一种真空灭弧室内真空度监测方法及系统
阅读说明：本技术 一种真空灭弧室内真空度监测方法及系统 (Vacuum degree monitoring method and system in vacuum arc extinguishing chamber ) 是由 马强平 陈立 韦云清 李兴文 于 2021-08-27 设计创作，主要内容包括：本发明公开了一种真空灭弧室内真空度监测方法及系统,通过从外部获取真空灭弧室在工作状态下的电磁波信号,对获取的电磁波信号进行小波分解,将小波分解后的电磁波信号进行系数阈值处理后再通过小波包重构得到去噪信号,然后将去噪信号进行S变换得到时频谱,再对时间轴积分得到信号边际谱,基于边际谱提取信号的频域特征量,提取脉冲信号幅值均值和脉冲次数作为时域特征量,采用预训练模型进行真空度预测,提高了对原始信号信息的利用效率,并且基于频域特征量和时域特征量能够提高预测灭弧室内真空度的精度,误差较小,不需要对真空灭弧室进行插接,可实现在线工作监测,避免了与灭弧室的直接接触,也不用内置传感器,不用改变灭弧室结构,简单快捷,提高了监测安全性。(The invention discloses a vacuum degree monitoring method and a system in a vacuum arc extinguish chamber, which can improve the utilization efficiency of original signal information by acquiring electromagnetic wave signals of the vacuum arc extinguish chamber from the outside in a working state, performing wavelet decomposition on the acquired electromagnetic wave signals, performing coefficient threshold processing on the electromagnetic wave signals after the wavelet decomposition, then reconstructing a wavelet packet to obtain a de-noised signal, performing S transformation on the de-noised signal to obtain a time-frequency spectrum, integrating a time axis to obtain a signal marginal spectrum, extracting frequency domain characteristic quantity of the signal based on the marginal spectrum, extracting the amplitude mean value and pulse times of the pulse signal as time domain characteristic quantity, adopting a pre-training model to predict the vacuum degree, improving the precision of predicting the vacuum degree in the arc extinguish chamber based on the frequency domain characteristic quantity and the time domain characteristic quantity, having smaller error, being free from plugging the vacuum arc extinguish chamber and realizing on-line work monitoring, the direct contact with the arc extinguish chamber is avoided, a built-in sensor is not needed, the structure of the arc extinguish chamber is not needed to be changed, the method is simple and rapid, and the monitoring safety is improved.)
