀態特性參數[14]。

圖2　典型開關分（合）閘線圈電流波形

分合閘線圈電流檢測法原理簡單，較好地實現了機械狀態的在線監測。但也存在相應不足：首先，電流信號采集環節受放電、磁場等影響較大，該方法實現在線監測必須要有效果非常好的屏蔽裝置。其次，反映故障類型有限。主要反映集中在鐵心上的機械故障，不能反映其他的機械故障問題。

2.3振動信號檢測法

高壓斷路器分合閘時，機械操作機構發出的機械振動信號中包含著大量狀態信息，通過合適的振動傳感器和先進的信號處理方法能夠分析出整個分合閘過程以及斷路器的運行狀態[15]。相比分合閘線圈電流檢測法，振動信號檢測法測量不涉及電氣量，不受電磁場干擾。傳感器安裝于斷路器外部，對斷路器無任何影響，并且振動傳感器尺寸小，工作可靠，價格低廉，靈敏度高。斷路器操作是瞬時性動作，動作時間短暫且無周期性，同時不同振動信號之間也具有很大隨機性，因此要求監測過程采樣頻率很高。由于信號處理分析過程較為復雜困難，目前學術界尚無較為完善的分析處理方法很好地解決斷路器機械特性的精確在線測量和診斷問題。振動信號在線監測法的研究，國內外均處于積累數據和探索分析階段，尚無成熟產品問世。振動信號檢測法充分利用整個分合閘過程的信息，前景巨大，將成為高壓斷路器機械狀態監測和診斷最有前途的方法之一。

3　機械故障特征量

在行程—時間檢測法和分合閘線圈電流檢測法中，根據行程—時間特性曲線和分合閘線圈電流特性波形對應操作時刻，還原斷路器運行過程，進行故障診斷。在振動信號檢測法中，對振動信號進行進一步數學處理，提取出具有明確物理意義特征參量，參考閾值范圍進行診斷。

3.1速度—行程特征參數

在行程—時間特性曲線中，需要首先確定操作動作在行程—時間特性曲線中的位置，進而得到時間參數，根據位移參數和時間參數計算得到所有機械特性參數。動觸頭剛合、剛分的換位點信號是機械特性測試過程中的重要信號之一，也是計算機械特性其他參數的前提條件。通常忽略預擊穿時間，合閘的換位點取主回路最后一相電流出現的時刻，分閘換位點的確定根據合閘時測得的超行程來修正。

3.2不同階段線圈電流特征

在分合閘線圈電流檢測法中，合分閘電流曲線分為5個階段，如圖2所示。第一階段t0～t1電流呈指數上升，鐵心靜止。此階段時間與控制電源電壓及線圈電阻有關，電流可以反映線圈的狀態。第二階段t1～t2鐵心運動，電流下降。可以反映鐵心運動結構有無卡澀，脫扣等機械負載變動的情況。從第二階段結束點開始是整個動觸頭運動過程。第三階段t2～t3鐵心停止運動，電流又呈指數上升。第四階段t3～t4電流達到近似的穩態。第五階段t4～t5在輔助開關觸頭間產生電弧并被拉長，電弧電壓快速升高，迫使電流迅速減小，直到熄滅。5個階段電流變化反映整個機械操作系統的運行情況。分析可得操動機構的啟動時間、線圈通電時間[16]。對比斷路器自身參數范圍，判斷操動機構是否己有鐵心空行程、彈簧卡澀等故障。

3.3振動信號特征

振動信號檢測法測得的振動信號通過時域法、頻域法、時頻法以及數據序列法等處理之后，可以提取出具有明確物理意義特征參量，如時間信息、頻率信息，也可以得到分形維數、信息熵等表征數據序列本質特征的其他指標。

