贵州电网有限责任公司贵阳供电局
摘要:高压断路器运行工况相对复杂,且各个元件紧密相连,容易受到不稳定因素影响而出现故障隐患问题。结合以往的故障诊断经验来看,导致高压断路器出现运行故障的多数原因在于内部操作机构存在机械故障问题。一旦操作机构存在机械故障,那么断路器势必会异常运行。为加强对操作机构机械故障问题的诊断分析,本文主要结合高压断路器运行现状,对高压断路器操作机构机械故障诊断方法进行研究分析。
关键词:高压断路器;操作机构;机械故障;诊断方法
引言:高压断路器基本上可以视为保障电网安全高效运行的重要设备,如果高压断路器出现运行异常问题,往往就会对电网整体安全运行效果产生负面影响。因此,为加强对高压断路器故障问题的识别管理,相关工作人员应该针对高压断路器常见故障问题表现以及具体成因进行重点掌握。结合以往的诊断经验来看,操作机构所存在的机械故障问题往往是导致高压断路器出现运行工况异常的重要原因。为加强对高压断路器操作机构机械故障问题的诊断分析,相关人员可利用在线监测技术手段重点针对高压断路器振动信号以及分合闸线圈电流信号等关键参数的提取应用,及时甄别故障问题并加以排查。
1 高压断路器运行现状及操作机构机械故障诊断分析
运行现状
高压断路器内部结构相对复杂,在组成结构上主要以传动结构、绝缘支撑结构以及开断结构等为主。一般来说,为保障电网安全高效运行,断路器必须在短时间内对电网异常问题做出动作,保障系统故障有效隔离。然而,如果断路器未能执行可靠动作并且自身存在故障问题,可能会导致线路或者设备发热,甚至会导致继电保护失效,难以达到预期隔离效果[1]。一旦出现上述故障问题,很容易进一步扩大事故范围。由此不难看出,高压断路器在运行过程中所面临的运行隐患问题较多,如果不加强管理,就很容易减弱电网安全运行效果。
故障诊断技术发展
高压断路器运行工况条件相对复杂,容易受到不确定因素影响而出现故障问题。结合诊断经验来看,操作机构无法正常运行基本上可以视为引发高压断路器工况异常的重要原因。与其他异常情况相比而言,操作机构所引起的高压断路器工况异常占比较高,大约为59.9%。近些年来,为加强对高压断路器操作机构机械故障问题的诊断分析,行业内部人员从最初的信号测量逐步发展到多种技术协同处理,以更好地完成对高压断路器操作机构运行状态的识别管理。其中,对于高压断路器操作机构机械故障诊断分析而言,特征提取、降维以及分类识别始终是机械故障诊断技术的重要流程内容。虽然较之以往相比,机械故障诊断技术有了突破性改变,但是从整体发展上来看,还是存在亟待解决的问题。
诊断技术问题分析
一方面,以往所应用的机械故障诊断方法更多是针对某一种信号进行监测管理,如比较常见的电流信号以及振动信号等。然而对于断路器操作机构故障问题而言,故障问题成因多种,往往会通过多种信号反映出来[2]。因此单纯采用某一种信号进行故障诊断,所得出的诊断结果相对片面,难以真正解决故障问题。
另一方面,传统断路器机械故障诊断方法所选择的监测信号以及智能算法存在协同性不高的问题。再加上相关技术尚未达到成熟应用高度,导致断路器机械故障诊断效果难以达到预期。如果不加以及时解决,可能会对高压断路器操作机构安全稳定运行构成威胁,同时也会对高压断路器操作机构故障排查效率造成滞后性影响。
2 高压断路器操作机构机械故障诊断方法及应用措施分析
以往所应用高压断路器操作机构机械故障诊断方法所存在的片面性问题相对明显,目前为加强对高压断路器操作机构机械故障诊断方法的创新突破,行业内部研究人员主动采取下述方法措施实现对高压断路器操作机构机械故障问题的精准诊断与故障排查。
2.1 基于优化改进的小波阈值去噪算法
对于原始含噪信号所引发的机械故障诊断效率不高的问题,研究人员主要通过利用模态分解算法以及相关系数完成对冗余分量的剔除处理。与此同时,利用小波软阈值去噪方法对有用的分量进行消噪处理。结合实际情况来看,重构后的波形不仅保留了原始信号形状,同时也对原始噪声进行了有效处理,这样一来,可进一步增强高压断路器操作机构机械故障诊断效率[3]。与单纯小波阈值去噪算法相比而言,改进后的小波阈值法在SNR方面得到明显提升,并且RMSE明显下降。由此不难看出,该方法所表现出的实用性以及优越性较高。除此之外,对于线圈电流信号而言,基于优化改进的小波阈值去噪算法所表现出的波形相对简单,基本上可以达成良好的去噪效果。
2.2 基于电振信号特征的故障诊断模型
对于振动信号而言,可利用LMD方法进行分解处理。根据处理结果,对不同状态下的PF分量频域分布规律进行重点把握。其中,对于不同状态以及不同分量的盒维数而言,可通过综合对比明确操作机构运行特性。与此同时,通过利用TCP法可对线圈电流信号形状以及电流幅值等参数数据进行重点提取,提取之后作为电流信号特征值进行应用
[4]。一般来说,处于不同状态下的合闸线圈在电流波形差异表现方面十分明显,比较适用于后续故障分类以及诊断分析工作当中。与传统单一振动信号特征的故障诊断分析方法相比而言,基于电振信号特征的故障诊断模型在故障问题识别精度以及排查效率方面更具优越性。
结论:总而言之,为确保高压断路器操作机构故障诊断水平全面提升,在今后的发展过程中,行业内部研究人员应该加强对高压断路器操作机构机械故障诊断问题的研究分析,最好可以结合国内外先进技术内容,进一步增强高压断路器操作机构机械故障诊断精度。
参考文献
[1] 陈欣昌, 冯玎, 林圣. 基于深度自编码网络的高压断路器操作机构机械故障诊断方法[J]. 高电压技术, 2020, 46(9):9.
[2] 林琳, 陈志英. 基于粗糙集神经网络和振动信号的高压断路器机械故障诊断[J]. 电工技术学报, 2020, 35(S01):7.
[3] 夏小飞, 芦宇峰, 苏毅,等. 基于相空间重构与改进GSA-SVM的高压断路器机械故障诊断[J]. 中国电力, 2021, 54(10):8.
[4] 杨秋玉, 阮江军, 黄道春,等. 基于VMD-Hilbert边际谱能量熵和SVM的高压断路器机械故障诊断[J]. 电机与控制学报, 2020, 24(3):9.