龔 森

（廣東電網(wǎng)廣州供電局，廣東 廣州 510620）

目前，隨著社會經(jīng)濟(jì)水平的不斷提高，我國的電網(wǎng)規(guī)模也不斷擴(kuò)大，電力系統(tǒng)負(fù)荷也隨之快速增長，導(dǎo)致很多地區(qū)的短路電流逐步逼近或已經(jīng)超過電力系統(tǒng)現(xiàn)有的開斷容量，對電力系統(tǒng)的安全構(gòu)成嚴(yán)重威脅。故障限流器能夠有效限制電網(wǎng)的故障短路電流，保證電力系統(tǒng)的穩(wěn)定運(yùn)行，而限流器的機(jī)械操動機(jī)構(gòu)對限流器的性能有著非常重要的影響[1]。另外，由于我國能源分布十分不平衡，東部地區(qū)用電量越來越大，由此引出的輸電問題也愈發(fā)凸顯，而傳統(tǒng)的交流輸電相較直流輸電存在輸電穩(wěn)定性、輸電效率較低等問題，且存在同步問題，因此直流輸電在我國得到了廣泛的關(guān)注和研究。但直流輸電系統(tǒng)對短路故障十分敏感，一旦沒有及時切除故障電流，就會導(dǎo)致整個系統(tǒng)停運(yùn)，因此需要一種快速開關(guān)來切斷故障電流，保障直流輸電系統(tǒng)穩(wěn)定運(yùn)行[2]。綜上，在故障限流器和直流斷路器等領(lǐng)域，對開關(guān)的分閘速度有非常高的要求，而基于電磁斥力機(jī)構(gòu)的快速真空斷路器開斷速度在2~5 ms之間，滿足上述領(lǐng)域的需求[3]。

然而，正是由于電磁斥力機(jī)構(gòu)分閘速度很快，因此電磁斥力機(jī)構(gòu)中的機(jī)械部件受到的沖擊也很大，導(dǎo)致其相比彈簧操動機(jī)構(gòu)更容易出現(xiàn)故障。而一旦電磁斥力機(jī)構(gòu)出現(xiàn)故障，導(dǎo)致短路故障電流無法正常分?jǐn)?，就可能會造成十分?yán)重的電力系統(tǒng)事故[4]。另外，根據(jù)國際大電網(wǎng)會議第三次調(diào)查統(tǒng)計結(jié)果[5]，斷路器操動機(jī)構(gòu)機(jī)械故障和輔助回路電氣故障是導(dǎo)致其故障的主要原因。因此，需要對故障限流器和直流斷路器中的電磁斥力機(jī)構(gòu)進(jìn)行故障診斷，以預(yù)防電力系統(tǒng)事故的發(fā)生。

1 電磁斥力機(jī)構(gòu)概述

電磁斥力機(jī)構(gòu)的基本結(jié)構(gòu)圖如圖1所示[6]。從圖1可以看出，電磁斥力機(jī)構(gòu)主要由操動機(jī)構(gòu)和控制回路組成。其中，操動機(jī)構(gòu)是主要部分，主要由連桿、分閘線圈、合閘保持永磁鐵、銜鐵、分閘保持永磁鐵、斥力盤和合閘線圈組成；控制回路用于分合閘線圈的充放電控制，主要由充電電源、分合閘儲能電容、分合閘控制晶閘管組成。其工作原理為（以合閘為例）：充電電源預(yù)先向合閘電容充電，當(dāng)接到合閘指令時，合閘控制晶閘管導(dǎo)通，合閘電容向合閘線圈放電，從而在合閘線圈中產(chǎn)生一個脈沖電流，由電磁感應(yīng)定律可知，斥力盤中會感應(yīng)出一反向渦流并與脈沖電流相互作用，從而推動斥力盤向上運(yùn)動并帶動連桿，完成合閘動作，分閘動作同理[7]。

