基于小波包能量的斷路器操作機(jī)構(gòu)缺陷診斷技術(shù)研究

葉昱媛, 沙浩源, 梁君涵,鄭建勇, 戴永正， 顧宇鋒

( 1. 東南大學(xué)電氣工程學(xué)院, 江蘇 南京 210096;2. 江蘇南瑞泰事達(dá)電氣有限公司，江蘇 泰州 225300)

0 引言

斷路器以其龐大的數(shù)量、廣泛的運(yùn)用范圍，及在電力系統(tǒng)中通斷負(fù)荷、切除故障的控制與保護(hù)功能，成為了電網(wǎng)中不可或缺的重要組成部分。因此，研究斷路器機(jī)械狀態(tài)特征提取技術(shù)、機(jī)械故障(缺陷)診斷方法，對(duì)于規(guī)避斷路器各類(lèi)事故的意義重大。

傳統(tǒng)的機(jī)械故障(缺陷)診斷技術(shù)包括基于解析模型的方法、時(shí)域頻域分析方法、多元統(tǒng)計(jì)方法和基于知識(shí)的方法等[1-6]。在監(jiān)測(cè)故障的主要信號(hào)的選擇上，有振動(dòng)信號(hào)[7-8]、分合閘線圈電流[9-10]、觸頭位移或主軸轉(zhuǎn)角[11-12]和電力設(shè)備圖像[13]等。其中，分合閘線圈電流作為涵蓋斷路器在操作過(guò)程關(guān)鍵特征的重要標(biāo)志信號(hào)，不僅監(jiān)測(cè)方便，且相較其他幾種信號(hào)，其包含的斷路器操作機(jī)構(gòu)信息較為全面，通過(guò)該信號(hào)可識(shí)別的故障類(lèi)型較為廣泛，如：操作機(jī)構(gòu)中控制回路故障、鐵心卡澀、線圈老化等;同時(shí)該信號(hào)對(duì)操作機(jī)構(gòu)的缺陷變化趨勢(shì)也較為敏感，所以采用分合閘線圈電流作為本文的主要監(jiān)測(cè)量。

目前基于分合閘線圈電流的特征提取與故障診斷多是通過(guò)智能算法實(shí)現(xiàn)，具體的提取途徑與診斷方法分別有：文獻(xiàn)[14]選擇先采用小波分析識(shí)別突變點(diǎn)，再利用時(shí)域求極值點(diǎn)的數(shù)學(xué)方法提取監(jiān)測(cè)信號(hào)中所需的特征信息，最終送入故障分類(lèi)樹(shù)中進(jìn)行故障類(lèi)型的判定；文獻(xiàn)[15]提出的特征提取方法則基于樣條插值和多尺度線性擬合，通過(guò)特征曲線圖將提取出的待檢特征信息與同方法提取出的正常特征對(duì)比，得出判定結(jié)果；文獻(xiàn)[16]運(yùn)用灰色關(guān)聯(lián)分析法，通過(guò)構(gòu)造參考向量和比較向量，得出向量間的關(guān)聯(lián)強(qiáng)弱并排序，實(shí)現(xiàn)對(duì)高壓斷路器機(jī)械故障的有效診斷。以上研究成果均已算例驗(yàn)證可用并存在一定的理論價(jià)值與實(shí)踐價(jià)值，但隨著科技的進(jìn)步，斷路器類(lèi)型繁多，其特征提取方法多是針對(duì)于特定型號(hào)的斷路器，診斷方法不具有普適性，無(wú)法滿(mǎn)足各類(lèi)型斷路器的狀態(tài)監(jiān)測(cè)。同時(shí)，近年來(lái)操作機(jī)構(gòu)作為斷路器中機(jī)械故障率最高的部件，是狀態(tài)監(jiān)測(cè)的重點(diǎn)對(duì)象，而狀態(tài)監(jiān)測(cè)的目的，不僅是對(duì)機(jī)械缺陷與故障的精確判斷，更應(yīng)該重視對(duì)缺陷狀態(tài)變化的趨勢(shì)與程度的反應(yīng)與識(shí)別，因此針對(duì)斷路器操作機(jī)構(gòu)缺陷的嚴(yán)重程度判斷與故障(缺陷)診斷方法長(zhǎng)期以來(lái)都是難以解決與優(yōu)化的重要問(wèn)題。

