基于高压隔离开关振动信号的故障诊断方法分析

介绍了一种高压隔离开关振动信号监测分析方法:首先检测高压隔离开关正常动作时的振动信号曲线,提取其中的特征信息,对各特征信息进行聚类分析,得到对应的聚类中心,建立高压隔离开关的标准振动信号数据模型;然后检测高压隔离开关实际运行动作时的振动信号曲线特征值,与标准振动信号数据模型中的特征值进行比对,计算高压隔离开关实际运行动作时的振动信号曲线与标准振动信号数据模型的相似程度,如果相似程度低于阈值,则判断高压隔离开关故障。经故障模拟及试验验证,该方法操作简单,使用方便,能够准确检测出高压隔离开关是否存在故障。     

基于ReliefF特征量优化及BP神经网络识别的高压隔离开关故障类型与位置诊断方法

针对高压隔离开关机械故障的类型和发生位置难以有效识别的问题,提出了一种将隔离开关多路振动特征利用Relief F算法进行优化然后利用BP神经网络进行融合决策的故障诊断方法。首先进行试验模拟故障,在隔离开关本体和操动机构上分布式安装振动传感器,采集不同位置振动信号;然后将多个传感器采集的振动信号进行经验模态分解,得到固有模态函数,分别计算能量距,并把多路信号的能量距进行融合。最后使用Relief F算法对其进行特征筛选,构成BP神经网络的输入特征向量,从而实现故障类型、位置诊断。试验结果表明,多路传感器融合特征向量相比于单路信号提取的特征,对隔离开关不同的故障具有较好的识别能力,可诊断出故障发生的种类及位置,提高了诊断准确率。     

振动法在线检测电力变压器有载调压开关触头状况的可行性研究

以一台SYJZZ型有载调压开关为研究对象,分析振动信号与OLTC的触头状况之间的关系。首先分析了OLTC动作过程与振动信号在时间上的对应关系,提取出正常信号的基本特征,并找出与故障信号的区别,进而分析故障信号的原因。比较振动信号的分析结果与实际故障的检测结果,得出振动法检测变压器有载调压开关是一种有效可行的方法。     

基于同步挤压变换和深度迁移学习的GIS隔离开关故障诊断

为实现气体绝缘组合电器(GIS)隔离开关机械故障的智能诊断,基于GIS隔离开关分合闸过程中的振动信号,提出了基于深度迁移学习的GIS隔离开关机械故障诊断方法。首先应用二阶同步挤压傅里叶变换(FSST2)获取GIS隔离开关振动信号的时频分布,然后基于深度迁移学习的思想构建预训练模型并进行优化,建立了GIS隔离开关机械故障智能诊断模型。对某GR角型GIS隔离开关正常和典型机械故障状态下的振动信号的分析结果表明,基于FSST2得到的GIS隔离开关振动信号时频表示具有较好的能量聚集性,所建立的GIS隔离开关机械故障智能诊断模型识别准确率高且模型复杂度低,可用于GIS隔离开关机械故障的高效诊断。     

基于相空间张量分解的有载分接开关故障诊断

有载分接开关一次档位切换过程中伴生的振动信号与其机械状态密切相关。文中基于有载分接开关档位切换过程中振动信号的高维相点空间分布,对有载分接开关多个位置处的振动信号进行张量化表示,用以捕捉尽可能丰富的有载分接开关机械状态信息。然后对所构建的相空间三阶张量进行Tucker张量分解以获取核心张量,据此建立基于卷积神经网络的有载分接开关机械故障判别模型。以某CM型有载分接开关动作时的振动信号为例进行分析,结果表明,有载分接开关动作时的振动信号的相空间核心张量信息全面且冗余少,所构建的基于卷积神经网络的有载分接开关机械故障诊断模型性能良好,准确率超过95%,可为有载分接开关的故障识别及状态维修提供参考依据。     

