基于振動信號的高壓斷路器觸頭超程狀態識別

楊秋玉 阮江軍 黃道春 莊志堅

摘 要關鍵詞：高壓斷路器;觸頭超程;振動信號;經驗模態分解; Hilbert邊際譜能量

DOI：10.15938/j.emc.2019.06.000

中圖分類號文獻標志碼：A 文章編號：1007 -449X（2019）06 -0000 -00

Abstract：This paper presents a new method for identifying the state of electrical contacts overtravel in highvoltage circuit breaker （HVCB） using vibration signature. The vibration signal generated during the process of HVCB opening/closing operation contains the information of electrical contacts overtravel， which can be extracted by appropriate feature extraction method. The vibration signals of different overtravels are obtained by experimental investigation. The empirical mode decomposition （EMD） is used to decompose the vibration signal， and the marginal spectral energy of the decomposed intrinsic mode function （IMF） is calculated as the feature for identifying overtravel state. Furthermore， the variation rule between the feature and the overtravel is analyzed in detail. The experimental results show that the proposed method can effectively extract the overtravel state information from HVCBs vibration signal， which can realize the accurate identification of the overtravels state. This method provides a feasible approach for online monitoring and diagnosis of HVCBs electrical contact overtravel.

Keywords：highvoltage circuit breaker; overtravel of electrical contact; vibration signal; empirical mode decomposition; Hilbert marginal spectrum energy

0 引 言

高壓斷路器是保證電網安全、可靠運行的重要和關鍵設備。電網的安全、靈活和穩定性主要依賴于斷路器的可靠工作[1-4]。因此，為了避免斷路器發生故障和延長服役壽命，人們提出了各種維護策略。其中，通過檢測高壓斷路器機械特性來對其性能進行評估是目前最常用的方法[5-8]。高壓斷路器的機械特性主要有：觸頭開距、觸頭超程、分/合閘時間、分/合閘速度、分閘反彈幅值、合閘彈跳時間、同期性等。其中，觸頭超程是非常關鍵的機械特性參數：1）觸頭超程影響著其它機械特性參數;2）觸頭超程還影響著回路電阻、斷路器機械壽命及電壽命等。工程實踐和試驗研究表明，觸頭超程隨著斷路器動作次數（包括空載、額定負載和異常負載）的增加不斷減小，且動作越頻繁（與機械壽命有關）、開斷電流越大（與電壽命有關），超程減小的越快。

目前，只能通過離線的方式對在運高壓斷路器觸頭超程進行檢測，即在停電檢修期間，通過檢測高壓斷路器觸頭行程曲線，并結合分/合閘脫扣器電流曲線、觸頭狀態曲線等，求取觸頭超程值[9-10]。這種方法不僅費時費力，還受位移/角度傳感器安裝的影響，更不能實現在線監測。為解決該現狀，本文提出利用高壓斷路器分/合閘動作過程中產生的振動信號對觸頭超程狀態進行識別，嘗試通過合適的信號處理與特征提取方法，提取反映高壓斷路器觸頭超程狀態變化的特征量，實現觸頭超程狀態的識別。

為了從振動信號中提取觸頭超程特征，首先應對振動信號進行加工，從中獲取盡可能多的信息。常用的振動信號處理方法大致可分為兩類：1）基于Fourier變換的經典譜分析方法及其改進方法[11-14]，2）時頻分析方法[15-18]。基于Fourier變換的經典譜分析方法要求被分析的信號是嚴格平穩的（工程實際的信號多為非平穩）;其改進方法是將原非線性、非平穩信號轉換為線性、平穩信號（并非真實信號），或減小原信號的非線性、非平穩特征（存在誤差）;因此，第一類方法存在著固有的缺陷，不適合用于分析（或分析效果不佳）高壓斷路器這種復雜的非線性、非平穩振動信號。時頻分析方法包括傳統的如短時Fourier變換（STFT）、小波變換（WT）等方法;以及新型的如HilbertHuang變換（HHT）、變分模態分解（VMD）等方法。時頻分析方法是處理振動信號最常用、最有效的方法。本文采用HHT方法對高壓斷路器振動信號進行處理。