圖1 線圈-盤式電磁斥力機(jī)構(gòu)結(jié)構(gòu)圖

2 電磁斥力機(jī)構(gòu)故障診斷

目前，斷路器狀態(tài)監(jiān)測主要包括3個步驟：原始信號采集、信號特征量提取以及斷路器故障診斷。原始信號主要包括高壓斷路器分合閘動作時產(chǎn)生的振動信號。振動信號是由斷路器分合閘瞬間觸頭碰撞或與緩沖器撞擊形成，并可引起整個操動機(jī)構(gòu)的振動，因此，測量振動信號可以獲得整個斷路器機(jī)械結(jié)構(gòu)的狀態(tài)信息。另外，振動信號為非接觸式測量，不會破壞斷路器原有結(jié)構(gòu)，且不會受到電磁干擾，目前在狀態(tài)監(jiān)測和故障診斷領(lǐng)域已有廣泛的應(yīng)用。

在獲得斷路器原始信號之后，就要對信號采用時頻分析方法提取能夠表征斷路器狀態(tài)的信號特征量，最后將特征量輸入到故障診斷模型中，實(shí)現(xiàn)斷路器的狀態(tài)監(jiān)測。特征提取方面，目前使用較多的是小波包分解，而支持向量機(jī)（SupportVector Machine，SVM）由于其在樣本數(shù)較少的情況下，也可以達(dá)到較高的模型準(zhǔn)確率，在故障診斷領(lǐng)域得到了廣泛的應(yīng)用。

2.1 小波包分解原理

小波包分解是一種線性時頻分析方法，可以將信號的時間和頻率信息同時表征出來，并且具有較好的時頻分辨率，尤其對高頻部分可以進(jìn)行更為精細(xì)的分解。

小波包分解的遞推計算公式為[8]：

式中，u（t）表示輸入信號；g（k）表示低通濾波器；h（k）表示高通濾波器；k為小波函數(shù)的位置坐標(biāo)；n為小波函數(shù)的震蕩次數(shù)。h（k）與g（k）滿足：

即二者為正交關(guān)系。以三層小波包分解為例，原始振動信號S可以分解為：

其中，A為低頻分量，D為高頻分量。三層小波包分解的示意圖如圖2所示。由圖可知，三層小波包分解可以得到23即8個分解分量，有利于更加精細(xì)地提取信號的時頻信息。

圖2 三層小波包分解的示意圖

電磁斥力機(jī)構(gòu)的狀態(tài)改變時，會引起振動信號能量分布的變化；另外，在能量理論中，熵是混亂程度的度量，與信號的不確定度有關(guān)[9]。因此，可以將小波包分解與能量熵相結(jié)合，作為表征電磁斥力機(jī)構(gòu)狀態(tài)的特征量。

假設(shè)電磁斥力機(jī)構(gòu)的振動信號長度為L，小波包分解的層數(shù)為j層，對應(yīng)的分解順序為Xjk，（k=0，1，...，2j-1），則對應(yīng)的小波包能量熵計算方法為：

其中，Sjk表示第j層第k個分量，Ejk為Sjk的能量。E為所有分量的能量總和，εjk為Sjk的歸一化能量，Hjk為Sjk的小波包能量熵。

2.2 SVM原理

SVM是一種基于統(tǒng)計學(xué)習(xí)理論的機(jī)器學(xué)習(xí)算法，而統(tǒng)計學(xué)習(xí)理論追求在小樣本條件下，利用有限的信息得到最優(yōu)的結(jié)果[10]。SVM的核心問題是尋找一個分類超平面，該超平面滿足距離兩側(cè)樣本距離最大。SVM的分類原理如圖3所示。圖3中，“○”和“■”分別代表2種不同類別的數(shù)據(jù)點(diǎn)，ωx+b=0代表分類超平面。ωx+b=-1和ωx+b=1分別代表2類數(shù)據(jù)點(diǎn)的支持向量超平面，Margin表示2類數(shù)據(jù)的分類距離。

