Результат интеллектуальной деятельности: СПОСОБ ДИАГНОСТИКИ ЭЛЕКТРИЧЕСКОГО КОММУТАЦИОННОГО АППАРАТА

Изобретение относится к области измерения и контроля и может быть использовано для контроля пригодности к эксплуатации электрических автоматических выключателей.

Известен способ диагностики электрического коммутационного аппарата [Патент RU №2117309, МПК G01R 31/333, дата публикации: 10.08.1998], в котором определяют значения емкости между контактами аппарата в отключенном состоянии и в координате измерения или в двух близлежащих к ней координатах, формируют первый информативный параметр, характеризующий изменение емкости в окрестности координаты измерения по первому варианту, в виде первой производной емкости по координате, а по второму варианту - в виде разности упомянутых близлежащих координат, измеряют емкость между контактами этого аппарата и запоминают в виде зависимости емкости от времени, выбирают момент времени масштабирования емкостных зависимостей эталонного и диагностируемого аппаратов, определяют емкость между контактами диагностируемого аппарата в момент времени, соответствующий прохождению контактом точки с координатой измерения. По зависимости емкости от времени формируют второй информативный параметр, характеризующий ее изменение в окрестности координаты измерения по первому варианту - в виде первой производной этой емкости по времени, по второму варианту - в виде интервала времени перемещения контакта между упомянутыми близлежащими координатами, а о скорости перемещения подвижного контакта судят по соотношению информативных параметров.

Недостатком данного способа является невозможность выявления причин неисправности выключателя.

Известен также способ диагностики электрических коммутационных аппаратов с использованием вибрографа [Сборник методических пособий по контролю состояния электрооборудования. Раздел 4. Методы контроля состояния коммутационных аппаратов. - М.: ОРГРЭС, 1997 г., с. 243-245], основанный на регистрации скорости движения и хода подвижных частей высоковольтного выключателя, при котором носитель осциллограмм закрепляется на штанге, прикрепленной к подвижной части высоковольтного выключателя, а регистрирующий элемент осциллограммы крепится к неподвижному корпусу высоковольтного выключателя.

Недостатком указанного способа диагностики электрических коммутационных аппаратов являются необходимость обработки виброграмм вручную и трудности ее автоматизации, невозможность автоматического протоколирования результатов диагностики и выявления причин неисправности выключателя.

Также известен способ раннего обнаружения дефектов в механизмах высоковольтных выключателей [Чернышев Н.А., Ракевич А.Л. Аппаратура и метод раннего обнаружения дефектов в механизмах высоковольтных выключателей - Электрические станции, 2004, №11, с. 61-65], который заключается в измерении функции перемещения подвижного контакта высоковольтного выключателя в виде скоростной характеристики с помощью датчика перемещения, разбиении ее на временные участки, где в наибольшей степени проявляется влияние различных звеньев высоковольтного выключателя, последующем анализе полученных графиков путем сравнения результатов измерения с допустимыми значениями и принятии решения о состоянии высоковольтного выключателя.

Этот способ является наиболее близким к заявляемому по технической сущности и принят за прототип.

К недостаткам способа-прототипа относится отсутствие автоматического принятия решения о состоянии высоковольтного выключателя с указанием причины неисправности, как следствие, низкая достоверность процесса диагностики из-за субъективного принятия решения оператором.

Технической задачей изобретения является создание способа диагностики электрического коммутационного аппарата, преимущественно высоковольтного автоматического выключателя (ВВ), обеспечивающего возможность автоматического диагностирования высоковольтных выключателей с указанием причины неисправности.

Поставленная задача решается использованием нейронной сети-«эксперта», обученной на библиотеке исправных и неисправных характеристик ВВ. Однако перед использованием нейронной сети-«эксперта» анализируемые характеристики ВВ необходимо особым образом преобразовать, чтобы выделить из них определенные информативные параметры для автоматической достоверной оценки состояния ВВ. Исследования показали, что использование и обучение нейронной сети-«эксперта» на используемых в способе-прототипе скоростных характеристиках позволяет достичь достоверности диагностики не более 80%. Таким образом, для существенного повышения достоверности диагностики ВВ необходимо использовать иную, чем в способе-прототипе, последовательность операций в процессе преобразования контролируемых параметров движения ВВ.