在特征提取方面，綜合考慮1）Hilbert邊際譜（可對HHT結果積分得到）是反映信號單位頻率內的幅值分布;2）能量能夠反映機械運動的狀態：信號各頻段隨機械狀態的變化而變化，而頻帶能量的變化更加顯著[19-20]。因此，本文將HHT與頻帶能量相結合，從高壓斷路器分/合閘產生的振動信號中提取表征觸頭超程狀態的特征量。

4 結 論

1）通過對高壓斷路器進行機械壽命試驗，得到高壓斷路器機械壽命期內觸頭超程變化規律（圖10所示）。

2）試驗獲取高壓斷路器觸頭超程變化過程中的振動信號，并采用EMD與IMF分量Hilbert邊際譜能量相結合的振動信號特征提取方法，揭示了高壓斷路器振動信號特征量隨觸頭超程變化的規律。

3）IMF1分量Hilbert邊際譜能量可很好地反映高壓斷路器觸頭超程狀態：合閘時，IMF1分量Hilbert邊際譜能量值與觸頭超程值成反比（即：觸頭超程越小，IMF1分量Hilbert邊際譜能量越大）;分閘則反之，即IMF1分量Hilbert邊際譜能量值與觸頭超程值成正比。

4）本文只采用單個加速度傳感器、測量單一位置的振動信號，存在一定的局限性。后續可考慮分別在高壓斷路器三相本體（滅弧室）合適位置安裝加速度傳感器以分別實現三相觸頭超程狀態的識別。

5）后續工作，還可基于本文所提方法，采用人工智能算法，如支持向量機、神經網絡等，實現高壓斷路器觸頭超程狀態的智能識別。

參 考 文 獻：

[1] KEZUNOVIC M， REN Z， LATISKO G， et al. Automated monitoring and analysis of circuit breaker operation [J]. IEEE Transactions on Power Delivery， 2005， 20（3）， 1910.

[2] NATTI S， KEZUNOVIC M. Assessing circuit breaker performance using conditionbased data and Bayesian approach [J]. Electric Power Systems Research， 2011， 81（9）， 1796.

[3] RAZIKAZEMI A A， VAKILIAN M， NIAYESH K， et al. Priority assessment of online monitoring investment for power system circuit breakersPart I： Qualitativequantitative approach [J]. IEEE Transactions on Power Delivery， 2013， 28（2）， 928.

[4] JUN Z， WENYUAN L， CAISHENG W， et al. A rankboost based datadriven method to determine maintenance priority of circuit breakers [J]. IEEE Transactions on Power Delivery， DOI 10.1109/TPWRD.2017.2748146.

[5] 趙書濤，吳成堅，李明，等.基于NCC-P-S優化算法的斷路器機械特性測試方法研究[J].中國電機工程學報，2017，37（14）：4265.

ZHAO Shutao， WU Chenjian， JI Ming， et al. Research of circuit breaker mechanical characteristic test method based on normalized cross correlationpyramidsector optimization algorithm [J]. Proceedings of the CSEE， 2017， 37（14）： 4265.

[6] 劉艷，陳麗安.基于SOM的真空斷路器機械故障診斷[J].電工技術學報，2017，32（5）：49.

LIU Yan， CHEN Lian. Mechanical fault diagnosis of vacuum circuit breaker based on SOM[J]. Transactions of China electrotechnical Society， 2017， 32（5）： 49.

[7] 張顯聰，喻冬梅，楊柳，等.位移傳感器在中壓斷路器機械特性監測中的應用研究[J].高壓電器，2015，51（7）：37.

ZHANG Xiancong， YU Dongmei， YANG Liu， et al. Application study of the displacement sensor used for testing the mechanical properties of medium voltage circuit breaker [J]. High Voltage Apparatus， 2015， 51（7）：37.

[8] 陳建平，胡占強，蘇曉東.智能化斷路器機械特性在線監測關鍵技術設計[J].高壓電器，2014，50（4）：108.

