基于VMD模态分量的高压断路器分合闸线圈电流特征值提取.pdf

现代电子技术Modern Electronics TechniqueOct.2023Vol.46 No.202023年10月15日第46卷第20期0 引 言高压断路器是电力系统关键的开断元件，在电网中起到保护和控制作用，其运行状态与整体性能对电网的安全、可靠、稳定运行至关重要12。研究表明，机械故障和电气故障（包括二次回路）是影响断路器性能的主要因素3。分合闸线圈电流信号作为断路器在线监测的重要状态变量之一，包含着断路器操作机构和控制回路的状态信息45。研究结果表明，以提取的线圈电流特征值作为特征向量并输入到支持向量机6、随机森林7、K 近DOI：10.16652/j.issn.1004373x.2023.20.020引用格式：范想，吐松江 卡日，王德金，等.基于VMD模态分量的高压断路器分合闸线圈电流特征值提取J.现代电子技术，2023，46（20）：107112.基于VMD模态分量的高压断路器分合闸线圈电流特征值提取范 想1，吐松江 卡日1，王德金2，刘鹏伟3，马小晶1（1.新疆大学 电气工程学院，新疆 乌鲁木齐 800046；2.远光软件股份有限公司，广东 珠海 519085；3.上海念仲电气科技有限公司，上海 201100）摘 要：高压断路器分合闸线圈电流波形中包含着丰富的断路器操动机构和控制回路的状态信息，分析分合闸线圈电流的特性对断路器的状态监测、故障诊断具有重要意义。文中提出一种基于变分模态分解（VMD）模态分量的高压断路器分合闸线圈电流特征值提取方法；通过变分模态分解算法对分合闸线圈电流进行分解，并确定有效反映线圈电流关键信息的模态分量；随后采用削波方式处理模态分量以提取线圈电流波形关键时间点及对应电流特征值。基于断路器实验平台采集的数据样本的实验验证结果表明，该方法能够准确有效地提取分合闸线圈电流关键特征值。关键词：高压断路器；分合闸线圈电流；变分模态分解；模态分量；特征值提取；故障模拟中图分类号：TN712+.134；TH162；TG506 文献标识码：A 文章编号：1004373X（2023）20010706Highvoltage circuit breakers opening and closing coil current feature value extraction based on VMD modal componentFAN Xiang1,TUSONGJIANG Kari1,WANG Dejin2,LIU Pengwei3,MA Xiaojing1(1.School of Electrical Engineering,Xinjiang University,Urumqi 800046,China;2.YGSOFT INC,Zhuhai 519085,China;3.Shanghai Nyten Electrical Technology Co.,Ltd.,Shanghai 201100,China)Abstract：The current waveform of the opening and closing coils of high voltage circuit breakers contains rich status information of the circuit breaker operating mechanism and control circuit.It is of great significance to analyze the characteristics of opening and closing coil current for condition monitoring and fault diagnosis of high voltage circuit breaker.A highvoltage circuit breakers opening and closing coil current feature value extraction based on variational mode decomposition(VMD)modal component is proposed.The VMD algorithm is used to decompose the opening and closing coil current to determine