基于三相位移信号的真空断路器机械参数在线监测方法

摘要

基于三相位移信号的真空断路器机械参数在线监测方法，通过小波分析和Hilbert变换进行真空断路器机械参数在线监测，针对真空断路器三相位移信号的特点，首先通过小波消噪消除干扰因素，然后利用小波分解与重构凸显出位移特征量，最后通过Hilbert变换提取信号包络，检测特征量，得到断路器分合闸过程的各项机械参数。本发明能够在不增加额外采集信号通道的情况下，对断路器在线监测系统所采集的位移信号实时进行分析处理，得到断路器分合闸过程的各项机械参数，相对简单实用，提高了三相测量精度，其有效性和稳定性已通过实验的证明，并在实际工程应用中取得了较好的效果。

权利要求

1.基于三相位移信号的真空断路器机械参数在线监测方法，其特征是通过小波分析和Hilbert变换进行真空断路器机械参数在线监测，针对真空断路器三相位移信号的特点，首先通过小波阈值消噪消除干扰因素，然后利用小波分解与重构凸显出位移特征量，最后通过Hilbert变换提取信号包络，检测特征量，找到位移曲线的突变点，进而通过该突变点的数据得到断路器分合闸过程的各项机械参数，包括以下步骤：

1)在真空断路器上安装位移传感器，位移传感器为微型线性位移传感器，微型传感器的拉杆通过连接件安装于真空断路器动触头绝缘拉杆下方；

2)利用位移传感器采集真空断路器合闸过程中三相合闸位移信号disA、disB、disC，得到三相合闸位移信号的波形；

3)对三相合闸位移信号的波形分别进行预处理，依次通过去毛刺限幅滤波和小波阈值消噪使三相合闸位移信号的波形相对平滑，得到三相的位移信号曲线；

4)利用小波分解与重构分别来检测步骤3)预处理后的三相的位移信号曲线，得到三相的位移信号曲线的突变点，所述突变点初步确定位移信号曲线上合闸的起始时刻、特征点和结束时刻的位置；

5)对步骤4)经过小波重构后的位移信号曲线进行Hilbert变换包络分析，检测特征量，在Hilbert变换包络波形上得到三个尖峰点，它们分别对应于位移信号曲线上的起始时刻、特征点和结束时刻，所述特征点对应于断路器合闸过程各相的刚合点；

6)根据得到的真空断路器三相刚合点及合闸的起始时刻和结束时刻数据，计算得到真空断路器三相合闸过程的各项机械参数，包括三相的接触行程、触头开距和合闸速度，由此得到真空断路器的合闸时间、合闸顺序及三相合闸不同期性，完成合闸机械特性输出；

7)分合闸接触行程相等，得到三相分闸接触行程，由三相分闸接触行程得到分闸过程刚分点，从而得到分闸速度、分闸时间、分闸顺序、分闸不同期性，完成分闸机械特性输出。

2.根据权利要求1所述的基于三相位移信号的真空断路器机械参数在线监测方法，其特征是步骤3)的预处理中所述去毛刺限幅滤波方法如下：比较对位移信号波形的相邻两采样点dis(i)与dis(i+1)的数值，若它们之间的差值超过了所设定的阈值，则认为发生了突变干扰，舍弃此时dis(i+1)的数值，用dis(i)与dis(i+2)的线性插值来重构dis(i+1)这一点，所述阈值设为0.19。

3.根据权利要求1或2所述的基于三相位移信号的真空断路器机械参数在线监测方法，其特征是步骤3)的预处理中所述小波阈值消噪为：选择小波并确定分解层次N，对三相信号分别进行N层分解，然后对从1到N层的低频系数，选择阈值进行软阈值处理；具体利用Matlab软件对动触头的位移信号的波形进行一维小波降噪，消噪方式为wden，参数选择为：选择sym8小波；阈值选择采用启发式原理产生阈值，根据每一层小波分解的噪声水平估计进行调整，则输出参数Sorh＝s，tptr＝heursure；输入参数Scal＝mln，其中输出参数Sorh代表函数选择阈值处理方式，tptr代表阈值选择规则，输入参数Scal规定了阈值处理随噪声水平的变化。

