《高压断路器分合闸线圈电流信号特征提取与故障判别方法研究_孙银山.doc》由会员分享,可在线阅读,更多相关《高压断路器分合闸线圈电流信号特征提取与故障判别方法研究_孙银山.doc(26页珍藏版)》请在三一文库上搜索。
1、-高压断路器分合闸线圈电流信号特征提取与故障判别方法研究_孙银山 第51卷第9期:0134-01392015年9月16日2015年 9月 HighVoltageApparatus 第51卷 Vol.51,No.9:0134-0139 Sep.16,2015第9期 DOI:10.13296/j.1001-1609.hva.2015.09.023 高压断路器分合闸线圈电流信号特征提取与故障判别方法研究 孙银山1, 张文涛1, 张一茗1, 李少华1, 刘晓清2 (1.平高集团有限公司,河南平顶山467001;2.北京慧智神光科技有限公司,北京100088) 摘要:高压断路器分合闸线圈电流信号特征提取
2、在故障识别、检测及诊断方面都有重要的意义。文中提出采用小波分析与时域求极值点相结合的方法来获取高压断路器分合闸线圈电流信号特征值,并根据该特征值对断路器的故障判别方法做了探索性研究。实验结果表明,电流信号特征值提取方法是有效的,故障识别方法正确。 关键词:高压断路器;分合闸线圈电流信号;特征值提取;小波分析;故障判别 ResearchonFeatureValueExtractionandFaultRecognitionof CoilCurrentSignalinHigh-voltageCircuitBreaker SUNYinshan1,ZHANGWentao1,ZHANGYiming1,LI
3、Shaohua1,LIUXiaoqing2 (1.PinggaoGroupCo.,Ltd.,HenanPingdingshan467001,China;2.ChinaWisestPowerHigh-tech.Co.,Ltd.,Beijing100088,China) Abstract:Thefeaturevalueextractionofcoilcurrentsignalinhigh-voltagecircuitbreakerhasdirectly guidingsignificanceinfaultrecognition,faultdiction,faultdiagnosisandsoon.
4、Thecombinationmethodofwaveletanalysisandtheseekingextremepointsintime-domainisproposedtoobtainthefeaturevaluesofcoilcurrentsignal.Accordingtothefeaturevalues,thefaultdiscriminationofhigh-voltagecircuitbreakerisinvestigatedexperimentally.Theexperimentalanalysisprovesthevalidityoftheproposedextraction
5、methodandthecorrectnessofthefaultrecognitionmethod. Keywords:high-voltagecircuitbreaker;coilcurrentsignal;featurevalueextraction;waveletanalysis;fault recognition 0引言 高压断路器在电力系统中扮演着非常重要的角 断路器进行自动监测、故障诊断以及故障分类判别等过程中都需要计算机自动获取电流信号的特征14-15。因此,研究电流信号中特征的提取就成为了自动化处理过程中重要的一环。 文中研究的一个重点就是如何实现计算机对高压断路器中线圈电流
6、信号特征的自动提取。可能出于种种原因,国内目前公开的文献中极少有详细介绍电流信号特征提取的;其次在基于所提取的线圈电流信号特征上,依据电流信号特征对高压断路器的故障检测进行探索。 色,对电力系统起着保护作用,因此对高压断路器的运行状态进行监测,以便及时发现、诊断、排解各类故障,从而最大化地减少损失十分重要。由于高压断路器运行过程中的一些故障信息会反应在线圈电流的一些特性中1-5,所以研究高压断路器中的线圈电流信号就具有重大意义。 在高压断路器的合、分操作过程中,线圈电流的任何变化都是铁心运动细节的真实写照6-8。直流电磁线圈的电流波形中包含着丰富的信息1。根据线圈电流的波形可以了解铁心的运动行