（1）時域法。時域法從時域振動信號中獲取振動發生時刻、振動幅值及其他表示時域波形變化的指標作為特征參數[17，18]。時域法中常用包絡分析（Envelope Analysis）和短時能量法（Short Time Energy）對振動信號進行處理。包絡分析可以獲得線圈動作、觸頭接觸、緩沖動作等振動的時刻和振動劇烈程度，并可與譜分析、小波分析等方法結合使用，從時間分辨率較好分量的包絡譜中提取時間信息，通過與標準值比較來判斷斷路器的機械狀態。短時能量法對時域信號序列的平方變換進行窗函數濾波，得到能量函數序列再進行后續分析。短時能量法相較于中值濾波法、包絡分析等傳統方法，具有更高的信噪比，可獲得較高精度的振動事件起始時刻信息。通過測量各相斷路器的振動信號，選擇合適的窗函數，采用短時能量法可獲得斷路器的合閘同期性與合閘時刻等狀態參數，且該方法受承載電流的影響很小。

（2）頻域法。頻域法通過時頻轉換將時域振動信號轉換成頻域信號，通過頻域信號的分布和變化判定機械故障的類型和程度。頻域法通常包括包絡譜分析（Envelope Spectrum）、細化頻譜分析（Zoom Spectrum Analysis）和模態分析（Modal Analysis）等方法。細化頻譜分析能提高常規傅里葉變換頻率分辨率。對快速傅里葉變換進行細化或線性調頻Z變換，進而將線性調頻Z變換應用到斷路器振動信號分析中，有助于提高斷路器振動信號頻域分辨率。固有頻率、阻尼比以及振型等模態量表征機械結構的固有振動特性，將模態變量和線圈電流、接觸電阻、觸頭行程等變量信息結合，對機械故障進行診斷，可以收到較好效果。

（3）時頻法。時頻法同時提取時域振動信號的時間和頻率信息，并依據其時頻分布等特性進行故障診斷，特別適合于對非平穩信號的分析。包括短時傅里葉變換（Short Time Fourier Transform,）、小波分析（Wavelet Transform）、小波包分析（Wavelet Packet Decomposition）、經驗模態分解（Empirical Mode Decomposition）、希爾伯特變換（Hilbert Transform）、振蕩子波分解等方法。

短時傅里葉變換通常將信號的短時譜、短時功率譜等作為特征向量。小波變換（Wavelet Transform）在機械振動在線檢測的早期應用研究中，將小波變換的模極大值及其時間作為特征量[19]。后來相關學者利用振動信號小波分解各尺度上的奇異性來獲得其包絡的奇異性指數，將奇異性指數作為特征參數來進行故障的識別[20]。小波包分析相比小波分析在全頻段上都能保持高分辨率，其應用更廣，且一般選定節點的系數幅值的分布[21]、組合節點的系數幅值[22]、選定頻帶的能量分布[23，24]、對數能量分布[25]、各頻帶的能量熵[26]或其包絡的能量熵[27]、信號的多維熵帶[28]作為特征向量。經驗模態分解法抽取或重構振動信號，再通過包絡譜分析[29]、希爾伯特譜的能量熵[30]或固有模態分量的能量熵[31]等參數構造斷路器振動診斷的特征量。斷路器振動信號的希爾伯特譜很好地表征了其時頻分布特性，也可作為故障診斷的依據。

（4）數據序列法。數據序列法一般采取積分參數法、分形方法、信息熵和相空間重構等手段從數據序列提取出表征數據本質特征的數學模型或數值。積分參數法利用合適的函數擬合積分曲線，將積分曲線參數化，得到的積分參數可以作為區分斷路器狀態的特征向量[32]。文獻[33]和文獻[34]應用分形方法，基于小波變換方法求取振動信號的局部分形維數曲線，作為高壓斷路器機械機構狀態特征量，在故障診斷中具有很好的辨識度；文獻[35，36]利用相空間重構方法，以振動信號的關聯維數作為特征量對高壓斷路器進行狀態診斷，收到了較為可觀的效果。信息熵對數據序列進行處理，得到表征數據復雜程度的數值量。如文獻[26]中計算小波包分解各頻帶的信息熵，文獻[30]中的希爾伯特譜圖和文獻[31]經驗模態分解各頻帶的信息熵等，還可以進一步由奇異值譜熵、功率譜熵、小波狀態空間特征熵、小波能量譜摘共同構成譜熵帶[37]。相空間重構理論認為系統的一個觀察量可以重構系統的等價相空間[38]。通常釆取Takens延遲嵌入方法，通過自相關函數法確定步長；不斷調整嵌入維數以至關聯維數趨于穩定。多次試驗表明，不同機械狀態下的相空間關聯維數基本趨于相應的固定值，可作為特征量[39]。

