论文部分内容阅读
高压断路器是电力系统中重要开关设置，起着保护和控制作用，其可靠性对电力系统安全与稳定运行至关重要。对高压断路器的状态监测和故障诊断方法研究，可以提高其运行的可靠性和经济性。本文对12kV高压真空断路器VD4进行振动信号的在线监测与智能故障诊断技术研究，提出模糊RBF神经网络和粗糙集RBF神经网络的高压断路器故障诊断模型，综合两种方法的故障诊断结果，以期得到更加可靠的故障诊断结果。具体如下：
(1)振动信号采集方面：振动信号采集系统选取YD612/D型压电加速度传感器对高压断路器振动信号进行采集，安装在断路器侧壁上，完成采集系统的硬件电路与程序设计。
(2)特征参数提取方法：首先，通过小波阈值法对振动信号进行降噪处理；其次，分别采用小波包分解法和EMD边际谱方法对降噪后的振动信号进行处理，提取振动信号所包含的特征参数，对比两种方法的特征参数进行比较。结果表明，EMD边际谱能量熵法在不同断路器故障类型的熵值相差较大，区分度较好。
(3)故障诊断方法：提出使用模糊RBF神经网络和粗糙集RBF神经网络结合振动信号的特征参数对断路器进行故障诊断。实验结果表明，模糊RBF神经网络的高压断路器故障诊断模型在分合闸过程中的准确率能够达到96%以上。粗糙集RBF神经网络的高压断路器故障诊断模型在分闸过程中的准确率达到97%以上。通过样本归一化处理化后，都能有效提高模糊RBF神经网络故障诊断模型和粗糙集RBF神经网络故障诊断模型的准确率。
(4)上位机系统设计：利用VB.NET完成系统界面和信号采集部分软件设计，利用VB.NET和MATLAB混合编程完成振动信号数据处理和图像显示，利用VB.NE和MicrosoftSQLServer混合编程创建数据库以保存振动信号数据，实现历史数据的显示、查询等功能。
(1)振动信号采集方面：振动信号采集系统选取YD612/D型压电加速度传感器对高压断路器振动信号进行采集，安装在断路器侧壁上，完成采集系统的硬件电路与程序设计。
(2)特征参数提取方法：首先，通过小波阈值法对振动信号进行降噪处理；其次，分别采用小波包分解法和EMD边际谱方法对降噪后的振动信号进行处理，提取振动信号所包含的特征参数，对比两种方法的特征参数进行比较。结果表明，EMD边际谱能量熵法在不同断路器故障类型的熵值相差较大，区分度较好。
(3)故障诊断方法：提出使用模糊RBF神经网络和粗糙集RBF神经网络结合振动信号的特征参数对断路器进行故障诊断。实验结果表明，模糊RBF神经网络的高压断路器故障诊断模型在分合闸过程中的准确率能够达到96%以上。粗糙集RBF神经网络的高压断路器故障诊断模型在分闸过程中的准确率达到97%以上。通过样本归一化处理化后，都能有效提高模糊RBF神经网络故障诊断模型和粗糙集RBF神经网络故障诊断模型的准确率。
(4)上位机系统设计：利用VB.NET完成系统界面和信号采集部分软件设计，利用VB.NET和MATLAB混合编程完成振动信号数据处理和图像显示，利用VB.NE和MicrosoftSQLServer混合编程创建数据库以保存振动信号数据，实现历史数据的显示、查询等功能。