the modal components that effectively reflect the key information of the coil current.The modal components are processed by means of clipping method to extract key time points and corresponding current feature values of the coil current waveform.The experimental verification results based on the data samples collected from the circuit breaker experimental platform show that this method can accurately and effectively extract the key feature values of the opening and closing coil current.Keywords：high voltage circuit breaker;opening and closing coil current;variational mode decomposition;modal component;feature value extraction;fault simulation收稿日期：20230301 修回日期：20230414基金项目：新疆维吾尔自治区自然科学基金面上项目（2022D01C35）；国家自然科学基金项目（52067021）；乌鲁木齐市“人才工程”重点培养对象项目（2019年）107107现代电子技术2023年第46卷邻分析8等机器学习算法中，能够有效进行故障诊断。因此，研究分合闸线圈电流波形特征值提取方法具有重要的理论意义与现实意义。目前，广泛应用的分合闸线圈电流特征值提取方法的主要步骤包括对采集的源信号进行降噪处理，并结合时域求极值方法对去噪信号进行特征值提取。文献910分别利用小波分析、集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）并结合时域求极值方法提取分合闸线圈电流特征值，为分合闸线圈电流特征值提取方法研究提供了思路。但是上述方法也存在不足之处，如无法自适应地选择小波基函数与分解层数，未充分借助电流信号子分量特点提取其他特征值，以及时域求极值方法依旧存在局部微小波动影响特征值准确提取的问题等。针对上述不足，文献1112分别提出基于改进EEMD算法，用最优模态分量的瞬时频率峰 值 和 基 于 变 分 模 态 分 解（Variational Mode Decomposition,VMD）算法模态分量中心频率来提取分合闸线圈电流波特征值的方法，准确提取了分合闸线圈电流特征值。本文从有效反映分合闸线圈电流波形关键信息点出发，结合VMD算法模态分量稳定性好、能突出信号局部特征及良好噪声鲁棒性的优点，提出一种基于 VMD模态分量的分合闸线圈电流特征值提取方法。通过搭建断路器试验平台并采集正常状态与故障状态等下分合闸线圈电流波形，采用 VMD 方法对正常状态与故障状态分合闸线圈电流进行分解并提取关键特征值，并与小波分析分解结果进行对比。实验结果对比分析表明，本文所提方法能准确、有效地提取分合闸线圈电流特征值。1 分合闸线圈电流波形分析分合闸电磁铁是断路器重要的执行元件，由线圈、静动铁芯、返回弹簧等部件组成，其电流波形是动铁芯运动状态的真实体现，包含操作机构丰富的状态信息，其典型的分合闸线圈波形如图1所示。对比图1a）与b）可得，时间点t3之前分、合闸线圈电流波形大致相似；在t3之后主要区别在于分闸线圈电流波形没有明显的稳态区间，导致该差异的主要原因是分闸速度较大，分闸线圈电流尚未上升到稳态值时，就被辅助开关切断，因此不存在t4t5阶段。由于合闸线圈电流曲线包含信息更丰富，故以合闸线圈电流曲线为例说明关键拐点含义。合闸线圈电流包括 7个拐点、6个运动区间，各个关键拐点含义如下所述：1）拐点 1t0：表示线圈通电时刻，其大小取决于采集系统阈值触发时刻；此处电流由无到有快速上升，形成第1个拐点。图1 分合闸线圈电流波形2）拐点2t1：近似为顶杆启动时刻，其大小取决于t0以及电磁铁的电磁力、返回弹簧弹力、铁芯摩擦力等相互作用关系；此处铁芯运动产生反电动势而致使电流下降，形成第2个拐点。