论文部分内容阅读
高压断路器在电网中起保护与控制作用,断路器发生故障会对电网的安全稳定运行造成重大影响,带来严重的经济损失。及时了解断路器的运行状态,可以预防潜在故障的发生,实现电力设备的“状态检修”。 本文首先分析了影响真空断路器状态的各性能指标,给出了监测方法。对于易发生故障的机械机构,在利用位移传感器监测的基础上,加入了加速度传感器,形成了双传感器监测体系,解决了依靠单一传感器信号作为评判依据,评价结果可信度不高的问题。将运行状态指标进行分类,主要包括:定量指标(机械特性、绝缘特性、电气特性指标)和定性指标(工作环境、维修历史、外观状况、厂家实力),建立了科学且合理的真空断路器综合评价体系。 提出了改进的真空断路器模糊综合评价模型,对于定量指标,采用模糊综合评价的思想,先用层次分析法对各指标赋权值,再结合各自的隶属度函数得出相应评价结果;对于一些无法量化的指标,采用模糊统计法,根据专家技术人员的打分情况,给出评价结果。并在评价模型中引入了D-S证据理论,将监测到的位移信号和振动信号进行了数据融合,得出了可信度更高的机械特性评价结果。 实际测试中,真空断路器的故障样本数据往往较少,对真空断路器的故障诊断属于小样本诊断问题。传统的机器学习,如神经网络等在处理小样本分类问题时,不具备较高的分类精度。为此,采用支持向量机(SVM)建立故障诊断模型,并利用量子粒子群算法(QPSO)优化支持向量机模型中的关键参数,使得提出的故障诊断模型解决了一般诊断模型易陷入局部最优、不适合小样本学习等问题,实现了对真空断路器常见的几种机械故障的准确分类。 最后对真空断路器评价模型进行软件设计,采用Visual Basic编程。利用VB提供的控件设计人机界面,给评价工作带来了方便。