黄南天， 方立华， 王玉强， 赵振峰

(1. 东北电力大学电气工程学院， 吉林省 吉林市 132012； 2. 国网冀北电力有限公司检修分公司， 北京 102488)

基于局域均值分解和支持向量数据描述的高压断路器机械状态监测

黄南天1， 方立华1， 王玉强2， 赵振峰2

(1. 东北电力大学电气工程学院， 吉林省 吉林市 132012； 2. 国网冀北电力有限公司检修分公司， 北京 102488)

为满足断路器机械状态监测的高可靠性要求，弥补现有方法易将轻微故障及无训练故障样本类型误识别为正常状态的不足，提出一种基于局域均值分解(LMD)能量熵和支持向量数据描述(SVDD)的高压断路器机械状态监测新方法。首先，利用LMD方法将断路器振动信号分解为一系列的PF(Product Function)分量，将各PF分量的包络按时间等间隔分段，并提取各PF分量包络的能量熵构成特征向量；然后，采用正常状态断路器振动信号的LMD能量熵向量训练SVDD分类器；最后，通过SVDD分类器对断路器的机械状态进行判断。实测信号实验证明，新方法比支持向量机(SVM)、BP神经网络(BPNN)等传统多类分类方法有更好的状态监测效果。

高压断路器； 机械状态监测； 局域均值分解； 能量熵； 支持向量数据描述

1 引言

高压断路器在保证电能质量和供电可靠性方面发挥着重要的作用，机械故障是影响断路器可靠性的最主要原因[1-3]，对断路器开展状态监测及故障诊断的研究具有十分重要的意义。而状态监测作为故障诊断的基础，可以提高断路器故障诊断结果的可靠性。因此，必须对状态监测给予足够的重视。……