基于斷路器動(dòng)作特征參數(shù)的合閘彈簧儲(chǔ)能狀態(tài)預(yù)測(cè)

代文芳，趙思洋，曾 國(guó)，李鵬飛，李 俊，周文俊，賀 攀，嚴(yán)國(guó)志

(1. 國(guó)網(wǎng)黃石供電公司，湖北黃石 435000；2.武漢大學(xué)電氣工程學(xué)院，湖北武漢 430072)

?

基于斷路器動(dòng)作特征參數(shù)的合閘彈簧儲(chǔ)能狀態(tài)預(yù)測(cè)

代文芳1，趙思洋2，曾 國(guó)1，李鵬飛2，李 俊1，周文俊2，賀 攀1，嚴(yán)國(guó)志2

(1. 國(guó)網(wǎng)黃石供電公司，湖北黃石 435000；2.武漢大學(xué)電氣工程學(xué)院，湖北武漢 430072)

為實(shí)現(xiàn)在檢修時(shí)對(duì)運(yùn)行中斷路器的合閘彈簧儲(chǔ)能狀態(tài)進(jìn)行診斷，利用壓力傳感器、光電編碼器和電流互感器在LW25-126瓷柱式六氟化硫斷路器上進(jìn)行實(shí)驗(yàn)，獲取合閘彈簧儲(chǔ)能狀態(tài)和動(dòng)作特征參數(shù)。研究了斷路器合閘和儲(chǔ)能過(guò)程的動(dòng)作特征參數(shù)與合閘彈簧儲(chǔ)能狀態(tài)之間的對(duì)應(yīng)關(guān)系，利用BP神經(jīng)網(wǎng)絡(luò)對(duì)合閘彈簧儲(chǔ)能狀態(tài)進(jìn)行預(yù)測(cè)。通過(guò)對(duì)BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果和實(shí)驗(yàn)結(jié)果的分析，表明通過(guò)斷路器動(dòng)作特征參數(shù)可以有效地對(duì)合閘彈簧的儲(chǔ)能狀態(tài)進(jìn)行預(yù)測(cè)。

彈簧操動(dòng)機(jī)構(gòu)；合閘彈簧；儲(chǔ)能狀態(tài)；BP神經(jīng)網(wǎng)絡(luò)

0 引言

彈簧操動(dòng)機(jī)構(gòu)以其電源容量小、功能原理簡(jiǎn)單、維護(hù)簡(jiǎn)潔[1]等優(yōu)點(diǎn)越來(lái)越廣泛應(yīng)用于更高電壓等級(jí)的斷路器之中[2]。隨著斷路器運(yùn)行時(shí)間的增長(zhǎng)，由于制造工藝、材料缺陷、環(huán)境因素等原因造成斷路器彈簧操動(dòng)機(jī)構(gòu)機(jī)械連接松動(dòng)[3]、儲(chǔ)能彈簧疲勞、蠕變等故障，直接導(dǎo)致儲(chǔ)能彈簧的儲(chǔ)能不足或過(guò)儲(chǔ)能，對(duì)斷路器整體性能的影響極為嚴(yán)重。

電力系統(tǒng)對(duì)儲(chǔ)能彈簧的檢修主要集中在彈簧是否銹蝕、變形，彈簧與傳動(dòng)臂連接是否松動(dòng)[4]。這種檢修方法不能對(duì)彈簧的性能進(jìn)行檢測(cè)。檢修中對(duì)斷路器機(jī)械性能的測(cè)試內(nèi)容包括三相的合閘時(shí)間、合閘速度、分閘時(shí)間、分閘速度、同相斷口間的同期性及三相間的同期性等參數(shù)[5]。通過(guò)這些參數(shù)對(duì)斷路器的整體狀態(tài)做出評(píng)判[6]，而對(duì)于彈簧操動(dòng)機(jī)構(gòu)的動(dòng)力源--儲(chǔ)能彈簧并沒(méi)有行之有效的診斷方法。近年來(lái)，智能變電站在斷路器儲(chǔ)能彈簧上加入壓力傳感器進(jìn)行實(shí)時(shí)的壓力監(jiān)測(cè)，此種方法雖然可以對(duì)彈簧的儲(chǔ)能狀態(tài)進(jìn)行監(jiān)測(cè)，但是對(duì)于當(dāng)前運(yùn)行中的彈簧操動(dòng)機(jī)構(gòu)，加裝壓力傳感器幾乎不可能實(shí)現(xiàn)。目前，還沒(méi)有針對(duì)斷路器合閘彈簧儲(chǔ)能狀態(tài)的診斷方法。