技术领域
本发明属于高压真空断路器电气故障检测技术领域，具体涉及一种真空灭弧室内真空度监测方法及系统。
背景技术
真空断路器体积小、开断性能好、运行寿命可达30年，而且没有爆炸和火灾危险，对环境友好，维修工作量小，因此发展迅速，生产量不断上升。目前我国已经是生产大国。随着技术愈发进步成熟，12kV及40.5kV电压等级中真空断路器有逐渐取代SF6断路器的趋势。未来的发展趋势是大容量、高电压等级的真空断路器。近年来社会发展，人们经济水平进一步提高，对电力系统的可靠性和稳定性提出了更高的要求。虽然真空断路器故障率较小，但是一旦发生故障将造成严重的经济损失。因此对真空断路器进行状态监测，及时发现缺陷和故障，是人们研究的热点和难点。
真空灭弧室一经制造完成即处于密封状态，很难对里面的真空度进行监测，目前主要采用离线式检测方法和在线式检测方法两大类。定期对运行中的真空断路器进行巡检或者将断路器停止运行进行检测，称为离线式检测，主要包括工频耐压法、脉冲磁控放电法和脉冲电流检测法等。离线式检测方法已经比较成熟，检测精度较高，且市面上有成型产品，但是一般要求断路器所在线路停止运行，甚至将灭弧室拆卸下来，这与电力系统日益提高的可靠性和经济性相矛盾，而且所需检测装置体积大，操作复杂。因此在线式检测方法是未来的发展趋势。在线式检测是指实现真空度的检测而不影响真空断路器的正常运行，主要有电磁波法、耦合电容法以及电光变换法等。但现有在线式监测技术还不够成熟，适用性较差。由于真空度降低时，灭弧室内触头与屏蔽罩之间会发生局部放电，但是目前利用该原理对灭弧室真空度进行检测的分析方法中，也更多的利用放电量与相位、放电次数与相位的关系，这需要做大量的统计，耗时久、分析时间长，极为不便，而且也只能做到定性的分析，没有建立跟真空度量化的对应关系。因此人们需要能够更有效地利用局部放电相关信号、快速准确的判断出灭弧室内真空度大小。
发明内容
本发明的目的在于提供一种真空灭弧室内真空度监测方法及系统，以克服现有技术的不足。
为达到上述目的，本发明采用如下技术方案：
一种真空灭弧室内真空度监测方法，包括以下步骤：
S1，获取真空灭弧室在工作状态下的电磁波信号，然后对获取的电磁波信号进行小波分解，将小波分解后的电磁波信号进行系数阈值处理后再通过小波包重构得到去噪信号；
S2，对去噪信号进行S变换得到时频谱，对时频谱沿着时间轴积分获得边际谱，通过边际谱提取信号的频域特征量和时域特征量，然后对频域特征量和时域特征量进行特征降维和特征筛选得到最终的特征量；
S3，利用预训练模型对最终的特征量进行预测得到相应的真空度值，预训练模型采用从已知真空度的真空灭弧室在工作状态下的电磁波信号中提取的特征量训练得到。
进一步的，将环形天线间隔设置于真空灭弧室外周，并以环形平面正对真空灭弧室，获取真空灭弧室在工作状态下的电磁波信号。
进一步的，环形天线与真空灭弧室之间距离为0.5～1.5m，环形天线连接数据采集系统，数据采集系统采样速率是500kHz。
进一步的，采用db4小波基函数对获取的电磁波信号进行3层小波包分解；小波包降噪选用固定阈值，其阈值表达式为：
其中，σ为噪声均方差，N为信号的尺寸或长度。
进一步的，对去噪信号进行S变换得到时频谱，S变换的公式为：
其中，h(t)为输入信号；ω(τ-t,f)为高斯窗函数，τ为位移因子，控制高斯窗在时轴上位置，高斯窗函数表达式为：
进一步的，频域特征量包括信号频谱均值、方差和带宽。
进一步的，时域特征量包括10个周期的正、负半周期内的脉冲次数和脉冲幅值均值。
进一步的，设得到电磁波信号特征量为Hk＝(h1k,h2k,…,hnk)T，则Hk的协方差矩阵为
其中k为样本数目，n为特征向量维度，为各样本特征向量均值。
进一步的，求解协方差矩阵的全部特征值λi和特征向量vi，然后将特征值从大到小进行排列：λ1＞λ2＞…＞λm＞…，选取特征值大于λm的特征向量构成主向量，样本Hi投影到特征向量vi，得该方向上的主分量则前m个主分量的累计方差贡献率为取累计方差贡献率H(m)＞95％。
一种真空灭弧室内真空度监测系统，包括预测模块和数据处理模块；
