黃建， 胡曉光， 鞏玉楠， 楊帆

(北京航空航天大學自動化科學與電氣工程學院，北京 100191)

0 引言

高壓斷路器是電力系統(tǒng)中一種重要的電氣設備，其作為開斷和滅弧的裝置，它在電力系統(tǒng)中肩負著控制和保護雙重任務，是發(fā)電廠和變電站配電裝置中必不可少的設備［1－2］。隨著電網運行自動化程度和可靠性要求的提高，對其故障診斷技術的研究具有重要的意義［2－3］。高壓斷路器動作產生的機械振動信號和線圈電流信號蘊含著許多重要的狀態(tài)信息，分析其信號能夠發(fā)現觸頭磨損、螺絲松動、傳動機構等許多機械故障征兆［3－4］，因此，基于振動信號和線圈電流的狀態(tài)分析逐漸成為了研究的熱點［5－8］。例如，文獻［5］研究了高壓斷路器各機構部件運動的內在機理，分析了振動頻率變化與時間偏移的關系。文獻［6］研究了高壓斷路器分/合線圈波形變化與機械機構運行位置的關系，并建立了診斷系統(tǒng)。文獻［7］使用改進的動態(tài)時間規(guī)整算法分析振動信號，得到正常狀態(tài)和測試狀態(tài)的振動信號時間偏移的估計，以此與參考相比較進行診斷，取得良好的診斷效果;文獻［8］提出了利用小波包能量熵提取振動信號包絡的特征，并對機械故障進行診斷，也取得了較好的效果。

故障診斷專家系統(tǒng)是一種人工智能的計算機診斷系統(tǒng)，對復雜系統(tǒng)的診斷是十分有效的，它能夠模仿領域專家的思維方式，運用已有的診斷技術知識和專家的經驗，對收集到的信息進行判斷、推理，從而對設備的狀態(tài)做出決策［9］。文獻［6］將CLIPS專家系統(tǒng)核(包括知識庫和推理機)封裝成動態(tài)鏈接庫，并將各種規(guī)則預先存放在知識庫中，再根據對故障參數的初步判斷結果逐步調用其它規(guī)則進行故障診斷。文獻［10］利用神經網絡進行推理判斷故障類型并進行知識更新。以上方法取得較好的診斷效果，但建立的專家系統(tǒng)在特征知識獲取、知識更新、智能綜合分析功能方面仍存在一定的局限性。為提高電力系統(tǒng)運行的可靠性，適用不同變電站的需求，應針對不同廠家不同電壓等級的高壓斷路器建立一套完善的故障診斷專家系統(tǒng)。

當前，我們已經在高壓斷路器機械特性測試與診斷方面作了一些研究工作［11－12］，為了更好的完善故障診斷系統(tǒng)，本文將文獻［11］中診斷算法移植到專家系統(tǒng)中，在綜合分析斷路器分/合閘操作過程所產生的機械振動信號和操作線圈電流的特性的基礎之上，提出了高壓斷路器故障診斷知識獲取方法，并構建了基于多參數規(guī)則的專家系統(tǒng)，實現機械故障診斷，并能在目前斷路器維護現狀的基礎上給出合理的檢修建議。

1 操作過程分析

高壓斷路器的操作是由兩部分控制電路來完成的，即合閘控制電路和分閘控制電路，其控制電路如圖1所示。在圖1中，分閘控制電路主要包括分閘線圈(TC)和輔助觸點(52a)兩部分;其余的部分為合閘控制電路。

