高压断路器机械状态在线监测诊断系统及方法

摘要

本发明公开了一种高压断路器机械状态在线监测诊断系统，包括设置于高压断路器本体上以及开关操作机构箱内能够获取反映设备运行状况的多路传感器，多路传感器通过线路与信号调理装置相连，信号调理装置通过线路与在线监测服务器相连。在线监测服务器包括数据采集模块，数据采集模块分别与网络传输模块、数据存储模块、数据分析模块和报表打印模块通信，数据存数模块分别与报表打印模块、数据分析模块和数据检索模块通信，数据分析模块分别与数据存储模块和报表打印模块相连。本发明同时还公开了利用该系的监测诊断方法。本发明能够有效诊断高压断路器的机械故障，具有非常优异的故障分类功能。

主权项

一种高压断路器机械状态在线监测诊断系统，其特征是，包括设置于高压断路器本体上以及开关操作机构箱内能够获取反映设备运行状况的多路传感器，多路传感器通过线路与信号调理装置相连，信号调理装置通过线路与在线监测服务器相连；所述在线监测服务器包括数据采集模块，数据采集模块分别与网络传输模块、数据存储模块、数据分析模块和报表打印模块通信，数据存储模块分别与报表打印模块、数据分析模块和数据检索模块通信，数据分析模块分别与数据存储模块和报表打印模块相连；在线监测诊断系统工作时，通过多路传感器获取多路监测信号，在信号调理柜内完成信号的放大、滤波的信号调理工作后，传送至现场在线监测服务器，由服务器完成监测数据的采集、数字信号分析处理、故障诊断、数据存储工作，并将监测结果通过网络实时发布，远程电力调度中心或其它监测中心的客户端计算机从网络上接收到相应的监测数据；针对每一组监测数据提取n维特征向量{d_i|i＝1,2…,n}，将某一特定机械状态下的多组数据构成隐马尔可夫模型训练样本集，通过Baum‑Welch算法训练得到各种故障类型的隐马尔可夫模型，记为λ_k，从而建立包含M种机械状态的隐马尔可夫模型库，由此，建立如下的故障诊断方法：提取待诊断数据组的特征向量，由Viterbi算法计算特征向量在各个隐马尔可夫模型下的输出概率值P(D|λ_k)，选取其中输出概率值最大的模型对应的故障类型，作为此时的机械状态。