趙虎，崔建強(qiáng)，古浩原

(西南交通大學(xué)電氣工程學(xué)院，四川 成都 0610031)

1 引言

斷路器(CB)作為電力系統(tǒng)最重要的設(shè)備之一，掌握其運(yùn)行狀態(tài)是相當(dāng)重要的。因此，圍繞各類斷路器狀態(tài)評估問題，各種在線和離線測量方法被用來對其做出針對性的研究[1]。監(jiān)測目的是為了掌握重要設(shè)備運(yùn)行狀態(tài)。然而，斷路器運(yùn)行狀態(tài)復(fù)雜，其在不同時(shí)期可能需要承載額定電流、短路電流、環(huán)境溫度變化，并且其操作情況各異。

根據(jù)第一次國際大電網(wǎng)會議調(diào)查結(jié)果(CIGRE)表明，機(jī)械故障是影響斷路器運(yùn)行的主要故障[2，3]。第二次國際大電網(wǎng)會議調(diào)查結(jié)果表明控制與輔助電路故障占主要故障的29%，次要故障的20%?；谡{(diào)查結(jié)果，CIGRE第13.06工作組在其提交報(bào)告中指出:“迫切希望改進(jìn)控制和輔助回路可靠性”[3，4]。在線監(jiān)測技術(shù)的進(jìn)一步實(shí)踐應(yīng)用，反映設(shè)備狀態(tài)的信息也隨之增加，雖然直觀的設(shè)定檢測內(nèi)容閾值方便易行，但并針對所有設(shè)備設(shè)定統(tǒng)一界限并不完全可行，而對各設(shè)備分別設(shè)定限值不能直接評估設(shè)備狀態(tài)。因此對于新的檢測數(shù)據(jù)的需要有更加明確地理解。

針對檢測數(shù)據(jù)記錄可以看作樣本空間(粗糙集等分析法)或者粒子空間(貝葉斯網(wǎng)絡(luò)或支持向量機(jī)方法等)，這兩種數(shù)據(jù)模式均需在有監(jiān)督的情況下進(jìn)行分類研究，但監(jiān)督的前提條件是要確定故障模式的信息，然而有經(jīng)驗(yàn)獲得的邊界條件信息會使分析方法分析結(jié)果與設(shè)備真實(shí)狀態(tài)存在較大差異[5]。

近年來越來越多的基于智能算法被研究并應(yīng)用于設(shè)備故障診斷，自組織競爭網(wǎng)絡(luò)作為一種神經(jīng)網(wǎng)絡(luò)聚類方法，除了基本的分類功能，并且其可以實(shí)現(xiàn)檢測數(shù)據(jù)可視化，可以更加方便的分析設(shè)備狀態(tài)，是一種很有潛力的故障診斷方法。雖然其存在著很好的優(yōu)越性，但是自組織競爭網(wǎng)絡(luò)并不能發(fā)現(xiàn)噪聲點(diǎn)，并且較多神經(jīng)元的網(wǎng)絡(luò)會產(chǎn)生過多聚類，并不實(shí)現(xiàn)故障分類的要求。

本文采用U矩陣方法獲得斷路器輔助控制單元狀態(tài)分類可視化圖，樣本分析結(jié)果表明本方法有很高的狀態(tài)判斷準(zhǔn)確性，并且具有很好的可視化效果。提出Ward-SOM方法對檢測信號進(jìn)行故障診斷分析。