圖1 斷路器控制電路圖Fig.1 Circuit breaker control circuit

當斷路器處于“合”狀態(tài)時，所有的52a觸點處于“合”位。當控制電路收到主控室裝置發(fā)出分閘動作信號時，即ST閉合，分閘線圈TC通電，產生分閘線圈電流，同時分閘電磁鐵蓄能。當能量到達一定程度時線圈推動鐵心，使維持蓄能的鎖勾掣子動作，壓縮彈簧釋放能量以驅動其它機構分開主觸頭;斷路器主觸頭一旦打開，輔助觸點52a隨之改變狀態(tài)，分閘線圈去電，分閘操作完成。因而在分閘狀態(tài)時，輔助接點52a處于“分”位。當合閘操作時，即SC閉合，由于52Y/b觸點處于“合”位，52X線圈上電，52X/a觸點閉合，從而給合閘線圈CC通電，產生合閘線圈電流;同理，當合閘電磁鐵能量達到一定程度時推出線圈鐵心，使壓縮彈簧釋放能量，閉合主觸頭;同時，主觸頭一旦閉合，機構就會閉合輔助觸點52a，這樣就使線圈52Y上電，其所有的觸點狀態(tài)發(fā)生改變;52Y上電一直維持到合閘觸發(fā)信號消失，合閘過程結束。這里線圈52Y的作用就是防止合閘線圈二次上電，使在一次合閘信號內合閘線圈上電一次，這就是所謂的“反泵”。

2 線圈電流分析

高壓斷路器的分合過程中，鐵心的任何運動細節(jié)都會引起直流電磁操作線圈電流的變化。一般情況下，線圈電流波形可以反映的狀態(tài)有鐵心行程，鐵心卡滯，線圈狀態(tài)(如是否有短路匝)，與鐵心頂桿連接的鐵閂和閥門的狀態(tài)等。通過對分/合閘操作線圈電流的監(jiān)測，檢修人員可以大致了解高壓斷路器二次控制回路的工作情況及鐵心的運動有無卡滯等，為檢修提供一個輔助判據。圖2為典型分閘線圈電流信號。

圖2 典型分閘線圈電流波形Fig.2 Waveform of typical opening coil current

圖2中時間軸上的t0～t5就是代表了電磁鐵動鐵心在觸頭脫扣或釋能過程中的動作情況的幾個關鍵時間點，也是一般處理線圈電流信號所需要提取的幾個關鍵時間點。圖中時間坐標零點代表分閘指令發(fā)出時刻;在t0時刻線圈開始通電;到t1時刻鐵心開始運動，t1就是開關分閘計時的起點，即鐵心開始移動的時刻，t0和t1與控制電源及線圈電阻有密切的關系;t2是動觸頭開始運動的時刻，從t2時刻鐵心停止運動，開始由機構通過傳動系統(tǒng)帶動動觸頭開始分閘，t1～t2這段時間曲線的變化反應了電磁鐵鐵心運動是否有卡制、脫扣、釋能機械負載變動等情況;t3時刻斷路器輔助接點切斷，t3～t4階段電流達到近似的穩(wěn)態(tài)，可以反映線圈電阻信息;t4為斷路器的輔助觸點切斷的時刻，在輔助開關觸頭間產生電弧并被拉長，電弧電壓快速升高，迫使電流迅速減小，直到t5時刻熄滅。另外，I1點電流值可以反映線圈操作電壓信息，I2點電流值可以反映電磁鐵動鐵心的速度信息，I3點電流值可以反映線圈電阻，這三點可作為分析動作的參考。

為了更好地提取各信號的特征，在提取電流參數及機械振動信號參數時，采用小波分析軟閾值法對信號進行預處理，消除噪聲干擾，閾值分別取值0.67和1.75。

3 振動信號分析

高壓斷路器動作產生的機械振動信號蘊含著許多重要的狀態(tài)信息，分析振動信號能夠發(fā)現觸頭磨損、螺絲松動、傳動機構等許多機械故障征兆［3－4］。高壓斷路器的機械振動信號由斷路器動作過程中的一系列暫態(tài)振動事件構成，它屬于典型的非線性、非平穩(wěn)信號。短時傅里葉變換和小波變換分析法能夠在聯(lián)合的時間－頻率域中較好地描述斷路器的機械振動特性，但是這兩種方法都存在自身難以克服的缺陷，即分析的尺度不能根據被分析信號作出自適應的調整，同時存在能量泄漏問題［13］。本文針對斷路器振動信號的特點，采用了文獻［11］提出的改進的經驗模態(tài)(empirical mode decomposition，EMD)能量熵法提取信號特征，避免了能量泄漏等問題帶來的影響。