4.根据权利要求1或2所述的基于三相位移信号的真空断路器机械参数在线监测方法，其特征是步骤4)中，使用matlab软件对位移信号曲线进行小波分解和重构，在matlab中利用Daubechies小波系列中的db2小波对消噪后的位移信号曲线进行5层小波分解，对经过5层小波分解得到的低频信号进行重构，以检测位移信号曲线突变点。

说明书

基于三相位移信号的真空断路器机械参数在线监测方法

技术领域

[0001] 本发明属于电工技术领域，涉及小波分析和希尔伯特(Hilbert)变换，为一种基于三相位移信号的真空断路器机械参数在线监测方法。

背景技术

[0002] 断路器是电力系统中重要的控制和保护设备，在电网运行中起到控制电力线路和设备投入与退出、迅速切除故障线路、保护无故障线路正常运行等重要作用，保障断路器的正常工作是确保电网安全稳定运行的基础。随着电力系统电压等级的升高和电网规模的不断扩大，传统的定期检修方式正逐步被状态检修所替代。因此，能够为状态检修提供有效信息的在线监测技术应运而生，它不仅能够显示断路器的工作状况，并且具备了故障诊断功能。

[0003] 统计数据表明：真空断路器的操动机构发生故障的概率最大。因此，可以反映断路器的工作状况并且可以为故障诊断提供有效信息的分合闸机械参数一直被作为断路器在线监测的重要内容。而断路器分合闸刚分刚合点的数据则是机械参数计算的前提，它的监测精度一方面影响着机械特征参数，另一方面与故障诊断的可信程度紧密相关。

[0004] 传统上对于断路器机械参数的测量基本是在离线状态下通过光电编码器进行的，将光电编码器安装于操动机构主轴上，采集操动机构的主轴转角信号。再经过角度到位移的变换可以得到较为精确的位移数据。然而此时得到的数据是三相总体位移，无法反应每一项各自的位移情况，无法直接得到三相同期性，需要利用其它的技术手段才能得以解决。因此势必要增加信号通道，这样会给系统增加额外的负担，而且无法满足在线监测的要求。

[0005] 随着在线监测技术的发展，国内外对于断路器分合闸突变点的判断展开了大量的研究，也产生了一些成果应用于断路器在线监测系统中。例如基于速度曲线的突变点判断方法，利用小波包和短时能量法对振动信号的分析方法等，这些方法的有效性均已被得到证明。但是这些检测方案存在着检测精度不高、检测方案复杂的缺陷。

[0006] 因此，发明一种适用于在线监测的真空断路器机械参数的新算法成为亟需解决的课题。

发明内容

[0007] 本发明要解决的问题是：现有技术中对于断路器机械参数的测量大多为离线监测，不具备实时性，已有的在线监测技术存在监测精度不高、方法复杂等缺陷。

[0008] 本发明的技术方案为：基于三相位移信号的真空断路器机械参数在线监测方法，通过小波分析和Hilbert变换进行真空断路器机械参数在线监测，针对真空断路器三相位移信号的特点，首先通过小波消噪消除干扰因素，然后利用小波分解与重构凸显出位移特征量，最后通过Hilbert变换提取信号包络，检测特征量，找到位移曲线的突变点，进而通过该突变点的数据得到断路器分合闸过程的各项机械参数，包括以下步骤：

[0009] 1）在真空断路器上安装位移传感器，位移传感器为微型线性位移传感器，微型传感器的拉杆通过连接件安装于真空断路器动触头绝缘拉杆下方；

[0010] 2）利用位移传感器采集真空断路器合闸过程中三相合闸位移信号disA、disB、disC，得到位移信号的波形；

[0011] 3）对真空断路器合闸过程三相位移信号的波形分别进行预处理，依次通过去毛刺限幅滤波和小波阈值消噪使三相合闸位移信号的波形相对平滑，得到三相的位移信号曲线；

[0012] 4）利用小波分解与重构分别来检测步骤3）预处理后的三相的位移信号曲线，得到三相的位移信号曲线的突变点，所述突变点初步确定位移信号曲线上合闸的起始时刻、特征点和结束时刻的位置；

