基于系统动力学的高压断路器全寿命成本评估

为使高压断路器在运行期间达到最优经济效益,通过引入系统动力学建立高压断路器全寿命周期成本模型评估其经济寿命。由于故障成本随故障率波动而动态变化,为了准确描述实际检修对故障率的影响,通过引入“役龄回退因子”修正实际维修后的故障率函数。同时,基于高压断路器LCC模型求得其年均全寿命成本,进而确定高压断路器可获得最大经济效益的退役年限。通过算例仿真结果可知,基于系统动力学的高压断路器LCC模型能直观地反映高压断路器整个运行年限内全寿命周期成本及其构成因素变化过程,对高压断路器实际运行维护及退役具有参考借鉴意义。     

基于VMD模态分量的高压断路器分合闸线圈电流特征值提取

高压断路器分合闸线圈电流波形中包含着丰富的断路器操动机构和控制回路的状态信息,分析分合闸线圈电流的特性对断路器的状态监测、故障诊断具有重要意义。文中提出一种基于变分模态分解（VMD）模态分量的高压断路器分合闸线圈电流特征值提取方法;通过变分模态分解算法对分合闸线圈电流进行分解,并确定有效反映线圈电流关键信息的模态分量;随后采用削波方式处理模态分量以提取线圈电流波形关键时间点及对应电流特征值。基于断路器实验平台采集的数据样本的实验验证结果表明,该方法能够准确有效地提取分合闸线圈电流关键特征值。     

基于SO-PAA-GAF和AdaBoost集成学习的高压断路器故障诊断

针对在小样本和复杂工况下高压断路器故障诊断识别精度不高的问题,提出一种基于振动信号处理和Ada Boost集成学习的高压断路器故障诊断方法。首先,搭建高压断路器实验平台并采集8种工况下的分闸振动信号。其次,对振动信号进行绝对值处理后,使用分段聚合近似(piecewise aggregate approximation, PAA)进行分段平均,将输出的新序列采用格拉姆角场(Gramian angular field, GAF)转换成图片,并使用Relief F方法对提取的高维图片特征进行重要度排序。最后,将保留的重要特征输入到Ada Boost集成学习模型进行故障诊断,并用蛇优化算法确定最优PAA分段步长和输入分类器特征数量,以进一步提高故障诊断精度。通过分析多种信号处理方式及分类模型可知,图片信号和Ada Boost集成学习模型能够有效处理振动信号并准确判断故障类型,为准确、可靠地诊断高压断路器故障提供了新途径。