Увеличение уровня достоверности в предлагаемом способе возможно благодаря формированию особого информативного параметра K и выделению и использованию для диагностики на его основе наиболее информативных частотных диапазонов функции ускорения подвижного контакта ВВ.

В заявляемом техническом решении принимают в качестве упомянутой функции перемещения подвижного контакта зависимость его ускорения от времени, выделяют на этой зависимости высокочастотную составляющую, формируют несколько частотных диапазонов изменения высокочастотной составляющей, формируют нейронную сеть-«анализатор» для каждого из образованных частотных диапазонов, определяют информативный параметр K_q для каждого сформированного частотного диапазона по формуле:

где q=1…p; p - количество сформированных частотных диапазонов; j=1…m; m - количество дискретных значений сигнала в q-м частотном диапазоне; d_ql, d_qt - эталонные значения выходного сигнала нейронной сети-«анализатора» для q-го частотного диапазона при обучении и при тестировании соответственно; φ_ql, φ_qt - функции активации для q-го частотного диапазона при обучении и при тестировании соответственно; x_qj - j-е значение уровня сигнала внутри q-го частотного диапазона; w_qj - весовой коэффициент для j-го значения уровня сигнала внутри q-го частотного диапазона, сравнивают уровень каждого полученного значения информативного параметра K_q с его заданным пороговым значением, выделяют в качестве диагностических признаков наиболее информативные частотные диапазоны, у которых информативный параметр K_q не превысил порогового значения, подают значения выделенных частотных диапазонов измеренной функции ускорения от времени подвижного контакта, наиболее информативных в качестве диагностических признаков, на вход нейронной сети-«эксперта», а о характере неисправности коммутационного аппарата судят по значению сигналов на выходах нейронной сети-«эксперта».

Таким образом, на этапе сравнения допустимых значений сигнала с измеренными значениями используют высокочастотные составляющие функции ускорения с наиболее информативными в качестве диагностических признаков частотными диапазонами, выделенными с помощью информативного параметра K, в результате решение о техническом состоянии ВВ и причине его неисправности принимает не оператор, а нейронная сеть-«эксперт».

Предлагаемое техническое решение иллюстрируется фиг. 1-5. На фиг. 1 представлена структурная схема варианта диагностической системы, реализующей предлагаемый способ, в которую входят следующие элементы: микроконтроллер 1, модуль сопряжения с силовыми контактами 2, модуль сопряжения с датчиками 3, аналоговый датчик ускорения 4, дисплей 5, flash-накопитель 6.

Микроконтроллер 1 осуществляет управление всем устройством в целом, прием и обработку измерительной информации. Модуль сопряжения с силовыми контактами 2 осуществляет гальваническую развязку с силовыми цепями диагностируемого выключателя и подачу на соответствующие линии ввода/вывода микроконтроллера логических сигналов, соответствующих текущему состоянию контактов каждой из фаз (замкнута/разомкнута) и наличию импульса запуска привода выключателя, по фронту которого начинается процесс измерения ускорения. Модуль сопряжения с датчиками 3 служит для подключения аналогового датчика ускорения. Ко входам микроконтроллера 1 подключены выходы модуля сопряжения с силовыми контактами 2 и модуля сопряжения с датчиками 3, а также дисплей 5 и flash-накопитель 6 для отображения и сохранения результатов диагностики.

На фиг. 2 представлена структурная схема нейронной сети-«эксперта» 7, в качестве которой могут выступать различные типы нейронных сетей, например персептрон. На фиг. 3 представлены три функции скорости контакта ВВ от его хода: одного исправного (кривая 8) и двух неисправных ВВ (кривая 9 и кривая 10). На фиг. 4 представлены три графика изменения уровня сигнала ускорения в различных частотных диапазонах: также одного исправного (фото 11) и двух неисправных ВВ (фото 12 и 13), каждый их которых представляет собой разбитую на 40 частотных диапазонов высокочастотную составляющую сигнала ускорения a(t). На фиг. 5 представлены зависимости точности (параметр, являющийся дополнением ошибки диагностирования до 100%) нейронной сети от параметров скорости обучения λ и количество эпох обучения нейронной сети.

