正常情况断路器什么状态(断路器状态有哪些)

如何有效识别高压断路器机械零部件故障严重程度是目前还未解决的问题。针对该问题，福建工程学院电子电气与物理学院、国网河南省电力公司电力科学研究院、武汉大学电气与自动化学院、中能电气股份有限公司的研究人员杨秋玉、王栋、阮江军、翟鹏飞，在2021年第13期《电工技术学报》上撰文，提出一种基于振动信号混沌吸引子形态特性的断路器零部件故障程度识别方法。

随着国家电网有限公司提出“三型两网”（“三型”即枢纽型、平台型和共享型，“两网”即坚强智能电网和泛在电力物联网）的战略目标以及南方电网公司提出的“透明电网”建设目标，越来越多的研究者开始投入到建设泛在电力物联网/“透明电网”的相关工作中。

然而，目前的电力基础设施（如电力设备）最初并不是按照泛在电力物联网/“透明电网”的要求进行规划的（或者说不能满足建设泛在电力物联网/“透明电网”的要求）：①所有相关设备与电力用户、电网企业、发电企业、电工装备企业等连接；②设备信息广泛交互和充分共享；③以数字化管理大幅提高装备制造的安全、质量、先进、效益效率水平；④通过智能传感器，让设备状态透明、运行状态透明；⑤设备具有自我感知能力。

高压断路器是电网中具有保护和控制功能的重要电力设备，在上述大背景下，对高压断路器的智能化和运行可靠性的要求越来越高，科学地评估高压断路器的运行状态，不仅能够为电力运维部门制定检修策略提供依据，也可以为制造企业提供改进方向。

对于高压断路器，常见的故障类型大致可以分为电气故障和机械故障两类。其中，机械零部件故障是一种常见的机械故障，包括零部件异常磨损、异常变形、断裂等故障。零部件故障可能是由于加工工艺、装配等因素造成的，也可能是在其运行过程中（受到内外环境的综合作用）性能不断退化造成的。零部件故障会导致断路器动作性能不符合要求（如动作速度、动作时间不符合要求），严重时甚至会造成断路器开断、关合失败等事故。

当机械零部件发生早期故障时，断路器仍可继续运行，但若不能及时发现而导致故障程度不断加剧，将会引起断路器机械传动异常，影响机械特性，最终破坏动触头的正常运动，进而引起开断、关合失败，甚至对电力系统造成影响。因此，有效判断断路器机械零部件的故障程度对提高断路器的可靠性具有重要的意义。

采用断路器分、合动作过程中产生的机械振动信号对断路器进行故障诊断一直是国内外研究的重点与难点。自1988年M. L. Lai等首次提出利用振动信号诊断断路器故障的优点及有效性以来，已经取得了一系列有价值的研究成果。然而，目前的研究主要集中在对故障部位和故障类型的区分识别，而对故障严重程度的研究较少。实际上，断路器机械零部件故障是一个从轻微到严重的演变过程，准确识别故障演变过程对保证断路器安全运行有着重要的意义。

在有关学者的研究基础上，福建工程学院、河南省电力公司电力科学研究院的研究人员提出了基于振动信号混沌吸引子形态特性的断路器机械零部件故障程度识别方法，能够有效地判断零部件的故障程度，克服了相关研究的不足，研究结果有助于更加合理地安排检修计划。

图1 断路器零部件故障模拟试验平台

图2 试验系统及加速度传感器固定位置

首先，针对现有信号分解方法——变分模态分解方法存在的不足进行了改进，提出了一种谱形态变分模态分解（Variational Mode Decomposition, VMD）方法，以对断路器振动信号进行参数自适应分解；其次，介绍了不同动力系统的吸引子特点，从中得出吸引子对系统状态的变化较敏感，并将其应用到断路器机械零部件故障程度的识别中；最后，对所提出的故障程度识别方法进行试验验证。研究表明，所提出的故障程度识别方法能够直观有效地反映断路器机械零部件故障严重程度。

研究人员最后总结指出：

表1 断路器故障程度诊断方法对比

1）对断路器振动信号进行分时分割、特征模态提取以及重构混沌吸引子等处理后，可将断路器零部件早期故障的微弱故障特征显现出来。

其中，①信号分时分割是以断路器正常状态时的振动信号为参考依据，结合断路器动作特点，将振动信号分割为脱扣、解列、传动及制动阶段，该方法有利于故障零部件的有效定位；②提出的SSVMD可以对振动信号进行参数自适应分解，该算法能够根据断路器振动信号自身特点，自动选择分解层数，避免目前VMD方法存在参数选择困难等不足。

2）断路器制动阶段的振动信号混沌吸引子能够有效反映分闸缓冲器的故障程度，可以以吸引子轨道突然开始逃离吸引域作为缓冲器开始出现故障的判据；而传动阶段的振动信号混沌吸引子能够有效反映传动连杆孔轴的磨损程度，轴销脱落前一次的混沌吸引子明显异于正常状态的吸引子，因此，可以以该吸引子的形态作为轴销脱落的预警判据。

3）通过对一台12kV真空断路器开展零部件故障程度模拟试验，以及通过分析一台252kV SF6高压断路器传动连杆孔轴磨损的演化过程，验证了所提方法的有效性和一定的普适性。所提方法能够有效识别断路器零部件的故障程度，特别是对于早期故障的微弱故障信息，能够以比较直观的方式呈现出来，有利于提高故障程度识别的准确性。

4）后续工作可根据断路器零部件不同故障程度的混沌吸引子形态特征，提出合适的量化形态特征的指标，以实现故障程度的定量评估。

以上研究成果发表在2021年第13期《电工技术学报》，论文标题为“基于振动信号的断路器机械零部件故障程度识别”，作者为杨秋玉、王栋 等。