為此，文中以分合閘線圈電流為監(jiān)測(cè)信號(hào)、小波包能量為特征量、支持向量機(jī)為智能診斷算法，構(gòu)建針對(duì)斷路器彈簧操作機(jī)構(gòu)的缺陷診斷模型：第一步，粗提取監(jiān)測(cè)到的電流信號(hào)，篩選出具有顯著特征的波形區(qū)域，再經(jīng)消噪處理得到較為純凈的分合閘電流波形；第二步，對(duì)特征信號(hào)進(jìn)行小波包三層分解以提取出各頻帶能量構(gòu)成的原始特征向量；第三步，利用主成分分析(principal component analysis，PCA)對(duì)原始特征向量進(jìn)行降維，達(dá)到降低觀測(cè)空間維數(shù)，突出樣本差異特性，進(jìn)一步提升數(shù)據(jù)可分性的目的，適用于區(qū)分故障(缺陷)類(lèi)型一致而嚴(yán)重度不一致、數(shù)據(jù)結(jié)構(gòu)較為相似的樣本，保證了高識(shí)別精度；最后，將帶有標(biāo)簽的數(shù)據(jù)輸入到支持向量機(jī)(support vector machine, SVM)中，實(shí)現(xiàn)斷路器彈簧操作機(jī)構(gòu)缺陷類(lèi)型與嚴(yán)重程度的雙重診斷。

1 基于小波包能量和SVM的缺陷診斷方法

1.1 小波包分析理論

小波包分解是在小波分析基礎(chǔ)上提出的一種分析方法，其原理來(lái)自多尺度分析的塔式算法[17-18]，具有多級(jí)過(guò)濾的效果，多用于提取非平穩(wěn)信號(hào)的非線性特性。在故障(缺陷)診斷方面，其分析與重構(gòu)方面相較小波分析更準(zhǔn)確，特別是在高頻部分的分解進(jìn)一步提高了時(shí)-頻分辨率，具有極大的應(yīng)用價(jià)值。小波包函數(shù)可表示為：

(1)

式中：j為尺度系數(shù)；l為位置系數(shù)；n為頻率；h和g分別為小波分解共軛濾波器系數(shù)，h為低通濾波器系數(shù)，g為高通濾波器系數(shù)。因此，將采集的信號(hào)設(shè)為m(t)，三層小波包分解如圖1所示，圖中的L代表低頻分量，H代表高頻分量，數(shù)字表示所在層數(shù)。

圖1 小波包三層分解示意圖Fig.1 A schematic diagram of three layer decomposition of wavelet packets analysis

1.2 基于小波包能量的特征信息提取

小波包能量的求解遵循時(shí)頻域能量相等原則，則信號(hào)m(t)的能量可表示為：

(2)

采用db3小波母函數(shù)將m(t)進(jìn)行三層分解，在第三層終端節(jié)點(diǎn)共得到8個(gè)小波子頻帶，頻帶的能量分布不一，則不同頻帶能量可計(jì)算為[19]：

(3)

式中：W(c,x)為小波系數(shù)；Em(c,x)表示小波包分解第c個(gè)層次的第x個(gè)子帶的能量。

(4)

