配電開(kāi)關(guān)故障智能診斷裝置研究

摘要：配電開(kāi)關(guān)設(shè)備結(jié)構(gòu)復(fù)雜，發(fā)生故障時(shí)不僅查找機(jī)構(gòu)卡澀點(diǎn)位困難、原因分析與處理須要花費(fèi)大量的檢修時(shí)間，還缺乏對(duì)驅(qū)動(dòng)機(jī)構(gòu)卡澀隱患的提前預(yù)警措施，給配網(wǎng)運(yùn)維和檢修工作帶來(lái)很大負(fù)擔(dān)。該項(xiàng)目通過(guò)分析儲(chǔ)能電機(jī)運(yùn)作時(shí)的電流波形，利用自身正常狀態(tài)波形與不同狀態(tài)波形進(jìn)行相似性度量，設(shè)定邊界閾值，從而實(shí)現(xiàn)對(duì)配電開(kāi)關(guān)的正常、卡澀和斷線情況進(jìn)行辨識(shí)，實(shí)現(xiàn)故障的智能診斷，提升運(yùn)維智能化水平。

關(guān)鍵詞：配電開(kāi)關(guān)；卡澀點(diǎn)位；智能診斷

中圖分類號(hào)：TP311" 文獻(xiàn)標(biāo)志碼：A

0 引言

隨著社會(huì)不斷發(fā)展，人們?nèi)粘Ｉ詈蜕a(chǎn)對(duì)電力的依賴越來(lái)越強(qiáng)。配電網(wǎng)作為電力網(wǎng)絡(luò)的最后環(huán)節(jié)，一旦發(fā)生故障停電，將直接影響客戶的正常生產(chǎn)和生活。配電開(kāi)關(guān)作為電網(wǎng)中的重要組件，容易因驅(qū)動(dòng)機(jī)構(gòu)和電路的銹蝕、老化而導(dǎo)致電機(jī)燒毀、開(kāi)關(guān)拒動(dòng)，進(jìn)而引發(fā)大面積停電事故。此外，配電站內(nèi)開(kāi)關(guān)設(shè)備零件眾多、結(jié)構(gòu)復(fù)雜，查找機(jī)構(gòu)卡澀位置、原因分析與處理需要花費(fèi)大量檢修時(shí)間^［1］。目前，配電開(kāi)關(guān)設(shè)備故障判斷的主要原理是在操作控制回路上安裝電流互感器，通過(guò)電流采樣數(shù)據(jù)與閾值比對(duì)進(jìn)行故障預(yù)警。傳統(tǒng)閾值判斷準(zhǔn)確度差，無(wú)法針對(duì)故障現(xiàn)象及原因進(jìn)行有效判斷。對(duì)開(kāi)關(guān)機(jī)構(gòu)儲(chǔ)能電機(jī)運(yùn)行過(guò)程中信號(hào)的分析，多數(shù)通過(guò)信號(hào)時(shí)域分析，易受電磁干擾影響準(zhǔn)確度，無(wú)法有效提高運(yùn)維效率^［2］。因此，本項(xiàng)目創(chuàng)新性地提出了免閾值自適應(yīng)診斷法，該方法通過(guò)信號(hào)時(shí)域和頻域故障特征信號(hào)提取，構(gòu)建六氟化硫（SF6）開(kāi)關(guān)故障診斷應(yīng)用算法模型。與傳統(tǒng)SF6開(kāi)關(guān)故障的閾值判斷方法相比，該方法能準(zhǔn)確定位故障原因，智能自動(dòng)識(shí)別故障原因及類型，能對(duì)開(kāi)關(guān)運(yùn)行健康狀態(tài)進(jìn)行準(zhǔn)確評(píng)估和預(yù)警。

