徐巧玲

(六安职业技术学院 汽车与机电工程学院，安徽 六安 237000)

电力系统不断优化升级，所控制的供电范围也越来越大，因此高压断路器承担的控制与保护责任也越来越重。目前的电站设备中，高压断路器被频繁地使用，稳定安全的高压断路器会保护电力系统运行安全。但断路器作为一个机械设备，在使用中也会出现故障。调查结果显示，220 V以下电路中配备的断路器拒动、误动、开断与关合故障，占总故障事件的45%左右；220～500 V电路中，有将近66.5%的故障是操动机构及辅助回路故障导致的。综合来看，断路器主要故障为机械故障。因此，樊浩等[1]结合本征模态边际谱能量与粗糙集神经网络，通过模态分解振动信号提取特征向量；樊高瞻等[2]、林琳等[3]采用小波包分解和希尔伯特-黄变换方法，提取并处理振动信号能量熵向量，利用主成分分析支持向量机优化模型，诊断断路器故障。经过测试可知，这两种方法存在故障诊断信号重叠、不完整及结果可信性较低的问题，为此本课题提出一种基于低频振动信号的断路器机械故障诊断方法，实验结果表明，该方法可提高诊断结果的可靠性。

1 基于低频振动信号的断路器机械故障诊断方法

1.1 低频振动信号降噪

由于采集断路器低频振动信号时会出现干扰噪声，因此需要采取一些手段，去除低频振动信号噪声。本文基于小波空间理论，通过分析信号连续小波系数和噪声小波系数的传播特性，以分解和重构信号的方式，去除低频振动信号噪声。小波包降噪处理步骤如下所示：背景噪声信号进行去除趋势项处理，并执行M层小波包分解任务，得到内含噪声的小波包节点能量值Ki和标准差Si。能量阈值和幅值阈值的计算公式为

(1)

式中：λKi为能量阈值的高斯分布白噪声；λFi为幅值阈值的高斯分布白噪声。通常情况下，当λKi≥1且λFi=3时，降噪后信号会更光滑。对信号去趋势，进行M层小波包分解。对于Ki小于能量阈值TKi的小波包节点，使用软阈值方法修改小波包系数；对于Ki大于能量阈值TKi的小波包节点，按硬阈值方法计算该节点上下包络线，形成上下包络窗口，合并该窗口并保留窗口内系数，再将窗口外系数归置为0[4]。

按照上述步骤执行小波包降噪处理后，根据全新的小波包节点重构信号，实现对低频振动信号的降噪处理。利用信噪比和均方误差，衡量低频振动信号的降噪效果。一般情况下，信噪比越高，均方误差就会越小，证明低频振动信号降噪更好。信噪比和均方误差的计算公式为

(2)

1.2 断路器低频振动信号特征提取

在去除基本信号噪声之后，信号中间会出现数据缺失与重叠现象。本研究利用总体平均经验模态分解法，改善断路器低频振动信号中因数据缺失与重叠而导致的不连续性问题。在降噪处理后的低频振动信号中，添加高斯白噪声，再进行经验模态(EMD)分解，将多次分解所得本征模态函数(IMF)总体平均值定义为最终值，令高斯白噪声频率均匀分布，使不同尺度上的低频振动信号具有连续性。总体平均经验模态分解法(EEMD)的具体操作步骤如图1所示[6]。

在图1中，总体平均经验模态分解法(EEMD)的详细步骤为：将一次处理后的低频振动信号默认为初始信号x(t)，向其多次加入高斯白噪声ui(t)，要求白噪声的幅值均值为0，标准差为常数，则加入白噪声后的低频振动信号为

xi(t)=x(t)+ui(t),

(3)

式中:xi(t)为第i次加入白噪声后的低频振动信号。EEMD分解xi(t)，得到固有模态函数(IMF)分量bij(t)和余项wi(t)。bij(t)是第i次加入白噪声后分解得到的第j个IMF分量[7]。重复上述两个步骤N次，总体平均运算前两个步骤得到的IMF，消除多次加入高斯白噪声对IMF真实值的影响，得到IMF的最终解：

(4)

式中：bj(t)是初始信号被分解后得到的第j个IMF分量。N越大则白噪声越趋近于0。对应的总体平均经验模态分解结果为

(5)

式(5)为添加高斯白噪声后的低频振动信号。用EEMD将低频振动信号x(t)分解成若干个IMF分量与余项wi(t)的和。分量bj(t)是信号从高频段到低频段的信号频率成分，随着信号x(t)变化而改变。完善信号在不同尺度上的连续性后，提取断路器低频振动信号特征。该过程与传统方法大致相似，这里不再展开说明，直接给出提取信号特征：

(6)

式中:i为时间段；m为时间段个数；μ(i)为添加高斯白噪声后，低频振动信号分段能量的归一化结果。利用式(6)提取多个不同的信号特征[8]。

1.3 基于低频振动信号诊断机械故障

将存在机械故障的断路器和故障低频振动信号作为运动事件。而振动波在断路器中的传播过程，与波的衰减、折射、反射过程及传播路径等均有密切关联。例如，铁芯运动在灭弧筒上的反应偏弱，而断路器的筒内传动连杆运动只在灭弧筒上反应明显，由于信号连续性较差，无法在支架上测诊断出问题信号，因此需要在断路器上根据提取到的信号特征，安装加速度传感器，并对设备的安装位置进行调整[9]：