CHEN Jianping， HU Zhanqiang， SU Xiaodong. Key technology design to online monitoring of mechanical characteristics for intelligent vacuum circuit breaker [J]. High Voltage Apparatus， 2014， 50（4）：108.

[9] 牛為華，梁貴書，趙鵬.基于稀疏表示和MELM的斷路器故障診斷模型[J].系統仿真學報，2017，29（11）：2828.

NIU Weihua， LIANG Guishu， ZHAO Peng. Fault diagnosis model of circuit breaker based on sparse representation and MELM [J]. Journal of System Simulation， 2017， 29（11）： 2828.

[10] 姜生，李世民，王繼元.真空斷路器機械特性的探討[J].高壓電器，2002，38（4）：61.

JIANG Sheng， LI Shimin， WANG Jiyuan. Discussion on the mechanical characteristic of vacuum circuit breaker [J]. High Voltage Apparatus， 2002， 38（4）： 61.

[11] 戴煜林.故障樹及振動包絡分析在風電機組故障診斷中的應用[D].北京： 華北電力大學，2016.

[12] 史紅梅，趙蓉，余祖俊，等.基于鋼軌振動響應分析的車輪扁疤檢測方法研究[J].振動與沖擊，2016，35（10）：24.

SHI Hongmei， ZHAO Rong， YU Zujun， et al. Detection method for wheel flats based on rail vibration responses analysis [J]. Journal of Vibration and Shock， 2016， 35（10）：24.

[13] 林慧斌，丁康.基于振動的發動機轉速高精度動態測量新方法[J].振動工程學報，2012，25（5）：595.

LI Huibin， DING Kang. A high accuracy dynamical measurement method for engine rotation speed based on vibration [J]. Journal of Vibration Engineering， 2012， 25（5）： 595.

[14] 龍海軍，孫燦飛，莫固良.直升機振動檢測通用算法的研究與實現[J].振動、測試與診斷，2016，36（3）：254.

LONG Haijun， SUN Canfei， MO Guliang. Research and implementation of general algorithm for helicopter vibration detection [J]. Journal of Vibration， Measurement & Diagnosis， 2016， 36（3）：254.

[15] 李輝，李洋，楊東，等.基于EMD相關去噪的風電機組振動噪聲抑制及特征頻率提取[J].電機與控制學報，2016，20（1）：73.

LI Hui， LI Yang， YANG Dong， et al. Noise suppression and characteristic frequency extraction of wind turbine vibration based on EMD correlation denoising [J]. Electric Machines and Control， 2016， 20（1）：73.

[16] HUANG N E， SHEN Z， LONG S R， et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and nonstationary time series analysis [J]. Proceeding of the Royal Society of London Series AMathematical Physical and Engineering Sciences， 1998， 454（1971）：903.

[17] SMITH J S. The local mean decomposition and its application to EEG perception data [J]. Journal of the Royal Society Interface， 2005， 2（5）：443.

[18] DRAGOMIRETSKIY K， ZOSSO D. Variational mode decomposition [J]. IEEE Transactions on Signal Processing， 2014， 62（3）， 531.

[19] 孫一航，武建文，廉世軍.結合經驗模態分解能量總量法的斷路器振動信號特征向量提取[J].電工技術學報，2014，29（3）：228.

SUN Yihang， WU Jianwen， LIAN Shijun. Extraction of vibration signal feature vector of circuit breaker based on empirical mode decomposition amount of energy [J]. Transactions of China Electrotechnical Society， 2014， 29（3）： 228.

[20] 陳攀，姚陳果，廖瑞金.分頻段能量譜及馬氏聚類算法在開關柜局部放電模式識別中的應用[J].高電壓技術，2015，41（10）：3332.

CHEN Pan， YAO Chenguo， LIAO Ruijin. Application of signals separated band energy spectrum and mahalanobis clustering algorithm for switchgear partial discharge pattern recognition [J]. High Voltage Engineering， 2015， 41（10）： 3332.

（編輯：賈志超）