【精彩论文】基于IEMD和GA-WNN的断路器分合闸线圈故障诊断方法

观点凝练

摘要：真空断路器二次回路或操动机构运行状态能通过电流曲线特征反映。首先，通过对真空断路器分合闸线圈铁心卡涩、电压异常(过高或过低)和击穿3种常见故障进行实验室模拟，创建了故障电流曲线特征库。其次，利用故障电流信号经过经验模态分解后的经验模态分量中的能量密度乘对应平均周期为恒定常数的性质，提出一种改进经验模态分解方法来提取分合闸线圈电流特征值，并将其作为小波神经网络的输入样本集。并在此基础上，提出一种改进遗传算法与小波神经网络结合的断路器故障诊断方法。该方法利用改进遗传算法对小波神经网络参数进行寻优，旨在解决小波神经网络参数敏感问题，进而提高诊断算法收敛速度和故障诊断准确率。仿真结果表明：与传统小波神经网络诊断方法相比，利用遗传算法改进的小波神经网络方法诊断正确率高达91%，提高了10个百分点。
结论：基于真空断路器二次回路或操动机构运行状态能通过电流曲线特征值反映。根据信号经过EMD分解后IMF能量密度乘对应平均周期为恒定常数的性质，提出一种IEMD方法来提取分合闸线圈电流特征值，并在此基础上，利用改进GA对WNN参数进行寻优。通过仿真，得出如下结论。

（1）通过对真空断路器分合闸线圈不同故障进行实验室模拟，得到不同故障下的分合闸线圈电流曲线，并构建了故障特征曲线样本库，为后续故障辨别提高数据基础。

（2）提出的IEMD特征值提取方法，与EMD和小波变换方法相比，该方法能有效去除原始信号中的噪声信号和IMF伪分量，进而提高特征值提取准确率。

（3）针对WNN存在的参数难以确定的问题，提出改进GA对WNN参数进行优化。仿真结果表明，本文所采用的GA-WNN具有较好的学习能力以及较高的诊断精度，能够有效提升断路器故障诊断准确性，与传统WNN识别方法相比，GA-WNN故障诊断正确率高达91%，提高了10个百分点。

引文信息

李天辉, 庞先海, 范辉, 等. 基于IEMD和GA-WNN的断路器分合闸线圈故障诊断方法[J]. 中国电力, 2022, 55(5): 111-121.LI Tianhui, PANG Xianhai, FAN Hui, et al. Fault diagnosis method for circuit breaker opening and closing coil based on IEMD and GA-WNN[J]. Electric Power, 2022, 55(5): 111-121.

欢迎点击文后“阅读原文”跳转期刊官网，获取更多信息！

 往期回顾 

编辑：于静茹

校对：许晓艳

审核：方彤

声明

根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。