3）拐点 3t2：为顶杆撞击脱扣板时刻，其大小取决于 t1以及顶杆与脱扣板的间隔距离、顶杆运动速度等，也是触发操作机构本体的起点；此处顶杆在运动中，撞击到脱扣板而使其速度稍微下降，致使反电动势稍微减小，电流稍微上升，形成波形中第3个拐点。4）拐点4t3：表示动、静铁芯撞击时刻，其大小取决于t2以及动、静铁芯的间隔距离、顶杆运动速度等，也视作顶杆运动后保持静止时刻；此处铁芯以较大速度瞬间撞击静铁芯而停止运动，致使反电动势消失，电流快速上升，形成第4个拐点。5）拐点 5t4：电流上升到稳态值时刻，其大小取决于t3及二次回路时间常数；此处形成第5个拐点，它由电感、电阻组成回路的固有属性引起。6）拐点 6t5：表示辅助开关切断二次回路电流时刻，其大小取决于 t4以及机构运动速度、辅助开关性能等，也是顶杆在返回弹簧作用下开始复位时刻；此处辅助开关在传动导杆带动下发生转动而切断回路电流，形成第6个拐点。7）拐点 7t6：表示线圈电流由最大值下降到零时刻，此处形成第7个拐点。通过以上分析可知：通过提取合闸线圈电流波形拐点处相应的 t0t6与 I1I5或分闸线圈电流波形拐点处相应 t0t5、I1I4作为特征向量，可用于研究操作机构运行状态评估及潜在故障诊断108第20期分析。2 VMD算法基本原理VMD 算法是由 K.Dragomiretskiy 等在 2014 年提出的一种基于 Wiener 滤波的完全非递归、自适应的信号处理方法。该方法得到的模态分量稳定性好，能突出信号局部特征，同时 Wiener 滤波特性也使得模态分量具有更好的噪声鲁棒性13。VMD分解过程就是变分问题求解过程，其算法主要包括变分问题的构造和求解。构造的约束变分模型为：min uk,k k=1K t ()(t)+jtuk(t)e-jkt22s.t.k=1Kuk=f(t)（1）式中：uk为 VMD 得到的 k 个模态分量；k为各模态分量的中心频率；(t)代表狄拉克函数；“”代表卷积运算。为了求解上述的约束变分模型，引入二次惩罚因子和拉格朗日乘法算子 构造增广拉格朗日函数，将有约束变分模型变成无约束的变分模型，其增广拉格朗日函数如下：L(uk,k,)=k=1K t ()(t)+jtuk(t)e-jkt22+f(t)-k=1Kuk(t)22+(t),f(t)-k=1Kuk(t)（2）再利用引入的乘法算子交替方向法迭代更新式（2）在频域优化后的最优解un+1k、n+1k、n+1，具体的迭代公式如下：un+1k()=f()-i kuni()+n()21+2（-nk）2（3）n+1k=0|un+1k()2d0|un+1k()2d（4）n+1()=n()+()f()-k=1Kun+1k()（5）最后，在迭代求解的过程中，不断更新各模态的中心频率及带宽，直到满足迭代停止条件，即可得到满足条件的k个模态分量。3 断路器分合闸线圈故障模拟3.1 分合闸线圈故障模拟实验平台本文以 ZNJWV112/T63020 型 12 kV 真空断路器为研究对象，搭建了断路器故障模拟实验平台，其整体框架如图 2 所示。该断路器故障模拟平台采用 24 V CT37D 型操动机构，使用 CHB15AD 型闭环霍尔电流传感器和MPS140401M型数据采集卡实现对分合闸线圈电流的检测与采集。图2 试验平台框架图3.2 分闸线圈故障模拟基于3.1节所述断路器故障模拟实验平台及相关参考文献，针对分合闸线圈二次回路部分、本体部分及负载部分设置了 8种故障类型14。由于分、合闸线圈电流波形基本一致，此处以分闸线圈故障模拟为主进行分析。其中，正常状态下分闸线圈电流波形记作 f0，各部分模拟的故障类型如下所述：针对二次回路部分，本次试验模拟了供电电压过高110%UN、供电电压过低85%UN、辅助开关切换时间过长等 3类故障，其对应的线圈电流波形分别记作 f1、f2、f3，波形如图3所示。图3 状态f0与f1f3时分闸线圈电流波形对比对于分闸线圈本体部分而言，本文设置铁芯间隙变短、铁芯卡涩、铁芯空行程偏大等3类故障，分别记作f4、f5、f6，波形如图4所示。针对线圈负载部分，则模拟了分闸半轴卡涩故障和供电电压过低85%UN，同时分闸半轴卡涩故障分别记作范 想，等：基于VMD模态分量的高压断路器分合闸线圈电流特征值提取109现代电子技术2023年第46卷f7、f8。由于分闸半轴受多个力的作用以及现实中卡涩的具体现象，在故障模拟时表现出较大的分散性，其线圈电流波形如图5所示。