基于盲源分离算法对高压断路器故障诊断的方法及系统与流程

本申请属于电力设备检测领域，具体涉及一种基于盲源分离算法对高压断路器故障诊断的方法及系统。

背景技术：

1、高压断路器(high-voltage circuit breaker,hvcb)是电力系统中重要的保护和控制设备，其性能直接或间接影响着电力系统的可靠性和稳定性。近年来，基于状态检/监测的高压断路器检修技术成为人们关注的重点，通过对高压断路器振动信号的检测/监测，分析异常的振动信号，定位异常原因，采取相应的措施预防故障的发生。许多研究表明，断路器弹簧储能不足、螺丝松动、老化、破损等是导致高压断路器故障的主要原因。但是，现有技术对于高压断路器的监测无法准确的识别出详细的故障情况。

技术实现思路

1、本申请实施例提供了一种基于盲源分离算法对高压断路器故障诊断的方法及系统，通过在高压断路器运行过程中,通过振动信号检测装置采集振动信号，再通过盲源分离算法进一步对振动信号进行精准分析，识别出高压断路器的故障状态、故障类型和故障程度，实现对高压断路器发生故障的诊断。

2、第一方面，本申请实施例提供了一种基于盲源分离算法高压断路器故障诊断的方法，应用于高压断路器故障诊断系统的故障诊断装置，所述高压断路器故障诊断系统包括所述故障诊断装置、多个振动信号检测装置、断路器，所述故障诊断装置分别与所述多个振动信号检测装置通信连接，所述振动信号检测装置设置于所述高压断路器，所述振动信号检测装置监测断路器合闸、分闸的运行过程，根据断路器的结构特点和动作特性，所述高压断路器的运行过程包括脱扣阶段、解列阶段、传动阶段和制动阶段，所述方法包括：

3、获取来自所述多个振动信号检测装置的混合振动信号；

4、将所述混合振动信号分解为多个独立的第一振动信号；

5、根据断路器结构特点和动作特性，将断路器在合闸、分闸的运行过程分为不同阶段，对应的将第一振动信号进行分割，得到与不同阶段相对应的信号特征；

6、利用分割后的信号特征，结合机器学习算法，进行故障诊断，输出故障诊断结果。

7、第二方面，一种基于盲源分离算法高压断路器故障诊断的系统，包括应用于高压断路器故障诊断系统的故障诊断装置，所述高压断路器故障诊断系统包括所述故障诊断装置、多个振动信号检测装置、高压断路器，所述故障诊断装置分别与所述多个振动信号检测装置通信连接，所述振动信号检测装置设置于所述高压断路器，所述振动信号检测装置监测断路器合闸、分闸的运行过程，根据断路器的结构特点和动作特性，所述高压断路器的运行过程包括脱扣阶段、解列阶段、传动阶段和制动阶段，其中，

8、所述故障诊断装置，用于执行如上述第一方面中的所述故障诊断装置所执行的操作；

9、所述振动信号检测装置，用于执行如上述第一方面中的所述振动信号检测装置所执行的操作；

10、所述高压断路器，用于执行如上述第一方面中的所述高压断路器所执行的操作。

11、可见，本实施例中，高压断路器故障诊断系统首先获取来自所述多个振动信号检测装置的混合振动信号，然后基于盲源分离算法将所述混合振动信号分解为多个独立的第一振动信号，根据断路器结构特点和动作特性，将高压断路器在合闸、分闸的运行过程分为不同阶段，对应的将第一振动信号进行分割，得到与不同阶段相对应的信号特征，最后，利用分割后的信号特征，结合机器学习算法，进行故障诊断。

12、结合机器学习算法构建了四个子模型，分别对应高压断路器在合闸、分闸的运行过程分为不同阶段的信号特征，以便可以使用深度学习算法对模型不断训练优化，尤其是对于故障类型，高压断路器的故障类型可以随着算法模型的运用不断丰富及更新故障类型的种类。实施本方案，高压断路器的故障监测能够迅速而精准定位出发生故障的机械部件及故障原因，也即是能够有效提升高压断路器故障诊断的及时性和准确性。同时，也会随着机器学习样本的不断增加，从而更为精确的识别故障状态、故障类型及故障程度，其故障诊断的准确性将进一步提升。