一种换流变双有载分接开关故障检测方法

针对传统电力变压器有载分接开关故障检测方法无法应用于换流变双有载分接开关的不足,提出一种基于模式识别的双有载分接开关故障检测方法。该方法首先对双有载分接开关典型故障进行建模获得典型故障特征向量,通过离散小波变换提取开关动作过程中测试电压波形特征,形成待测特征向量,并与典型故障模式进行比对,计算欧氏距离,进而识别所测有载分接开关的状态。通过仿真和实例信号分析结果说明,所提的故障检测方法能够对双有载分接开关的故障状态进行识别。     

基于ILPSO-LSSVM的GIS设备隔离开关机械异响振动识别方法研究

隔离开关正常运行对保证气体绝缘开关GIS(gas insulated equipment)设备安全极为重要。文中针对GIS设备隔离开关机械异响振动识别方法开展研究，采用真型GIS设备平台模拟了隔离开关触头接触不良的5个典型状态：正常接触（148μΩ）、轻微接触不良（221、298μΩ）、严重接触不良（433、550μΩ），检测并分析了GIS设备隔离开关机械振动特性，发现GIS设备正常振动的主频率为100 Hz，振动幅值随电流增大而增大；当隔离开关存在接触不良缺陷时，振动频谱100 Hz振动分量幅值增加，同时出现100 Hz的倍频以及更高的频率成分；为实现隔离开关接触不良状态准确识别，文中采用变分模态分解、信号模态间能量分布差异分析和奇异值分解提取了表征隔离开关接触状态的缺陷特征参量，通过将改善线性约束问题的粒子群算法和最小二乘支持向量机算法（ILPSO-LSSVM）融合构建了隔离开关触头接触不良缺陷辨识模型，检验结果表明该模型辨识效果优。     

GIS隔离开关接触状态振动–温度联合检测方法

气体绝缘开关设备(gas insulated switchgear,GIS)中隔离开关接触状态对于设备的安全运行具有极大的影响，因此围绕GIS隔离开关接触状态与振动信号、温度变化的对应关系展开研究，搭建了252 kV三相分体式GIS试验平台。通过控制动静触头接触距离模拟了3种机械状态，测量了隔离开关在不同接触状态下的振动信号和温度信号，获得了振动和温度信号的关联关系，基于振动和温度信号的特征量联合分析，提出了隔离开关接触状态的综合检测方法。试验结果表明：正常运行时，GIS外壳振动幅值较小，频率主要分布在100 Hz，温升在1℃左右；随着接触状态劣化，振动幅值明显增加，频谱中出现200 Hz、300 Hz等异常振动信号，外壳温度持续升高。研究结果表明：以振动信号的振幅、频率幅值占比和温度变化为特征量，综合分析不同接触状态下振动信号的相似度和相对温差，得到特征量间的相对系数，能够在不同电流下较好地识别GIS隔离开关接触状态，对现场检测具有实际意义。     

基于弗雷歇距离的GIS隔离开关卡涩缺陷识别及量化方法

电力工业上GIS(gas insulated switchgear)隔离开关的多种机械故障多是由传动机构及导电部结构应力变化导致,而这种应力变化的早期体现形式主要是卡涩缺陷。对GIS隔离开关卡涩缺陷的识别及量化对避免设备发生严重故障具有重要意义。然而,GIS隔离开关面临因工业现场开关机械状态的离散化导致的难以对卡涩缺陷进行识别和量化的问题,限制了运维人员对GIS隔离开关机械状态的感知能力与故障预警能力。文中以GIS隔离开关正常机械状态下的驱动电机功率曲线作为标准曲线,采用多窗口斜率的特征点识别方法,结合开关运行物理过程分析将电机功率曲线进行分段处理。在开关动作各分段内,采用弗雷歇距离分析对GIS隔离开关的卡涩缺陷进行识别,并相应地以标准曲线与动作曲线的弗雷歇距离作为量化依据。最后,通过ZF12B-126型GIS隔离开关实验,验证了文中所提出技术路线的有效性,实验证明在卡涩缺陷发展初期,文中采取的方法可以灵敏的对卡涩缺陷进行识别。     