7、程,依据电流波形以及电流信号的一些特征就可以判断铁心运动是否有卡滞、脱扣、拒分、拒合等现象9-13。在对高压 收稿日期:2015-05-22; 修回日期:2015-06-27 1高压断路器分合闸线圈电流信号 文中研究的主要对象为高压断路器中的合/分 动作线圈电流中的特征提取。在提取特征前,首先要了解线圈电流。线圈中的电流为直流电流,在每次分/合过程中,直流电磁线圈中的电流都会随时间变 研究与分析孙银山,张文涛,张一茗,等.高压断路器分合闸线圈电流信号特征提取与故障判别方法研究135 化3。电磁铁线圈中的电流波形中蕴含着很多重要信息,该波形反映电磁铁本身以及所控制的阀门和脱扣器在操动过程中的工作
8、情况,对分合闸线圈电流的监测非常重要,通过对合/分操作线圈电流的监测,可以判断断路器的操作机构部分运行状态。典型的线圈电流波形见图1。 制信号文件。该二进制信号对应的波形见图1。该波形的起点t0和终点t4都是未知的,需要计算机自动确定信号波形的起点和终点,并且从波形信号中提取对分析有用的特征点,也即前面提到的时间量t0、 t1、t2、t3、t4和电流量i1、i2、i3。 文中的研究思路是:先从二进制信号文件中将电流波形从起点t0到终点t4整段截取出来,使得t0时刻刚好对应坐标零点。然后再进一步确定t1、t2、t3 电流幅值I/A 时刻,从而得到对应的电流量i1、i2、i3,这样可提取出电流波形
9、中的所有特征。 2.1小波分析 在截取电流波形的过程中,应用到了小波分析, 小波变换定义为:设x(t)为平方可积函数(记做x(t) L2(R),准(t)为基本小波函数,则x(t)的小波变换为 -7.5462.54412.54422.54432.54442.544 -2.4567.54417.54427.54437.544 47.544 t/msi/A WTV1 姨)dt=<x(t),乙x(t)(t-ba a,b (t)>。(1) 式(1)中:a,b(t)=(t-b);b为小波位移;a为小波尺度伸缩。位移决定时间域,尺度决定频率域8。 小波在信号分析处理中相比傅里叶变换有很大的优势。
10、傅里叶变换适合周期性平稳的,统计特性不随时间变化的信号,而小波变换则适用于非平稳信号17。小波变换是一种信号的时间频率分析方法,其在时域和频域同时具有良好的局部化性质,可以更好地展现信号的细节信息,是一种精细的信号分析方法17-18。小波具有多分辨分析的特性,一个多分辨分析由一系列渐进空间Vj构成,这些闭子空间Vj应满足19:V2奂V1奂V0奂V-1奂V-2奂,且有19: jZ (b)图1(a)中信号波形在二维坐标中表示 图1 典型线圈电流波形图 Fig.1Typicalcoilcurrentwaveform 图1(b)中:t0为执行分/合命令时刻,线圈开始通电,是整个分/合动作的起始点;t1
11、在很多文献中常用来表示铁心开始运动的时刻,但实际的铁心始动时刻要略早于t1;t2为铁心停止运动的时刻;t3为断路器的辅助触点切断的时刻,电流开始减小,直到t4时刻电流减为0,整个动作结束1,6,9。此外,波形中的 jL2(R);V0。 jZ 实际上,一个空间序列Vj若要构成一个多分辨分析,则它还应满足19:fVj圳f(2j誗)V0。 此外,小波变换在突变检测方面具有非常突出优势18,无论是幅值的突变还是频率的突变,通过对信号进行小波时频局部化分解,可以发现信号突变的时刻和空间分布情况17。在进行波形截取的过程中就用到了小波变换的上述这些特性。 另外,与傅里叶变换不同,小波的基不是固定的。小波母
12、函数也有很多种,选择母小波主要考虑 i1、i2、i33个对应于t1、t2、t3时刻的电流值,既可以反 映电源电压、线圈电阻以及电磁铁铁心的运行的速度信息1-3,还可以用来作为分析动作的参考。 因此,线圈电流波形对应的特征参数主要有时间量t0、t1、t2、t3、t4和电流量i1、i2、i316。无论是对一个监测系统还是一个诊断系统,实时的记录线圈电流波形并且提取电流波形中的特征参数都是必不可少的14。通过分析有关特征参数,可以获知铁心的运动情况,从而判断高压断路器的运行状态是否良好。 3个方面:复值与实值小波的选择;连续小波的有效支撑区域的选择;小波形状的选择20。由于主 要是用小波来对信号进行
13、检测,主要考虑小波形状,应尽量选择与信号波形相近似的小波。经过对大量不同小波进行实验对比分析,选择Daubechies2小波。 2高压断路器分合闸线圈电流信号特征提取 对于计算机而言,处理的电流信号是一个二进 2.2电流信号波形截取 为了在数据流中将电流波形从起点t0到终点t4 136 2015年9 月第51卷第9期 的优势找到t0、t4所在的位置。采用小波分析消噪中的软阈值法21,对整个动作数据进行了去噪处理。 在阈值处理过后,再利用小波分析检测突变点,通过筛选找到t0、t4所在的位置,采用Daubechies2小波对信号进行3层分解处理:C,L=wavedec(BH, 归一化幅值I/p.u