3.1 信號包絡提取

信號的突變信息往往體現在信號的包絡里，高壓斷路器機械振動沖擊所包含的高頻成分就是包絡信號的載波。在機械故障的診斷中經常會用到Hilbert方法提取信號包絡［14－15］。

某信號x(t)的解析信號定義為

其中H［x(t)］為x(t)的Hilbert變換。則g(t)的幅值為

便是信號x(t)的包絡。

3.2 改進的EMD能量熵

能量熵是在一定的狀態(tài)下定位系統(tǒng)的一種測度，它是對序列未知程度的一種度量。對于高壓斷路器的振動而言，各種正常狀態(tài)都是一個標準正常狀態(tài)的脈動，各故障狀態(tài)卻可認為是這個標準正常狀態(tài)的不同突變。

首先將內稟模態(tài)函數(intrinsic mode function，IMF)包絡信號沿時間軸均分成N段，并對每段信號利用時間積分計算分段能量，即

式中:i=1，2，…，N;ti－1、ti為第 i分段的起止時間點。

將包絡信號各分段能量進行歸一化處理為

根據能量熵的基本理論［15］，信號x(t)的EMD能量熵定義為

3.3 歐式距離計算

分別采用EMD法對正常狀態(tài)標準信號和待測信號進行分解，設分解尺度為k(實驗分析k=8)，利用式(8)～式(11)提取各分解信號IMF包絡的EMD 能量熵向量 T，T=［H0，H1，…，Hn］。最后，根據歐式距離公式σ=‖T0－Ti‖，計算正常向量T0和故障向量Ti之間的歐氏距離，評價故障程度，同時把特征向量輸入多類支持向量機進行初步機械診斷［11］。

4 專家系統(tǒng)設計

4.1 推理機構與診斷原理

針對目前智能電網中提出的實現對高壓電氣設備智能監(jiān)測的要求及斷路器測試、檢修的現狀，設計了基于多參數規(guī)則的斷路器故障診斷專家系統(tǒng)，系統(tǒng)故障診斷總體結構如圖3所示。專家系統(tǒng)主要包括故障知識學習和故障診斷兩個過程，其中故障知識學習包括故障知識庫、知識管理、知識獲取、知識驗證等4個功能模塊。故障診斷則包括推理機、診斷結果顯示和故障預警與維修方案、解釋機制、診斷推理流程模塊、人機交互界面5個主要功能模塊。

圖3 故障診斷系統(tǒng)結構Fig.3 Architecture of expert system for fault diagnosis

1)故障知識庫用于存放領域專家知識，是決定專家系統(tǒng)性能優(yōu)劣的關鍵因素。根據斷路器系統(tǒng)故障知識的特點，為減少知識冗余，有效管理故障知識，不同于傳統(tǒng)專家系統(tǒng)僅構建規(guī)則庫的方法，本系統(tǒng)設計三類知識庫:故障規(guī)則庫、故障現象庫和故障原因庫。知識庫主要存儲系統(tǒng)根據不同斷路器規(guī)則、歷史信息及對應趨勢分析等，可用作下次診斷的參考，它對于一些緩變故障的預測比較有效。

2)知識管理模塊負責知識庫用戶權限管理、型號管理、故障知識顯示、使能知識獲取等功能。

3)知識獲取模塊領域專家和知識工程師與診斷專家系統(tǒng)的接口，負責將領域內事實性知識和專家經驗轉化為計算機可利用的形式。在故障知識管理模塊協(xié)同控制下，由故障現象庫和故障原因庫中知識分別構成規(guī)則的前件和后件，形成故障規(guī)則。

4)推理機模塊是專家系統(tǒng)的核心，系統(tǒng)的組織控制單元，推理機構根據診斷規(guī)則，找出輸入信息與故障信息間的對應關系。

5)診斷結果顯示、故障預警與維修方案模塊用戶選擇斷路器系統(tǒng)故障現象后，啟用故障推理機，在知識庫支撐下，通過人機交互，推理出導致故障現象的原因，在人機界面顯示診斷結果、預警指示并提供故障維修方案。

