基于概率神经网络的高压断路器故障诊断

基于概率神经网络的高压断路器故障诊断

杨翠翠

国网山西省电力公司超高压变电分公司   山西太原  030000

摘要：本文首先对概率神经网络理论进行了概述，详细探讨了基于概率神经网络的高压断路器故障诊断，旨在使高压断路器始终保持最佳运行状态。

关键词：高压断路器；机械故障；概率神经网络

引言

近年来，随着电气设备复杂度的增加，其发生故障的概率也逐渐上升。即使是熟练工程师，面对日趋复杂的设备内部电气结构，也难以迅速分析及判别其故障原因。与此同时，涌现出的各种智能算法、专家系统等，为设备诊断问题提供了可行的方案。其中，神经网络以其特有优势在电气设备故障诊断中发挥了重要作用。神经网络理论是人工智能、认知学、脑神经学、信息学等诸多学科融合发展的结果，它是由大量简单的处理单元（称为神经元），通过广泛的互相连接而形成的复杂网络系统[1]。

1概率神经网络理论

概率神经网络是D。F。Specht博士于1989年提出的，是由径向基神经网络（RBFNN）发展而来的一种前馈型神经网络，在RBFNN的基础上，融合了密度函数估计和Bayes决策理论，该网络以指数函数替代神经网络中常用的S型函数作为激活函数。这种基于统计原理的神经网络模型无需训练样本的连接权值，由给定样本直接构成隐层，训练简洁，分类能力强。概率神经网络由输入层、模式层、求和层和输出层组成。

2高压断路器的原理

断路器用于在正常运行时接通或断开电路，故障情况在继电保护装置的作用下迅速断开电路，特殊情况(如自动重合到故障线路上时)下可靠地接通短路电流。高压断路器是电力系统稳定运行的重要控制设备，是在正常或故障情况下接通或断开高压电路的专用电器。在具体应用的过程中其担负着稳定电流和及时发现和解决电力系统故障的职能作用，它不仅可以切断与闭合高压电路中空载电流与负荷电流，而且当系统在发生故障时可以通过继电器的保护装置。高压真空断路器处于合闸状态的时候，它对地绝缘由支持绝缘子来承受，一旦真空断路器所连接的线路发生永久接地故障，断路器动作跳闸后，接地故障点又未被清除，则有电母线的对地绝缘亦要由该断路器断口的真空间隙承受;各种故障开断时，断口一对触子间的真空绝缘间隙要耐受各种恢复电压的作用而不发生击穿。高压断路器的应用作用主要体现在2个方面[2]。1）高压断路器的控制作用。高压断路器结合电力系统运行在需要会将所有的电气设备以及部门线路投入或者退出运行。2）高压断路器的保护作用。在电力系统运行出现故障的时候，高压断路器会和保护装置、自动装置共同配合来将故障及时从系统中切除，从而减少损害，防止事故扩大。

3高压断路器的主要故障

绝缘故障：高压断路器发生的最频繁的故障之一为绝缘故障。造成这种故障的原因主要为爆炸、电压击穿等绝缘问题，其中更以内绝缘和外绝缘故障为主。造成内绝缘故障的原因是断路器在运行过程中内部出现异物所导致断路器放电，因而造成绝缘故障。造成外接的主要原因是瓷套尺寸和外绝缘泄露比距不符合要求，由于断路器和开关柜不匹配、绝缘距离不足、没有加强绝缘措施等多种原因，导致高压开关柜发生绝缘故障，此外开关柜的元件质量好坏也能造成短路故障。载流故障：发生载流故障的因素主要可分为以下两个方面：一是引线过热，二是触头接触不良。触头接触不良主要是由于静触头没有对准或是有偏差，静弧触头和灭弧喷口在操作过程中碰撞后使得喷口断开,从而使开关失灵造成故障。7.2-12kV电压等级开关柜发生载流故障的主要原因是隔离插头接触不良或是触头烧坏导致燃弧而发生故障。拒动故障：一般情况下，高压断路器对电流的控制主要是通过分合操作，一旦发生拒动故障则断路器不进行分合操作，就容易出现越级跳闸的情况，这样会使故障面积变大。一般造成拒动故障的主要原因分为机械和电气两种原因。机械原因主要发生在生产、制造、安装、检修等过程。由于操作机构的传动系统发生故障从而引发断路器发生拒动故障，其中具体的故障可能为零件损坏、移位、变形等。电气原因主要是由辅助回路或电气控制发生故障。