4　故障識別方法

故障識別針對機械故障特征量對系統狀態進行判斷。有基于規則、基于模型和基于案例3種思路[41]。基于規則的方法需要根據實際經驗積累進行判斷，由于目前高壓斷路器振動診斷研究尚處于初級階段，因此使用較少。基于模型的方法從故障機理出發進行診斷，由于高壓斷路器涉及多學科交叉知識，應用較為有限。基于案例的方法通過對比待診斷系統的特征與已有典型案例特征進行狀態分類，從而達到分類或故障診斷的目的，目前應用最多，一般分為傳統的基于統計的方法和人工智能算法2類。

傳統的基于統計的方法有分辨系數法（ResolutionRatio）、協方差法（Covariance）、偏差校驗法（Variation of Chi Square Test）、動態時間規整法（Dynamic Time Warping）等[42]。分辨系數法中，待檢向量與基準向量距離、參考向量與基準向量距離之比為辨識系數，辨識系數越大則待檢狀態偏離參考狀態越遠。需參考多次實驗結果，來確定合適的閾值[42，43]。協方差法中，當選定頻帶能量作為特征向量時，不同合閘同期性狀態的特征向量在特征平面的分布具有明顯界限[44，45]。以振動信號的方差和協方差為坐標，不同狀態下坐標各自歸類到不同區域，可用于故障識別。利用標準偏差信號對待檢驗信號與標準信號的；進行歸一化即偏差檢測，用以判別待檢驗信號與標準信號的吻合度。一般首先對信號就行包絡分析，對斷路器振動信號的離散包絡統計、短時功率譜進行包絡處理，分別計算其檢驗值，通過閾值范圍進行狀態診斷[15]。動態時間規整法利用動態規整函數對比2個數據序列之間相似性。一般以正常狀態下振動信號作基準，待檢驗信號與基準之間通過動態時間規整進行比較，通過其幅值、時間、譜和頻率等參量偏離標基準的程度估計斷路器狀態[46，47]。

人工智能算法包括人工神經網絡（Artificial Neural Network）、支持向量機（Support Vector Machine）、人工免疫網絡（Artificial Immune Network）等[42]。神經網絡具有較好的容錯能力和泛化性能，但存在局部收斂問題。可選用的網絡類型有自組織映射網絡（Self Organizing Map）[48]、誤差反向傳播網絡（Error Back Propagation）[30]、徑向基函數網絡（Radial Basis Function）[49]等。首先對網絡進行訓練，得到分類器，或者將徑向基函數網絡預測結果與實測信號的偏差來做診斷[50]。支持向量機是一種基于統計學習理論的分類算法，具有較小的經驗風險和置信范圍，適合小樣本分類問題。選取合適的核函數，將樣本通過核函數映射到高維特征空間，在特征空間中尋找最優分類超平面對樣本進行分類。如將小波包分解的組合節點系數幅值[22]、各頻帶包絡的能量熵[51，52]等特征向量輸入支持向量機,采用“一對其余”策略進行多狀態分類，能得到較為滿意的識別效果。人工免疫網絡模擬生物免疫系統行為，具有較強的學習能力和魯棒性。文獻[53]將人工免疫網絡記憶分類器（Artificial Immune Network Memory Classifier）引入斷路器機械狀態的估計，為斷路器振動診斷的研究提供了一種新思路。文獻[54]構造了在線自學習的免疫分類網絡C-aiNet，能辨識未知的斷路器故障類別。

5　結束語

目前高壓斷路器機械狀態在線診斷的研究先后經歷了行程—時間檢測法和分合閘線圈電流檢測法以及目前研究較多的振動信號檢測法。已經取得了一定突破性進展，然而目前對斷路器機械狀態在線監測及故障診斷技術大多基于某種單一特征量的監測結果，很少對比分析不同種類狀態信號的特征并作綜合評判。因此目前的在線檢測技術存在以下問題：

（1）傳感器對高壓斷路器安裝適應性問題。不同電壓等級和不同操動機構的斷路器所選擇的傳感器類型不一樣，亟待規范傳感器的類型以適應高壓斷路器的實際運行。

（2）故障類型的具體化問題。以往在線監測裝置對機械運動的過程關心不多，目前一些在線監測模塊也可測量合、分閘時動觸頭的行程特性曲線。但只能對機構狀態做出好或壞判斷，不能具體判斷故障位置。

