高壓斷路器機械振動信號特征與故障診斷方式

（神木職業技術學院，陜西神木市，719300) 馬小榮 馬 晟 趙小平

高壓斷路器等電壓等級可以達到10kv及以上，在電網系統中是重要的開關設備之一，高壓斷路器種類多、結構復雜。同時，其受到自身質量、戶外環境等因素的影響，使得故障時有發生。近些年來，國內發生的多起大型停電事故都是由高壓斷路器引起的，所造成的停電時長超過了供電總量的60%。這些停電事故的發生給人們正常的生產生活帶來了很多的不便，嚴重的情況下還會造成人員的傷亡。因此，對于高壓斷路器機械振動信號特征與故障診斷分析具有極其重要的現實意義。

1 高壓斷路器概念、類型及優勢

1.1 概念

高壓斷路器是電力系統中用來發電、送電、變電、配電接通、分斷電路以及保護電路的主要設備。高壓斷路器在正常運行狀態下，接通和開斷負荷電流；發生故障時，切斷短路電流，切除故障電路。

1.2 類型

按照控制和保護對象的不同，高壓斷路器可分為發電機斷路器、輸電斷路器；配高壓斷路器。

1.3 優勢

機械振動信號是一種間接測量方式，可在其接地極周圍完成監測，有效避免了監測過程中可能出現的安全問題；機械振動特征信號提取不會對高壓斷路器內部結構造成破壞，但振動信號特征提取僅僅是判斷高壓斷路器是否出現故障的關鍵一步，時域中包含著豐富的信息。當前，隨著信號技術的蓬勃發展，越來越多的高壓斷路器故障診斷方法應運而生。機械振動信號屬于一種非電磁信號，受斷路器周圍電磁干擾的影響較小；斷路器類型多樣，尺寸較小，安全性高，十分適合于其在戶外嚴酷環境下工作；機械振動信號中包含著豐富的高壓斷路器信息，以上方法提取這些信號是一種比較理想的選擇。

2 高壓斷路器振動機械信號分析的重要性

對高壓斷路器進行狀態監測的根本目的是快速判斷故障發生的位置，從而對高壓斷路器進行及時的檢修，常見的高壓斷路器振動機械信號特征主要有斷路器分（合）閘線圈電流、主回路電流及觸頭行程等。判斷高壓斷路器需要以閾值范圍為基礎，當斷路器的一個部件出現故障時，所產生的信息難以通過普通的監測方法獲得。因此，還需要運用不同的手段完成對高壓斷路器故障的診斷。縱觀我國大部分的高壓斷路器故障診斷，振動信號特征提取作為目前對高壓斷路器的非侵入式故障檢測方法，因其檢測結果準確可靠，深受業內人士喜愛，高壓斷路器振動機械信號特征提取需要根據不同的振動傳感器獲得其在運行狀態下的振動信號提取信號信息，再根據高壓斷路器故障產生的位置對其故障發生的時間、類型進行判斷，分析高壓斷路器運行狀態。

高壓斷路器在分合閘過程中由于受到內部阻尼、剛性、彈性以及驅動力等的制約和影響，使得高壓斷路器具備了極強的非平穩性特點，特別是在振動信號的統計特征方面，比如時域和頻域統計特征，主要包括均值、方差、頻譜、峭度等等。也正是因為這一特點，對于非平穩信號的高壓斷路器信號的判斷需要綜合時域分析法、頻域分析法和時頻相結合的方法進行統籌處理。其中，時域分析法是近幾年來應用十分廣泛的一種高壓斷路器非平穩信號分析法，可有效彌補傳統方法中很多的不足。常用的時頻分析方法有短時傅里葉變換（STFT）、Wigner-Ville 分布和小波變換等。而小波變換以其良好的時頻局部化特性，成為時頻分析中應用最為廣泛的一種信號處理工具。

3 高壓斷路器振動信號特征提取

高壓斷路器振動信號可準確反映其運行狀態，通過對高壓斷路器的機械振動信號進行分析發現：高壓斷路器在不同運行狀態下的信號具有不同的特點，但振動信號特征提取直接影響故障診斷的準確性。所以，對于高壓斷路器故障的判斷，需要對采集到的狀態信息振動信號進行分析處理，得出振動信號特征量，再利用模式識別技術對特征量進行識別，進而判斷高壓斷路器的運行狀態。

3.1 振動信號特征提取法

對于高壓斷路器的分閘與合閘操作，需要通過轉動裝置帶動觸頭運動完成，運動過程中其內部發生的摩擦、碰撞等的信號稱為振動信號，這些信號可準確反映高壓斷路器的運行狀態。因此，對于振動信號特征的提取至關重要。目前，對于振動信號特征提取方法主要有：時域分析法、頻域分析法、時頻結合分析法以及序列分析法等等。

