斷路器遠程離線單元故障檢修方法研究

曹 暉,岳 濱,耿澤飛,劉 誠,李韻佳

(國網西安供電公司高新供電分公司,陜西 西安 710000 )

0 引言

電力系統為人們生產、生活提供了重要的電力能源。因此,保證電力系統持續健康運行具有重要的現實意義。電力電網受到各種因素的影響,長期運行難以避免地會發生各種故障。而一處發生問題會直接導致與該處連接較為密切的其他部分結構也隨之產生問題,從而影響整個電力系統[1]。面對這種情況,電力系統常會設置斷路器來及時切斷異常部分與其他部分之間的聯系,以防止問題蔓延。斷路器對整個電力系統起到了重要的保護作用。一旦斷路器出現問題,電力系統的穩定性、可靠性會大幅降低。因此,斷路器的運行維護十分重要[2]。

為了及時發現斷路器故障問題,以便及時檢修,保證電力系統安全,很多專家和學者提出了解決方法。有學者從振動信號的角度進行故障診斷。這種方法以采集到的高壓斷路器振動信號為基礎,首先提取正常和異常兩種情況下振動信號的短時能熵比,然后以此為輸入,通過動態時間規整算法進行匹配,最后根據最優匹配路徑變化曲線判斷斷路器的狀態[3]。有學者從圖像識別的角度進行故障診斷。這種方法首先通過高速相機采集斷路器工作狀態下的高清圖像,然后對圖像進行處理以提取圖像中斷路器的機械波動特征,最后通過對比分析正常情況下斷路器的機械波動情況,判斷斷路器是否存在故障[4]。有學者以斷路器電流數據為基礎提取其特征量,通過Relief F算法為這些特征賦予權重,并以此為輸入,利用灰色關聯分析模型識別出故障類型[5]。

前人研究雖然都取得了一定的成果,但是大多是從一類數據著手進行特征提取和分析。這些研究具有很大的局限性,一旦斷路器故障并不明顯或者受到采集環境的影響,數據準確性就難以保證,導致診斷結果的可靠性降低。面對這種情況,本文提出斷路器遠程離線單元故障檢修方法。該方法可以彌補單類數據診斷的不足,提高斷路器故障診斷的可靠性。

1 斷路器遠程離線單元故障檢修方法

多態數據交互技術,顧名思義,就是將多類型數據聯合起來進行綜合故障診斷的方法。該方法彌補了單一類型數據存在的不足,提高了故障檢修工作的準確性[6]。斷路器是電力系統的重要保護裝置,一旦斷路器發生故障,電力系統的可靠性和安全性就會降低。本文基于多態數據交互技術對斷路器進行檢修。具體過程分為四個步驟,即多態數據采集與去噪處理、多態數據特征提取、斷路器遠程離線單元故障檢修以及檢測結果交互實現。

1.1 多態數據采集與去噪處理

多態數據即多形態數據。單一形態的數據可以提供的狀態信息較少,難以完全反映斷路器存在的故障,具有很大的局限性和誤差性[7]。針對這種情況,本研究聯合振動信號和聲音信號組成斷路器的多態數據,以便后續故障診斷分析。

(1)斷路器振動信號采集。振動信號即機械部件振蕩產生的信號。從振動信號中可以明確機械振動幅值信息、頻率信息及相位信息等。振動信號的采集方法有很多。其中,常用的采集方法為通過加速度傳感器來采集[8]。加速度傳感器采集原理如下。斷路器工作過程中,其部件會產生相應的振動。振動會產生加速度。因此,通過采集加速度變化,經過處理成頻譜后,就能直接了解斷路器振動情況。

(2)斷路器聲音信號采集。聲音信號即設備工作時產生的聲音信號。斷路器在工作狀態時,會產生一定的聲音。正常狀態的聲音與故障狀態下的聲音會存在明顯的差別[9]。基于此,采集聲音信號也能實現故障檢測。針對斷路器聲音信號,選擇的采集設備為聲波傳感器。當聲音進入聲波傳感器時,膜片振動會產生交流電,以實現聲-電的轉換。在斷路器工作現場采集振動信號和聲音信號后,將其傳輸到遠程故障檢修中心進行進一步的處理和分析[10]。處理主要是去噪處理,即去除信號中的干擾噪聲。去噪過程具體如下。

①確定信號分解層數。

②選擇合適的小波基,對振動信號/聲音信號進行分解。

③對高頻系數部分進行閾值處理。

④小波重構,完成信號去噪。

1.2 多態數據特征提取

根據采集的多態數據提取代表性特征的具體過程如下。

①輸入去噪處理后的振動信號/聲音信號。

②對振動信號/聲音信號,采用集合經驗模態分解 (empirical mode decomposition,EMD)方法進行分解,得到的結果為:

(1)

式中:xj(t)為第j個固有模態函數(intrinsic mode function,IMF)分量;xij(t)為第i次加入高斯白噪聲后,信號EMD分解后得到的第j個IMF分量;M為EMD 分解次數;N為EMD 分解后得到的IMF分量數量[11]。

③選擇前K階IMF分量作為特征提取的主要對象。

④利用希爾伯特變換提取前K階IMF分量的信號包絡。

⑤將信號包絡劃分為P段。每段時長一致。

⑥計算每段信號的包絡能量。計算式為:

(2)

式中:Yi為第i段信號的包絡能量;R(t)為IMF 分量的包絡線;ti1、ti2分別為第i段包絡的開始和結束時間點。

⑦對Yi進行歸一化處理,記為Y′i。

⑧計算Y′i的能量熵Qi。

(3)