[0013] 5）对步骤4）经过小波重构后的位移信号曲线进行Hilbert变换包络分析，检测特征量，在Hilbert变换包络波形上得到三个尖峰点，它们分别对应于位移信号曲线上的起始时刻、特征点和结束时刻，所述特征点对应于断路器合闸过程各相的刚合点；

[0014] 6）根据得到的真空断路器三相刚合点及合闸的起始时刻和结束时刻数据，通过公式计算得到真空断路器三相合闸过程的各项机械参数，包括三相的接触行程、触头开距和合闸速度，得到合闸时间、合闸顺序及三相不同期性，完成合闸机械特性输出；

[0015] 7）分合闸接触行程相等，得到三相分闸接触行程，由三相分闸接触行程得到分闸过程刚分点，从而得到分闸速度、分闸时间、分闸顺序、分闸不同期性，完成分闸机械特性输出。

[0016] 步骤3）的预处理中所述去毛刺限幅滤波方法如下：比较对位移信号波形的相邻两采样点dis(i)与dis(i+1)的数值，若它们之间的差值超过了所设定的阈值，则认为发生了突变干扰，舍弃此时dis(i+1)的数值，用dis(i)与dis(i+2)的线性插值来重构dis(i+1)这一点，所述阈值设为0.19。

[0017] 步骤3）的预处理中所述小波消噪为：选择小波并确定分解层次N，对三相信号分别进行N层分解，然后对从1到N层的低频系数，选择阈值进行软阈值处理；具体利用Matlab软件对动触头的位移信号的波形进行一维小波降噪，消噪方式为wden，参数选择为：选择sym8小波；阈值选择采用启发式原理产生阈值，根据每一层小波分解的噪声水平估计进行调整，则输出参数Sorh=s，tptr＝heursure；输入参数Scal=mln，其中输出参数Sorh代表函数选择阈值处理方式，tptr代表阈值选择规则，输入参数Scal规定了阈值处理随噪声水平的变化。

[0018] 步骤4）中，使用matlab软件对位移信号曲线进行小波分解和重构，在matlab中利用Daubechies小波系列中的db2小波对消噪后的位移信号曲线进行5层小波分解，对经过5层小波分解得到的低频信号进行重构，以检测位移信号曲线突变点。

[0019] 本发明针对真空断路器的三相位移信号，能够在不增加额外采集信号通道的情况下，对断路器在线监测系统所采集的位移信号进行分析处理，方法相对简单实用、计算精度相对较高，在工程应用中取得了较好的效果。

[0020] 与现有的真空断路器机械参数算法相比，本发明具有以下特点：

[0021] 1、现有技术的真空断路器机械特性检测仅局限于单相，对于通过振动信号来检测真空断路器机械特性的方法，由于振动信号本身易受干扰，由振动信号得到的刚分刚合点数据误差大，无法满足在线实时监测的要求。本发明利用微型线性位移传感器采集三相位移信号，可以获得三相各自的位移情况，直接得到三相不同期性，满足实时监测的要求，而现有技术都要通过后期的数据比较才能进一步得到三相不同期性。本发明利用小波分析和Hilbert变换处理三相位移信号可以计算得到断路器运行的大部分机械参数，不需要增加额外的信号采集通道，使得装置较其他的结构简单、成本低，方法相对简单，并且能够满足在线监测的要求。

[0022] 2、计算精度高，运行稳定可靠。本发明根据真空断路器的动作特性，利用三相位移曲线的特点，基于小波分析和Hilbert变换在三相位移信号曲线上精确地找到了分合闸动作各自对应的突变点，这在计算真空断路器机械参数、实时监测真空断路器运行状态的过程中起到了十分重要的作用。其次，使用去毛刺限幅滤波和小波阈值消噪预处理可以消除现场环境噪声及真空断路器本身机械振动所产生的干扰，提高了判断方法的准确度。