其具体故障主要为保险丝烧断、二次接线故障、辅助开关故障、操作电源故障等等，其中辅助开关故障虽然表现为二次故障，但实际上是转换接点不灵造成的，二次接线故障主要是断线或二次线接触不良所导致的。

4基于概率神经网络的高压断路器故障诊断模型

4.1基于PNN的故障诊断模型

故障诊断模型就是根据给定的故障征兆，实现故障征兆集到故障模式集之间映射的过程。进行高压断路器诊断时，首先要从分（合）闸线圈电流中提取相关的特征参数作为故障征兆，然后利用PNN得出故障模式。

4.2特征信号提取

不同的特征信号从不同方面反映出高压断路器故障的真实情况，所以，特征信号提取对高压断路器的故障诊断非常关键。高压断路器的分合闸线圈是用来驱动断路器进行分合闸动作的，其控制电源为直流电源，分合闸线圈电流波形中包含许多信息，反映了电磁铁本身及所控制的锁闩或阀门和联锁触头在操作过程中的工作状态，可以作为与线圈相关联的机械部件的故障诊断之用。

通过分析铁芯的运动过程，分闸线圈电流可以分为五个阶段。第一阶段（t=t0-t1），在t0时刻线圈开始通电，直到线圈中的电流和磁通增加到足以驱动铁芯运动时，即t1时刻，铁芯开始动作，此阶段电流呈指数规律增大，铁芯保持静止。

第二阶段（t=t1-t2），铁芯在电磁力的作用下，克服阻力加速度运动，直到铁芯上端撞击到扣板时停止运动。此阶段电流减小，以维持线圈两端电压平衡。

第三阶段（t=t2-t3），铁芯在时刻停止运动，线圈电流又呈指数规律增大，此阶段是高压断路器的触头在传动系统的带动下进行分、合闸的过程，t2时刻前后触头开始运动，辅助接点在t3时刻切断。

第四阶段（t=t3-t4），此阶段电流接近于稳态。

第五阶段（t=t43-t5），电流的开断阶段，此时段辅助开关断开，然而在辅助开关的触头间产生电弧并被拉长，电弧电压迅速升高，迫使电流迅速下降，直至电弧熄灭。

5PNN的高压断路器的故障诊断的优势

基于PNN的高压断路器的故障诊断在诊断速度和诊断准确率方面都优于BP网络。通过采用PNN和BP网络对高压断路器的故障诊断进行仿真可知，PNN具有以下优势：（1）PNN训练过程简单，收敛速度快。BP网络结构和模型的确定比较复杂，特别是隐含层单元的选取没有确定性法则，需要根据经验反复试算才能得到，而且BP网络可能出现学习算法收敛速度慢和陷入局部极小值等问题。而PNN不需要确定隐含层和隐含层节点数，建模相对简单，网络一经建立就能够使用，只需建立网络的时间，效率很高，不存在收敛性和陷入局部极小值的问题。（2）PNN总获得Bayes优化解，诊断准确率高。BP网络的分类规则没有确定的解释，缺乏透明度。而PNN是基于Bayes最小风险准则高压断路器进行分类的，可以最大限度地利用故障的先验知识，具有很高的诊断准确度。

6结束语

综上所述，基于概率神经网络的高压断路器故障诊断对实现断路器的良好运行具有重要的作用。因此要进一步提高和完善基于概率神经网络的高压断路器故障诊断，这样才能促进断路器的不断发展。

参考文献：

[1]王婷，刘惠康。供电系统中高压断路器故障优化诊断仿真[J]。计算机仿真，2018，35（01）：108-112.

[2]万杰枫。高压断路器实时监测安全运行预警系统设计与研究[D]。东南大学，2017.