基于振动信号的GIS隔离开关接触状态带电检测技术研究

隔离开关是GIS重要部件,隔离开关在安装过程及运行过程中会频繁操作,会导致其存在动静触头接触松动、开合不到位等机械故障。研究了利用运行过程中GIS外壳振动信号进行隔离开关接触状态的带电检测技术。理论分析了隔离开关由于接触状态改变所导致的振动信号特征,并通过实验研究了隔离开关松动时GIS设备的外壳振动信号特性,结果表明一旦隔离开关接触状态劣化,出现松动的机械故障,会导致振动信号幅值变大、信号出现除100 Hz外的其他分量。利用所研制的带电检测系统对现场220 k V GIS进行了振动测试,并结合X射线证明了所研究方法的有效性。     

基于机-热-电多参量信号特征的GIS隔离开关状态评估方法

气体绝缘开关(gas insulated switchgear, GIS)设备中的隔离开关故障往往是机械、热、电气多物理量综合作用的结果,从微小缺陷发展至严重故障的过程中,会产生异常振动、温度、局部放电多种参量信号,同时测量并分析GIS隔离开关的多参量信息对于准确获取其运行状态具有重要意义。文中通过在实体220 kV GIS实验平台上模拟隔离开关最为常见的接触不良缺陷,研究不同接触状态时振动信号、温度变化和局部放电信号的演化规律,获得其与设备状态之间的对应关系,结合健康指数理论和改进层次分析法,提出基于多参量特征的GIS隔离开关综合评估方法。使用该方法开展现场测试,其检查结果与多参量综合评估方法的的分析结果相吻合。文中的研究为GIS隔离开关状态的带电检测提供了一种可行性较高的多参量融合分析新方法。     

基于时域特征参数与振动信号分析的有载分接开关故障诊断

由于有载分接开关(on-load tap changer, OLTC)需要频繁切换和具有严格的运行条件，OLTC已成为电力变压器中最脆弱的部分之一，OLTC故障的准确诊断对保障电力系统稳定运行意义重大。基于变分模态分解将OLTC振动信号分解为数个模态分量，基于模态分量提取OLTC振动信号的时域特征参数，并利用一系列故障模拟对OLTC振动信号时域特征参数进行统计性分析。通过这些时域特征参数建立OLTC振动信号数据库，从而实现OLTC故障的诊断。     

高压开关机械故障的监测与诊断

高压开关操作系统的机械故障是运行中常见故障。这类瞬动式的设备的机械故障监测不同于其他运转机械。现介绍由外部振动信号分析开关动作时的机械状态,通过信号的处理提取故障信息,这种间接监测诊断方法适合于在线应用。     

基于MFCC和随机森林的GIS动作声纹特征辨识和操作机构异常分类

针对气体绝缘金属封闭开关（GIS）设备的操作机构异常或故障而导致其开关动作时出现分合闸失败或不到位的问题,提出了一种基于梅尔频率倒谱系数（MFCC）和随机森林的GIS设备操作机构异常分类模型。首先,对采集到的声纹信号进行预处理,使用MFCC提取声纹信号的特征;然后,构建随机森林对提取的特征信息进行辨识,得到GIS动作异常的分类结果;最后,以某110 kV的GIS设备为例,采集断路器、隔离开关的储能机构和传动机构异常或故障时的声纹信号,构建了音频样本库,并对所提分类模型与多种经典模型进行了对比测试。结果表明,MFCC能够有效提取出不同工况下GIS动作的声纹信号特征,且随机森林在众多分类识别模型中表现最优,有效提高了GIS动作异常工况识别的准确率。     

基于振动信号分析的配电开关机械状态诊断系统

配电开关的振动信号包含有丰富的开关机械状态信息,可以通过合理有效的方法提取振动信号特征量,作为配电开关机械状态诊断的依据。根据数据采集的功能需求,设计了基于Lab VIEW的振动信号采集装置软硬件。利用经验模态分解(empirical mide decomposition,EMD)对振动信号进行时频分解,提取分解所得固有模态分量(intrinsic mode function,IMF)的样本熵作为特征量,最后通过模糊C-均值聚类(fuzzy C-means,FCM)进行机械状态诊断。通过实验,采集并分析了正常状态和典型故障状态下的配电开关振动信号,验证了基于振动信号分析的配电开关机械状态诊断系统的准确性和有效性。     