附图说明

[0023] 图1为真空断路器合闸位移信号典型波形。

[0024] 图2为合闸位移原始信号图及预处理后信号图。

[0025] 图3为本发明算法处理后位移信号波形。

[0026] 图4为本发明机械参数监测流程图。

[0027] 图5为本发明实施例现场实验A、B、C三相的采集信号及处理结果波形图，（a）（b）（c）分别为原始信号、消噪后波形、小波变换波形及Hilbert变换波形。

[0028] 图6为阈值量化选择方法的函数图，图（a）为软阈值法，图（b）为硬阈值法。

具体实施方式

[0029] 本发明针对三相位移信号的特点，首先通过毛刺限幅滤波及小波消噪消除干扰因素，然后利用小波分解与重构凸显出位移特征量，最后经过Hilbert变换包络分析得到特征点的具体位置，即合闸过程的刚合点。在获得刚合点具体数据的前提下，通过公式计算得到断路器合闸过程的各项机械参数。考虑分闸与合闸过程的超程相同，以此为基础得到断路器分闸过程的各项机械参数。

[0030] 本发明位移传感器型号选取微型线性位移传感器，传感器拉杆通过连接件安装于断路器动触头绝缘拉杆下方。

[0031] 由于操动机构的复杂性以及现场环境的影响，采集到的位移信号会含有大量的噪声，使得位移特征量的提取产生了极大的困难。鉴于小波变换具有多分辨率，在时域和频域内同时具有局部化能力，可以聚焦到信号的任意细节，因此在处理突变信号上能够取得很好的效果。

[0032] 对于采集到的三相合闸位移信号disA、disB、disC，首先通过去毛刺限幅滤波和小波阈值消噪对其进行预处理。以A相为例，比较相邻两采样点disA(i)与disA(i+1)的数值，若他们之间的差值超过了所设定的阈值，根据经验取值0.19，则认为发生了突变干扰，需要舍弃此时disA(i+1)的数值，用disA(i)与disA(i+2)的线性插值来重构disA(i+1)这一点，B、C相方法相同。所述小波阈值消噪算法如下：首先选择小波并确定分解层次N，对三相信号分别进行N层分解。其次，对从1到N层的低频系数，选择一个阈值进行软阈值或硬阈值处理。

[0033] 其中，阈值的选择与量化处理是整个消噪过程的核心。基本上有四种阈值选取规则：（1）基于Stein的无偏似然估计原理。（2）固定阈值 N为离散数据长度。（3）启发式阈值选择。（4）极大极小原理选择阈值。本发明采用启发式阈值选择，因为它是其前两种阈值选择的综合，是最优预测变量的阈值选择。

[0034] 阈值的量化选择主要有软阈值和硬阈值两种方式。软阈值是把小波系数不等于阈值的变为该点与阈值的差值。硬阈值是把信号小波系数的绝对值与阈值比较，小于阈值的小波系数变为零，大于阈值的小波系数不变。其数学表达式分别为：

[0035]

[0036]

[0037] 其中Wδ为处理后的小波系数，W为原始的小波系数，δ为阈值，图6（a）（b）分别显示了软阈值法和硬阈值法的函数图。从两种阈值处理函数图示中可以看出，软阈值处理会使去噪后的信号更加平滑一些。因此，本发明在matlab中利用symlets小波系列中的sym8小波进行消噪处理，阈值处理方式采用软阈值方式，阈值选择采用启发式原理产生阈值。

[0038] 经过去噪处理的三相位移信号离散数据分别为disA1、disB1、disC1，小波消噪有效地消除了数据采样过程中产生的大量毛刺，曲线较为平滑，但刚合特征点并不突出，故需要利用小波分解与重构做进一步的处理：

[0039] 假设有一基本小波ψ(t)进行伸缩和平移后得到的小波序列ψa，b(t)与待分析信号f(t)，小波变换即对两者做内积运算，其中为a伸缩因子，b为平移因子，公式为：

[0040]

[0041] 在实际应用中，通常会将连续小波离散化，即使 j,k∈Z，a0和b0为离散过程的中间量，其离散小波函数为：

[0042]

[0043] 得到小波的离散变换：

[0044]