14、. 整段截取出来。需要利用小波分析在突变检测方面 1.0 0.5 0.0 0200 图3 400 N,db2)%3层分解。其中N=3,BH为去噪后的信号,db2为Daubechies2小波。虽然进行了3层分解, 但从实验效果来看,第1层的分解结果就已经能够满足要求,所以提取了尺度1的高频系数cD1,其中 600800t/ms 10001200 削波处理后系数图 Fig.3Afterclippingprocessingcoefficient chart 观察图1(b)中的电流波形,可以发现t1、t2、t3对应的点刚好是波形的3个极点。对于函数表达式已知的波形,可以通过求导的方法找到极点所在的位置
15、,而电流波形是由数字序列构成,表达式是未知的。研究导数的定义式,即: cD1=detcoef(C,L,1)。高频系数cD1见图2。 20 电流幅值I/A 100-10-20 200 400 60080010001200t/ms 尺度1高频系数图 f(x)limylimf(xx)-f(x)。 x0x0当采样间隔足够小时,信号可通过相邻两点之间的线性连接重构。因此信号在采样点处的导数值可近似用相邻两采样点的斜率代替7。为了找到极值点,只需考察相邻两点斜率的符号,找到过零点即可。 在找极值点的过程中,由于干扰导致的信号波动,因此有时会出现连续间断好多个过零点的情况,所以对检测到的零点还要进行分组处理
16、,至于组间间距需要根据大量实验数据统计确定,对于大部分信号将获得3组零点。根据波形可知,波峰波谷的出现顺序是先波峰再波谷最后又是波峰,所以第1组中采用求最大值的方法确定t1,然后第2组用求最小值的方法找到t2,最后一组再求最大值找到t3。再获取t1、t2和t3对应的电流值,这样就提取到了特征点及相应的特征值。对于部分信号,可能会获取多于或少于3组过零点,也即一些特别的故障信号。 图2 Fig.2Scalehigh-frequencycoefficient chart 为了在高频部分找突变点,对系数做规正处理: cD=abs(cD1)%对系数去绝对值、Ca=cD-min(cD)/ max(cD)
17、-min(cD)%规正处理;在规正后,再对系数 Ca进行削波处理。 Ca(i)T 。(2) Ca(i)T 式(2)中,i为序号,T为阈值。根据实验统计,最终取T=0.2,然后再找到Ca中峰值所在的位置,也 Ca 即是处理过后的一些突变点所在的位置。为了更好地提取突变点,在处理的过程中进行了二次削波,寻峰值处理。这样可以滤除一些干扰突变点,使找到的突变点更精确,在二次削波时是根据实验观察统计进行条件设置和阈值设置,即在满足什么条件时才进行二次处理,二次削波时阈值往往比第一次更小。削波处理后的系数见图3。 在削波处理过后,只要找到第一个和最后一个突变点所在的位置,就能得到t0和t4的值,因为t0和
18、t4对应的是波形中幅度突变的起点和终点,于是就能将电流波形从起点t0到终点t4整段截取出来,见图1(b)。 Ca(i)0 3 3.1 故障判别 故障判别原理 在高压断路器工作过程中,分闸较合闸过程更 易出现各种故障。通过对高压断路器正常工作时分闸动作的线圈电流波形及特征值分析,5个特征值点(ti,ii)在时间浮动和幅值浮动上均不会超过一定的界限。当特征值点在时间或幅值差异较大时,则认为该动作存在故障。将正常电流信号与故障电流信号对比见图4。 通过图4中可以明显看出,图4(a)中故障信号相对于正常信号在幅值上浮动较大,图4(b)中故障信号相对于正常信号在时间浮动较大。 2.3电流信号特征点提取
19、在将电流波形截取出来后,由于波形的起点和 终点就是t0和t4对应的点,所以只需找到t1、t2、t3便找出了全部特征点。 3.2故障判别算法 根据实验中发现的故障特征,提出了故障分类 研究与分析孙银山,张文涛,张一茗,等.高压断路器分合闸线圈电流信号特征提取与故障判别方法研究 故障电流信号 137 5048 电流幅值/kA 点的信号标志为E21,其余标志为E22。 4)将E22特征点中的t1、t2、t3和i1、i2、i3与正常信 号相应的值分别进行对比。将时间值浮动较大的信号标志为E221,将幅值浮动较大的信号标志为E222。 正常电流信号 4644424038363432 80 90 100
