基于数学形态学和小波包分解的高压断路器机械状态监测和诊断系统的研究

【摘要】：当前供电负荷不断增加,电力系统中高压断路器的使用和维护越来越受到运行和检修人员的关注。断路器分合闸线圈老化、铁芯卡滞、传动机构卡涩、凸轮磨损等机械故障严重影响电网安全稳定运行,也会造成巨大经济损失。然而目前在工程实际应用中,还没有一套有效可靠的系统可以准确地诊断高压断路器机械状态并及时给出预警信号。因此,对断路器机械状态进行监测,对监测数据进行准确的特征识别,分析断路器运行状态、故障性质与部位,具有非常重要的意义。针对现有断路器状态监测手段单一、特征提取算法过于传统、无法从监测数据中准确提取有效特征、尚未有完备的故障诊断系统出现等问题,本文提出了多参量监测以及多维映射的诊断理念。本文首先对高压断路器机械状态监测的原理进行介绍,包括分合闸线圈电流、储能电机电流以及振动信号的在线监测。第三章介绍了在线监测方法和数据的获取,搭建了一个基于LabVIEW FPGA的故障模拟试验平台,主要通过故障模拟的手段获取断路器机械故障数据。第四章详细介绍了利用数学形态学和小波包分解对监测数据进行特征提取以及特征信息的选择。最后将从故障模拟得到的数据中提取的特征信息主成分用于建立多维映射知识库,并利用支持向量机对断路器的状态进行诊断,在这个过程中,综合考虑了某一故障对多个参量的影响。本文重点分析了振动信号的处理方法,将小波变换与相对能量和信号熵等分析方法相结合对振动信号的特征信息进行提取,并将这些特征信息与电流信号的特征信息相结合对断路器状态进行诊断,通过大量的实验数据仿真验证,本文的方法可以有效地监测和诊断出高压断路器常见的机械故障。