⑨由Qi組成的K階斷路器多態數據特征向量,記為Q={Qi|i=1,2,…,K}。

基于上述步驟完成斷路器振動信號/聲音信號特征提取,為斷路器遠程離線單元故障檢修分析奠定基礎。

1.3 斷路器遠程離線單元故障檢修

本文將提取到的斷路器振動信號/聲音信號能量熵作為輸入向量,利用概率神經網絡(probabilistic neural network,PNN)進行斷路器遠程離線單元故障檢測[12]。PNN分為四層,每層都有不同的任務。

①輸入層負責將振動信號/聲音信號能量熵特征傳遞給神經元。

②模式層負責計算輸入向量與神經元中心(樣本數據)之間的距離,并輸出一個標量值。模式層輸出計算如式(4)所示。

(4)

式中:Fij為第i類的第j個神經元輸出的概率;λ為訓練樣本的維度;σ為平滑因子;Xij為第i類的第j個神經元中心矢量。

③求和層負責將模式層同一類輸出結果進行加權平均。其計算式如下。

(5)

式中:αi為第i類神經元的數量;Si為第i類類別的輸出。

④輸出層負責參考Bayes 分類規則(求和層中Si最大的一個作為輸出的類別),輸出檢測結果。即:

y=arg[maxSi]

(6)

在輸出層輸出之后,需執行與基礎神經網絡流程相同的反向傳播,以完成訓練。輸入待測樣本后,即完成斷路器遠程離線單元故障檢測。

1.4 檢修結果交互實現

在利用PNN對振動信號/聲音信號分別進行檢測之后,本節結合Demster-Shafer(D-S)證據理論實現檢測結果交互。D-S證據理論是對不確實信息作智能處理和數據融合的典型方法,尤其在檢測交互方面具有優勢。其具體過程如下。

①計算訓練后PNN對故障i的識別準確率Hi。

(7)

式中:A為PNN正確識別出某類故障信號的標簽數;B為該類待測故障信號的總數。

②待測故障信號能量熵特征輸入訓練好的PNN中。

③根據步驟②結果,計算故障i的支持率Vi。

(8)

式中:Ci為識別出故障i的標簽數量;D為待檢測故障信號的總數量。

④Vi與Hi相乘得到權值Wi。

⑤Wi進行歸一化處理,記為W′i。

⑥將W′i作為D-S 證據理論中故障命題的基本可信度。

⑦構建識別框架U:

U={u1,u2,u3,u4,u5,u6}

(9)

式中:u1、u2、u3、u4、u5、u6分別為斷路器的拒分故障、拒合故障、絕緣故障、誤動故障、載流故障、正常。

⑧基于W′i,結合D-S證據理論合成規則,實現對振動信號和聲音信號單獨檢測結果的交互。

通過D-S證據理論,本文將基于振動信號的檢測結果與基于聲音信號的檢測結果進行交互,以避免單獨檢測存在的局限,從而提高檢測結果的準確性。

2 性能的測試與結果分析

本文以某存在誤動故障的高壓斷路器(斷路器1)和運行正常的高壓斷路器(斷路器2)為測試對象,利用本文方法進行檢修,以此判斷本文方法的應用性能。

2.1 多態數據采集設備選型

①三軸加速度傳感器。對于高壓斷路器,電容式-電靜電壓電荷耦合三軸加速度傳感器用于采集振動信號。加速度傳感器是接觸式采集方法之一。它需要與測試目標表面保持良好接觸。因此,本文使用永磁吸收法將傳感器安裝在斷路器上。此外,安裝位置的選擇也十分重要。安裝位置以振動源附近為宜,從而保證信號采集質量。針對斷路器,安裝位置為底座下面及機體側壁。

②聲波傳感器。針對高壓斷路器,本文采用F-999R聲波傳感器。該傳感器帶有內膽屏罩,能阻斷大部分的信號干擾,信號采集更精準。此外,其還能將音頻放大25 000倍,擁有高清的音質,能捕獲更小的聲音。聲波傳感器屬于非接觸式采集方法,只要布置在聲源附近即可。

2.2 斷路器振動信號/聲音信號測試樣本

斷路器振動信號/聲音信號測試樣本如圖1所示。

圖1 斷路器振動信號/聲音信號測試樣本

2.3 信號特征提取結果

斷路器振動信號/聲音信號的能量熵特征如表1所示。

表1 斷路器振動信號/聲音信號的能量熵特征

2.4 PNN訓練

從某電力公司數據庫中抽取斷路器振動信號訓練樣本500個(正常200個,故障300個)、聲音信號樣本300個(正常100個,故障200個),對PNN進行訓練。

PNN訓練結果如圖2所示。

由圖2可知,800個訓練樣本在180次迭代時收斂值小于0.000 1。這說明PNN訓練結果滿足實際應用需求。

圖2 PNN訓練結果

2.5 結果交互分析

通過D-S證據理論,本文將PNN對振動信號和對聲音信號的檢測結果進行交互。

斷路器遠程離線單元故障檢修交互結果如表2所示。

表2 斷路器遠程離線單元故障檢修交互結果

由表2可知,應用本文方法后,斷路器1在誤動故障上分配的概率最高,判斷斷路器1存在誤動故障;斷路器2在正常狀態上分配的概率最高,判斷斷路器2運行正常。本文方法檢修結果與實際結果一致,由此證明了本文方法的有效性。

3 結論

斷路器能夠及時阻斷故障問題,以降低故障給整體電力系統帶來的影響。基于此,保證斷路器正常運行具有重要的現實意義。為此,本文提出了斷路器遠程離線單元故障檢修方法。該方法以采集的斷路器多態數據為基礎,通過PNN進行故障診斷并交互,從而完成故障檢修。測試結果證明了本文方法的有效性,并且檢修結果與實際結果一致。然而,本文方法具體檢修準確性未進行測試,因此在后續研究中擬將其作為重點進行深入分析。