20、110120t/ms 130140 150 通过上述过程,便可以将有故障的信号检测出来,并能将不同的故障类别区分开来,根据不同的故障特征便可进一步分析故障的原因。 4 (a)故障信号示例1 实验结果及分析 实验的数据来源于南宁某变电站的126kVSF6 断路器,目的是通过对断路器线圈回路电流数据检测,来判断断路器当时的状态。 403938 电流幅值/kA 故障电流信号 4.1实验过程 根据原始实验数据文件,采用MATLAB软件进 37363534333280 90100 110120130140150155 t/ms (b)故障信号示例2 正常电流信号 行了如下实验过程: 1)依照原始文件的报
21、文格式,从数据文件中找 到分合闸线圈电流部分的数据,并以图形的形式显示出来; 2)对上述图形采用小波降噪的方式进行预处理;3)选取合适的母小波,对处理过后的数据进行 小波变换; 4)对获得的小波系数依次进行绝对值、规正、削 波处理,以便找到起始和终止突变点; 图4正常信号与故障信号对比图 Fig.4Normalsignalandfaultsignalcomparisonchart 线圈电流信号 5)根据找到的起始突变点和终止突变点,将线 圈从开始运动到停止运动整个过程的电流波形从线圈电流文件中截取出来; 树见图5。 6)对截取出来的线圈电流波形采用求斜率的方 R E E E E212 E211
22、 图5 故障分类树 E E 法来求近似导函数,根据近似导函数找出过零点; 7)对过零点进行分组处理,找到极值点,从而得 到分合闸线圈电流的特征值。 4.2实验结果及分析 下面是选出6组实验图像数据,每组图像中第 一幅图为电流信号解析出来的波形,第2幅图为从原始波形中截取出来的t0到t4区间段波形,第3幅图为从波形行中标记出特征点见图6。 根据提取出来的特征点获得的特征值见表1。表1中将每组图形数据中的时间特征值t1t4以及t1和t3对应的电流值都列出。 图6中第1组图为正常状态,其他图都为故障信号所得到的图。结合得到的波形图和对应的特征点的值表,根据第3节介绍的分类树思想,可以判断出第6组图的
23、故障属于E1;第5组图的故障属于 Fig.5Faultclassificationtree 分类树的判别算法如下: 1)将提取到的电流信号特征与正常的信号特征 进行对比,将对比过后正常的与非正常的信号区分出来,正常的信号标志为R,非正常的信号标志值E。 2)将E中在t4时刻出现极大值的信号与其他信号区分出来,分别标志为E1和E2。E1这类信号的故 障主要表现是电流一直存在,直至断电。 E21;第4组图的故障属于E221;而第2组和第3组的 故障类型一致,都属于E222。 3)将E2中在t0和t4时刻之间出现多于3个极值 138 电流幅值/kA 2015年9 月第51卷第9期 4035300 5
24、0 100 t/ms 150 200 250 电流幅值/kA 4035300 t/ms 50 电流幅值/kA 4035 300 t/ms 50 (a)特征点1 电流幅值/kA 电流幅值/kA 电流幅值/kA 4035300 50 100 t/ms 150 200 250 4035300 t/ms 50 4035300 t /ms 50 (b)特征点2 电流幅值/kA 电流幅值/kA 4035300 50 100 t/ms 150 200 250 4035300 t/ms 50 电流幅值/kA 4035300 t/ms 50 (c)特征点3 电流幅值/kA 504030 50t/ms 100 电
25、流幅值/kA 5040300 50 100 t/ms 150 200 250 电流幅值/kA 5040300 50t/ms 100 (d)特征点4 电流幅值/kA 电流幅值/kA 4035300 50 100 150t/ms 200 250 电流幅值/kA 4035300 50t/ms 100 4035300 50t/ms 100 (e)特征点5 60 电流幅值/kA 7060504030201000 电流幅值/k A 5040300 50100150t/ms 电流幅值/kA 605040300 50100150t/ms 050100 150200t/ms 250300 (f)特征点 6 图6