6)解釋機制模塊負責對故障診斷人機交互求解過程提供說明，記錄推理路徑，對診斷結果的合法性作出解釋。

7)人機交互界面作為用戶、領域專家與專家系統(tǒng)進行信息交流的媒介，為用戶提供直觀、方便的人機交互。

獲取的信號經過預處理后提取特征參數，經知識學習過程輸入到故障知識庫，并進行推理引擎，主要是從線圈電流、機械振動、輔助觸點位置狀態(tài)信號中提取參數信息。首先采用基本規(guī)則檢測所提取的特征參數是否在其所容許的范圍之內。如果一個參數超出了推理的設定范圍，該參數所對應的所有推理規(guī)則將被激活。激活規(guī)則的處理可以提供斷路器故障的初步診斷結果，同時根據各個參量的歷史數據分析其變化趨勢，并對其可能出現的故障做出預測，使緩變故障在其發(fā)展階段就能被檢測出來，避免故障的發(fā)生。診斷分析則是根據規(guī)則處理、趨勢分析及用戶互動結果的綜合分析，找出深層的、可能誘發(fā)的故障，同時對故障的原因作出分析，形成最終的診斷報告，以供斷路器維護人員參考。

4.2 推理規(guī)則

故障知識庫中的每條診斷規(guī)則解釋一個用于決策過程的知識框架。規(guī)則都使用IF－THEN表達，其中IF部分叫做前提，THEN叫推理。前提部分指定一系列的標準，只有滿足了標準，該條規(guī)則才能被激活。規(guī)則激活后，推理中的處理程序才能被執(zhí)行。一條推理可能給出斷路器狀態(tài)的最終診斷結果，也可能只是得出一個中間結果，以被其他規(guī)則或更復雜的推理使用。處于推理過程中間的規(guī)則一般只輸出中間結果，但對于某故障敏感規(guī)則的輸出也可以反映到最終的決策報告與檢修建議中。

根據IEEE建議報告及斷路器維護人員經驗，設計斷路器故障/檢測信號對應關系，部分對應關系如圖4。圖4中中間一層為檢測信號，上、下兩層為各種故障，連線關系表明該信號可以從某一方面反映故障，不同故障可能對應不同的特征參數。

基本規(guī)則被直接激活通過各特征參數，相應的規(guī)則被激活，初次分析結果反映斷路器的原始狀態(tài)信息，復雜的規(guī)則通過參數直接或者間接的基本規(guī)則激活。某些規(guī)則基本的合并表明一個特別的問題，基于這些激活的規(guī)則，專家系統(tǒng)能得出反映斷路器狀態(tài)的綜合結論。在本系統(tǒng)中，29個規(guī)則被定義。規(guī)則的定義主要包括環(huán)境的描述、信號參數、閾值、容許范圍、比例系數等。

圖4 部分故障/檢測信號對應關系圖Fig.4 Relation between partial fault type and detecting signal

知識庫中的知識規(guī)則可表示為如下形式:

其中:CF為規(guī)則的可信度。對不確定性知識來說，CF的取值為［0，1］區(qū)間的實數，而對確定性知識來說，因為所有的知識都是完全可信的，可將其設為1。如有N個征兆對應一個故障原因，則當此N個征兆同時存在時，得出的故障原因的置信度確定為1，而每個征兆出現時，得出故障原因的置信度為1/N。

整個專家系統(tǒng)采用VC++6.0軟件實現，為便于系統(tǒng)修改，各部分采用模塊化設計。領域專家知識采用文本文件方式和界面鍵盤數字方式輸入。下面以緩沖器失效和分閘鎖勾潤滑不足兩種典型的故障來解釋專家系統(tǒng)的推理過程。

5 診斷實例分析

以一臺SF6高壓斷路器為實驗對象，選用美國PCB公司的M353B02型高性能加速度傳感器和寧波CHB－10A霍爾電流傳感器分別測量機械振動信號和線圈電流信號。數據采集器在斷路器動作時以25kHz的速率采集320ms數據。