（3）數據處理的問題。尤其體現在振動信號檢測法中，由于振動信號的特殊性，目前信號處理技術已經成為制約振動信號檢測法發展的關鍵技術。

（4）在線監測裝置模塊壽命過短，安裝維護困難，價格過高而精度較低。

基于以上分析，從機械信號在線監測裝置的實際應用情況看，應從以下角度繼續高壓斷路器的在線檢測技術的探索。首先，根據實際運行的高壓斷路器類型，規范傳感器的規格參數，也可降低成本，進一步提高高壓斷路器在線檢測系統的性價比。其次，從高壓斷路器操作原理出發，進一步明確斷路器故障模式，綜合多種檢測方法，將故障類型具體化，在線檢測設備智能化。最后，加強數據處理方法的探索，進一步完善振動信號檢測法在高壓斷路器在線檢測中的應用。

參考文獻：

[1]徐國政，張節榮，錢家驪，等.高壓斷路器原理與應用[M].北京：清華大學出版社，2000：372-374.

[2] REASON J. Circuit Breakers With On-line Condition Monitoring [J]. Electrical World, 1995，10(2)：134-138.

[3] (日)中西幫雄.現代高壓電力斷路器[M].張義民，譯.北京：電力工業出版社，1982：347-353.

[4]宋杲，崔景春，袁大陸. 2004年高壓開關設備運行統計分析[J].電力設備，2006，07(2)：10-14.

[5] GLINKOWSKI M T, SCHMIDT L, VEVERKA E F. Bibliography of Switchgear Literature [J]. IEEE Transactions on Power Delivery, 1998，03(1)：135-156.

[6]吉亞明，周志成，馬勇，等.真空斷路器投切并聯電抗器過電壓故障分析[J].江蘇電機工程，2014，33(2)：12-14.

[7]常廣，王毅.髙壓斷路器機械狀態在線監測裝置的研究[J].髙壓電器，2003，39(2)：44-46．

[8]薛峰，童勤毅，謝夏寅，等.斷路器跳閘脈沖監測系統的研制與應用[J].江蘇電機工程，2012，31(4)：58-62．

[9]潘徽，宋政湘，牛博.基于振動的斷路器狀態檢測系統的設計與開發[J].高壓電器，2012，12(50)：83-88．

[10]安濤. VS1斷路器在線監測與故障診斷系統的研究[M].杭州：浙江大學，2010：65-67.

[11]鄧幫飛.高壓斷路器機械特性監測及故障模式識別方法研究[M].重慶：重慶大學，2008：133-136．

[12]李建鵬.基于振—聲聯合分析的高壓斷路器機械故障診斷研究[D].保定：華北電力大學，2012.

[13]王曉波.基于振動信號的高壓真空斷路器故障診斷[D].北京：北京交通大學，2010.

[14]袁金麗，李奎，郭志濤，等.基于SVM與合分閘線圈電流參數的高壓斷路器機械故障診斷[J].高壓電器，2011，47(3)：26-30.

[15] POLYCARPOU A A, SOOM A, SWARNAKER V, et al. Event Timing and Shape Analysis of Vibration Bursts from Power Circuit Breakers[J]. IEEE Transactions on Power Delivery,1996，11(2)：848-857.

[16]朱鵬，田競，路燦，等. SF6斷路器在線監測儀的研制[J].高壓電器，2003，39(3)：24-26.

[17]沈力，黃瑜瓏，錢家驪.髙壓斷路器機械狀態監測的研究[J].中國電機工程學報，1997，17(2)：113-117.

[18]黃瑜斑，錢家驪.高壓斷路器機械狀態的監測[J].清華大學學報：自然科學版，1998，38(4)：79-81.

[19]張偉政，楊蘭均，張文元.小波分析在真空斷路器機械振動信號分析中的應用[J].高壓電器，1997(6)：19-22.

[20]胡曉光，戴景民，紀延超，等.基于小波奇異性檢測的髙壓斷路器故障診斷[J].中國電機工程學報，2001，21(5)：67-70.