1.3 基于PCA對(duì)小波包能量特征信息的降維處理

PCA是一種統(tǒng)計(jì)方法，揭示了擁有樣本數(shù)量多和變量種類(lèi)多特點(diǎn)的數(shù)據(jù)之間的關(guān)聯(lián)程度，其主要思想是通過(guò)正交變換將一組可能存在相關(guān)性的變量轉(zhuǎn)換為一組線性不相關(guān)的變量，降低觀測(cè)空間維數(shù)，以達(dá)到獲取最主要信息的目的[20]。針對(duì)同種型號(hào)的斷路器，不同缺陷、缺陷程度不同的分合閘線圈電流波形的特征不同，與正常運(yùn)行狀態(tài)相比，線圈發(fā)生老化時(shí)線圈電流降低，鐵心運(yùn)動(dòng)遲滯，且分(合)閘時(shí)間隨串聯(lián)電阻值的增加而增加；而鐵心卡澀對(duì)分(合)閘線圈電流值的影響較小，但分(合)閘時(shí)間隨鐵心末端懸掛重物的增加而增加。同時(shí)由于斷路器動(dòng)作迅速，電流波形驟變后又歸零，而缺陷類(lèi)型相同但缺陷程度不同的數(shù)據(jù)樣本具有較高的相似度，如能在極短的時(shí)間內(nèi)，就可識(shí)別微小的差距以區(qū)別于缺陷發(fā)展進(jìn)程的早期、中期和晚期，則PCA所能提供的保留樣本的主要信息、提高不同數(shù)據(jù)之間可分性的作用必不可少。此處以分閘線圈電流I波形為例，其特征局部放大對(duì)比如圖2所示，其中藍(lán)線為正常運(yùn)行狀態(tài)。

PCA對(duì)所輸入樣本處理步驟如下[20-21]：

圖2 分閘線圈電流波形對(duì)比圖Fig.2 The contrast diagrams of the current waveforms of the opening coil

(1) 將式(4)得到的特征樣本空間Em標(biāo)準(zhǔn)化消除量綱：

(5)

(6)

(7)

(2) 設(shè)相關(guān)系數(shù)矩陣為X，滿(mǎn)足xi,j=xj,i及xi,i=1，則：

(8)

(3) 計(jì)算X的特征值并從大到小排序：

λ1≥λ2≥λ3≥…≥λj≥0

(9)

則相應(yīng)的特征向量可表示為l1,l2,l3,…,lj，并將其按特征值的降序排列。

(4) 計(jì)算方差貢獻(xiàn)率αj：

(10)

(11)

1.4 基于SVM的斷路器操作機(jī)構(gòu)缺陷診斷的實(shí)現(xiàn)

SVM適合對(duì)小樣本數(shù)據(jù)學(xué)習(xí)、在模式分類(lèi)問(wèn)題方面泛化能力優(yōu)秀，是目前熱門(mén)的機(jī)器學(xué)習(xí)算法之一[22]，旨在尋找二分類(lèi)樣本的最優(yōu)分類(lèi)面，不但能準(zhǔn)確區(qū)分兩類(lèi)數(shù)據(jù)，并且能盡量提高兩類(lèi)數(shù)據(jù)的區(qū)分度。

文中選擇某型號(hào)斷路器分合閘線圈電流數(shù)據(jù)進(jìn)行分析，采用MATLAB作為訓(xùn)練和測(cè)試SVM多類(lèi)分類(lèi)器的工具，則基于SVM多種缺陷分類(lèi)器的斷路器操作機(jī)構(gòu)缺陷診斷流程如圖3所示。

圖3 斷路器操作機(jī)構(gòu)缺陷診斷流程Fig.3 Flow chart of defect diagnosis of operating mechanism of circuit breakers