预测模块用于存储根据已知真空度的真空灭弧室在工作状态下的电磁波信号中提取的特征量训练得到的预测模型，数据处理模块用于将真空灭弧室在工作状态下的电磁波信号，然后对获取的电磁波信号进行小波分解，将小波分解后的电磁波信号进行系数阈值处理后再通过小波包重构得到去噪信号；对去噪信号进行S变换得到时频谱，对时频谱沿着时间轴积分获得边际谱，通过边际谱提取信号的频域特征量和时域特征量，然后对频域特征量和时域特征量进行特征降维和特征筛选得到最终的特征量，并将最终的特征量输入至预测模块，预测得到该特征量所对应的真空度值。
与现有技术相比，本发明具有以下有益的技术效果：
本发明一种真空灭弧室内真空度监测方法，通过从外部获取真空灭弧室在工作状态下的电磁波信号，然后对获取的电磁波信号进行小波分解，将小波分解后的电磁波信号进行系数阈值处理后再通过小波包重构得到去噪信号，再对时间轴积分得到信号边际谱，基于边际谱提取信号频谱均值、方差和带宽作为频域特征量，提取脉冲信号幅值均值和脉冲次数作为时域特征量，采用预训练模型进行真空度预测，提高了对原始信号信息的利用效率，并且基于频域特征量和时域特征量能够提高预测灭弧室内真空度的精度，误差较小，不需要对真空灭弧室进行插接，可实现在线工作监测，避免了与灭弧室的直接接触，也不用内置传感器，不用改变灭弧室结构，简单快捷，提高了监测安全性。
进一步的，通过S变换后得到信号边际谱，基于边际谱提取的信号频域特征结合能够直接表征放电特征的时域特征向量，无需统计放电量与相位、放电次数与相位之间的关系，在很好地表征原始信号的同时，又大大简化了特征量提取过程，显著提高了特征量的有效性。
进一步的，对频域特征量和时域特征量进行特征降维和特征筛选得到最终的特征量，本申请采用主成分分析解决了因样本特征信息存在噪声和冗余而引起的SVM识别准确率下降的问题，形成的特征向量彼此独立成正交关系，有效提升了测试样本的识别准确率，并且缩减了时间，最终的PCA-SVM回归预测模型能够对不同的真空度进行准确判断。
附图说明
图1为本发明实施例中真空灭弧室内真空度监测方法流程图；
图2为本发明实施例中真空灭弧室结构图；
图3为本发明实施例中天线接收电磁波信号示意图；
图4a为应用本发明进行真空灭弧室内真空度监测的在真空度降低时天线输出的电磁波信号；
图4b为应用S变换时电磁波信号的时频谱图；
图4c为基于时频谱获得电磁波信号的边际谱图；
图5为应用本发明进行真空灭弧室内真空度监测的PCA-SVM模型预测结果。
图中：1、静端盖板；2、动端盖板；3、绝缘外壳；4、静导电杆；5、动导电杆；6、触头；7、波纹管；8、屏蔽罩；9、天线；10、电磁波；11、放电信号。
具体实施方式
下面结合附图对本发明做进一步详细描述：
一种真空灭弧室内真空度监测方法，包括以下步骤：
S1，获取真空灭弧室在工作状态下的电磁波信号，然后对获取的电磁波信号进行小波分解，将小波分解后的电磁波信号进行系数阈值处理后再通过小波包重构得到去噪信号；
S2，对去噪信号进行S变换得到时频谱，对时频谱沿着时间轴积分获得边际谱，通过边际谱提取信号的频域特征量和时域特征量；
S3，利用预训练模型对频域特征量和时域特征量进行预测得到相应的真空度值，预训练模型采用从已知真空度的真空灭弧室在工作状态下的电磁波信号中提取的特征量训练得到。
具体的，采用环形天线获取真空灭弧室在工作状态下的电磁波信号；将环形天线间隔设置于真空灭弧室外周，并以环形平面正对真空灭弧室；具体的，环形天线与真空灭弧室之间距离为0.5～1.5m。
环形天线连接数据采集系统，数据采集系统采样速率是500kHz。
本申请采用db4小波基函数对获取的电磁波信号进行3层小波包分解；小波包降噪选用固定阈值，其阈值表达式为：
其中，σ为噪声均方差，N为信号的尺寸或长度。
对去噪信号进行S变换得到时频谱，S变换的公式为：
其中，h(t)为输入信号；ω(τ-t,f)为高斯窗函数，τ为位移因子，控制高斯窗在时轴上位置，高斯窗函数表达式为：
获取的频域特征量包括信号频谱均值、方差和带宽；时域特征量包括10个周期的正、负半周期内的脉冲次数和脉冲幅值均值。
设得到电磁波信号特征量为Hk＝(h1k,h2k,…,hnk)T，则Hk的协方差矩阵为
其中k为样本数目，n为特征向量维度，为各样本特征向量均值。