26、 实验数据分析图 Fig.6Featureextractionchart 表1 特征值表 线圈电流信号特征值方面进行研究,并介绍了特征值的提取过程。采用小波分析、近似求斜率及求极值 i3/A1.801.721.714.701.931.94 i1/A1.301.291.294.161.301.29 Table1 分动作第1组第2组第3组第4组第5组第6组 Characteristicvaluetable t3/ms30.5428.3228.7130.3445.2044.33 t4/ms49.7846.5047.6258.5465.74106.75 t1/ms12.3112.0712.3413.6
27、012.3412.28 t2/ms20.9718.9219.1221.0035.90 点的方法,对高压断路器分合闸线圈电流信号特征值进行提取。通过实验分析,特征值点能够被准确地提取出来,并为后续的故障检测、诊断等提供依据。但由于在特征值提取过程中几处阈值的选取均为统计意义上的值,因此固定的阈值不能适用于所有信号,所以自适应的阈值研究是下一步的研究方向。 参考文献: 5结语 文中针对计算机在自动提取高压断路器分合闸 1代群威,焦峰.高压断路器机械特性在线监测的研究 J中国电业(技术版),2011,7(7):5-9 研究与分析孙银山,张文涛,张一茗,等.高压断路器分合闸线圈电流信号特征提取与故障判
28、别方法研究139 DAIQunwei,JIAOFeng.ResearchononlinemonitoringofhighvoltagecircuitbreakermechanicalcharacteristicJ.ChinaElectricPower(TechnologyEdition),2011,7(7):5-9.2 RUNDERH.ContinuousmonitoringofcircuitbreakersusingvibrationanalysisJ.IEEETransactiononPowerDelivery2005(20):2458-2465.3 NELSONJH.Electricut
29、ilityconsiderationsforcircuitbreakermonitoringC/2001IEEE/PESTransmissionandDistributionConferenceandExposition.S.l.:IEEE,2001:1094-1097.4 ZHAOCheng.On-linemonitoringofmechanicalcharac-teristicsofhighvoltagecircuitbreakerD.Xian:XianPolytechnicUniversity,2002:23-26.5 JOHALH,MOUSAVIMJ.Coilcurrentanalys
30、ismethodforpredictivemaintenanceofcircuitbreakersC/2008T&DIEEE/PESTransmissionandDistributionConferencandExposition.Chicago,America:s.n.,2008:1-7.6 黄 建,胡晓光,巩玉楠,等高压断路器机械故障诊断专家系统设计J电机与控制学报,2011,15(10):43-49 GeneralMeeting.S.l.:IEEE,2003:13-17. 13RAOPeilei,HUANGJian,HU,Xiaoguang,etal.Testing ofcirc
31、uitbreakersusingcoilcurrentcharacteristicsanaly-sisC/IEEEInternationalConferenceonControlandAu-tomation.Beijing,China:IEEE,2009:185-189. 14李建鹏基于振声联合分析的高压断路器机械故障诊 断研究D北京:华北电力大学,2012 LIJianpeng.Researchonmechanicalfaultdiagnosisofhighvoltagecircuitbreakersbasedonvibrationanda-cousticD.Beijing:NorthChi
32、naElectricPowerUniversity,2012.15常 广,张振乾,王 毅高压断路器机械故障振动诊 断综述J高压电器,2011,47(8):85-90 CHANGGuang,ZHANGZhenqian,WANGYi.Reviewonmechanicalfaultdiagnosisofhigh-voltagecircuitbreakersbasedonvibrationdiagnosisJ.HighVoltageApparatus,2011,47(8):85-90. 16李大进高压断路器在线监测研究D成都:西南交通大 学,2004 LIDajin.Studyonon-linemon