2 算例驗(yàn)證

2.1 結(jié)合小波包能量和SVM的斷路器操作機(jī)構(gòu)缺陷診斷算例分析

文中選用某電氣設(shè)備公司生產(chǎn)的10 kV斷路器，基于其彈簧操作機(jī)構(gòu)，搭建實(shí)驗(yàn)平臺(tái)并進(jìn)行缺陷模擬實(shí)驗(yàn)，通過(guò)采集分合閘線圈電流作為缺陷診斷的數(shù)據(jù)來(lái)源。文中共設(shè)計(jì)兩大類(lèi)典型缺陷，分別為分合閘線圈老化與鐵心卡澀。其中線圈老化又分為輕度與中度2種老化程度；鐵心卡澀分為輕度、中度以及重度3種卡澀程度。實(shí)驗(yàn)中，分合閘線圈老化通過(guò)在分合閘線圈控制回路串入可調(diào)電阻器來(lái)實(shí)現(xiàn)，并通過(guò)將阻值分別調(diào)節(jié)為50 Ω與100 Ω來(lái)模擬輕度以及中度的線圈老化。鐵心卡澀則通過(guò)在分合閘線圈鐵心下方懸掛重物以阻礙其在分合閘時(shí)的運(yùn)動(dòng)來(lái)進(jìn)行模擬，并通過(guò)逐漸增加重物質(zhì)量至m1(0.1 kg)，m2(0.2 kg)，m3(0.3 kg)，以模擬鐵心卡澀輕、中以及重度等3種缺陷程度。根據(jù)表1，實(shí)驗(yàn)數(shù)據(jù)包括斷路器正常運(yùn)行、2種不同程度的線圈老化及3種不同程度的鐵心卡澀，共計(jì)6種運(yùn)行狀態(tài)，實(shí)測(cè)波形如圖4所示。在實(shí)際操作實(shí)驗(yàn)、算法設(shè)計(jì)與數(shù)據(jù)驗(yàn)證時(shí)，分、合閘實(shí)驗(yàn)數(shù)據(jù)均已驗(yàn)證可行，診斷方法具備通用性，因此文中僅以分閘數(shù)據(jù)為例進(jìn)行分析。

表1 缺陷類(lèi)型、缺陷嚴(yán)重程度、模擬方法及分類(lèi)標(biāo)簽Tab.1 Defect type, severity, simulation method and classified labels

缺陷類(lèi)型缺陷程度缺陷模擬方式分類(lèi)標(biāo)簽正常正常—1線圈老化輕度控制回路串聯(lián)50 Ω電阻2中度控制回路串聯(lián)100 Ω電阻3輕度鐵心末端懸掛重物m14鐵心卡澀中度鐵心末端懸掛重物m25重度鐵心末端懸掛重物m36

圖4 6種運(yùn)行狀態(tài)下的實(shí)測(cè)波形Fig.4 The actual measured waveform of 6 running states

首先進(jìn)行數(shù)據(jù)預(yù)處理。處理過(guò)程為：先將得到的數(shù)據(jù)維度為125 000×1的原始采樣信號(hào)(采樣頻率為3.2×10-6)根據(jù)閾值法，將有特征的波形提取出來(lái)，再將提取出的信號(hào)經(jīng)小波軟閾值消噪后，統(tǒng)一為相同維數(shù)，保證所有原始數(shù)據(jù)形式一致，以便進(jìn)行后續(xù)分析。以正常狀態(tài)下的分合閘線圈電流為例，處理過(guò)程如圖5所示。

圖5 數(shù)據(jù)預(yù)處理前后分合閘線圈電流波形對(duì)比圖Fig. 5 Comparison of the current waveforms of the opening and closing coil before and after data preprocessing

抽取出已定義為訓(xùn)練樣本的240組降維數(shù)據(jù)構(gòu)成訓(xùn)練集，剩余的60組作為測(cè)試集，未經(jīng)PCA優(yōu)化和經(jīng)PCA優(yōu)化的實(shí)際樣本類(lèi)型與SVM識(shí)別樣本類(lèi)型對(duì)比結(jié)果如圖6和圖7所示。實(shí)驗(yàn)結(jié)果顯示，當(dāng)樣本總數(shù)據(jù)量為300組時(shí)，從電流數(shù)據(jù)中提取的小波包能量經(jīng)過(guò)PCA處理后，SVM對(duì)正常狀態(tài)以及線圈老化和鐵心卡澀這兩大類(lèi)缺陷類(lèi)型的診斷準(zhǔn)確率可達(dá)到100%，缺陷嚴(yán)重程度判斷準(zhǔn)確率也可達(dá)到100%，說(shuō)明以上二類(lèi)缺陷特征被有效提取與應(yīng)用，SVM分類(lèi)策略選擇得當(dāng)。而未經(jīng)PCA優(yōu)化的數(shù)據(jù)樣本，在缺陷類(lèi)型的診斷準(zhǔn)確率為100%，但在缺陷嚴(yán)重程度判斷時(shí)，第二與第三種運(yùn)行狀態(tài)，即線圈輕度老化以及線圈中度老化這兩種缺陷程度判斷有誤，中度老化誤判為輕度老化，使得缺陷程度的識(shí)別正確率降為98.33%，稍遜于經(jīng)PCA處理過(guò)的樣本的診斷效果。進(jìn)一步計(jì)算與分析歐氏距離的結(jié)果如表2所示，表中的類(lèi)間歐式距離為該運(yùn)行狀態(tài)與正常運(yùn)行狀態(tài)的歐氏距離，類(lèi)內(nèi)歐式距離為該運(yùn)行狀態(tài)與自身之間的歐氏距離。經(jīng)數(shù)據(jù)對(duì)比可知，類(lèi)內(nèi)歐式距離減小，類(lèi)間歐式距離增大，即同種類(lèi)型數(shù)據(jù)的關(guān)聯(lián)更加緊密，不同數(shù)據(jù)分布更加分散，也相對(duì)驗(yàn)證了PCA對(duì)提高數(shù)據(jù)可分性的影響。