技术特征：

1.一种基于盲源分离算法高压断路器故障诊断的方法，其特征在于，应用于高压断路器故障诊断系统的故障诊断装置，所述高压断路器故障诊断系统包括所述故障诊断装置、多个振动信号检测装置、断路器，所述故障诊断装置分别与所述多个振动信号检测装置通信连接，所述振动信号检测装置设置于所述高压断路器，所述振动信号检测装置监测断路器合闸、分闸的运行过程，根据断路器的结构特点和动作特性，所述高压断路器的运行过程包括脱扣阶段、解列阶段、传动阶段和制动阶段，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述对分离出的所述多个独立的第一振动信号进行特征提取，识别出与断路器结构特点和动作特性对应的信号特征的步骤中，包括：

3.根据权利要求2所述的方法，其特征在于，所述信号特征的特征指标至少包括：峰值、峰峰值、均值、均方根值、峭度、裕度、偏度。

4.根据权利要求2所述的方法，其特征在于，根据断路器结构特点和动作特性，将断路器在合闸、分闸的运行过程分为不同阶段，对应的将第一振动信号进行分割，将第一振动信号分割为四个阶段，分别对应脱扣阶段、解列阶段、传动阶段、制动阶段，得到与不同阶段相对应的信号特征，包括：

5.根据权利要求4所述的方法，其特征在于，根据断路器结构特点和动作特性，基于历史数据建立基于深度卷积神经网络的高压断路器在不同阶段运行过程中的断路器故障诊断模型，包括：脱扣阶段模型、解列阶段模型、传动阶段模型、制动阶段模型四个故障诊断子模型。

6.根据权利要求5所述的方法，其特征在于，在利用分割后的信号特征，结合机器学习算法，进行故障诊断的步骤中，还包括：

7.根据权利要求1所述的方法，其特征在于，在将所述混合振动信号分解为多个独立的第一振动信号的步骤中，还包括：

8.根据权利要求1所述的方法，其特征在于，所述基于盲源分离算法处理所述混合振动信号，将所述混合振动信号分解为多个独立的第一振动信号的步骤中，运用独立成分分析法可以从混合振动信号提取多个独立成分，所述独立成分即为独立的第一振动信号，包括：

9.根据权利要求8所述的方法，其特征在于，在所述使用迭代算法更新权重向量，直到收敛步骤中，随机初始化权重向量w，对于权重向量w,计算信号s＝wtx的非高斯性度量g(s)，计算非高斯性度量g(s)对权重向量w的方向，使用梯度上升方法更新权重：wnew＝w+η·▽g(s)，其中η是学习率。

10.一种基于盲源分离算法高压断路器故障诊断的系统，其特征在于，应用于高压断路器故障诊断系统的故障诊断装置，所述高压断路器故障诊断系统包括所述故障诊断装置、多个振动信号检测装置、断路器，所述故障诊断装置分别与所述多个振动信号检测装置通信连接，所述振动信号检测装置设置于所述高压断路器，所述振动信号检测装置监测断路器合闸、分闸的运行过程，根据断路器的结构特点和动作特性，所述高压断路器的运行过程包括脱扣阶段、解列阶段、传动阶段和制动阶段，其中，

技术总结
本申请提供了一种基于盲源分离算法对高压断路器故障诊断的方法及系统，包括应用于高压断路器故障诊断系统的故障诊断装置、多个振动信号检测装置及高压断路器，根据高压断路器的结构特点和动作特性，将所述高压断路器的运行过程包括脱扣阶段、解列阶段、传动阶段和制动阶段，所述方法包括：获取来自所述多个振动信号检测装置的混合振动信号；将所述混合振动信号分解为多个独立的第一振动信号；对应的将第一振动信号进行分割，得到与脱扣阶段、解列阶段、传动阶段和制动阶段相对应的信号特征；利用分割后的信号特征，结合机器学习算法，进行故障诊断，输出故障诊断结果。可以提高高压断路器故障诊断的及时性和准确性。

技术研发人员：涂志波,李文泉,兰方,陈强,雷龙飞,吴红波,周立龙,李超,廖彦铭,王昌
受保护的技术使用者：国网四川省电力公司特高压直流中心
技术研发日：
技术公布日：2024/9/23