[21] LEE D S S , LITHGOW B J , MORRISON R E. New Fault Diagnosis of Circuit Breakers[J]. IEEE Transactions on Power Delivery, 2003，18(2)：454-459.

[22]孫來軍，胡曉光，紀延超.一種基于振動信號的高壓斷路器故障診斷新方法[J].中國電機工程學報，2006，26(6)：157-161.

[23] HU X G , WANG F, ZHAO H L , et al. The Mechanical Fault Diagnosis for HV Breakers on the Wavelet Packet Analysis[C]. Instrumentation and Measurement Technology Conference, Vail, USA, 2003：415-419.

[24]趙海龍，王芳，胡曉光.小波包—能量譜在高壓斷路器機械故障診斷中的應用[J].電網技術，2004，28(6)：46-48.

[25]田濤，陳昊，張建忠，等.基于智能理論的高壓斷路器機械故障診斷[J].江蘇電機工程，2011，33(6)：12-15.

[26]陳偉根，鄧幫飛.小波包能譜熵與神經網絡在斷路器故障診斷中的應用[J].重慶大學學報，2008，31(7)：744-748.

[27]孫來軍，胡曉光，紀延超，等.小波包—特征熵在髙壓斷路器故障診斷中的應用[J].電力系統自動化，2006，30(14)：62-65.

[28] LIU M L , SUN L J , ZHEN J J , et al. Fault Diagnosis of High Voltage Circuit Breaker Based on Multiple Entropy Strips Method[C]. 6th IEEE Conference on Industrial Electronics and Applications, Beijing, China, 2011：504-508.

[29]張國鋼，王宏偉，湯翔，等.基于EMD方法的髙壓斷路器液壓機構振動信號分析[J].髙壓電器，2008，44(3)：193-196.

[30] LU C, HU X G. A New Method of Fault Ddiagnosis for Highvoltage Circuit-breakers Based on Hilbert-Huang Transform[C]. Second IEEE Conference on Industrial Electronics and Application, Harbin, China, 2007：2697-2701.

[31]陳偉根，鄧幫飛，楊彬.基于振動信號經驗模態分解及能量熵的髙壓斷路器故障識別[J].髙壓電器，2009，45(2)：90-96.

[32]楊武，榮命哲，陳德桂，等.高壓斷路器操作振動信號處理的一種新方法[J].電工電能新技術，2002，21(3)：57-61.

[33] WU Z S , WANG W , YANG X C , et al. A New Processing Method of Mechanical Vibration Signals from High-voltage Circuit Breakers’Monitoring[C]. 8th International Conference on Electrical Machines and Systems, Nanjing, China, 2005.

[34]吳振升，王瑋，楊學昌，等.基于分形理論的高壓斷路器機械振動信號處理[J].髙電壓技術，2005，31(6)：19-21.

[35]孟永鵬，賈申利，成永紅.基于分形的高壓斷路器機械狀態檢測[C]. 2006全國電工測試技術學術交流會，哈爾濱，2006：40-46.

[36]吳振升，王瑋，黃梅，等.基于相空間重構的高壓斷路器振動信號特征分析[J].現代電力，2006，23(1)：10-14.

[37] LIU M L , SUN L J ,ZHEN J ,et al. Fault Diagnosis of High Voltage Circuit Breaker Based on Multiple Entropy Strips Method [C]. 6th IEEE Conference on Industrial Electronics and Applications,Beijing,China, 2011：504-508.

[38] TAKENS F. Detecting Strange Attractors in Turbulence[J]. Lecture Notes in Mathematics, 1981(898)：366-383.

[39]吳振升，王瑋，黃梅，等.基于相空間重構的高壓斷路器振動信號特征分析[J].現代電力，2006，23(1)：10-14.

[40] STANEK M , MORARI M , FROHLICH K. Model-aided Diagnosis: an Inexpensive Combination of Model-based and Casebased Condition Assessment[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part C: Applications and Reviews,2001，31(2)：137-145.

[41]關永剛，黃瑜斑，錢家畫，等.基于振動信號的髙壓斷路器機械故障診斷[J].高電壓技術，2000，26(3)：66-68.