2 SOM網(wǎng)絡(luò)

自組織映射(self-organizing map SOM)網(wǎng)絡(luò)是由芬蘭赫爾辛基大學(xué)Kohonen教授于1981年提出的競爭式神經(jīng)網(wǎng)絡(luò)，也常被稱為Kohonen網(wǎng)絡(luò)。經(jīng)過30年的發(fā)展，其已被廣泛應(yīng)用于數(shù)據(jù)可視化，知識獲取，模式識別，和過程監(jiān)控等領(lǐng)域。使用Kohonen網(wǎng)絡(luò)進(jìn)行故障診斷的特點(diǎn)是:如果輸入數(shù)據(jù)隨時(shí)間按某個(gè)統(tǒng)計(jì)變化，則系統(tǒng)能夠自動適應(yīng)這種變化，并且能繼續(xù)模擬當(dāng)前輸入模式數(shù)據(jù)的分布。當(dāng)網(wǎng)絡(luò)學(xué)習(xí)過程中出現(xiàn)未考慮的情況時(shí)，網(wǎng)絡(luò)也能正確診斷，并可以將新數(shù)據(jù)及時(shí)并入網(wǎng)絡(luò)，實(shí)現(xiàn)網(wǎng)絡(luò)的自適應(yīng)診斷。Kohonen網(wǎng)絡(luò)的速度非常快，即使在訓(xùn)練過程中也如此。因此，Kohonen網(wǎng)絡(luò)故障診斷模型已經(jīng)成為一種很有潛力的故障診斷方法。

圖1 自組織映射網(wǎng)絡(luò)模型

2.1 自組織映射算法原理

自組織映射網(wǎng)絡(luò)中各神經(jīng)元節(jié)點(diǎn)c均附帶權(quán)向量wc=[wc1，wc2，…，wcn]T，由數(shù)據(jù)空間中隨機(jī)獲得數(shù)據(jù)點(diǎn)x(t)，可以通過式(1)根據(jù)輸入數(shù)據(jù)與各神經(jīng)元距離比較得到獲勝的神經(jīng)元v。

隨后獲勝神經(jīng)元根據(jù)式(2)更新權(quán)值

其中，α(t)為t時(shí)的學(xué)習(xí)率。

自組織競爭網(wǎng)絡(luò)中獲勝神經(jīng)元相鄰神經(jīng)元權(quán)值按式(3)進(jìn)行更新

循環(huán)式(3)中的步驟直至η(v，k，t)為0為止。

2.2 Ward方法

Ward方法是一種凝聚聚類算法，由于該方法在數(shù)據(jù)集不是太大的情況下十分有效，因此該方法可以很好的解決實(shí)際情況下缺少故障中心聚類的障礙，提高故障診斷正確率，可以完善SOM在無指導(dǎo)情況下的狀態(tài)錯(cuò)誤分類。

該方法應(yīng)用一種變化分析的辦法去評價(jià)聚類之間的距離。該方法將平方距離內(nèi)部的組合最小化，作為將兩個(gè)可能聚類的連接結(jié)果，平方的內(nèi)部組合被定義為聚類中的所有對象與聚類之間質(zhì)心的平方和。Ward距離(dward)可以表示為:

式中r和s代表兩個(gè)特定的聚類;nr和ns分別代表在兩個(gè)聚類中的數(shù)據(jù)點(diǎn)數(shù)量;xr和xs是兩個(gè)聚類重心是歐幾里德距離。隨著兩個(gè)數(shù)據(jù)點(diǎn)的數(shù)據(jù)增加，數(shù)據(jù)之間的距離也增加，Ward距離也增加，聚類之間的距離也增加，在聚類的每一個(gè)階段上合并產(chǎn)生最小距離尺寸的兩個(gè)聚類，可以通過式(5)計(jì)算合并聚類平均數(shù)同時(shí)將新的距離尺寸更新。

在訓(xùn)練過的SOM上使用時(shí)，通過單獨(dú)神經(jīng)元和在映射中和是鄰點(diǎn)的聚類進(jìn)行合并，可以映射內(nèi)部聚類的均勻性[6]。