圖6 未經(jīng)PCA處理SVM診斷結(jié)果Fig.6 Diagnosis results of SVM without PCA

圖7 經(jīng)過(guò)PCA處理后的SVM診斷結(jié)果Fig.7 Diagnosis results of SVM with PCA

斷路器運(yùn)行狀態(tài)PCA處理前PCA處理后類(lèi)內(nèi)歐式距離類(lèi)間歐式距離類(lèi)內(nèi)歐式距離類(lèi)間歐式距離正常運(yùn)行狀態(tài)0.084 60.083 10.064 70.094 2控制回路串聯(lián)50 Ω0.176 30.184 50.123 00.221 4控制回路串聯(lián)100 Ω0.144 10.266 30. 098 60.392 6鐵心末端懸掛重物m10.292 40.620 20.242 71.422 7鐵心末端懸掛重物m20.258 70.787 20.216 41.861 3鐵心末端懸掛重物m30.342 60.942 40.249 82.256 5

2.2 基于小波包總能量的斷路器操作機(jī)構(gòu)缺陷嚴(yán)重程度分析

目前，斷路器的機(jī)械缺陷診斷技術(shù)的研究多限于定性診斷，而缺陷診斷中缺陷嚴(yán)重程度的定量評(píng)估更能有效指導(dǎo)設(shè)備的維護(hù)[23-24]。文中所涉及的缺陷發(fā)展嚴(yán)重程度的識(shí)別依賴(lài)于已知的模擬實(shí)驗(yàn)數(shù)據(jù)，數(shù)據(jù)類(lèi)型有限，因此為了進(jìn)一步分析斷路器操作機(jī)構(gòu)的缺陷嚴(yán)重度的發(fā)展變化過(guò)程，識(shí)別在未知狀態(tài)下對(duì)應(yīng)的缺陷程度狀態(tài)，本文以斷路器控制回路缺陷為例，以在控制回路中分別串聯(lián)不同阻值電阻的方式，模擬線圈逐漸老化的過(guò)程，并通過(guò)擬合電流特征量與老化程度的函數(shù)關(guān)系，達(dá)到對(duì)操作機(jī)構(gòu)的缺陷嚴(yán)重程度進(jìn)行定量描述與分析的目的。

基于不同缺陷程度，分別對(duì)其分合閘線圈電流信號(hào)進(jìn)行小波包能量的提取，則在已模擬的不同缺陷嚴(yán)重程度情況下，通過(guò)構(gòu)建特征值與缺陷嚴(yán)重度之間的函數(shù)關(guān)系來(lái)實(shí)現(xiàn)對(duì)斷路器彈簧操作機(jī)構(gòu)缺陷嚴(yán)重度的預(yù)測(cè)分析。模擬線圈不同老化程度下對(duì)應(yīng)的控制回路串聯(lián)阻值與部分特征數(shù)據(jù)表明特征值維數(shù)較高，使得其與線圈老化缺陷嚴(yán)重程度間的關(guān)系難以直觀表現(xiàn)出，因此，此處選取每種狀態(tài)下的小波包總能量均值以便于可視化表述,則平均小波包總能量與控制回路串聯(lián)阻值的關(guān)系如圖8所示。隨著控制回路中串聯(lián)電阻阻值的增加，平均小波包總能量總體呈單調(diào)下降趨勢(shì)，在阻值為100 Ω處,下降趨勢(shì)有所暫緩，則引入三次函數(shù)：

f(x)=p1x3+p2x2+p3x+p4

(12)