33、itoringforhigh-voltagecir-cuitbreakerD.Chengdu:SouthwestJiaotongUniversity,2004.17张 超高压断路器在线监测系统开发及故障诊断分析 HUANGJian,HUXiaoguang,GONGYunan,etal.Ma-chineryfaultdiagnosisexpertsystemforhighvoltagecir-cuitbreakerJ.ElectricMachinesandControl,2011,15(10):43-49.7 DONGYue,XIAODengming.Applicationoncircuitbr
34、eakervibrationsignalprocessionbasedonwaveletpacketbandenergyanalysisandbi-spectrumestimationC/InternationalConferenceonHighVoltageEngineeringandApplication.S.l.:IEEE,2008:653-656.8 YKIMT,NAMJH,SUHKS.AcousticmonitoringofHVequipmentwithopticalfibersensorJ.IEEETrans.onPowerDelivery,2000,7(3):241-244.9
35、王 娜基于神经网络专家系统的高压断路器故障诊断研究D焦作:河南理工大学,2009 D北京:华北电力大学,2004 ZHANGChao.Thedevelopmentofhigh-voltagecircuitbreakersmonitoringandtheresearchofdiagnostictech-niquesD.Beijing:NorthChinaElectricPowerUniversi-ty,2004.18刘 洋针对振动信号的高压断路器机械故障诊断研究 D沈阳:沈阳工业大学,2013 LIUYang.Mechanicalfaultdiagnosisforhighvoltagecir-c
36、uitbreakersbasedonvibrationsignalsD.Shenyang:ShenyangUniversityofTechnology,2013. 19(美)DAUBECHIESI.小波十讲M李建平,杨万年,译 北京:国防工业出版社,2011:127-128 WANGNa.StudyonfaultdiagnosisofhighvoltagecircuitbreakerbasedonneuralnetworkexpertsystemD.Jiaozuo:HenanPolytechnicUniversity,2009. 10谢文靖高压断路器智能故障诊断方法研究D昆明:云 南大学,20
37、13 20李21董 媛小波变换及其工程应用M北京:北京邮电大越SF6高压断路器在线监测及振动信号的分析D 学出版社,2010:13-14上海:上海交通大学,2008 XIEWenjing.ResearchonintelligentfaultdiagnosisofhighvoltagecircuitbreakerD.Kunming:YunnanUniver-sity,2013. 11DeGRIJPMHB,BEDETJS,HOPKINSRA,etal. ConditionmonitoringofhighvoltagecircuitbreakersC/AFRICON.Stellenbosch:IEE
38、E,1996:880-885. 12CASSELW,HOBBICKJ,WILLSONJ,etal.Strategyfor applyingadigitalSF6monitoringdevicetohighvoltagecircuitbreakersC/2003IEEEPowerEngineeringSociety DONGYue.SF6highvoltagebreakeron-linemonitoringandvibrationsignalanalysisD.Shanghai:ShanghaiJiaoTongUniversity,2008. 孙银山(1980),男,博士,主要研究方向为电器智能化技术、智能高压开关在线监测与状态评估技术等。 张文涛(1986),男,硕士,主要研究方向为智能高压开关状态评估技术及故障诊断技术研究等。