圖3 SVM分類原理圖

則SVM的原理可用以下最優(yōu)問題表示：

式中，ω和b分別為超平面坐標(biāo)參數(shù)，ξi為松弛因子，c為懲罰因子，ξi≥0，1≤i≤N。

2.3 故障診斷結(jié)果

本文采用持續(xù)監(jiān)測某樣機(jī)中電磁斥力機(jī)構(gòu)壽命試驗的方法，監(jiān)測過程中電磁斥力機(jī)構(gòu)共分合閘250次，共采集247組分閘信號，采集有效信號210組，其中正常狀態(tài)信號183組，故障狀態(tài)信號27組，故障類型3種，分別為連桿彎曲、分閘不到位以及電容充電電壓過高。

選取小波包分解層數(shù)為5層，則可以得到一個32維的小波包能量熵行向量，記為[W1，W2，…，W32]。4種不同狀態(tài)信號的小波包能量熵對比如圖4所示。

圖4 小波包能量熵對比圖

由圖4可知，連桿彎曲在全區(qū)間均與其他3種狀態(tài)不同；在W1-W16區(qū)間，正常狀態(tài)、分閘不到位、電壓過高3種狀態(tài)變化趨勢較為接近，且能量熵值相差不大；而在W16-W32區(qū)間，3種狀態(tài)的小波包能量熵表現(xiàn)出較大差異，有利于分類器對不同狀態(tài)進(jìn)行區(qū)分。

將小波包能量熵作為SVM的輸入向量來驗證故障診斷模型的性能。經(jīng)過多次嘗試和對比，采用RBF函數(shù)作為SVM的核函數(shù)，采用網(wǎng)格尋優(yōu)算法確定每種特征量的最佳參數(shù)，取100組正常信號、6組連桿彎曲信號、4組分閘不到位和電壓過高信號作為訓(xùn)練集，剩余數(shù)據(jù)作為測試集，最終得到3種特征量的SVM分類結(jié)果均如圖5所示。其中分類標(biāo)簽1-4分別代表正常信號、連桿彎曲、分閘不到位和電壓過高。從圖5中可以看出，SVM分類結(jié)果為100%。由此可見，小波包能量熵和SVM可以用于電磁斥力機(jī)構(gòu)的故障診斷，并取得了較好的結(jié)果。

圖5 3種特征量的SVM分類結(jié)果

3 結(jié)束語

本文首先介紹了電磁斥力機(jī)構(gòu)的應(yīng)用背景和現(xiàn)狀，說明了對其進(jìn)行故障診斷的必要性，并對其基本結(jié)構(gòu)和工作原理進(jìn)行了詳細(xì)闡述，然后對目前斷路器故障診斷領(lǐng)域的研究現(xiàn)狀進(jìn)行了簡要概括，詳細(xì)介紹了小波包分解和SVM的計算原理，最后應(yīng)用小波包能量熵和SVM對電磁斥力機(jī)構(gòu)進(jìn)行了故障診斷，主要得到了以下結(jié)論。

（1）在故障限流器和直流斷路器等領(lǐng)域，對開關(guān)的分閘速度有非常高的要求，電磁斥力機(jī)構(gòu)因此得到了應(yīng)用，然而相比彈簧操動機(jī)構(gòu)更容易出現(xiàn)故障。因此，需要對故障限流器和直流斷路器中的電磁斥力機(jī)構(gòu)進(jìn)行故障診斷，以預(yù)防電力系統(tǒng)事故的發(fā)生。

（2）測量振動信號可以獲得整個電磁斥力機(jī)構(gòu)的狀態(tài)信息，目前在狀態(tài)監(jiān)測和故障診斷領(lǐng)域已有廣泛的應(yīng)用。特征提取方面，目前使用較多的是小波包分解，SVM由于其在樣本數(shù)較少的情況下，也可以達(dá)到較高的模型準(zhǔn)確率，在故障診斷領(lǐng)域得到了廣泛的應(yīng)用。

（3）采用持續(xù)監(jiān)測某樣機(jī)中電磁斥力機(jī)構(gòu)壽命試驗的方法，獲得了實(shí)際出現(xiàn)的3種故障信號，將小波包能量熵作為SVM的輸入向量最終得到SVM分類準(zhǔn)確率為100%。由此可見，小波包能量熵和SVM可以用于電磁斥力機(jī)構(gòu)的故障診斷，并取得了較好的結(jié)果。