2.3 U-矩陣方法可視化

自組織競爭網(wǎng)絡(luò)可以高維數(shù)據(jù)降維，但其數(shù)據(jù)間關(guān)系不能通過神經(jīng)元間距離表征，需要借助于其他方法才可以實(shí)現(xiàn)可視化。通過U-矩陣方法實(shí)現(xiàn)訓(xùn)練的SOM網(wǎng)絡(luò)實(shí)的可視化。如圖1所示的SOM網(wǎng)絡(luò)，競爭層的神經(jīng)元以二維平面矩陣形式分布。計(jì)算其中的各神經(jīng)元與其所有相鄰近神經(jīng)元權(quán)向量之間的歐氏距離，取這些距離的平均值或最大值或某一函數(shù)值作為該神經(jīng)元的“U值”。計(jì)算出所有競爭層神經(jīng)元的“U值”矩陣。具體采用U可視化SOM網(wǎng)絡(luò)的訓(xùn)練結(jié)果時(shí)，結(jié)合競爭層的拓?fù)浣Y(jié)構(gòu)，將U矩陣值作為神經(jīng)元的第三維坐標(biāo)，在三維空間繪出了網(wǎng)絡(luò)競爭層的結(jié)構(gòu)，通過觀察高峰、低谷等等的分布來顯示網(wǎng)絡(luò)聚類訓(xùn)練結(jié)果，或?qū)⑸窠?jīng)元第三維坐標(biāo)用灰度表示。U矩陣即是一種用灰度圖來實(shí)現(xiàn)可視化的方法[6，7]。

3 斷路器狀態(tài)在線監(jiān)測信息

對控制電路與輔助觸點(diǎn)進(jìn)行監(jiān)測可以得到與斷路器機(jī)械狀態(tài)相關(guān)的時(shí)間信號，斷路器機(jī)械狀態(tài)可以通過這些由輔助電路和輔助接觸監(jiān)測取得的信號進(jìn)行分析做出評判。監(jiān)測開合閘點(diǎn)數(shù)電流是一種相對簡單易行的方法。監(jiān)測線圈通電后吸收電流并對信號進(jìn)行比較，可以得到斷路器狀態(tài)的有效信息。

斷路器輔助控制電路的簡化模型如圖2所示。其操作機(jī)構(gòu)包括分閘控制電路和合閘控制電路。分閘電路包括分閘線圈(TC)和斷路器輔助觸點(diǎn)(52a)。合閘電路包括分閘線圈(CC)和一個(gè)保持電路。斷路器開合操作時(shí)由控制室發(fā)出控制操作信號。通過控制輔助觸點(diǎn)與控制繼電器保證操作信號發(fā)出后線圈(TC，CC)保持通電。線圈通電后鐵芯運(yùn)動斷開閂鎖，并觸發(fā)開合閘操作機(jī)構(gòu)。與此同時(shí)，當(dāng)鐵芯在碰到閂鎖時(shí)線圈電流達(dá)到最大值。隨著鐵芯加速運(yùn)行線圈電流短時(shí)內(nèi)減小。隨后儲能機(jī)構(gòu)釋放能量，機(jī)械操作機(jī)構(gòu)動作式斷路器完成分閘或合閘操作。隨后，輔助觸點(diǎn)(52a)與(52b)改變狀態(tài)。

圖2 斷路器輔助控制電路

電流信號節(jié)點(diǎn)時(shí)間的變化可以表征斷路器機(jī)械系統(tǒng)的故障問題，如閉鎖，連接桿故障，潤滑不足等。如果閉鎖潤滑不足，線圈將吸引更多的電流，吸收電流波形中顯示出來。通過對同一個(gè)斷路器全壽命周期信號的監(jiān)測，可以較容易的分辨斷路器運(yùn)行狀態(tài)。輔助觸點(diǎn)信號也包含了很多斷路器機(jī)械狀態(tài)的信息，結(jié)合線圈電流，其可以提供開合時(shí)間信息并查出異常次序信息。吸收電流波形可以用來估計(jì)斷路器開合行程時(shí)間與速度。X與Y輔助觸點(diǎn)可以用來分辨開合次序。同時(shí)可以檢測交直流電壓用來保證機(jī)械與輔助電路的正常運(yùn)行。電壓太低可能會引起機(jī)械或輔助電路部分的異常運(yùn)行，甚至導(dǎo)致故障發(fā)生。

如圖3，4給出線圈電流脫扣線圈信號特性輔助控制觸點(diǎn)動作時(shí)間示意圖?？梢钥闯鼍€圈電流在t1時(shí)刻達(dá)到局部最大，在t2又減小到局部最小，到t3再次增大，并且由于輔助觸電的動作在t5時(shí)減小為零。