求解协方差矩阵的全部特征值λi和特征向量vi，然后将特征值从大到小进行排列：λ1＞λ2＞…＞λm＞…，为了达到降维的目的，选取特征值大于λm的特征向量构成主向量，样本Hi投影到特征向量vi，得该方向上的主分量则前m个主分量的累计方差贡献率为本发明选取累计方差贡献率H(m)＞95％，即95％以上的原始数据信息保留在前m个主分量中，利用前m个主分量表征原始信息，从而去除原振动信号特征向量的噪声和冗余，实现降维。
实施例：
步骤1：将环形天线放置在距真空灭弧室0.5～1.5m处，并以环形平面正对灭弧室，采集放电产生的电磁波信号，数据采集系统(数采卡)以500kHz采样率采集N个数据点；
步骤2：采用db4小波基函数，对采集的含噪的电磁波信号进行3层小波包分解，然后选择固定阈值对其进行系数阈值处理，最后通过小波包重构后得到去噪信号；
步骤3：对去噪信号根据公式：
进行S变换得到时频谱，对时频谱沿着时间轴积分获得边际谱，通过边际谱提取信号频谱均值、方差和带宽作为频域特征量；分别提取10个周期的正、负半周期内的脉冲次数和脉冲幅值均值作为时域特征量；
步骤4：采用SVM回归预测模型(预训练模型)，首先将得到的频域特征量和时域特征量通过主成分分析(PCA)进行特征降维和特征筛选，得到最终的特征量作为SVM的输入对灭弧室内真空度进行预测。
其中预训练模型，是基于已知真空度的真空灭弧室在工作状态下的电磁波信号，该电磁波信号经过小波分解，将小波分解后的电磁波信号进行系数阈值处理后再通过小波包重构得到去噪信号，对去噪信号进行S变换得到时频谱，对时频谱沿着时间轴积分获得边际谱，通过边际谱提取信号的频域特征量和时域特征量，利用提取的频域特征量和时域特征量进行模型训练得到的。
如图2所示，真空度降低时脉冲放电发生在触头6和屏蔽罩8之间，如图3所示，根据真空灭弧室的电磁波的辐射，通过环形天线检测电磁波的说明图。当高压真空断路器真空灭弧室内真空度降低时，根据Paschen定律，触头6和屏蔽罩8之间绝缘强度下降，击穿电压VB减小，当触头6和屏蔽罩8之间电势差ΔU达到击穿电压VB时，触头和屏蔽罩之间发生脉冲放电，导致电势的突然变化并向外辐射电磁波。
根据测试，即使电源电压U改变，和高压真空断路器容量改变，电磁波频率都是2～20kHz。
结合图4a～5，阐述本发明应用频谱均值、方差和带宽作为频域特征量，应用脉冲信号幅值均值和脉冲次数作为时域特征量进行真空灭弧室内真空度判断的有效性。以样频率fs＝500kHz采集不同真空度下触头与屏蔽罩之间放电的电磁波信号。图4a给出了真空灭弧室内压强分别为0.26Pa、110Pa、150Pa和180Pa时的电磁波信号，可以看出在0.26Pa时只在工频电压的负半周期存在放电信号，随着压强增大，正负半周期都开始出现放电，同时放电次数脉冲也增多、脉冲放电幅值增大，说明本发明中的特征量能够很好的表征不同真空度下触头与屏蔽罩之间的放电特征。如图4b所示，本发明采用的S变换含可变因子，提高了对电磁波信号时频分辨率，图4c是基于时频谱获得的电磁波信号边际谱图，印证了脉冲放电产生的电磁波信号频率在50kHz以下。
如图5所示，本发明采用PCA-SVM回归预测模型对真空灭弧室内真空度进行判断，它更适合于小样本的分类回归问题，均方根误差仅为约3Pa，能够实时地准确反应真空灭弧室内真空度大小，避免了定期停机检修带来的人力物力资源浪费，在真空度降低时能过够提醒工作人员及时发现处理，及时消除因真空度降低而引起的高压真空断路器故障，避免事故发生，保障电力系统安全稳定运行。
本发明采用环形天线远距离接收灭弧室内触头与屏蔽罩之间放电产生电磁波信号，避免了与灭弧室的直接接触，也不用内置传感器，不用改变灭弧室结构；
该方法提高了提取的灭弧室内触头与屏蔽罩之间放电产生电磁波信号的特征量的有效性，通过S变换后得到信号边际谱，基于边际谱提取的信号频域特征结合能够直接表征放电特征的时域特征向量，无需统计放电量与相位、放电次数与相位之间的关系，在很好地表征原始信号的同时，又大大简化了特征量提取过程，显著提高了特征量的有效性；
该方法具有较高的检测准确率，主成分分析解决了因样本特征信息存在噪声和冗余而引起的SVM识别准确率下降的问题，形成的特征向量彼此独立成正交关系，有效提升了测试样本的识别准确率，并且缩减了时间，最终的PCA-SVM回归预测模型能够对不同的真空度进行准确判断。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种真空度在线监测装置及方法