為實(shí)現(xiàn)在檢修過(guò)程中對(duì)現(xiàn)役斷路器的合閘儲(chǔ)能彈簧的儲(chǔ)能狀態(tài)進(jìn)行預(yù)測(cè)，本文以LW25-126瓷柱式六氟化硫斷路器為對(duì)象，以斷路器檢修中檢測(cè)的動(dòng)作參數(shù)為特征值，對(duì)合閘彈簧進(jìn)行儲(chǔ)能狀態(tài)診斷。采用壓力傳感器、光電編碼器和電流互感器測(cè)量斷路器的合閘彈簧壓力值、合閘行程曲線和儲(chǔ)能電機(jī)電流[7]，提取機(jī)械特征參數(shù)，建立動(dòng)作特征參數(shù)與合閘彈簧儲(chǔ)能狀態(tài)的對(duì)應(yīng)關(guān)系，利用BP神經(jīng)網(wǎng)絡(luò)對(duì)合閘彈簧的儲(chǔ)能狀態(tài)進(jìn)行診斷[8]。結(jié)果表明，該方法可以不使用壓力傳感器而準(zhǔn)確地對(duì)合閘彈簧的儲(chǔ)能狀態(tài)進(jìn)行預(yù)測(cè)。

1 基本原理

1.1 彈簧操動(dòng)機(jī)構(gòu)動(dòng)作特征參數(shù)

彈簧操動(dòng)機(jī)構(gòu)由合閘彈簧為合閘動(dòng)作提供動(dòng)力，由分閘彈簧為分閘動(dòng)作提供動(dòng)力。其中，110 kV及以上電壓等級(jí)的操動(dòng)機(jī)構(gòu)中均采用壓縮彈簧的方法進(jìn)行儲(chǔ)能。斷路器動(dòng)作包括3個(gè)動(dòng)作過(guò)程：合閘動(dòng)作、分閘動(dòng)作和儲(chǔ)能動(dòng)作。接收到繼保系統(tǒng)的分閘信號(hào)，分閘儲(chǔ)能彈簧釋放能量，驅(qū)動(dòng)操動(dòng)機(jī)構(gòu)使斷路器動(dòng)靜觸頭分開(kāi)。合閘過(guò)程包含2個(gè)動(dòng)作：第一，合閘彈簧由儲(chǔ)能狀態(tài)釋放能量，完成合閘動(dòng)作；第二，在合閘的過(guò)程中合閘彈簧一部分能量傳遞給分閘彈簧使分閘彈簧完成儲(chǔ)能，為下一次分閘做準(zhǔn)備。合閘動(dòng)作完成后，儲(chǔ)能電機(jī)開(kāi)始工作，通過(guò)儲(chǔ)能傳動(dòng)機(jī)構(gòu)給合閘彈簧儲(chǔ)能。

本文擬對(duì)合閘彈簧的儲(chǔ)能狀態(tài)進(jìn)行研究，需要對(duì)與合閘儲(chǔ)能相關(guān)的合閘動(dòng)作過(guò)程和儲(chǔ)能動(dòng)作過(guò)程的特征參數(shù)開(kāi)展研究。斷路器檢修中與之相關(guān)的機(jī)械特征參數(shù)有：合閘時(shí)間、合閘速度(最大速度、平均速度、剛合速度)、儲(chǔ)能電機(jī)電流峰值、電機(jī)有效輸出功、電機(jī)有效工作時(shí)間。