圖3 斷路器合閘線圈電流

圖4 輔助觸點(diǎn)分閘時(shí)間信號

斷路器輔助控制系統(tǒng)主要狀態(tài)可分為:①狀態(tài)正常;②合閘鐵心開始階段有卡澀;③操作機(jī)構(gòu)有卡澀;④鐵心空行程過大;⑤輔助開關(guān)動作接觸不良;⑥電源供給不足;⑦種設(shè)備狀態(tài)。

4 方法應(yīng)用

4.1 故障診斷

本文選取90個(gè)樣本訓(xùn)練作為SOM網(wǎng)絡(luò)與Ward-SOM網(wǎng)絡(luò)的訓(xùn)練樣本，利用另外26個(gè)故障樣本驗(yàn)證方法準(zhǔn)確性，另外隨機(jī)取數(shù)組離群信號加入故障樣本。

根據(jù)本文中的算法，采用Matlab2010a編寫程序，分別構(gòu)建了一維和二維神經(jīng)元的自組織競爭網(wǎng)絡(luò)。判正率的結(jié)果如表1和表2所示。其中，表1是一維SOM與Ward-SOM算法對狀態(tài)分類的判正率，表2是二維不同神經(jīng)元SOM網(wǎng)絡(luò)與Ward-SOM網(wǎng)絡(luò)狀態(tài)診斷判正率。從分類結(jié)果可以看出判正率不但與神經(jīng)元個(gè)數(shù)有關(guān)，還與維數(shù)相關(guān)。通過對比相同一維與二維狀態(tài)診斷結(jié)果可以看出，二維分類結(jié)果較一維更好，由于二維映射單元周圍有六個(gè)相鄰單元，而一維映射單元僅有兩個(gè)相鄰單元，因此二維SOM網(wǎng)絡(luò)可以取得更好地聚類結(jié)果。通過一維與二維不同神經(jīng)元個(gè)數(shù)狀態(tài)分類結(jié)果可以看出，Ward-SOM網(wǎng)絡(luò)有更好的準(zhǔn)確分類性能。由于Ward方法可以將單獨(dú)的神經(jīng)元和映射中臨點(diǎn)較近的聚類進(jìn)行合并，從而很好地解決了當(dāng)映射網(wǎng)絡(luò)結(jié)構(gòu)增大使網(wǎng)絡(luò)邊沿的單元?dú)w屬難以正確判別的問題。從而提高了狀態(tài)分類的準(zhǔn)確率。

表1 一維自組織競爭網(wǎng)絡(luò)分類判正率

表2 二維自組織競爭網(wǎng)絡(luò)分類判正率

4.2 可視化效果

傳統(tǒng)的多維數(shù)據(jù)可視化方法如平行坐標(biāo)法，直觀的通過多個(gè)平行坐標(biāo)軸上表示多維數(shù)據(jù)如圖5所示，平行軸坐標(biāo)的優(yōu)點(diǎn)是可以考查數(shù)據(jù)的相關(guān)性，但隨著樣本數(shù)量的增加，這種優(yōu)點(diǎn)將越來越小。圖5是平行軸坐標(biāo)表示的分合閘線圈電流信號關(guān)鍵時(shí)間點(diǎn)。

圖5 分(a)/合(b)閘操作線圈電流時(shí)間信號數(shù)據(jù)平行坐標(biāo)可視化

圖6 斷路器故障狀態(tài)自組織映射網(wǎng)絡(luò)U-矩陣可視化分類

可視化效果，雖然可以根據(jù)數(shù)據(jù)分布的區(qū)域發(fā)現(xiàn)信號隱含的異常行為，但卻并不能直接診斷，也不能確定其所代表的故障類型。圖6是自組織競爭網(wǎng)絡(luò)可視化方法，通過本文提出的算法計(jì)算獲得檢測信號訓(xùn)練得到獲神經(jīng)元所屬狀態(tài)區(qū)域，顯然可以直觀的區(qū)分出檢測信號狀態(tài)，并且可以比較直觀的進(jìn)行狀態(tài)識別。圖6(b)中1～6對應(yīng)前述六種高壓斷路器狀態(tài)。

5 結(jié)論

本文提出應(yīng)用SOM方法對控制電路分合閘線圈電流與輔助觸點(diǎn)信號進(jìn)行分析，并對高壓斷路器輔助機(jī)械控制系統(tǒng)進(jìn)行狀態(tài)評估。