图4 状态f0与f4f6时分闸线圈电流波形对比图5 分闸线圈f0与f7f8故障模拟波形对比4 基于VMD的分合线圈电流特征值提取基于建立的断路器故障模拟实验平台，本文采集了正常及8种故障状态下的线圈电流波形，用于建立基于VMD算法的线圈电流特征值提取方法。4.1 基于VMD的分闸线圈电流分解为展示 VMD 方法对于线圈电流的分解过程，此处以正常分闸线圈电流为例，详细说明其分解结果。其中，VMD分解模态数K设置为3，二次惩罚因子设置为200，其他参数默认。其原始信号与分解得到的 3个模态分量如图 6所示。从图 6a）与 b）对比看出，在低中心频率的模态 1 分量中，保留了原始信号的整体变化趋势，但在局部拐点处存在明显的信息损失。而从图 6a）与c）对比看出，模态2分量突显了分闸线圈电流局部关键信息，除分闸线圈电流的第2拐点（即t1处）外，其他关键拐点局部信息都得到展示，有利于提取特征值。从图 6a）与 d）对比看出，噪声信号主要出现在高中心频率的模态 3分量中，对特征信息提取存在一定干扰，应予以消除。总的来说，通过剔除分闸线圈电流波形的模态3分量可实现原始信号降噪处理，同时利用模态 2分量可以进行特征提取，即说明 VMD 算法能有效分离原始信号的主体部分、拐点处关键信息及噪声信号，有利于降噪处理及特征信息提取。4.2 基于VMD模态分量的特征值提取为了准确有效地确定各个突变点的具体位置，避免局部最值处的次要峰值对其他处局部最值的影响，本文采用局部求最值方法及预设阈值（取 5 ms），按照局部最值的大小顺序对第 2模态分量位于负半轴的信号信息进行削波处理。基于 4.1节分析结果，取同一组正常分闸线圈电流波形进行 VMD分解，其分解结果见图 6。去除模态 3分量对原始信号进行降噪处理后的波形见图7，对模态2分量进行削波处理后的波形见图8。图6 VMD分解结果图7 分闸线圈电流去噪信号图8 分闸线圈电流模态2分量削波处理后的波形110第20期将图 7与图 8对比可知，削波后模态 2分量的峰值分别对应分闸线圈电流的第 1、3、4、6拐点。通过提取削波后模态2分量峰值对应横坐标，并依据该横坐标从去噪信号中提取对应纵坐标，即可得到相应拐点处关键信息。此外，没有对应的第2、5拐点恰好位于两个波峰处，可以在去噪信号相邻两个拐点构成的区间内求最值来获得。其特征提取结果如图9所示，图中“”表示提取的特征值点位置。图9 分闸线圈特征提取结果取一组正常合闸线圈电流信号，按照上述步骤进行处理后，其去噪信号如图 10所示，模态 2分量削波处理后的波形如图11所示。图10 合闸线圈电流波形去噪信号图11 合闸线圈电流模态2分量削波处理后的波形对比图 10 与图 11 可知，削波后模态 2 分量的峰值分别对应合闸线圈电流第1、3、4、7拐点，其坐标点提取方法同上所述。对于位于峰值处的第2拐点，可在去噪信号相邻拐点区间内求最值获得；而对于第 5、6拐点，则从图 10 可以看出：第 5 拐点左侧处于上升区间斜率大，右侧处于稳态区间斜率小近似为0，第6拐点左侧处于稳态区间斜率小近似为 0、右侧处于下降区间斜率大，根据其特点可在去噪信号第 4和 7拐点构成的区间内判断斜率大小变化趋势来获得。其特征提取结果如图 12所示。从图 9、图 12提取结果可以看出，本文所提方法能够有效、准确地提取正常分合闸线圈电流各拐点处的关键信息，从相应坐标中提取 t0t5、I1I4和 t0t6、I1I5，即可得到分合闸线圈电流的特征值，为断路器工作状态评价与故障诊断提供数据基础。图12 合闸线圈特征提取结果4.3 故障状态下线圈电流特征值提取为进一步说明本文所提方法对故障状态下线圈电流特征值提取的有效性，本文采用上述方法对分闸线圈采集的8种故障类型进行特征提取。其中，较为典型的f1、f7故障类型的特征提取结果如图 13所示，8种故障类型的具体提取结果如表1所示。