1 國(guó)內(nèi)配電開(kāi)關(guān)柜設(shè)備離線檢測(cè)常用方法

1.1 基于合／分閘線圈電流檢測(cè)法

基于合/分閘線圈電流檢測(cè)法是一種在電力系統(tǒng)中監(jiān)測(cè)和診斷斷路器狀態(tài)的重要方法。斷路器的合閘和分閘線圈是高壓斷路器的首級(jí)控制元件。當(dāng)控制回路的繼電器接到指令使分合閘線圈通電時(shí)，線圈中的電流產(chǎn)生電磁力，驅(qū)動(dòng)鐵芯（頂桿）運(yùn)動(dòng)，觸動(dòng)彈簧機(jī)構(gòu)的脫扣裝置或直接驅(qū)動(dòng)動(dòng)觸頭，從而實(shí)現(xiàn)合閘或分閘操作。該方法通過(guò)檢測(cè)斷路器在合閘或分閘過(guò)程中的線圈電流波形，來(lái)分析判斷斷路器的運(yùn)行狀態(tài)和潛在故障^［3-4］。

1.2 基于合／分閘行程和速度檢測(cè)法

基于合/分閘行程和速度檢測(cè)法是一種評(píng)估斷路器性能的重要方法。在合閘和分閘時(shí)，動(dòng)觸頭會(huì)經(jīng)歷一定的行程，以特定速度運(yùn)動(dòng)。這些行程和速度參數(shù)能夠直觀反映斷路器機(jī)械部件的工作狀態(tài)和性能。該方法通過(guò)測(cè)量斷路器在合閘和分閘過(guò)程中的行程和速度，來(lái)分析判斷其機(jī)械性能、動(dòng)作特性以及潛在故障。

1.3 基于振動(dòng)信號(hào)檢測(cè)法

振動(dòng)信號(hào)檢測(cè)法是一種高效且非接觸的故障診斷技術(shù)。通過(guò)在關(guān)鍵位置安裝振動(dòng)傳感器，實(shí)時(shí)采集設(shè)備運(yùn)行過(guò)程中產(chǎn)生的振動(dòng)信號(hào)，對(duì)這些信號(hào)進(jìn)行詳盡分析與處理，可以準(zhǔn)確識(shí)別開(kāi)關(guān)設(shè)備中的故障^［5］。

2 配電開(kāi)關(guān)故障智能診斷裝置系統(tǒng)方案

本項(xiàng)目采用傳感技術(shù)、單片機(jī)技術(shù)、通信技術(shù)，結(jié)合現(xiàn)代通信自動(dòng)化技術(shù)旨在對(duì)帶有直流儲(chǔ)能電機(jī)配電開(kāi)關(guān)中的儲(chǔ)能電機(jī)卡澀情況進(jìn)行研究。該項(xiàng)目通過(guò)分析儲(chǔ)能電機(jī)運(yùn)作時(shí)的電流波形，利用自身正常狀態(tài)波形與不同狀態(tài)波形進(jìn)行相似性度量，設(shè)定邊界閾值，從而辨識(shí)配電開(kāi)關(guān)的卡澀情況。該項(xiàng)目基于辨識(shí)算法，開(kāi)發(fā)一套配電開(kāi)關(guān)故障智能診斷裝置，實(shí)現(xiàn)配電開(kāi)關(guān)卡澀故障在線診斷，為電力系統(tǒng)生產(chǎn)管理與設(shè)備狀態(tài)檢修提供信息與依據(jù)，實(shí)現(xiàn)智能運(yùn)檢。配電開(kāi)關(guān)故障智能診斷裝置系統(tǒng)方案設(shè)計(jì)如圖1所示。

配電開(kāi)關(guān)故障智能診斷裝置由儲(chǔ)能電機(jī)高速采集電流互感器、配電開(kāi)關(guān)故障智能診斷裝置、通信網(wǎng)關(guān)和智能監(jiān)測(cè)終端組成。其中，儲(chǔ)能電機(jī)高速采集電流互感器采用開(kāi)口設(shè)計(jì)，負(fù)責(zé)采集儲(chǔ)能電機(jī)在動(dòng)作時(shí)的電流波形，將采集結(jié)果傳送至配電開(kāi)關(guān)故障智能診斷裝置。診斷裝置記錄配電開(kāi)關(guān)每次動(dòng)作時(shí)儲(chǔ)能電機(jī)電流波形，將電流波形變化數(shù)據(jù)進(jìn)行本地濾波分析處理打包、邊緣診斷故障判別、配電開(kāi)關(guān)故障智能診斷分析，通信網(wǎng)關(guān)再將數(shù)據(jù)結(jié)果通過(guò)無(wú)線通信上智能監(jiān)測(cè)終端。監(jiān)測(cè)終端不僅能夠?qū)崿F(xiàn)主動(dòng)預(yù)警，還可以供用戶查看設(shè)備運(yùn)行詳情、電流波形數(shù)據(jù)曲線報(bào)表及設(shè)備運(yùn)行狀況、設(shè)備運(yùn)行時(shí)間段內(nèi)的歷史數(shù)據(jù)，自動(dòng)生成歷史曲線圖和將查詢結(jié)果以列表方式顯示或打印，以供分析之用。