1.2 合閘彈簧儲(chǔ)能狀態(tài)特征

高壓斷路器一般在室外露天環(huán)境中工作，隨著工作時(shí)間的增加，在長(zhǎng)期的恒定載荷下合閘彈簧發(fā)生蠕變。蠕變直接導(dǎo)致儲(chǔ)能彈簧的剛度系數(shù)降低，使彈簧在相同的壓縮長(zhǎng)度下壓力值減小，儲(chǔ)能降低。

高壓斷路器的合閘時(shí)間一般在50～120 ms之間。以本文實(shí)驗(yàn)所用的LW25-126瓷柱式六氟化硫斷路器為例，其合閘時(shí)間在90～120 ms范圍內(nèi)為正常。合閘彈簧壓力值在這個(gè)時(shí)間內(nèi)從30kN變?yōu)?0kN。在這個(gè)時(shí)間內(nèi)如此大的力值變化產(chǎn)生巨大的振動(dòng)，通常造成合閘彈簧的導(dǎo)程螺桿和螺帽的松動(dòng)，或限位開(kāi)關(guān)的松動(dòng)，導(dǎo)致合閘彈簧預(yù)壓長(zhǎng)度減小或增大，進(jìn)而致使儲(chǔ)能的降低或增大。

合閘彈簧儲(chǔ)能的增大直接影響斷路器的合閘速度，過(guò)高的合閘速度會(huì)增大斷路器的振動(dòng)和摩擦，加速觸頭的老化，嚴(yán)重影響斷路器的使用壽命。合閘彈簧的儲(chǔ)能減小會(huì)引起合閘速度的降低，降低斷路器的滅弧能力，嚴(yán)重時(shí)會(huì)引發(fā)滅弧室的爆炸。綜上所述，合閘彈簧的儲(chǔ)能不足和過(guò)大均對(duì)斷路器的性能有較為嚴(yán)重的影響。

2 動(dòng)作參數(shù)的獲取

2.1 原始數(shù)據(jù)的獲取

LW25-126是用于110 kV電壓等級(jí)下的瓷柱式六氟化硫斷路器，采用CT20型彈簧操動(dòng)機(jī)構(gòu)。其合閘彈簧為螺旋圓柱彈簧，采用壓縮儲(chǔ)能方式。合閘彈簧參數(shù)如表1所示。

表1 CT20型彈簧操動(dòng)機(jī)構(gòu)合閘彈簧參數(shù)

系統(tǒng)采用CCY-01螺旋型彈簧壓力傳感器來(lái)對(duì)彈簧壓力值監(jiān)測(cè)。CCY-01的量程為0～40 000 N，測(cè)試精度≤1%F.S，能準(zhǔn)確測(cè)量出合閘彈簧的儲(chǔ)能壓力大小。采用E6B2-CWZ6C光電編碼器監(jiān)測(cè)主傳動(dòng)軸的轉(zhuǎn)速，對(duì)轉(zhuǎn)速進(jìn)行數(shù)學(xué)積分獲得斷路器的合閘行程曲線。CT20操動(dòng)機(jī)構(gòu)使用的儲(chǔ)能電機(jī)額定電流為4 A，采用TR0108-2B型穿心式電流互感器，其量程為100 A，將電機(jī)電源線在電流互感器中的穿心孔中環(huán)繞3匝進(jìn)行測(cè)量。

使用MPS-140801采集卡對(duì)3個(gè)傳感器信號(hào)進(jìn)行采集，并將采集信號(hào)實(shí)時(shí)上傳至上位機(jī)處理。硬件系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 硬件結(jié)構(gòu)框圖

在斷路器上進(jìn)行動(dòng)作實(shí)驗(yàn)，采集得到合閘過(guò)程壓力和合閘行程曲線分別如圖2和圖3所示，儲(chǔ)能過(guò)程中電機(jī)電流曲線如圖4所示。