[0045] 小波变换的多分辨率特性是指通过改变上式中j的值可以改变观测信号的放大倍数。利用Mallat算法可将采样离散信号经过分解得到不同尺度j下的低频分量系数和高频分量系数。信号的小波重构是小波分解的逆过程，将分解得到的低频细节系数和高频逼近系数分别进行单支重构可得到信号的低频分量和高频分量。

[0046] 本发明使用matlab软件对采集的位移信号进行小波分析，在matlab中利用Daubechies小波系列中的db2小波对消噪后的信号进行5层小波分解。经过分解的信号包含高频分量与低频分量。由于低频分量更稳定，可靠性较高，故本发明中对经过5层小波分解得到的低频信号进行重构，以检测信号突变点。这里所述的对低频信号进行重构为本领域现有技术，不再详述。

[0047] 重构后得到的三相的位移信号曲线上的突变点初步反映了位移信号曲线上合闸过程起始时刻、刚合点和结束时刻的位置，但还不够精确，利用Hilbert变换提取经小波重构后的信号包络，检测特征量，即可以精确找到合闸过程刚合点。

[0048] 本发明在matlab中利用hilbert命令对重构后的位移信号曲线进行Hilbert变换，得到三相位移信号的包络波形曲线。从包络波形曲线上得到突变信息的方法如下：在经过Hilbert变换的包络波形曲线上可以看出有三个尖峰点，分别对应于合闸过程的合闸起始时刻、刚合点及合闸结束时刻，故中间尖峰点即为合闸过程刚合点。在取得刚合点具体位置及刚合点时刻的前提下，就可以通过现有技术的公式计算得到断路器合闸的各项机械参数。同时认为分闸与合闸过程的接触行程相同，即可得到分闸过程刚分点，以此为基础得到断路器分闸过程各项机械参数。

[0049] 由于本发明同时对三相进行监测，得到合闸机械参数包括三相的接触行程、触头开距和合闸速度，通过计算得到合闸时间、合闸顺序及合闸的三相不同期性，完成合闸机械特性输出；同样地，分闸机械参数包括三相的接触行程、触头开距和分闸速度，通过计算可得到分闸时间、分闸顺序及分闸的三相不同期性，完成分闸机械特性输出。

[0050] 本发明将小波分析与Hilbert变换应用到真空断路器三相分合闸位移信号的分析中，通过利用小波消噪消除信号采集过程中产生的噪声，通过小波变换和Hilbert变换凸显合闸过程位移突变点，为在线状态下提取真空断路器分合闸过程的特征点提供了新思路，从而实现了在线状态下真空断路器机械参数的监测。

[0051] 下面结合附图对本发明作更进一步的说明。

[0052] 三相位移量的监测主要由直线位移传感器来完成，为了分别得到真空断路器三相刚分刚合点的精确位置，首先就必须合理选择位移传感器的型号与安装位置。根据真空断路器弹簧操动机构的结构特点，选取微型线性位移传感器。该选择兼顾了以下两个因素：其一，其拉杆通过连接件安装于断路器动触头绝缘拉杆下方，安装简便；其二，该传感器属于电阻式传感器，响应较快，可以保证数据的实时性，特别适用于10-20KV真空断路器在线监测系统。

[0053] 利用位移传感器采集的真空断路器合闸过程位移信号的典型波形如图1所示。从图1中可以看出，合闸过程基本可以分为四个阶段：

[0054] （1）T1阶段：断路器处在分闸状态，位移量基本等于零。

[0055] （2）T2阶段：合闸线圈动作（B点），断路器动触头开始以相对平稳的速度向静触头快速运动。

[0056] （3）T3阶段：动触头与静触头接触（C点），速度有所降低，触头继续向前运动，产生超程。

[0057] （4）T4阶段：触头停止运动（D点），断路器处于合闸状态。

[0058] 断路器合闸的瞬间，由于静触头反作用力的影响，其运动加速度会在极短的时间内下降为零，导致速度在该点产生突变，因此，三相位移曲线在该点会产生较为明显的变化，即图1中C点，并将该点作为真空断路器合闸过程的刚合点。

