DOI:10.16545/j.cnki.cmet.2012.01.011 ·26· 煤 矿 机 电 2012 年第 1 期 基于 RBF 神经网络的室内 真空开关柜故障诊断系统 10 kV ( 1． 平顶山煤业股份有限公司 六矿，河南 平顶山 467000 ; 2． 河南理工大学 电气学院，河南 焦作 ) 454000 刘军1，王丹丹2 摘 要: 基于 RBF 神经网络的诊断模型，提取反映 10 kV 真空开关柜故障信息的电流信号，母线 温度信号，电缆接头温度信号特征量等，用来训练神经网络。通过仿真，证明 10 kV 真空开关柜故 障诊断系统高效、准确，可以推广应用。 关键词: 中图分类号: 10 kV 真空开关柜; 故障诊断; 仿真 文献标识码: 文章编号: 1001 － 0874( 2012) 01 － 0062 － 05 RBF 神经网络; TP183 A Fault Diagnosis System of 10 kV Vacuum Circuit Switchgear Based on RBF Neural Network ( 1． No． 6 Coal Mine ， Pingdingshan Coal Mining Co． Pingdingshan 467000 2． School of Electricity Henan Polytechnic University Jiaozuo 454000 China ; ， China ) ， LIU Jun1， ， WANG Dan-dan2 ， ， Ltd． ， : Abstract ， ， Introduces a diagnosis model of RBF neural network and extracts current signal reflecting fault information of 10 kV vacuum switchgear within different current signal generatrix temperature signal bus and cable connector temperature which are used to train the neural network． ． The simulation results show that the system is ， effective and accurate and can be popularized． Keywords RBF neural network 10 kV vacuum switchgear : ; ; fault diagnosis ; simulation 10 kV 真空开关柜的基本结构和工作原理 1 基本结构 1． 1 外壳 10 kV 10 kV 电器元件 、 开关柜的柜体 电缆进出线 、 各种机构 、 真空开关柜结构主要包括柜体和断路器 两大部分，具有架空进出线 联络母线 、 二次端子及连 等功能 、 。 线等构成 柜体有很强的耐压 性和绝缘性材料组成，用冷扎钢板或角钢焊接开关 柜，用敷铝锌钢板或镀锌钢板组装柜子等 。10 kV 这块开关柜内部装有真空开关电气设备 ( 如断路 器，隔离开关，接地刀闸等) ，母线及其绝缘子，出线 电缆，保护电器，监测仪表等 。 。 ) 母线 经常采用硬铝材料的矩形母线，可以 1 。 利用支柱绝缘子固定它在开关柜上 。 ) 真空断路器 特定用来闭合及断开电路的 开关设备，配有完整的灭弧装置，真空断路器和少油 。 2 断路器是近年来被广泛使用的 。 断开电路 、 ) 负荷开关 。 3 ) 隔离开关 在电路中起隔离高压电压的作 用，刀闸没有灭弧能力，只能在没有负荷电流的情况 下闭合 。 4 可以隔离电源，没有灭弧装置， 在合闸情况下可以通过正常工作电流和短路电流， 但严禁带负荷断开和闭合电路 。 。 ) 熔断器 是一种短路保护器，主要进行短路 5 。 保护或严重过载时保护 。 6 ) 互感器 包括电流互感器和电压互感器，主 要是将大电流或高电压按照某种比例变换成标准小 电流或低电压，方便实现测量 。 保护等 、 。 进出电缆装有绝缘护套，从柜体的下 ) 电缆 7 。 方引入和输出 。 ) 操动机构 8 操作机构和弹簧机构 包括隔离开关 。 液压机构 、 负荷开关的手动 、 电磁操动机构等 、 。 中国煤炭期刊网 www.chinacaj.net