Рассмотрим работу способа диагностики электрического коммутационного аппарата на примере работы системы, реализующей предлагаемый способ (фиг. 1). На первом этапе с помощью аналоговых датчиков ускорения 4 и модуля сопряжения с датчиками 3 происходит измерение функции ускорения во времени движущихся контактов ВВ при их замыкании/размыкании (включении/отключении). Определение момента начала и окончания измерения обеспечивает модуль сопряжения с силовыми контактами 2. Из полученной функции ускорения микроконтроллер 1 выделяет ее высокочастотную составляющую. В нем же в соответствии с предлагаемым способом сигнал выделенной высокочастотной составляющей разбивается на несколько частотных диапазонов р. Далее формируется p нейронных сетей-«анализаторов» типа персептрон (по одной на каждый частотный диапазон). С помощью нейронных сетей-«анализаторов» формируют информативный параметр К для каждого частотного диапазона по формуле:

где q=1…p, p - количество сформированных частотных диапазонов; j=1…m, m - количество дискретных значений сигнала в q-м частотном диапазоне; d_ql, d_qt - эталонные значения выходного сигнала нейронной сети-«анализатора» для q-го частотного диапазона при обучении и при тестировании соответственно; φ_ql, φ_qt - функции активации для q-го частотного диапазона при обучении и при тестировании соответственно; x_qj - j-е значение уровня сигнала внутри q-го частотного диапазона; w_qj - весовой коэффициент для j-го значения уровня сигнала внутри q-го частотного диапазона.

Сформированные с помощью нейронных сетей-«анализаторов» информативные параметры K далее сравниваются с установленным пороговым значением. Если информативный параметр K_q выше заданного порогового значения, то соответствующий q-й частотный диапазон удаляется из спектра высокочастотной функции ускорения. Чем выше уровень порогового значения для информативного параметра K, тем больше информативных диапазонов останется в высокочастотной составляющей функции ускорения. Последний этап диагностики состояния ВВ по функции ускорения его подвижных контактов - это запуск нейронной сети-«эксперта» 7, которая принимает решение о состоянии ВВ. На вход нейронной сети-«эксперта» 7 (фиг. 2) подаются полученные значения y₁-y_n выделенных частотных диапазонов, наиболее информативных в качестве диагностических признаков. В результате работы нейронная сеть-«эксперт» 7, обученная на соответствующих эталонных значениях таких же заданных информативных частотных диапазонов и принимающая решение о наличии соответствующих дефектов коммутационного аппарата, принимает решение о его техническом состоянии. Результаты процедуры микроконтроллер 1 отображает на дисплей 5 и сохраняет на flash-накопитель 6.

Преимущества применения данного способа иллюстрируются на фиг. 3-5.

Графики фиг. 3-4 демонстрируют, что разбиение высокочастотной составляющей сигнала на частотные диапазоны позволяет задать четкие граничные информативные параметры, отличающие исправные и неисправные выключатели, поскольку между графиками характеристик исправного и неисправных высоковольтных выключателей видны большие различия.

Для иллюстрации преимуществ предлагаемого выделения наиболее информативных частотных диапазонов, полученных с помощью информативного параметра K, была построена нейронная сеть-«эксперт», которая обучалась на частотных диапазонах высокочастотной составляющей сигнала ускорения с использованием операции выделения наиболее информативных диапазонов и без нее.

Графики 14 и 15 отображают зависимости точности, соответственно, при обучении и при тестировании до применения описанной выше операции выбора информативного диапазона, а соответствующие графики 16 и 17 - после применения данной операции.

Как видно из графиков 14, 15, 16, 17 на фиг. 5, при различных комбинациях параметров нейронной сети-«эксперта» (скорость обучения, количество эпох) увеличилась ее адекватность, т.е. графики точности нейронной сети-«эксперта» при обучении и при тестировании перестали отличаться и стали практически идентичными. Одновременно с этим была достигнута точность нейронной сети-«эксперта», при тестировании до 90%, которая в данном случае является параметром, обратным ошибке диагностики. Также уменьшился размер данных для обучения с 40 частотных диапазонов вейвлет-спектра до 11 наиболее информативных, что существенно ускоряет процесс обучения нейронной сети-«эксперта».

Наиболее целесообразно применение предлагаемого технического решения для диагностики как в процессе производства, так и при эксплуатации на электрических подстанциях высоковольтных автоматических выключателей различных типов и модификаций рабочим напряжением от 10 кВ до 220 кВ.