摘要：随着社会的不断发展，我国经济也在不断进步，人们在日常生活和工作生产中都离不开电能的使用，且对它的需求也越来越大，因此所需的电能消耗日益增多，电网的荷载量也在逐渐增加，对人们的生产生活都造成了一定的威胁。高压断路器是电力系统中重要的保护和控制设备，其工作可靠性对保障电力系统的稳定运行至关重要。对高压断路器进行及时、准确的状态监测和故障诊断，进而实现其状态检修，是保障其工作可靠性的关键。
关键词：高压断路器；机械故障；诊断技术
引言
故障诊断是电气设备进行状态检修的技术基础。高压断路器是电力系统中重要的开关设备，其运行状态直接影响系统的供电可靠性和稳定性。因此，对断路器的运行状态进行在线监测，通过故障诊断技术甄别其潜在缺陷和故障，不仅能够及时判断出设备故障的位置以及部件故障的严重程度，还可以诊断出设备的故障原因，为断路器实现状态检修提供重要决策依据。
1断路器的工作原理
高压断路器是通过有效的开合操作，对电力系统进行控制和维护的一个重要工具，主要是通过对电网的运行状态进行控制来保护电力系统的正常运行，高压断路器不仅能对高压电流进行操控，当电力系统出现问题时，还能通过断电器保护装置对电流进行切断，其具备断流能力和灭弧结构。一旦断路器出现故障，不能正常工作，当电网出现问题的时候，不能及时切断电流，这样会使得网络故障面积变大，最严重的情况是影响整个电网的正常工作，因此保障高压断路器的正常工作也是保障整个电力系统正常工作的重要措施。
2高压断路器机械故障
高压断路器绝大部分事故源于机械方面的原因，根据调查和统计可知，全国高压开关设备运行断路器最严重的机械故障是误动和拒动。
（1）误动故障：发生误动故障发生的主要原因有液压机构、弹簧操作机构和二次回路等三个方面。若是断路器在出厂的时候清洁工作没有做好、部件装配不符合标准或是阀体的安装不够牢固极易造成液压机构发生故障，一旦发生故障会导致液压油泄露，最终使得断路器发生故障。若是对断路器进行检修时，对操作机构分闸挚子进行调整后使弹簧的预压缩量发生错误容易造成弹簧操作机构的损坏，使得断路器发生自分或是自合故障。二次回路故障主要是接线端子排受潮绝缘降低，使得分闸回路与合闸回路接线端子之间发生发电，从而造成二次回路故障。
（2）拒动故障：一般情况下，高压断路器对电流的控制主要是通过分合操作，一旦发生拒动故障则断路器不进行分合操作，就容易出现越级跳闸的情况，这样会使故障面积变大。一般造成拒动故障的主要原因分为机械和电气两种原因。机械原因主要发生在生产、制造、安装、检修等过程。由于操作机构的传动系统发生故障从而引发断路器发生拒动故障，其中具体的故障可能为零件损坏、移位、变形等。电气原因主要是由辅助回路或电气控制发生故障。其具体故障主要为保险丝烧断、二次接线故障、辅助开关故障、操作电源故障等等，其中辅助开关故障虽然表现为二次故障，但实际上是转换接点不灵造成的，二次接线故障主要是断线或二次线接触不良所导致的。
3高压断路器机械故障诊断技术应用
3.1振动信号分析技术在
（1）噪声去除
在对高压断路器振动信号的噪声进行去除时，可以采用小波变换的方法，这种方法分为两种情况，一种是借助软阈值来去除振动信号中的噪声，另一种则是通过硬阈值来完成去噪。在实际应用中发现，软阈值的函数虽然要比硬阈值的函数更加光滑，但却会导致部分具有利用价值的信息损失，为避免该情况的发生，可以采用硬阈值的方法对振动信号中的噪声进行去除。
（2）振动信号提取