3.1.1 時域分析法

時域分析法指的是在時域中對高壓斷路器振動信號特征進行分析的方法。常見的時域分析法主要有包絡譜分析法和短時能量分析法兩種。①包絡譜圖中高壓斷路器故障特征頻率較高，與頻譜圖相比來說，比較容易識別，包絡譜分析法指的就是將高頻段的故障拿到低頻段進行分析，由于它消除了不必要的頻率干擾，所以能夠更加準確地體現高壓斷路器故障發生的位置。通過包絡譜法對高壓斷路器的故障進行診斷，不僅能更好地體現高壓斷路器在振動狀態下的強度，還可以準確判斷振動發生的頻率和時間；②短時能量分析。短時能量分析現已被廣泛應用到了語音信號分析和處理領域中，短時能量分析指的是對語音進行一段一段的處理，每一段稱為一個“幀”可有效提升信噪比，它需要通過對時域信號的處理得到能量函數，再對能量函數進行分析的過程。在對高壓斷路器的診斷過程中，通過信號傳感器可以得出其在開閘與合閘時間內相等的參數，從而對高壓斷路器的運行狀態進行判斷。

3.1.2 頻域分析法

在對高壓斷路器的振動信號處理中，頻域分析法指的是在一個特定的頻域內將復雜的信號進行簡化，同時監測信號的頻率和分布變化情況。目前，常見的頻域分析法主要包括chirp-Z 變換法、FFT+FT細化法等。

3.1.3 時頻分析法

時頻分析法在考慮高壓斷路器運行時間的同時還要在考慮其振動的頻率，時頻分析了綜合了時域分析法和頻域分析法很多的優點，對于高壓斷路器非平穩信號的分析可準確反映高壓斷路器的局部特征，在對高壓斷路器機械振動信號故障的診斷過程中常用的方法有小波分析法、靜態分解等。

3.2 小波分析法

式中：θ(t)代表基小波函數a，b 代表伸縮和平移尺度；對于任何能量有限信號f(t)∈L2(R),連續小波變換定義如下：

小波分析法是在傅里葉分析法的基礎上逐漸發展起來的，小波分析法包括變換和逆變兩個過程，通過平移與操作等的手段的高壓斷路器信號進行細化處理，得出新的信號在高頻段呈現時間分辨率高低的特點。相對應小波分析法不論是在低頻段還是高頻段都具有極高的分辨率，在對高壓斷路器信號分析的過程中應用性更好。

4 高壓斷路器機械振動診斷方式

4.1 知識識別

知識識別適用于非線性系統，其在對高壓斷路器進行診斷的過程中采用的是專家知識，即引入將要識別的目標和對象，基于知識識別的高壓斷路器目前主要有以下兩種方式：案例知識識別和定性模型識別。案例知識識別應用更加廣泛，我們常見的一些高壓斷路器機械振動診斷方式基本為案例識別比如，支持向量機（SVM）、貝葉斯分類、模糊推理、人工神經網絡、專家系統等。

4.1.1 支持向量機（SVM）

支持向量機（SVM）是一種二分類模型，屬于一種單核模式，當其在線性可分的狀態下選擇一個最合理的平面將樣本分為兩類；當其在線性不可分的狀態下，可通過引入松弛變量先將非線性映射轉化為在線可分狀態，再借助線性可分進行分類。

4.1.2 貝葉斯分類

貝葉斯分類指的是通過概率統計知識對高壓斷路器機械進行診斷的一種方式，它需要大量的樣本為基礎，并且要求樣本的先驗概率是已知的，否則就會影響分類結果，無法得到一個準確的函數。

4.1.3 專家系統

專家系統和以上故障診斷的不同之處在于：它的知識庫是可以根據高壓斷路器的實際情況進行不斷修改和完善的，但是隨著知識庫的不斷完善，系統的容錯能力就會變低，有可能會影響診斷的結果，同時建立一個專家系統需要花費大量的人力、財力和物力資源。

4.2 模型識別

模型識別分為生成模型和再判別模型兩種，生成模型指的是通過學習得到聯合概率分布P（x，y），即在高壓斷路器機械振動信號特征出現的情況下標記Y 出現的概率，然后求出條件概率分布，可生成需要的數據信息；判斷模型指的是通過學習得到的條件概率分布p（x，y），主要分為狀態估計、參數估計和等價空間等的幾種方法，生成模型所需要的數據信息比較大，且對模型的識別需要合適的線性系統對高壓斷路器故障情況進行診斷。

4.3 信號識別

信號識別彌補了知識識別和模型識別很多的缺陷和不足，比如建立對象數學模型時，采用的是信號模型。信號識別的優勢是具有通用性的優勢，不僅僅適用于高壓斷路器的線性系統，也適用于非線性系統，比如小波分析、頻譜、自回歸滑動平均過程、相關函數等等。

5 結語

綜上所述，本文以高壓斷路器概念及類型為出發點，通過對斷路器振動機械信號分析的重要性的分析，提出幾種振動信號特征提取的方法，并結合其他分量采用支持向量機理論中的“一對一”（OAO）策略方式對采集的樣本數據進行分析，提出改進型10 級交叉（10-CV）驗證法并以此優化支持向量機模型參數，采用徑向基核函數進行對高壓斷路器的故障診斷。