(1)将反映断路器工作状态的信号敏感部位，作为加速度传感器测点；

(2)选择测点要靠近振源。对于振动强烈的振源，需要符合应用要求的距离，在避开共振现象的基础上，选择加速度传感器测点位置；

(3)尽可能地减少测点和振动源之间的传播路径；

(4)安装加速度传感器，要与振动主要传播方向相互垂直；

(5)需要标记选定测点，防止位置变动引发信号差异。

按照上述注意事项，选择加速度传感器的测点位置，再设计加速传感器的安装方式。在理想状态下，加速度传感器输出信号的幅频特性会与固有频率响应特性保持一致，通过调整安装方式，加强传感器输出频率的响应能力，提高断路器振动信号测量精度。计算不同测点处传感器输出的固有频率的计算公式为

(7)

式中：yn为第n个测点处传感器输出的固有频率；D为刚度系数；g为质量系数。若yn值与实际结果不符时，说明选择的安装方式弱化了传感器输出的频率；若yn值与实际结果相符合，说明选择的安装方式对传感器输出的频率响应能力没有过大的影响[10]。按照上述方法选择加速传感器测点与安装方式，根据前两节的处理结果，分析断路器信号变化特征，至此实现基于低频振动信号的断路器机械故障诊断。

2 断路器机械故障诊断实验

将本文提出的故障诊断方法作为实验组，以两种传统方法[1-2]分别作为对照1组和对照2组，比较3个测试组的故障诊断差异性。

2.1 测试准备

为了降低实验的复杂性，将K型断路器作为测试的研究对象。通过模拟其故障问题进行故障诊断测试，测试对象如图2所示。

以图2中的设备作为测试对象，实验组在图2(b)中的圆圈处安装三项式加速传感器，获取断路器振动信号；其他组按照各自的方法设置传感器位置。已知选定的断路器额定电流为1 250 A，额定电压为12 kV，额定短路电流为2 500 A。模拟断路器故障之前，对K型断路器进行机械磨合试验、机械操作试验、机械特性试验、工频耐压试验、主回路电阻测试和完整性测试，得到结果均符合实验测试的标准要求。保障测试设备符合测试要求后，设计K型断路器的故障模拟方案。本文共设计4种断路器缺陷问题(见表1)。

表1 模拟的断路器故障类型

断路器分合闸线圈在控制电压时，若产生电压波动则会烧毁线圈，因此将分合闸电磁铁的额定电压设置在110 V。高压操作时，分闸电磁铁额定电压为120 V；低压操作时，电磁铁合闸分闸的额定电压均为85 V。电磁铁固定螺栓松动时，会增加电磁铁行程，因此增加4个螺距的距离，模拟电磁铁行程故障。电磁铁卡涩故障，会引起断路器拒动，因此采用电磁铁加重物方法，在动铁芯下端螺栓增加重物，模拟电磁铁卡涩故障。缓冲器故障时，较大振动的操作机构会使机械部件产生损坏，因此在缓冲器缓冲连杆上，使用橡皮限位减少缓冲距离，模拟缓冲器卡涩故障。按照上述模拟方案，模拟4种不同的断路器故障，进行若干次合闸和分闸操作，分别利用3个测试组诊断2组不同的断路器机械故障，将诊断结果与模拟故障结果进行比较，分析并得出测试结果。

2.2 电压波动故障测试结果

由于断路器振动信号的情况十分复杂，为增加试验结果的可靠性，测试共进行了10次。对比分析后，发现10次测试结果极为相似，选择其中具有代表性的测试结果，比较3种诊断方法的差异。在合闸操作中，电磁铁端部振动信号波形和3个测试组的电压波动故障诊断波形如图3所示。

由图3可知，后面3个测试组与图3(a)模拟结果的波形均具有高度相似性，但观察信号波形可知，实验组的振动加速度幅值与模拟结果的几乎一致。而2个传统诊断方法得到的信号波形曲线，分别存在2处和1处断开现象，由此可见传统方法导致信号重叠和不连续。

2.3 电磁铁松动故障测试结果

对电磁铁松动故障问题进行测试，图4为电磁铁松动故障波形图。

对比图4中的3组测试结果与图4(a)模拟结果的波形，发现两个对照组的部分波动数据，与图4(a)模拟结果是具有一致性的，但对照1组无法确定电磁铁松动故障发生的具体时间，且与对照2组均无法确定在实验后半期电磁铁松动故障是否加重。而实验组得到了与图4(a)近似的故障波形与振动加速度幅值，且并不存在数据重叠、断开现象，说明本研究的方法解决了传统方法诊断信号不连续的问题。综合上述2个故障类型诊断结果可知，本文提出的诊断方法得到的故障波形更加完整，其诊断结果更具备可信性。

3 结 语

为解决当前断路器机械故障诊断方法存在诊断信号重叠、不完整及故障诊断结果可信性低的问题，提出了基于低频振动信号的断路器机械故障诊断方法。利用该方法，将初始低频振动信号进行全新处理，改善断路器低频振动信号的不连续问题，提高了故障诊断结果的可信性。但因文章篇幅限制，本文没有详细说明信号特征提取过程，而是将传统方法中的特征提取步骤作为参考，因此，在未来的研究中，将详细说明信号特征提取过程，进一步优化断路器故障诊断方法。