圖2 合閘過(guò)程中壓力曲線

圖3 觸頭合閘行程曲線

圖4 儲(chǔ)能過(guò)程中電機(jī)電流

2.2 動(dòng)作特征參數(shù)的提取

對(duì)壓力曲線分別求取合閘動(dòng)作前后的壓力值Fb和Fl作為合閘彈簧的狀態(tài)指示參數(shù)。對(duì)觸頭合閘行程曲線提取合閘時(shí)間Tc、剛合速度vj、最大合閘速度vmax、平均合閘速度vave，對(duì)儲(chǔ)能電機(jī)電流求取包絡(luò)后提取電流峰值Ip、電機(jī)有效輸出功W、電機(jī)有效工作時(shí)間Tef，以此作為合閘彈簧儲(chǔ)能狀態(tài)的診斷向量。

以空載狀態(tài)的LW25-126瓷柱式六氟化硫斷路器為實(shí)驗(yàn)平臺(tái)進(jìn)行測(cè)試。測(cè)試方法如圖5所示。

圖5 測(cè)試方法示意圖

通過(guò)調(diào)節(jié)行程導(dǎo)桿端部S′的長(zhǎng)度來(lái)實(shí)現(xiàn)對(duì)合閘彈簧預(yù)儲(chǔ)能的長(zhǎng)度S的調(diào)節(jié)。實(shí)驗(yàn)進(jìn)行4組，每組實(shí)驗(yàn)彈簧儲(chǔ)能壓縮長(zhǎng)度分別為335 mm、330 mm、325 mm、320 mm。每組實(shí)驗(yàn)進(jìn)行10次動(dòng)作實(shí)驗(yàn)，每次動(dòng)作實(shí)驗(yàn)包括分閘、合閘、儲(chǔ)能各一次。所得動(dòng)作特征參數(shù)如表2所示，表2中列出每組實(shí)驗(yàn)的其中一次動(dòng)作特征參數(shù)。

表2 不同儲(chǔ)能狀態(tài)下動(dòng)作特征參數(shù)

3 基于BP神經(jīng)網(wǎng)絡(luò)的診斷算法

3.1 BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)

BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)[9]是人工神經(jīng)網(wǎng)絡(luò)的一個(gè)分支，由輸入層、隱含層和輸出層組成，其核心是通過(guò)一邊向后傳遞誤差，一邊修正誤差的方法來(lái)不斷調(diào)節(jié)網(wǎng)絡(luò)參數(shù)，以實(shí)現(xiàn)或逼近預(yù)計(jì)達(dá)到的輸入、輸出映射關(guān)系。本文采用MATLAB自帶的神經(jīng)網(wǎng)絡(luò)工具箱建模進(jìn)行合閘彈簧壓力值預(yù)測(cè)。

以合閘時(shí)間Tc、剛合速度vj、最大合閘速度vmax、平均合閘速度vave、電流峰值Ip、電機(jī)有效輸出功W、電機(jī)有效工作時(shí)間Tef等7個(gè)特征值作為特征向量，以合閘前后彈簧的壓力值為輸出，建立BP神經(jīng)網(wǎng)絡(luò)。依據(jù)BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)經(jīng)驗(yàn)，取其隱含層層數(shù)為輸入神經(jīng)元的2倍。網(wǎng)絡(luò)結(jié)構(gòu)如圖6所示，其輸入層層數(shù)為7，隱含層層數(shù)為14，輸出層層數(shù)為2。