2012 年第 1 期 煤 矿 机 电 ·36· 工作原理 1． 2 10 kV 信号 、 真空开关柜在送电时，首先要检查断路 器相关参数，将断路器的手车推入到开关柜的试验 位置，将手车的二次插头插入开关柜的二次插座内， 并用扣件锁定，确认接地刀处于分闸状态，检查仪表 室内的合闸 控制及母线电压等电源开关都处 、 于合闸状态，并测量电源电压属于正常范围，使处于 分闸各一次，确认 开关柜试验位置的断路器分别合 、 断路器控制回路接线及信号回路显示正确; 其次，将 手车推入到开关柜工作位置( 到达工作位置时会发 的扣锁响声) ，然后将这时的断路器合闸， 出 三相指示灯亮，表 检查开关柜的带电显示器 停电时，首先要将处在 明开关柜已完成送电工作 开关柜工作位置的断路器分闸，检查带电显示器指 示灯熄灭，这时开关柜处于出线侧断电，但高压母线 仍处于带电状态; 其次将手车退出到开关柜试验位 置( 这时会发出 声) ，此时属于停电待用状 态，然后可以把手车拉出柜外( 先要拔掉手车的二 次插头) ，完成了开关柜的停电操作 A / B / C 卡嗒 卡嗒 “ ” “ ” 。 。 ( ) x ) 高斯型函数 f ( 1 + e －p) ) = 1 / 在径向基神经网络中，神经元 3 ( 3 得结构可采用高斯函数 。 。 ( ) a ( ) b 图 2 转移函数曲线 2． 2 径向基函数神经网络 本文采用径向基函数( RBF ) 网络，从图 可知 该网络是一种前馈型网络，它由多个神经元分层组 成它有三层组成，输入层节点起信号传递作用，即将 输入信号传递到隐层，隐层节点由径向基函数构成， 输出为线性层 3 。 2 RBF 神经网络基本原理 2． 1 人工神经网络模型 在人工神经网络结构模型中，神经元是一个多 所示 输入单输出的非线性器件，其结构模型如图 1 。 图 3 RBF 网络结构图 ( 图 网络有 3 为 n-m-p 个输入， m ， ) T ∈Rn 为 …xn ， b2 n ， x2 x1 X = Rm × p为输出权矩阵， b1 ) T 为 Y = 第 ， … ， y2 ， yp 结构的径向基函数神经网络，即 个隐节点， 其中 p 个输出节点 网络的输入量， 。 RBF ， ， … bp 网络的输出量， Ri W∈ 为输出单元偏移， ) 为 ( ( x y1 个隐节点的激活函数，最常用的是高斯函数: RBF ) 符号函数，图形见图 1 ( f ) x = ) 2 Sigmoid 型函数，图形见图 2a。 { 1 0 ( ) 2 2b。 3 基于神经网络的 10 kV 开关柜故障诊断系统 3． 1 基于神经网络的故障诊断系统结构 如图 所示，系统的全部或者部分功能都是靠 4 1 图 图 1 神经网络结构模型 ， ［ x2 x1 ，…， 中 ［ w1 w = 向量; 处理单元的连接强度，也称为权值， θ 值 神经元的输出可按下列公式计算得到 wR ，…， xR ］T 表示输入向量与第 ］T 表示神经元的输入 个 为神经元得阈 R x = ， w2 。 。 R ( ) ∑ y = f 有多种形式，在人工神经网络中常 xi wi － θ i = 1 1 ( ) 转移函数 常采用的是: f i = 1 ， 2 ， … ， m ( ) 4 i ( ) x Ri { = exp － x － ci 2σ2 维输入向量; i 2 } n 为第 为 具有相同维数的向量; 其中， x 它与 量，它决定了该基函数围绕中心店的宽度; 单元的个数; 的范数 个基函数的中心， i 个感知的变 为第 为感知 为向量 σi m ci x i x － ci x － ci 。 中国煤炭期刊网 www.chinacaj.net

·46· 煤 矿 机 电 2012 年第 1 期 神经网络实现的，知识的获取是通过神经网络的学 习算法，知识库显然变成了一个连接机制网络 这 种方法的优点是采用了神经网络的学习算法，故这 种方法的系统又叫做连接机制系统 。 。 图 4 基于神经网络的专家系统结构图 再利用神经网络对输入数据进行相关计算，得到网 络的输出，同时处理网络的输出并且给出异常信息 制定神经网络的工作流程图见图 。 6。 3． 2 基于神经网络的知识表示 神经网络知识是一种隐式表示它不再是一条条 例如 规则，而是分布于整个网络中的权值和阈值 下列规则可用图 。 ( ( ( ( ) ) ) ) x1 = 0 x1 = 0 x1 = 1 x1 = 1 If If If If 。 5 then x2 = 0 所示的神经网络来表示 ) ) ) ) x2 = 0 x2 = 1 y = 1 y = 0 y = 1 then then ( ( ( ( ) ) ) ) ( ( ( ( x2 = 1 then y = 0 and and and and 图 5 神经网络表示法 3． 3 神经网络的知识获取 基于神经网络的知识获取过程是，首先要确定 神经网络的模型和拓扑结构，根据选定的学习算法， 对样本进行学习，然后神经网络的连接权值通过学 习不断自动调整，从而实现知识的自动获取 。 多层前馈网络基本算法 ) 将全部权值与结点的阈值预置为一个小的 3． 3． 1 1 随机值 。 ) 加载输入矢量 ) 计算实际输出矢量 ) 在未达到误差的精度或者循环次数之前一 和输出矢量 T。 T。 X 2 3 4 直转向步骤 ) ，直到满足要求为止 。 2 工作过程 3． 3． 2 RBF 基于 神经网络的 真空开关柜故障 诊断系统的工作过程具体是: 采样数据进行输入，对 数据进行处理，从而可以得到神经网络的输入，然后 10 kV 图 6 基于神经网络的工作流程图 4 基于神经网络的健康诊断专家系统仿真 4． 