智能断路器作为变电站必不可少的设备之一,起着保护及控制作用,其健康状况的优良和电力系统能否正常运作息息相关。为确保电力系统的可靠运转,对断路器的使用寿命及质量提出严格要求。因此,智能断路器机械特性在线监测及故障诊断技术应运而生。该技术能够实时把握高压断路器的健康状况,并针对出现的异常情况进行相应的故障诊断,以便于及时维修,这对提高电力设备的智能化水平具有重要作用。首先,本文介绍了断路器各机械参量的监测原理,并针对监测原理提出了机械参量的计算及分析方法。本文针对TMS320F28335芯片给出了智能断路器在线监测装置的硬件设计和软件流程思想,该芯片集成了许多功能模块,从而简化了PCB电路板的设计,在线监测装置的综合软件程序能够稳定可靠的采集设备的机械参量数据信息。与此同时本文还提出了原始采集参数的数据预处理及滤波方法,保证了数据采集的精确性。智能断路器在线监测装置监测的机械参量主要包括分合闸线圈电流、储能电机电流、动触头行程-时间特性、辅助接点状态等。其次,针对智能断路器运行的特点,论文详细介绍并分析了一种基于粗糙集-RBF神经网络的故障诊断算法。该部分首先利用粗糙集理论获得智能断路器运行情况的最小诊断决策表,最后利用该决策表建立的RBF神经网络对智能断路器故障进行综合诊断。在该合成算法中,粗糙集能够简化监测设备采集量所构成的复杂网络,获得能够满足实际需求的最简网络,从而减少了RBF神经网络的训练时间,并且在很大程度上提高了网络的诊断能力。智能断路器机械特性在线监测装置已在浙江江山勾山变电站成功运行。勾山变电站的专家软件系统中融合的粗糙集-RBF神经网络算法能够对各断路器的健康状况作出准确诊断。由此说明,智能断路器机械特性在线监测及故障诊断技术可以良好的应用于实际工程中,对于未来电网建设具有重要意义。