准确辨识高压断路器机械缺陷的新方法

针对采用振动信号识别高压断路器（HVCBs）机械缺陷困难及难于实现工程应用问题，武汉大学电气与自动化学院、国网江苏省电力公司南京供电公司、ABB（中国）有限公司中压产品技术中心、中能电气股份有限公司的研究人员杨秋玉、阮江军、张灿、庄志坚、翟鹏飞，在2020年第18期《电工技术学报》上撰文，提出一种基于定量递归分析的振动信号分析方法，并将其应用于变电站在运高压断路器机械缺陷辨识中。

试验结果表明，所提方法能够准确地辨识高压断路器的机械缺陷，在实际工程应用中也表现出较高的准确率。

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，即通过对高压断路器某些信号的检测/监测，实现故障预知，并采取相应的措施预防故障的发生。

许多研究表明，机械异常是导致高压断路器故障的主要原因。另外，根据某省电力公司在2006～2015年对该省的电网开关设备故障的调查，高压断路器的故障中有32.6%是由于机构异常引起的；中国电力科学研究院调查结果表明，2015年国家电网公司由高压断路器（72.5～1100kV）故障引起的故障跳闸为22次，其中，14次为机械故障引起的，占比63.6%。因此，有效预防机械故障对于保证高压断路器的安全稳定运行至关重要。

采用高压断路器分、合闸动作过程中产生的振动信号对其机械状态做出判断已被证明是一种可行的方法。该方法类似中医诊脉（根据手指感受到的振动响应的显现部位（深、浅）、速率（快、慢）、强度（有力、无力）、节律（整齐与否、有无歇止）和形态等方面的表现，以了解疾病内在变化的诊断方法），其内在机理是高压断路器在分、合闸动作时机械零部件相互作用（摩擦、碰撞等）产生相应的冲击波，而这些冲击波蕴含着丰富、重要的高压断路器机械状态信息。

到目前为止，已有许多研究者对采用振动信号判断高压断路器的机械状态进行了深入的研究，并取得了一些成果。然而，目前的研究局限于实验室，很少应用于实际工程，这是由于存在以下主要难点制约了该技术的工程应用：

①传感器类型及安装位置影响有效信号的采集；②高压断路器型号众多且现场情况复杂多变；③现场提取的振动信号和实验室模拟的信号存在差异，影响算法的实际使用效果；④比对样本严重不足；⑤通用性的高辨识度故障信息难于提取。

武汉大学等单位的研究人员，在大量试验研究的基础上提出了高压断路器振动信号分区分割、定量递归分析等方法，并进行了工程实践应用初探，主要内容如下：①提出将振动信号按高压断路器动作特性进行分区分割的思想，以实现异常信号的准确定位；②将子区信号映射至高维相空间，并进行递归图重构及定量递归分析，以提取区分性和重复性较好的缺陷特征；③结合实验室试验与现场实测案例，验证所提方法的有效性和优势。

图1  试验装置

图2  断路器机械缺陷识别流程

图3 高压断路器振动信号现场测试照片

图4 传感器安装位置

研究人员主要通过对断路器振动信号进行处理与分析以实现机械缺陷辨识。实际上，目前监测断路器机械状态的信号还包括线圈电流信号、触头行程信号等，这些信号同样蕴含着断路器机械状态信息。线圈电流信号包含着二次回路状态（包括辅助开关等）、线圈本身状态、操动机构机械锁扣装置状态等信息，与线圈动作相关联的断路器元器件若发生异常，线圈电流会发生相应的改变。

例如，图5所示的是某变电站一台在运的高压断路器正常操作和操作电压异常（电压降至90%，即断路器动作电压为DC 198V）时的分、合闸线圈电流信号。可以看到，当断路器操作电压异常时，其线圈电流波形发生了明显的变化。因此，可以通过提取线圈电流波形的特征参数对断路器相应元器件的状态进行诊断。

图5  某一在运高压断路器线圈电流信号

然而，当操动机构锁扣装置被线圈触发解列后，线圈就不再参与后续的机构本体运动过程，即操动机构本体的机械状态，无法反映到线圈电流信号中。而机械振动信号却蕴含着丰富的操动机构本体状态信息。因此，后续工作可将振动信号与线圈电流信号相结合，以更全面地评估断路器的状态。

另外，近年来永磁机构发展较快，对永磁机构的故障辨识也受到人们越来越多的关注。永磁机构与弹簧机构虽然功能一样但结构大不相同，弹簧机构的分、合闸过程可分为四个阶段：脱扣阶段、机构解列阶段、传动阶段和制动阶段。而永磁机构由于省去了合闸弹簧、脱扣装置（当铁心力大于反力时脱扣）、保持装置（靠永磁体磁力保持）等，其结构更简单，对应的振动信号相较于弹簧机构的简洁。

如图6所示为一ZW45 12型永磁机构的合闸振动波形，根据永磁机构的结构特点及运动特性（见图6的触头行程曲线），可将该类型永磁机构的振动信号分割为：A驱动阶段、B压缩触头弹簧阶段、C触头碰撞及制动阶段。在对永磁机构的振动信号分区分割后，亦可采用所提方法进行RQA特征提取，以实现永磁机构的机械故障辨识。

图6 永磁机构合闸振动波形（上）及其触头行程曲线（下）

研究人员最后在论文中总结指出：

1）提出根据高压断路器的结构特点和分、合闸动作特性对振动信号进行分区分割的思想。根据该思想，可总体上将振动信号分割成4个功能区域（即断路器脱扣阶段、机构解列阶段、传动阶段和制动阶段对应的振动信号），但详细应根据具体类型的断路器振动信号特点进行划分。这种振动信号分区分割的思想有助于确定断路器机械缺陷的部位。

2）递归图能够较清晰地描述振动信号中的冲击波特点，其纹理结构特征蕴含着断路器丰富的动力学特性；而定量递归分析能够实现递归图的模式识别，进而实现断路器机械缺陷的辨识。

3）通过实验室的模拟试验（采用12kV真空断路器）探索并验证了所提方法的有效性。随着RQA特征维数的增多，断路器不同缺陷之间的区分性越来越显著，在此基础上，采用BP神经网络识别断路器机械缺陷的准确率可达92.9%。

4）通过对变电站在运高压断路器开展现场实测工作，验证了所提方法的实用性和优势。所提方法能够有效定位高压断路器的异常部位，诊断结果与实际情况基本一致。

以上研究成果发表在2020年第18期《电工技术学报》，论文标题为“基于定量递归分析的高压断路器机械缺陷辨识及应用”，作者为杨秋玉、阮江军、张灿、庄志坚、翟鹏飞。