3 配電開(kāi)關(guān)故障智能診斷軟件算法

本項(xiàng)目研究基于一維卷積神經(jīng)網(wǎng)絡(luò)（1D Convolutional Neural Network，1DCNN）和門(mén)控循環(huán)單元（Gated Recurrent Unit，GRU）融合故障特征提取算法，通過(guò)對(duì)開(kāi)關(guān)機(jī)構(gòu)儲(chǔ)能電機(jī)運(yùn)行過(guò)程中電流信號(hào)時(shí)域及頻域分析，提取出故障特征信號(hào)，分析不同故障狀態(tài)下信號(hào)的差異，實(shí)現(xiàn)對(duì)配電開(kāi)關(guān)設(shè)備運(yùn)行健康感知。

3.1 CNN原理

卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）作為一種強(qiáng)大的表征學(xué)習(xí)模型，廣泛應(yīng)用于機(jī)器視覺(jué)與自然語(yǔ)言處理領(lǐng)域，其獨(dú)特之處在于能夠從輸入的多樣化信息中高效地提取高階特征^［6］。在機(jī)器視覺(jué)方面，CNN尤為擅長(zhǎng)，其中二維卷積神經(jīng)網(wǎng)絡(luò)（2DCNN）是圖像識(shí)別及視覺(jué)化處理的關(guān)鍵工具，而一維卷積神經(jīng)網(wǎng)絡(luò)（1DCNN）則專長(zhǎng)于時(shí)間序列數(shù)據(jù)的處理。CNN的內(nèi)部結(jié)構(gòu)精密而高效，由輸入層起始，隨后是交替出現(xiàn)的卷積層與池化層，最后是全連接層與輸出層，這一架構(gòu)如圖2所示。在卷積層中，不同尺寸的卷積核被用來(lái)遍歷輸入數(shù)據(jù)，以捕捉并提取局部特征。池化層通過(guò)數(shù)據(jù)壓縮技術(shù)，有效降低了信息的維度，同時(shí)保留了關(guān)鍵特征，這一過(guò)程循環(huán)進(jìn)行，確保了特征的有效提取與保留。全連接層作為特征整合的橋梁，將來(lái)自卷積層與池化層的分布式特征展平為一維向量，為后續(xù)的分類、回歸等任務(wù)提供基礎(chǔ)。CNN的設(shè)計(jì)哲學(xué)之一在于局部特征提取與參數(shù)共享，這不僅增強(qiáng)了網(wǎng)絡(luò)對(duì)局部信息的敏感度，還顯著減少了所需的權(quán)重?cái)?shù)量，極大地降低了計(jì)算復(fù)雜度與參數(shù)冗余，使得CNN在處理大規(guī)模數(shù)據(jù)集時(shí)依然能夠保持高效與準(zhǔn)確^［7-8］。

3.2 GRU原理結(jié)構(gòu)

GRU和長(zhǎng)短期記憶網(wǎng)絡(luò)（Long ShortTerm Memory，LSTM）作為循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，RNN）的先進(jìn)變種，專為處理序列數(shù)據(jù)而設(shè)計(jì)。它們有效解決了傳統(tǒng)RNN在捕捉長(zhǎng)期依賴時(shí)面臨的長(zhǎng)期記憶喪失及反向傳播過(guò)程中的梯度爆炸問(wèn)題。這2種網(wǎng)絡(luò)通過(guò)引入門(mén)控機(jī)制替代了標(biāo)準(zhǔn)RNN中的簡(jiǎn)單隱藏單元，使得網(wǎng)絡(luò)能夠智能地選擇性地保留重要信息并遺忘無(wú)關(guān)信息。與LSTM相比，GRU在結(jié)構(gòu)上更為簡(jiǎn)潔，它采用更新門(mén)（zt）和重置門(mén)（rt）的" 組合，替代了LSTM中更為復(fù)雜的輸入門(mén)、遺忘門(mén)與輸出門(mén)體系。這種設(shè)計(jì)不僅減少了需要訓(xùn)練的參數(shù)數(shù)量，還在保持與LSTM相當(dāng)預(yù)測(cè)精度的同時(shí)，實(shí)現(xiàn)了更快的收斂速度，使得GRU成為處理序列數(shù)據(jù)時(shí)一個(gè)既高效又強(qiáng)大的選擇。傳統(tǒng)RNN結(jié)構(gòu)與GRU結(jié)構(gòu)如圖3所示（a）RNN，（b）GRU^［9］。