基于TQWT及SVM算法的有载分接开关带电检测技术研究

在变压器带电情况下,有载分接开关（OLTC）振动信号可反应其运行状态。对振动信号特征参量进行提取分析和故障诊断可辅助实现变压器健康状态预警。本文采用优化后的小波包算法：品质因子可调小波变换算法（TQWT）提取检测装置获取的振动信号有效信息,克服小波滤波器导致的频率混淆现象,消除频率折叠,有效提高特征参量的准确性。通过支持向量机算法（SVM）对振动特征信号进行故障类型识别。在此基础上研制有载分接开关带电检测装置,实现了对有载分接开关运行状态量的现场检测和分类,大幅度减少了现场检修人员工作量,提高检修人员工作效率。     

基于振动信号特征的高压断路器机械故障诊断技术研究

以ZW-32型永磁机构断路器为研究对象,搭建了断路器动作时振动信号监测平台,采集了操动机构常见故障状态下的振动数据。利用小波包—特征熵提取了振动信号特征值,并建立了基于相关向量机原理的操动机构故障诊断模型,实现了对断路器振动状态的在线监测及故障类型的智能辨别。试验结果表明,该方法具有较高的故障识别能力,对实现断路器机械状态的在线监测与故障诊断有一定的工程实用价值。     

辐射电场特征能量提取法在评估GIS状态中的应用研究

气体绝缘变电站(Gas Insulated Substation,GIS)内的隔离开关(Disconnecting Switch,DS)或者断路器(Circuit Breaker,CB)的动作会在GIS外部产生强烈的辐射电磁场环境。为了通过此测得的辐射场特征参数评估GIS的健康状态,特提出利用小波包分解提取辐射电场信号特征频段能量的方法。采用bior5.5小波基函数,分别对GIS处于健康状态与GIS中CB内出现绝缘故障两种情况下CB关合动作所产生的辐射电场信号进行4层小波包分解,从而提取不同频段的归一化能量,发现31.25 MHz以下的频段为此GIS因CB动作所产生辐射电场信号的特征频段。经推广,通过对比任意一次CB动作后辐射电场在特征频段的能量与GIS正常运行状态下典型辐射电场的特征频段的能量,可以诊断CB的绝缘故障,评估GIS的健康状态。     

基于总变差降噪与RQA的单向阀故障诊断

针对单向阀振动信号易被噪声淹没和故障表征不明显的问题,提出了一种基于总变差降噪(TVD)和递归定量分析(RQA)的单向阀故障诊断方法。首先利用总变差降噪方法对振动信号进行降噪,提高信号的信噪比;然后对降噪后的信号绘制递归图,通过递归定量分析方法提取递归图中的非线性特征参数,并对所提取特征参数进行敏感度分析,找出敏感度较高的特征参数构成特征向量;最后将得到的特征向量输入加权K近邻分类器(WKNN)完成单向阀故障类型的识别。实验结果表明,该方法在降低背景噪声、表征故障信息和保证故障诊断准确性方面具有明显的效果,具有一定的工程应用价值。     

基于振动信号SVM分类的变压器状态识别

为提高基于振动信号的变压器状态识别准确率,提取振动信号的峰峰值、均值、偏度等时域特征量和主频率幅值占比、基频幅值占比、50 Hz及其奇次倍频幅值占比等频域特征量构成特征向量,运用支持向量机(SVM)分类方法对变压器进行状态识别。采集了变压器正常与故障运行状态下的振动信号,结合实测信号分析了各特征量随变压器状态的变化,最后对比了单个特征量与多特征量结合对变压器正常短路、正常空载、故障短路、故障空载4种状态的识别准确率。结果表明,结合振动信号多个特征量的SVM分类对变压器的状态识别准确率显著高于单个特征量的识别准确率。