圖6 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

3.2 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與實(shí)例驗(yàn)證

以40組實(shí)驗(yàn)數(shù)據(jù)作為樣本訓(xùn)練該神經(jīng)網(wǎng)絡(luò)。MATLAB神經(jīng)網(wǎng)絡(luò)工具箱選用40組數(shù)據(jù)中的任意20組數(shù)據(jù)作為原始數(shù)據(jù)用于網(wǎng)絡(luò)訓(xùn)練，選用任意10組數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)用于網(wǎng)絡(luò)驗(yàn)證，選用任意10組數(shù)據(jù)作為測(cè)試數(shù)據(jù)用于網(wǎng)絡(luò)測(cè)試。其訓(xùn)練結(jié)果如圖7所示。圖7為網(wǎng)絡(luò)訓(xùn)練結(jié)果，網(wǎng)絡(luò)迭代訓(xùn)練次數(shù)為13次，其中在第7次迭代中得到最佳測(cè)試性能。圖8中列出了40組實(shí)驗(yàn)中合閘前后的彈簧壓力值與神經(jīng)網(wǎng)絡(luò)訓(xùn)練輸出值。圖8中最大誤差發(fā)生在第18組數(shù)據(jù)，誤差值為170 N，該誤差壓力對(duì)應(yīng)于彈簧儲(chǔ)能長(zhǎng)度為1.4 mm，仍然可以判斷出其壓縮儲(chǔ)能長(zhǎng)度在32 mm附近。

為驗(yàn)證訓(xùn)練網(wǎng)絡(luò)的可靠性，重新調(diào)整合閘彈簧的儲(chǔ)能壓縮長(zhǎng)度S為322 mm和332 mm，分別進(jìn)行2次動(dòng)作實(shí)驗(yàn)，所得動(dòng)作特征參數(shù)如表3所示。

圖7 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果

圖8 網(wǎng)絡(luò)訓(xùn)練輸出與真實(shí)壓力值對(duì)比

儲(chǔ)能壓縮長(zhǎng)度L/mm合閘時(shí)間Tc/ms剛合速度vj/(m·s-1)最大合閘速度vmax/(m·s-1)平均合閘速度vave/(m·s-1)電流峰值Ip/A電機(jī)輸出功W/kW電機(jī)工作時(shí)間Tef/s33294.22.372.441.794.213.5428.01094.22.352.411.764.223.6428.04732290.912.502.541.874.373.6928.05490.952.512.541.864.423.7788.048

利用MATLAB的神經(jīng)網(wǎng)絡(luò)工具箱中sim函數(shù)對(duì)上述2組實(shí)驗(yàn)中合閘彈簧的儲(chǔ)能壓力值進(jìn)行預(yù)測(cè)，所得結(jié)果如表4所示。

表4中神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)得到的彈簧壓力值基本與實(shí)際值一致。但是，數(shù)據(jù)存在一個(gè)共同的特點(diǎn)，神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)得到的壓力值均較實(shí)際的壓力值略大。其原因在于訓(xùn)練神經(jīng)網(wǎng)絡(luò)所用的動(dòng)作特征參數(shù)為彈簧儲(chǔ)能壓縮長(zhǎng)度分別為335 mm、330 mm、325 mm、320 mm時(shí)的實(shí)驗(yàn)數(shù)據(jù)，沒(méi)有兩個(gè)儲(chǔ)能長(zhǎng)度之間的特征參數(shù)，而所設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)為對(duì)儲(chǔ)能狀態(tài)的模式識(shí)別，故對(duì)332 mm和322 mm儲(chǔ)能長(zhǎng)度下的合閘彈簧壓力的預(yù)測(cè)值有所偏差，二者分別向330 mm和320 mm儲(chǔ)能長(zhǎng)度的壓力值偏移。為實(shí)現(xiàn)更為精準(zhǔn)的預(yù)測(cè)，需要增加網(wǎng)絡(luò)訓(xùn)練參數(shù)的樣本種類，進(jìn)行進(jìn)一步的深入研究。

表4 神經(jīng)網(wǎng)絡(luò)輸出向量及診斷結(jié)果

4 結(jié)束語(yǔ)

