导　　师： 唐文虎

授予学位： 硕士

作　　者： (）;

机构地区： 华南理工大学

摘　　要： 高压断路器是电力系统中的关键设备,在电力网络中起着控制和保护的双重作用。为了保证电网安全可靠运行,要求高压断路器在正常运行时,既能开断工作电流,又能在规定时间内开断短路电流和过载电流。因此,保证高压断路器正常运行对提高电网运行可靠性至关重要。近年来人工智能方法的出现,使得基于状态监测的高压断路器维修策略发展迅速,有效提高了高压断路器状态监测和故障诊断的准确率。本研究主要侧重于SF6高压断路器的机械特性,通过在高压断路器上安装多个传感器来获取多种状态参量的数据,从这些监测数据中提取出能够反映高压断路器运行时机械特性的信息,据此评价断路器工作状态,诊断是否有故障产生。因此需要监测哪些参量、选取何种型号的传感器来测量这些数据信号以及如何安装这些传感器是本研究的工作基础。本研究通过分类统计操动机构中多种故障出现的概率,并结合文献数据统计情况,确定出研究中的主要监测参量。包括分/合闸线圈电流信号、储能电机电流信号和振动信号等。针对以上监测参量的幅值、时间分布等特性,选用合适的传感器和数据采集模块。通过在实验室搭建试验平台,对多种操动机构故障模式进行模拟,并从中获取多参量数据。根据监测数据的特征,选用轮廓法、多层小波包分解与重构、功率谱分析和信号能量包络统计等方法对所采集的数据进行信号去噪和特征值提取,并建立多参量特征与断路器状态之间的多维映射数据库,以实现对断路器状态的准确识别。高压断路器主要故障部件包括控制系统、操动系统和连杆系统。每个部件的运行状态都与多种参量的变化趋势相关。在上述状态识别的基础上,结合粒子群优化算法和支持向量机理论,开发出一套基于多参量和多维映射的高压断路器状态监�

关 键 词： 高压断路器 多参量 机械故障 小波包 支持向量机 图形用户界面

领　　域： []