1 数据采集 以 ) ( A -12 ZN28 10 kV 真空开关柜为试验对象，配有弹簧操 型，采用霍尔传 动机构的真空断路器 感器监测合闸线圈电流信号，得到以 时间为零点 ，可以监测断路器 提取健康特征参数 的运动情况; 通过温度传感器测量电缆接头处温度 ; 通过耐压试验或者用摇表测量母线对地的绝 为 缘电阻值 断路器连 ，把这些特征量作为神经 接处温度得到特征参数 网络的输入量 ，通过温度传感器监测母线 t1 、t2 、t3 、t4 、t5 R1 T2 T1 t0 / 4． 2 数据样本处理 在网络的输入向量之前，应该首先要对网络的 已有研究表明，对网络 输入向量进行归一化处理 的输入向量进行归一化处理可以提高网络的学习速 度，降低一些坏数据的影响 本文归一化处理是将 输入数据转化到［ 0 ， ］之间，具体的归一化公式: 1 。 。 。 Xi － Xmin Xmax － Xmin X = ， Xmax 上式中， Xi ， Xmin 个数据及最小值和最大值， X i 分别表示输入同一特征量 是归一化后的 ( ) 5 的第 数据 。 对 真空开关柜进行状态监测，获得 有正常状态数据( 。 ZC ) ，合闸铁心开始阶段有卡涩( ) ，电缆接头温度过高( 18 组 ) ，操作电压过 ) ，操作机 ) ，母线绝 ) 程序进行归一化，处理后的结 HKS MG DG ) ，母线与断路器连接点温度过高( CKS CD 10 kV 状态样本数据 低( 构有卡涩( 缘老化( 等 果如表 本文采用 所示 MJL 。 Matlab 1 。 获得以上数据后，对前 个进行样本测试 组数据进行神经网络 真空断路器合闸过程 种健康状态类型，为了用神经网络对其进行判 训练，后 有 14 。 4 7 中国煤炭期刊网 www.chinacaj.net

2012 年第 1 期 煤 矿 机 电 表 1 数据归一化后的样本数据 样本序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 t1 / ms t2 / ms t3 / ms t4 / ms t5 / ms 0． 126 34 0． 143 01 0． 183 80 0． 150 37 0． 079 58 ( ) ° T1 / 0． 426 73 R1 / MΩ 0． 882 35 ( ) ° T2 / 0． 285 71 0． 137 21 0． 149 28 0． 177 80 0． 131 09 0． 082 54 0． 423 80 0． 823 53 0． 357 14 0． 005 79 0． 002 10 0． 003 53 0． 021 18 0． 055 12 0． 643 27 0． 529 41 0． 428 57 0． 010 75 0． 030 65 0． 002 13 0． 014 57 0． 033 28 0． 512 11 0． 941 18 0． 571 43 0． 979 98 1． 000 00 0． 994 37 0． 976 28 1． 000 00 0． 323 56 0． 588 24 0． 142 86 1． 000 00 0． 986 85 0． 987 34 0． 998 35 0． 974 65 0． 286 80 0． 647 06 0． 500 00 0． 071 24 0． 147 22 0． 153 87 0． 643 27 0． 684 36 0． 206 73 0． 941 18 0． 000 00 0． 069 36 0． 120 03 0． 135 52 0． 627 85 0． 685 65 0． 572 68 0． 823 53 0． 071 43 0． 090 45 0． 174 57 0． 160 81 0． 129 57 0． 072 54 0． 850 63 0． 705 88 0． 214 29 0． 115 56 0． 163 02 0． 179 40 0． 146 12 0． 086 02 0． 935 49 0． 941 18 0． 642 86 0． 126 34 0． 143 01 0． 183 80 0． 150 37 0． 079 58 0． 286 80 0． 117 65 0． 590 25 0． 137 21 0． 149 28 0． 177 80 0． 131 09 0． 082 54 0． 155 71 0． 176 47 0． 428 57 0． 090 68 0． 178 68 0． 162 83 0． 126 75 0． 073 43 0． 206 73 0． 529 41 0． 857 14 0． 122 31 0． 156 86 0． 170 18 0． 148 53 0． 083 59 0． 356 89 0． 470 59 0． 928 57 0． 006 13 0． 001 45 0． 004 38 0． 013 18 0． 055 21 0． 000 00 0． 