5.1 緩沖器失效故障

緩沖器無效故障是斷路器運行過程中經常出現的一種故障。緩沖器主要是用于高壓斷路器合分閘后，減小機構的沖擊阻力，保持機械設備穩(wěn)定，如不及時處理，將會加劇設備的損壞程度。由于緩沖器無效故障是出現在斷路器合分完畢之后，在開始時刻，各機構部件工作正常，從合分線圈波形難以發(fā)現故障，而通過機械振動的參數提取分析能很好的解決這個問題。圖5和圖6分別為正常與故障情況下分閘線圈波形和對應的振動信號波形，振動波形縱坐標單位為g(g=10ms－2)。

圖5 分閘電流波形Fig.5 Waveform of opening coil current

圖6(a)中t1～t5為振動事件的幾個關鍵時刻點，t1為線圈鐵心沖擊鎖勾時刻，彈簧開始釋放能量，并帶動機構開始運動。t2階段為動觸頭運行過程，t3為動靜觸頭接觸沖擊時刻，此刻即為斷路器合閘時間，t4為機構動作緩沖時刻，減小動觸頭沖擊阻力。t5為機構運行停止時刻。采用式(7)～式(11)計算能量熵向量，并計算向量歐式空間距離，同時將特征向量輸入專家系統(tǒng)實現智能診斷;專家系統(tǒng)診斷結果如圖7所示，得出結果及檢修建議:緩沖器失效故障，建議及時檢修緩沖器機構。

圖6 正常和故障振動信號Fig.6 Normal and fault vibration signal

圖7 專家系統(tǒng)診斷結果Fig.7 Diagnosis result of expert system

5.2 分閘鎖勾潤滑不足故障

高壓斷路器分閘鎖勾潤滑不足是一種緩變故障，但如不能在其發(fā)展過程中及時的檢測出來并做出相的處理，其結果會導致斷路器出現拒分的惡性故障。這種故障可以通過對分閘線圈電流信號及輔助觸點轉換時間的分析檢測出來，而振動信號分析變化相對小，鑒于篇幅限制，在此不列出振動波形。首先信號預處理部分從本次操作的線圈電流信號中提取5點時間參數、3點電流參數，并由輔助觸點狀態(tài)轉換信號計算分閘操作時間。圖8為正常與故障下分閘操作的線圈電流波形，從圖中可知，斷路器操作時間增長，尤其是t1～t4各時間點后移，輔助觸頭操作時間比上次操作增加9.8ms，線圈耗能增加超過設定閾值3.7%。同時I1、I2、I3電流值也發(fā)生變化，特別是I2電流值，都超過設定的閾值，因此與 I1、I2、I3、t1～ t4及觸點相關的規(guī)則被激活。專家系統(tǒng)診斷結果如圖9所示，智能綜合分析后，系統(tǒng)得出結果及檢修建議:主因為分閘鎖勾潤滑不足故障，建議潤滑或者更換鎖勾及相關連接部件。

分閘鎖勾出現潤滑不足故障后，當控制線圈通電時，增加了線圈推鎖勾力的時間，當線圈電流足夠大時才完全釋放鎖勾，因此，增加了動觸頭機械運行時間增加，降低了高壓斷路器動觸頭的速度。

圖8 分閘電流波形Fig.8 Waveform of opening coil current

圖9 專家系統(tǒng)診斷結果Fig.9 Diagnosis result of expert system

6 結論

本文詳細闡述了高壓斷路器分/合閘操作過程，在綜合分析操作過程產生的機械振動信號和操作線圈電流的特性的基礎上，設計了基于規(guī)則的高壓斷路器故障診斷專家系統(tǒng)。采用基于VC++6.0平臺開發(fā)健康管理軟件及診斷模塊，建立友好的用戶界面，實現對高壓斷路器狀態(tài)信息的顯示及管理。實驗結果表明，該專家系統(tǒng)可以有效的診斷出斷路器多種故障，并能給斷路器維護現狀給出合理的檢修建議。為了更進一步的完善故障診斷專家系統(tǒng)，來自不同廠家不同類型的高壓斷路器的測試數據被要求修正這個診斷系統(tǒng);當多故障類型同時發(fā)生時，基于特征參數的規(guī)則提取及診斷分析也需要進一步的研究。

［1］林莘，李永祥，馬躍乾，等.高壓斷路器新型電機操動機構的動態(tài)特性分析［J］.電機與控制學報，2009，13(2):216 －221.LIN Xin，LI Yongxiang，MA Yueqian，et al.Dynamic characteristics analysis on novel motor actuator of high voltage circuit breaker［J］.Electric Machines and Control，2009，13(2):216 －221.