图13 典型故障类型特征提取结果表1 故障状态下分闸线圈电流特征提取结果故障类型f1f2f3f4f5f6f7f8特征值t0/ms9.949.959.919.929.929.929.919.86t1/ms17.6718.5918.2717.8418.4417.7018.5318.97t2/ms21.4223.8122.7321.9723.1723.9122.6124.55t3/ms30.9537.0635.5231.1135.2331.3938.3149.31t4/ms36.0941.9541.1337.2240.4837.8843.3054.36t5/ms37.3142.9743.6338.4741.5238.9244.3455.47I1/A9.237.288.558.318.588.438.547.34I2/A8.756.738.037.818.197.488.136.83I3/A6.795.046.196.586.185.986.305.97I4/A10.397.939.409.439.559.549.538.04范 想，等：基于VMD模态分量的高压断路器分合闸线圈电流特征值提取111现代电子技术2023年第46卷从图 13 及表 1 可以看出，本文所提方法能方便快捷、准确有效地提取不同故障状态下线圈电流的特征值。最后，为验证VMD分解相较于小波分析的优越性，本文基于同一线圈电流数据进行分解并对比分析结果。当小波基函数选择 db2，分解层数为 2，其原始信号与分解所得各级系数的对比图如图14所示。图14 小波分析结果通过图6和图14对比分析可得，小波分析能有效分解线圈电流波形；但是相较于VMD分解方法，其主要差异体现在第 2 级细节系数和模态 2 分量上；通过图 6c）与图 14c）对比可以看出，VMD方法在噪声抑制、反映与分解分合闸线圈电流拐点处关键信息上均优于小波分解性能，更适用于提取分合闸线圈电流波形中关键特征值。5 结 语针对提取高压断路器分合闸线圈电流特征值时存在的不足，本文提出一种基于 VMD 模态分量的分合闸线圈电流特征值提取方法。通过采集正常及故障状态的分合闸线圈电流波形，采用 VMD 方法对各工作状态下的分合闸线圈电流进行分解并提取关键特征值。通过对比分析实验结果，验证了本文所提方法能准确获得线圈电流关键特征值，有助于准确、智能分析断路器运行状态与诊断潜在故障类型。由于本文的分合闸线圈电流数据是基于实验室条件下采集分析，且断路器个数有限，有必要在后期研究中采集实际工况下的分合闸线圈数据，并增加试验对象数目及波形分解方法，进一步验证本文所提方法的有效性、准确性及泛化能力。注：本文通讯作者为吐松江 卡日。参考文献1 关永刚，杨元威，钟建英，等.高压断路器机械故障诊断方法综述J.高压电器，2018，54（7）：1019.2 吐松江卡日，高文胜，王颂，等.SF6断路器缺陷分析与运维策略J.高压电器，2017，53（5）：164169.3 付荣荣，赵莉华，荣强，等.高压断路器操作机构机械特性研究J.高压电器，2017，53（5）：5662.4 钟建英，孙银山，张文涛，等.基于分合闸线圈电流信号的高压断路器在线监测系统J.现代电子技术，2016，39（22）：133137.5 逯浩坦，伊力哈木亚尔买买提，刘鹏伟，等.基于 GWOSVM的高压断路器故障诊断J.组合机床与自动化加工技术，2022，1（1）：103107.6 李恒真，谢志杨，王继锋，等.基于KS检验法和SVM的高压断路器分合闸线圈回路故障诊断J.电气应用，2016，35（9）：5358.7 刘芹，彭在兴，王颂，等.基于随机森林算法的断路器分合闸线圈故障电流曲线识别J.高压电器，2019，55（7）：93100.8 李邦彦，齐伟强，杨兆静，等.基于多特征选择方法的高压断路器故障诊断J.高压电器，2020，56（6）：218224.9 孙银山，张文涛，张一茗，等.高压断路器分合闸线圈电流信号特征提取与故障判别方法研究J.高压电器，2015，51（9）：134139.10 鄢仁武，林穿，宋微浪，等.基于 EEMD和卷积神经网络的高压断路器故障诊断J.高压电器，2022，58（4）：213220.11 张佳，陈志英，陈丽安，等.基于改进集合模态分解的真空断路器分合闸线圈电流特征值提取J.高压电器，2020，56（12）：116123.12 庄瑞锋，陈丽安，肖梁贤.基于变分模态分解的高压断路器合分闸线圈电流特征值提取J.高压电器，2022，58（4）：145150.13 万书亭，豆龙江，李聪，等.基于VMD和样本熵的高压断路器故障特征提取及分类J.振动与冲击，2018，37（20）：3238.14 张帅，彭在兴，李锐海，等.断路器分合闸线圈电流波形的差异机制研究J.高压电器，2020，56（6）：165172.作者简介：范 想（1992），男，硕士研究生，主要从事断路器状态智能检测及故障诊断。吐松江 卡日（1984），男，博士，副教授，硕士生导师，主要从事电力设备状态评估、人工智能与模式识别。112