(1)本文提出了自組織競爭網(wǎng)絡(luò)方法用于斷路器輔助控制單元的故障診斷，該方法對未知故障狀態(tài)的發(fā)現(xiàn)以及故障狀態(tài)分類有著很好的效果。

(2)提出了Ward-SOM解決多神經(jīng)元聚類邊沿模糊的問題，Ward方法可以將單獨(dú)的神經(jīng)元和映射中臨點(diǎn)較近的聚類進(jìn)行合并，從而很好地解決了當(dāng)映射網(wǎng)絡(luò)結(jié)構(gòu)增大使網(wǎng)絡(luò)邊沿的單元?dú)w屬難以正確判別的問題。相比單純SOM提高了狀態(tài)診斷準(zhǔn)確性。

(3)通過U-矩陣方法將狀態(tài)高維數(shù)據(jù)可視化，實(shí)現(xiàn)高壓斷路器的可視化狀態(tài)診斷。

此外，可以通過針對連續(xù)檢測信號在自組織映射網(wǎng)絡(luò)U-矩陣可視化狀態(tài)分類圖中跟蹤其狀態(tài)軌跡，可以更好地掌握設(shè)備狀態(tài)，對異常狀態(tài)做出預(yù)估。因此，可視化方法有著良好的前景。

[1]Bartosz Rusek，etc，Timings of high voltage circuit-breaker[J].Electric Power Systems Research，2008，78 ：2011 －2016.

[2]G.Balzer，D.Drescher，F(xiàn).Heil.Neumann，Evaluation of failure data of HV circuit-breakers for condition based maintenance，CIGRE Sessions(2004)：1 －8.

[3]CIGRE，Working Group 13 －09，User guide for the application of monitoring and diagnostic techniques for switching equipment for rated voltages of 72.5 kV and above，2000.

[4]苑舜.高壓開關(guān)設(shè)備狀態(tài)監(jiān)測與診斷技術(shù)[M].機(jī)械工業(yè)出版社，2001.

[5]熊浩，李衛(wèi)國，等.概率聚類技術(shù)應(yīng)用于變壓器DGA數(shù)據(jù)的故障診斷[J].高電壓技術(shù)，2008，34(5)：1022 －1026.

[6]史曉霞，陳一民，李軍治.神經(jīng)網(wǎng)絡(luò)在應(yīng)用科學(xué)和工程中的應(yīng)用－從基本原理到復(fù)雜模式識別[M].機(jī)械工業(yè)出版社，2010.

[7]廖廣蘭，等.基于自組織映射的齒輪箱狀態(tài)監(jiān)測可視化研究[J]機(jī)械工程學(xué)報(bào)，2003，39(12)：99 －102.

[8]Camelia Hora，On a Statistical Fault Diagnosis Approach Enabling Fast Yield Ramp-Up[J]Journal of Electronic Testing：Theory and Applications，2003，19(1)：369 －376.

[9]Dabo Zhang，Wenyuan Li，et al，Evaluating Condition Index and Its Probability Distribution Using Monitored Data of Circuit Breaker[J]Electric Power Components and Systems，2011，39(1)：965 －978.

[10]Satish Natti.Mladen Kezunovic Model for Quantifying the Effect of Circuit Breaker Maintenance Using Condition-Based Data[C].Power Tech，2007 IEEE Lausanne，1 －6.

[11]Hujun Yin.ViSOM － A Novel Method for Multivariate Data Projection and Structure Visualization[J]IEEE Transactions on Power Delivery，2002，13(10)：237 －243.

[12]袁大陸，熊幼京.1994年全國電氣誤操作事故的統(tǒng)計(jì)分析[J].電網(wǎng)技術(shù)，1996，20(3)：66 －68.

[13]宋杲，崔景春，袁大陸.1999～2003年高壓斷路器運(yùn)行分析[J].電力設(shè)備，2005，6(2)：6 －13.

[14]J.G.Steel，C.Eng.etc，Statistics of circuit-breaker performance[J].PROC.IEE，1970，117(7)：1337 －1345.