［2］POLYCARPOU A A，SOOM A，PETER J W，et al.Event timing and shape analysis of vibration bursts from power circuit breakers［J］.IEEE Transactions on Power Delivery，1996，11(2):848－857.

［3］RUNDE M，OTTESEN G E，SKVBERG B，et al.Vibration analysis for diagnostic testing of circuit breakers［J］.IEEE Transactions on Power Delivery，1996，11(4):1816－1823.

［4］DENNIS S S L，LITHGOW B J，MORRISON R E.New fault diagnosis of circuit breakers［J］.IEEE Transactions on Power Delivery，2003，18(2):454 －459.

［5］HOIDALEN H K，RUNDE M.Continuous monitoring of circuit breakers using vibration analysis［J］.IEEE Transactions on Power Delivery，2005，20(4):2458 －2465.

［6］KEZUNOVIC M，REN Z F，SEVCIK D R.Automated monitoring and analysis of circuit breaker operation［J］.IEEE Transactions on Power Delivery，2005，20(3):1910－1918.

［7］LANDRY M，LONARD F，BEAUCHEMIN R.An improved vibration analysis algorithm as a diagnostic tool for detecting mechanical anomalies on power circuit breakers［J］.IEEE Transactions on Power Delivery，2008，23(4):1986 －1994.

［8］孫來軍，胡曉光，紀延超.改進的小波包－特征熵在高壓斷路器故障診斷中的應用［J］.中國電機工程學報，2007，27(12):103－108.SUN Laijun，HU Xiaoguang，JI Yanchao.Fault diagnosis for high voltage circuit breakers with improved characteristic entropy of wavelet packet［J］.Proceeding of the CSEE，2007，27(12):103－108.

［9］周汝勝，焦宗夏，王少萍.基于專家系統(tǒng)的導彈發(fā)射車液壓系統(tǒng)故障診斷［J］.航空學報，2008，29(1):197 －203.ZHOU Rushen，JIAO Zongxia，WANG Shaopin.Fault diagnosis expert system for hydraulic system of missile launcher［J］.Acta Aeronautica Et Astronautica Sinica，2008，29(1):197－203.

［10］王小華，榮命哲，吳翊.高壓斷路器故障診斷專家系統(tǒng)中快速診斷及新知識獲取方法［J］.中國電機工程學報，2007，27(12):95－99.WANG Xiaohua，RONG Mingzhe，WU Yi.Method of quick fault diagnosis and new knowledge obtainment for high voltage circuit breaker expert system ［J］.Proceeding of the CSEE，2007，27(12):95－99.

［11］HUANG J，HU X G GENG X.An intelligent fault diagnosis method of high voltage circuit breaker based on improved EMD energy entropy and multi－ class support vector machine［J］.E-lectrical Power System Research，2011，81(2):400 －407.

［12］黃建，胡曉光，鞏玉楠.基于經驗模態(tài)分解的高壓斷路器機械故障診斷方法［J］.中國電機工程學報.2011，31(12):108－113.HUANG Jian，HU Xiaoguang，GONG Yunan.Machinery fault diagnosis of high voltage circuit breaker base on empirical mode decomposition［J］.Proceedings of the CSEE，2011，31(12):108－113.

［13］CHETHAN P，MICKEY C.Frequency characteristics of wavelets［J］.IEEE Transactions on Power Delivery，2002，17(3):800－804.

［14］CHENG J S，YU D J，TANG J S.Application of frequency family separation method based upon EMD and local Hilbert energy spectrum method to gear fault diagnosis［J］.Mechanism and Machine Theory，2008，43(6):712 －723.

［15］YANG Y，YU D J，CHENG J S.A roller bearing fault diagnosis method based on EMD energy entropy and ANN［J］.Journal of Sound and Vibration，2006，294(1):269 －277.