研究了斷路器動(dòng)作特征參數(shù)合閘時(shí)間、剛合速度、最大合閘速度、平均合閘速度，儲(chǔ)能電機(jī)電流峰值、電機(jī)有效輸出功、電機(jī)有效工作時(shí)間與斷路器合閘彈簧的儲(chǔ)能狀態(tài)的對(duì)應(yīng)關(guān)系。利用BP神經(jīng)網(wǎng)絡(luò)對(duì)合閘彈簧儲(chǔ)能壓力值進(jìn)行預(yù)測(cè)。結(jié)果表明，僅使用斷路器動(dòng)作特征參數(shù)不使用壓力傳感器可以有效的對(duì)合閘彈簧的儲(chǔ)能狀態(tài)進(jìn)行預(yù)測(cè)。

[1] 苑舜.高壓斷路器彈簧操動(dòng)機(jī)構(gòu).北京：機(jī)械工業(yè)出版社，2001.

[2] 陳保倫，文亞寧.斷路器彈簧操動(dòng)機(jī)構(gòu)介紹.高壓電器,2010,46(10):75-80.

[3] 常廣，王毅，王瑋.采用振動(dòng)信號(hào)零相位濾波時(shí)頻熵的高壓斷路器機(jī)械故障診斷.中國(guó)電機(jī)工程學(xué)報(bào),2013,33(3):155-162.

[4] 國(guó)家電網(wǎng)公司.交流高壓開(kāi)關(guān)設(shè)備運(yùn)行管理規(guī)范．北京：中國(guó)電力出版社，2005.

[5] GB 3309—1989 高壓開(kāi)關(guān)設(shè)備常溫下的機(jī)械試驗(yàn).

[6] FEI M,JUN M,ZHENG J Y.Development and Application of Distributed Multilayer On-line Monitoring System for High Voltage Vacuum Circuit Breaker. JOURNAL OF ELECTRICAL ENGINEERING & TECHNOLOGY, 2013(8):813-823.

[7] 孫來(lái)軍，胡曉光，紀(jì)延超. 改進(jìn)的小波包-特征熵在高壓斷路器故障診斷中的應(yīng)用.中國(guó)電機(jī)工程學(xué)報(bào),2007,7(12):103-108.

[8] 郭清，夏虹，韓文偉.基于小波熵與BP神經(jīng)網(wǎng)絡(luò)的電機(jī)故障信號(hào)研究.儀表技術(shù)與傳感器,2013(1):96-99.

[9] TAN K Z,CHAI Y H,SONG W X. Identification of diseases for soybean seeds by computer vision applying BP neural network.INTERNATIONAL JOURNAL OF AGRICULTURAL AND BIOLOGICAL ENGINEERING,2014,7(3):43-50.

Prediction of Closing Spring’s Energy-storing State Based on CircuitBreaker’s Running Characteristic Parameters

DAI Wen-fang1，ZHAO Si-yang2，ZENG Guo1， LI Peng-fei2，LI Jun1，ZHOU Wen-jun2，HE Pan1，YAN Guo-zhi2

(1. Huangshi Power Supply Company of State Grid Corporation of China, Huangshi 435000, China;2.School of Electrical Engineering, Wuhan University, Wuhan 430072, China)

In order to diagnose the closing spring energy-storing state of running circuit breaker during the repair process, an experiment on LW25-126 porcelain column SF6 circuit breaker was finished using pressure sensor, photoelectric encoder and current transformer , and the energy-storing state and running characteristic parameters of closing spring were acquired. The research on relationship between running characteristic parameters of circuit breaker closing and storage process and closing spring’s energy-storing state was completed, and the closing spring's energy-storing state was predicted by BP neural network. The analysis of BP neural network’s training results and experimental results indicate that the energy-storing state of closing spring can be predicted effectively by using running characteristic parameters of closing spring.

spring operating mechanism; closing spring；energy-storing state;BP neural network

2014-10-16 收修改稿日期：2015-03-10

TM932

A

1002-1841(2015)08-0107-04

代文芳(1978—)，工程師，主要研究方向?yàn)殡娏ο到y(tǒng)及其自動(dòng)化。E-mail：16794302@qq.com