3.3 SF6開(kāi)關(guān)故障診斷模型結(jié)構(gòu)

本項(xiàng)目所用模型如圖4所示，由1DCNN單元、GRU單元和全連接單元組成，細(xì)分為輸入層、卷積層、池化層、GRU層與輸出層。配電開(kāi)關(guān)的電機(jī)電流曲線作為1DCNN單元的輸入并通過(guò)卷積層進(jìn)行特征提取，保留其大部分的輸入曲線特征，再通過(guò)池化層對(duì)提取到的特征曲線進(jìn)行降維處理，而后作為GRU單元的輸入數(shù)據(jù)，提取該特征曲線中蘊(yùn)含的規(guī)律并進(jìn)行時(shí)間和空間上的信息讀取、消化與記憶，通過(guò)全連接層進(jìn)行分類、輸出。

該融合提取方法同時(shí)具備卷積神經(jīng)網(wǎng)絡(luò)和門(mén)控循環(huán)單元的優(yōu)點(diǎn)，依靠卷積神經(jīng)網(wǎng)絡(luò)來(lái)挖掘特征并通過(guò)GRU記憶特征之間的關(guān)系，在較少的深度和較短的訓(xùn)練時(shí)間內(nèi)達(dá)到良好的分類效果。同時(shí)，該方法是一種端到端的學(xué)習(xí)模型，通過(guò)1DCNN自動(dòng)挖掘提取電機(jī)電流數(shù)據(jù)的深層特征。相較于傳統(tǒng)的閾值計(jì)算法，SF6開(kāi)關(guān)故障診斷模型結(jié)構(gòu)無(wú)須通過(guò)人工編程計(jì)算提取特征再分析，實(shí)現(xiàn)了免閾值自適應(yīng)計(jì)算，能夠快速、準(zhǔn)確地識(shí)別配電開(kāi)關(guān)的運(yùn)行狀態(tài)，指導(dǎo)運(yùn)維人員在最短的時(shí)間內(nèi)排查出安全隱患，最大程度上保障電網(wǎng)穩(wěn)定、安全運(yùn)行。

4 裝置實(shí)驗(yàn)結(jié)果

配電開(kāi)關(guān)故障卡澀是指在配電系統(tǒng)中，開(kāi)關(guān)操作時(shí)感到卡滯或不流暢的現(xiàn)象，這可能會(huì)導(dǎo)致設(shè)備操作困難、設(shè)備損壞或電氣系統(tǒng)故障。為了驗(yàn)證本項(xiàng)目所設(shè)計(jì)的開(kāi)關(guān)故障智能診斷裝置，通過(guò)使用帶有直流儲(chǔ)能電機(jī)的配電開(kāi)關(guān)柜，模擬出配電開(kāi)關(guān)故障卡澀和正常運(yùn)行的情景，測(cè)出不同情況下的信號(hào)波形，測(cè)試結(jié)果如圖5所示。從測(cè)試結(jié)果可以看出，本項(xiàng)目設(shè)計(jì)的故障診斷裝置能夠有效地識(shí)別RM6電機(jī)卡澀、ELE-12彈簧卡澀、ELE-12齒輪卡澀等故障。當(dāng)發(fā)生卡澀故障時(shí)，監(jiān)測(cè)終端能夠發(fā)出報(bào)警提示并給出卡澀故障程度。卡澀故障程度電流波形如圖5（c）和5（b）所示。

5 結(jié)語(yǔ)