[42]常廣，張振乾，王毅.高壓斷路器機械故障振動診斷綜述[J].高壓電器，2011，47(8)：85-90.

[43]宋錦剛.基于振動信號小波包提取和相似性原則的高壓開關設備振動監測[J].電網技術，2010，34(4)：189-193.

[44]孟永鵬，賈申利，榮命哲.小波包頻帶能量分解在斷路器機械狀態監測中的應用[J].西安交通大學學報，2004，38(10)：1013-1017.

[45]樸吉興，朱鵬，徐國政，等.高壓斷路器電磁鐵動作特性的實驗研究[J].清華大學學報：自然科學版，2006，46(10)：1669-1672.

[46] RUNDE M , OTTESEN GE , SKYBERG B , et al. Vibration Analysis for Diagnostic Testing of Circuit-breakers [J]. IEEE Transactions on Power Delivery, 1996，11(4)：1816-1823.

[47] HOIDALEN HK, RUNDE M. Continuous Monitoring of Circuit Breakers Using Vibration Analysis [J]. IEEE Transactions on Power Delivery, 2005，20(4)：2458-2465.

[48] KANG P J , BIRTWHISTLE D , KHOUZAM K. Transient Signal Analysis and Classification for Condition Monitoring of Power Switching Equipment Using Wavelet Transform and Artificial Neural Networks[J]. Second International Conference on Knowledge-Based Intelligent Electronic Systems, Adelaide, Australia, 1998：73-79.

[49]陳偉根，范海爐，王有元，等.基于小波能量與神經網絡的斷路器振動信號識別方法[J].電力自動化設備，2008，28(2)：29-32.

[50]胡曉光，齊明，紀延超，等.基于徑向基函數網絡的高壓斷路器在線監測和故障診斷[J].電網技術，2001，25(8)：41-44.

[51]孫來軍，胡曉光，紀延超.基于支持向量機的高壓斷路器機械狀態分類[J].電工技術學報，2006，21(8)：53-58.

[52]黃建，胡曉光，鞏玉楠.基于經驗模態分解的高壓斷路器機械故障診斷方法[J].中國電機工程學報，2011，31(12)：108-113.

[53] LU C , HU X G. Classification of Mechanical Conditions for HVCBs Based on Artificial Immune Network [C]. 3rd IEEE Conference on Industrial Electronics and Applications, Singapore, 2008：2373-2377.

[54]呂超，于洪海，王立欣.基于人工免疫網絡的斷路器在線自學習故障診斷[J].中國電機工程學報，2009，29(34)：128-134.

楊景剛（1984），男，陜西咸陽人，高級工程師，從事全過程技術監督與開關類設備專業技術管理工作；

劉媛（1989），女，陜西寶雞人，碩士研究生，從事高壓開關設備故障診斷相關研究以及開關類設備專業技術管理工作；

高山（1971），男，江蘇鹽城人，高級工程師，從事全過程技術監督與開關類設備專業技術管理工作；

陳曦（1988），男，遼寧錦州人，碩士研究生，從事高壓開關設備故障診斷相關研究以及開關類設備專業技術管理工作。

Review on Mechanical Fault Diagnosis of High-voltage Circuit Breakers

YANG Jinggang1, LIU Yuan1, GAO Shan1, CHEN Xi2
(1. Jiangsu Electric Power Company Electric Power Research Institute, Nanjing 211103, China; 2. State Grid Jiangsu Economic Research Institute, Nanjing 210008, China

)Abstract：The safe and reliable operation of high-voltage circuit breaker is of great significance. In this paper, the survey of mechanical fault types and fault reasons of high-voltage circuit breaker is introduced. Then the mechanical fault diagnosis methods of high-voltage circuit breaker are discussed. Furthermore, the deep analyses are carried out on the mechanical fault characteristic quantity extraction and mechanical fault identification method. According to the development of high-voltage circuit breaker mechanical fault diagnosis methods, the key problems and development tendency are pointed out.

Key words：circuit breaker; mechanical characteristics; fault diagnosis; characteristic quantity extraction; fault identification

作者簡介：

收稿日期：2015-10-20；修回日期：2015-12-01

中圖分類號：TM855

文獻標志碼：A

文章編號：1009-0665（2016）02-0001-06

國家自然科學基金：51177132