[0059] 在实验数据的测量、传输和记录过程中，由于受到电磁环境及设备本身振动的影响，会对数据的分析产生一定的干扰，因此需要对所采集的原始数据进行预处理。利用去毛刺限幅滤波和小波阈值消噪可以达到很好的效果。小波阈值消噪算法如下：采用symlets小波系列中的sym8小波对信号进行消噪，选取启发式heursure阈值，软阈值方式进行小波系数阈值化。图2所示为断路器合闸位移信号波形及利用小波消噪预处理后的相对平滑波形。从图2中可以看出，通过小波阈值消噪，可以有效地消除数据采样过程中产生的大量毛刺，曲线较为平滑，同时保留了信号的突变特征点，有利于进一步的信号处理与特征提取。

[0060] 进过预处理之后的信号波形尽管相对较为平滑，然而其合闸过程的刚合点，即图1中C点却并不突出，对于在线监测系统来说仍然难以方便快速地提取特征量，因此需要进一步的处理。此时利用Daubechies小波系列中的db2小波对消噪后的信号进行5层小波分解，并对其中分解得到的低频信号进行重构，以检测位移信号突变点。再通过Hilbert变换提取其信号包络，信号处理后波形如图3所示。

[0061] 通过对图1的信号处理波形的分析可以看出，在真空断路器合闸过程中，共产生了三处特征点，分别为断路器合闸起始时刻，刚合点以及合闸结束时刻，各自对应图1中位移曲线的B、C、D点，且特征点较为明显，通过简单的比较即可得到特征点的具体位置，即合闸过程刚合点。在认为分闸与合闸过程的接触行程相同时，即可获得分闸过程刚分点。刚分刚合点的判断对于计算真空断路器的分合闸机械参数起了十分重要的作用，依据图4所示的断路器在线监测系统数据计算流程，在获得刚分刚合点的时间位移数据的基础上，即可获得真空断路器分合闸的各项机械参数。

[0062] 实施例

[0063] 本发明以10KV真空断路器弹簧操动机构作为试验样机，开发断路器在线监测系统，总体方案采用上位机+下位机的主从处理模式。上位机是由工控主板、TFT液晶触摸屏、硬盘及电源组成的小型工控机系统，负责接受数据并进行数据存储及处理，计算结果的图形图表显示等。下位机是基于FPGA+ARM双核的数据采集与通信模块，上、下位之间通过以太网进行通信。下位机所采集的信号有：分合闸电流、储能电机电流、三相位移量、振动信号、断路器触头及环境温度以及断路器运行状态，包括分合状态、储能状态、手车位置及接地刀状态等。由于下位机采集信号的种类较多，数据量较大，故我们选择FPGA作为采样主控芯片，以ARM作为数据通信主控芯片，这样可以充分发挥ARM良好的数据处理能力和方便的以太网接口，FPGA丰富的I/O口和快速的并行处理速度，行程高速实时数据流。整套系统体积小巧，功能强大，可满足实时在线监测和故障诊断的要求，并可以较方便地安装于开关柜中。

[0064] 利用上述方法对根据本发明建立的真空断路器在线监测系统所采集的5组数据进行分析，这里列出其中一组数据的信号处理波形图。图5为A、B、C三相的采集信号及处理结果波形图。（a）（b）（c）分别为原始信号、消噪后波形、小波变换波形及Hilbert变换波形。

[0065] 断路器接触行程为断路器触头刚合点到触头停止运动时动触头所移动的距离，其测量精度能够直接反映断路器机械参数的计算精度。表1为利用本发明所述算法对采集的5组信号进行处理后计算所得到的真空断路器接触行程数据，同时将计算结果与前期通过断路器特性测试仪测试得到的结果（ABC三相都为3.5mm）进行比对。结果显示，误差都在
10%以内，精度较现有技术有很大的提高；且数据稳定性好，故本发明算法能够满足在线监测系统的要求。

[0066] 表1断路器接触行程实验数据

[0067]

[0068] 表2所示为使用图4所示方法流程的真空断路器在线监测系统现场试验所得到的断路器正常工作时的典型分合闸机械参数数据，从这组数据中可以清楚地看到真空断路器分合闸的机械输出特性。可见本发明能够很好的完成真空断路器机械参数的在线监测。

[0069] 表2断路器在线监测系统试验数据

[0070]