為了有效識(shí)別和預(yù)防開(kāi)關(guān)柜卡澀故障，本項(xiàng)目通過(guò)實(shí)地考察配電開(kāi)關(guān)柜的動(dòng)作特性，研究了電機(jī)電流的開(kāi)關(guān)故障特征提取方法以及SF6開(kāi)關(guān)故障的智能識(shí)別與診斷算法，構(gòu)建了配電開(kāi)關(guān)卡澀故障在線診斷終端的結(jié)構(gòu)模型算法。結(jié)合先進(jìn)的傳感技術(shù)、單片機(jī)技術(shù)、通信技術(shù)和現(xiàn)代通信自動(dòng)化技術(shù)，文章設(shè)計(jì)了配電開(kāi)關(guān)故障智能診斷裝置。與傳統(tǒng)SF6開(kāi)關(guān)故障的閾值判斷方法相比，該診斷裝置具有準(zhǔn)確定位故障原因的能力，能夠有效識(shí)別配電開(kāi)關(guān)的正常、卡澀、電機(jī)電源斷線以及分/合閘線圈電源斷線，為電力系統(tǒng)的生產(chǎn)管理與設(shè)備狀態(tài)檢修提供信息與依據(jù)，實(shí)現(xiàn)智能運(yùn)維分析。

參考文獻(xiàn)

［1］劉絢琛.配電網(wǎng)自動(dòng)化開(kāi)關(guān)故障的處理及預(yù)防措施［J］.光源與照明，2022（7）：183-185.

［2］謝智勇.電力開(kāi)關(guān)設(shè)備中的故障檢測(cè)與智能診斷技術(shù)研究［J］.中國(guó)設(shè)備工程，2024（7）：174-176.

［3］杜小康，陳志英.高壓斷路器合（分）閘線圈電流信號(hào)特征值提取方法研究［J］.電氣應(yīng)用，2018（15）：26-30.

［4］莊瑞鋒，陳麗安，肖梁賢.基于變分模態(tài)分解的高壓斷路器合分閘線圈電流特征值提取［J］.高壓電器，2022（4）：145-150.

［5］陸佳其，張?jiān)疲_明，等.斷路器機(jī)械故障振動(dòng)信號(hào)檢測(cè)系統(tǒng)研究［J］.電力設(shè)備管理，2020（2）：123-124.

［6］胡海彬，劉仁鑫，劉日龍，等.卷積神經(jīng)網(wǎng)絡(luò)在機(jī)械故障診斷中的應(yīng)用綜述［J］.機(jī)械工程與自動(dòng)化，2024（4）：221-223.

［7］徐玉珍，鄒中華，劉宇龍，等.基于多尺度卷積神經(jīng)網(wǎng)絡(luò)和雙注意力機(jī)制的V2G充電樁開(kāi)關(guān)管開(kāi)路故障信息融合診斷［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2024（8）：1-12.

［8］遲國(guó)峰.基于BP神經(jīng)網(wǎng)絡(luò)的高壓開(kāi)關(guān)柜機(jī)械故障智能診斷分析［J］.中國(guó)機(jī)械，2023（31）：77-80.

［9］王長(zhǎng)江，張千龍，姜濤，等.基于圖卷積網(wǎng)絡(luò)和雙向門(mén)控循環(huán)單元的電力系統(tǒng)主導(dǎo)失穩(wěn)模式辨識(shí)［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2024（9）：1-12.

（編輯 王永超）

Research on intelligent diagnosis device for power distribution switch faults

LIN" Zhibing， KE" Yongqin， CHEN" Youheng， CHEN" Tianpeng， GUO" Shiwei

（State Grid Fujian Electric Power Co.， Ltd.， Putian Power Supply Company， Putian 351100， China）

Abstract：" The structure of distribution switchgear is complex. When a fault occurs， it is difficult to locate the points of mechanical sticking， and the analysis and handling of the causes require a significant amount of maintenance time. Additionally， there is a lack of early warning measures for the hidden risks of sticking in the drive mechanism， which places a heavy burden on the operation and maintenance of the distribution network. This project analyzes the current waveform during the operation of the energy storage motor， utilizing the normal state waveform and different state waveforms for similarity measurement， and setting boundary thresholds to identify the normal， sticking， and disconnection conditions of the distribution switchgear. This enables intelligent diagnosis of faults and enhances the level of intelligent operation and maintenance.

Key words： power distribution switch; stuck points; intelligent diagnosis