基于SVM增量學習算法的煤礦高壓斷路器故障模式識別方法

耿蒲龍,宋建成,趙 鈺,高云廣,鄭麗君,呼守信

(1.礦用智能電器技術國家地方聯合工程實驗室(太原理工大學)，山西 太原 030024; 2.煤礦電氣設備與智能控制山西省重點實驗室(太原理工大學)，山西 太原 030024; 3.中國煤炭科工集團 太原研究院有限公司，山西 太原 030006)

基于SVM增量學習算法的煤礦高壓斷路器故障模式識別方法

耿蒲龍1,2,宋建成1,2,趙 鈺1,2,高云廣1,2,鄭麗君1,2,呼守信3

(1.礦用智能電器技術國家地方聯合工程實驗室(太原理工大學)，山西 太原 030024; 2.煤礦電氣設備與智能控制山西省重點實驗室(太原理工大學)，山西 太原 030024; 3.中國煤炭科工集團 太原研究院有限公司，山西 太原 030006)

高壓斷路器故障模式的準確識別是礦井電網智能化發展過程中的重要支撐環節。針對高壓斷路器故障數據不易獲取且故障樣本較少的問題，提出了一種支持向量機與增量學習算法相結合的故障識別方法，確定了以斷路器控制回路電流信號、電壓信號以及分合閘振動信號為狀態監測量，模擬了彈簧松動、鐵芯卡澀、供電異常與線圈老化4種常見故障，提取了故障特征量并建立了故障數據樣本與增量學習數據樣本，采用支持向量機增量學習算法訓練得到了故障識別模型，并利用新增數據樣本對其進行了驗證。結果表明：支持向量機增量學習算法可準確識別上述4種常見故障，并可以通過對新增樣本的不斷學習進一步提高識別精度。

高壓斷路器;特征提取;故障模式識別;支持向量機;增量學習算法