對(duì)上述兩種變量的關(guān)系進(jìn)行曲線擬合，結(jié)合缺陷模擬實(shí)驗(yàn)獲取多組不同線圈老化程度下的分閘電流特征數(shù)據(jù)，并利用cftool工具箱對(duì)待擬合函數(shù)的參數(shù)進(jìn)行優(yōu)化估計(jì)，最終得出如下的擬合函數(shù)：

f(x)=0.002 865x3+0.008 677x2-1.057x+22.54

(13)

圖8 平均小波包總能量與控制回路串聯(lián)阻值的特性曲線Fig.8 The characteristic curve of the mean of the total energy of the wavelet packet and the series resistance of the control circuit

求得此擬合函數(shù)的意義在于，可根據(jù)輸入量定量分析機(jī)械缺陷發(fā)展趨勢(shì)，進(jìn)一步可定性分析缺陷嚴(yán)重程度。定量分析在于，當(dāng)測(cè)量分合閘線圈電流數(shù)據(jù)后，按本文方法計(jì)算得到輸入量，通過(guò)擬合函數(shù)估計(jì)出線圈老化到可等價(jià)于控制回路串聯(lián)的電阻值，再根據(jù)模擬實(shí)驗(yàn)中得到的斷路器拒動(dòng)時(shí)控制回路串聯(lián)的具體阻值等信息，可定性是否對(duì)斷路器進(jìn)行有針對(duì)性的檢修或者更換。

3 結(jié)論

針對(duì)斷路器操作機(jī)構(gòu)的兩種常見(jiàn)缺陷，文中基分合閘線圈電流信號(hào)，設(shè)計(jì)了一種為運(yùn)維人員提供斷路器彈簧操作機(jī)構(gòu)缺陷類(lèi)型及嚴(yán)重度判斷的診斷方法。結(jié)合小波包分析、PCA與SVM算法，構(gòu)建集特征提取、數(shù)據(jù)優(yōu)化與分類(lèi)診斷等思路為一體的斷路器操作機(jī)構(gòu)缺陷診斷模型，所得結(jié)論如下：

(1) 提出了一種基于分合閘線圈電流信號(hào)的新特征量提取思路，將小波包能量代替原始波形中的特征值，免去了提取電流信號(hào)極值的繁瑣過(guò)程，改善了缺陷診斷效率，有效消除了因提取特征值不準(zhǔn)確而帶來(lái)的診斷誤差，提高了診斷精度；

(2) PCA算法的引入實(shí)現(xiàn)了數(shù)據(jù)量的精簡(jiǎn)及機(jī)械缺陷信息的有效保留，結(jié)合表2可知，所獲數(shù)據(jù)的可分性確有提高。在處理同種類(lèi)型缺陷、缺陷程度不同的相似數(shù)據(jù)上體現(xiàn)了其優(yōu)勢(shì)，最終的實(shí)驗(yàn)結(jié)果也證明該算法是高診斷精度的有效保障手段；

(3) 實(shí)驗(yàn)結(jié)果證明了本文算法在分析斷路器操作機(jī)構(gòu)缺陷及缺陷嚴(yán)重程度上，具有較高的準(zhǔn)確性。同時(shí)，本文基于小波包總能量分析了缺陷發(fā)展趨勢(shì)，得出了平均小波包總能量與控制回路串聯(lián)阻值的關(guān)系，可為后續(xù)的缺陷嚴(yán)重程度預(yù)測(cè)與斷路器檢修提供有價(jià)值、有針對(duì)性的依據(jù)，提高檢修效率，應(yīng)用前景佳。