当高压断路器发生机械故障后，在分闸时振动信号会出现两次非常明显的振动波。对振动信号特征进行提取时，可以采用时频特征谱，这是一种较为实用的特征提取方法，在详细的时频划分后，得到的时频能量谱具有明显的差别，其特征非常明显。对振动信号的时频能量特征进行分析，能了解高压断路器的机械状态，将能量谱作为机械故障诊断模型的输入量，可对机械故障进行快速诊断。
（3）构建故障诊断模型
在对高压断路器机械故障诊断模型进行构建时，可以利用深度学习网络中的自编码网络，其又被称之为SAE，即栈式自编码器，它在复杂非线性问题的处理中效果较好，能够快速完成特征提取，并对故障进行准确分类。SAE是由多个AE（自编码器）以堆叠的方式组合而成，具体的学习过程包括预训练和微调，前者为无监督学习，后者为监督学习，使网络达到全局最优为止。AE作为SAE中的基本单元，其结构与神经网络相类似，它的预训练是一个逐层训练过程，输入层数据为振动信号划分后的时频段能量，输出层为高压断路器机械故障振动的结果。随后通过微调能够大幅度增强网络的性能，从而使诊断结果变得更加准确。
3.2基于线圈电流诊断技术
（1）线圈电流的故障特性
为对高压断路器不同机械状态的电流波形特征是否相同进行验证，分别对正常和故障状态的线圈电流进行处理，然后以随机的方式选取电流信号，共计三组进行对比分析。在正常与故障状态下，分合闸线圈的电流波形在时域平面内呈现出不同的状态，并且特征量的分布也不相同。由于各个故障状态与正常状态之间的距离存在明显的差异，所以可对特征向量间的距离变化趋势进行计算，来对线圈电流当前所处的状态进行具体分类，正常状态时，三条线圈电流为基本重合状态。当高压断路器基座的螺栓出现松动故障时，线圈电流比正常状态时的电流大，之所以会出现这样的情况，主要是因为螺栓松动导致机构的牢固性降低，增大了分合闸操作时机构的磨损程度，铁芯的摩擦面变得过于光滑，运动时间随之缩短。铁芯卡涩故障时，由于需要克服摩擦阻力，从而使得铁芯的运动时间延长，电流值增大
（2）故障诊断模型的构建
在对基于分合闸线圈电流信号的高压断路器机械故障诊断模型进行构建时，可以引入KNN（k最邻近算法），这是数据挖掘中最为简单且实用的一种方法，可将之视作为非参数化分类器，在该分类器当中，状态都是特征空间中由特征向量组成的点。诊断模型的构建过程如下：对传感器采集到的高压断路器正常与故障状态的分合闸线圈电流数据进行处理，然后以随机的方法，从处理好的数据中选取一部分作为训练样本，另一部分作为待分类样本；对初始值k进行设定，按照距离从大到小的顺序，建立队列，以此来对最近的训练样本进行存储；对训练样本集进行编历，并对欧氏距离进行计算，经比较之后进行舍弃，当编历完成后，找出的k归类到元素最多的类别中，最后给出故障识别结果。实践证明，这种方法在高压断路器机械故障诊断中的效果较好。
4结束语
综上所述，高压断路器机械故障诊断是一个较为复杂的过程，为加快诊断速度，并提高诊断结果的准确性，可以对振动信号和线圈电流加以利用，据此构建相关的诊断模型，借助模型对高压断路器的机械故障进行诊断。
参考文献
[1] 康旭.高压断路器状态在线监测技术综述[J].电工文摘，2016(04)
[2] 关永刚.高压断路器机械故障诊断方法综述[J].高压电器，2018(07)
[3] 靳文娟.基于振动信号分析的高压断路器机械故障诊断[J].广东电力，2017(10)
[4] 田书 康智慧.基于VMD算法的10kV高压断路器机械故障诊断分析[J].电力科 学与工程，2018(06)