823 53 0． 357 14 0． 069 12 0． 118 05 0． 137 35 0． 617 39 0． 684 65 0． 423 80 0． 558 82 0． 071 43 0． 090 68 0． 178 68 0． 162 83 0． 126 75 0． 073 43 0． 787 34 0． 843 67 0． 428 57 0． 122 31 0． 156 86 0． 170 18 0． 148 53 0． 083 59 0． 643 27 0． 578 25 0． 914 29 ·56· 健康类型 ZC ZC CD CD HKS HKS CKS CKS DG DG MJL MJL MG MG CD CKS DG MG 1000000 ) ，操作电压过低( 断类型，需要将健康状态进行二进制编码: 正常状态 数据( ) ，合闸铁 0100000 芯开始 阶 段 有 卡 涩 ( 操 作 机 构 有 卡 涩 ( ) ，母线绝 0001000 缘老化( ) ，母线与断路器连接点温度过高 ( ) ，电缆接头温度过高( 0000010 ) 0010000 0000100 、 ) 0000001 。 4． 3 Matlab 实验测试 环境下利用神经网络工具箱，采用 在 神经网络对数据进行测试，在网络的输出误差 RBF 满足用户设定的精度要求之前，该函数 自动 增加径向基网络的隐层神经元的个数，直到均方误 差满足要求为止 程序建立一个 newrb 神经网络: ) ， Matlab ， ， T 。 可以利用 ( 为网络的输入向量， T Net = newrb Goal Goal Spread 是均方误差值，设定为 P 。 为输出向量，它们从表 ; 0． 01 为径向基函数的分布，它的大小影响网络的 ， 0． 7 个数据，由观察分别取上述 时，网络的 可以得到理 Spread = 0． 75 ， 1． 0 ， 0． 9 0． 65 ，共 0． 5 0． 6 ， ， ， Spread = 0． 75 ， 0． 8 8 0． 75 值时网络的诊断误差，当 诊断误差为最小，因此选 想的诊断结果 。 Spread 诊断精度，分别将其设定为 RBF 其中 P 中可以得到; 1 通过相关参数设置之 后，通 过 图 形 用 户 接 口 工作空间中的数据导入中，在窗口中 把 按钮，可以看到建立的网络结构图，如 Matlab GUI 单击 图 6 【View】 所示 从图 。 6 可以看出， 神经网络结构一共有 RBF 个输入，隐含层函数为高斯函数，输出为 8 个向量， 7 这正是需要的网络 。 图 6 建立的 RBF 神经网络结构图 进行网络诊断时，输入为 选择 个输入 RBF 量，隐含层数为 层，隐含节点数由系统自动生成， 直到满足系统要求的误差为止，训练最高次数为 8 1 次，误差上限为 200 组数据作为测试样本 诊断结果见图 和表 ， RBF 0． 01 宽度为 0． 75 4 网络某一次的训练结果以及 所示 ，另外 7 。 。 2 图 7 RBF 神经网络训练结果 次的训练之后，网络的输出已经达到预 经过 8 中国煤炭期刊网 www.chinacaj.net

测试样本 15 16 17 18 5 结论 ·66· 煤 矿 机 电 2012 年第 1 期 先设定的要求，输出曲线比较光滑，且训练速度快 。 时，表明有此故障类型，从 本文设定输出值大于 0． 5 输出的结果可以看出基于 网络的专家系统可 RBF 以准确地识别出与训练样本具有相似健康状况规律 的健康状况，而且准确度较高 。 表 2 RBF 神经网络诊断结果 诊断结果 － 0． 045 8 － 0． 084 6 0． 380 2 0． 036 3 0． 869 3 0． 066 9 － 0． 028 6 0． 159 8 0． 001 6 0． 006 7 － 0． 001 2 0． 001 0 － 0． 086 4 0． 910 3 0． 014 4 0． 002 0 － 0． 542 3 － 0． 044 8 0． 839 3 0． 258 7 0． 049 7 0． 133 2 － 0． 017 5 － 0． 114 1 0． 013 5 0． 012 4 － 0． 186 5 0． 656 3 。 10 kV 通过采用人工神经网络方法，建立了基于 真空开关柜故障诊断系统 RBF 神经网络的 首先 传感器提取真空断路器合闸时的线圈电流信号，母 线与真空断路器的电连接处温度，母线对地的绝缘 电阻，以及出线电缆接头温度等健康状态特征量，其 次通过述传感器提取的量为神经网络的输入，以开 关柜的异常类型为输出，从而确定了 网络诊断 仿真研究表明，采用人工神经网络方法不仅 模型 能正确判断出真空开关柜的具体异常类型，而且诊 断速度快 RBF 。 误差率小 、 。 参考文献: ［ ］ 钱家骊，袁大陆，杨丽华，等 1 ． 高压开关柜 — 结构，计算，运行， 发展［ M ］ ． 北京: 中国电力出版社， 2007． ［ ］ 荣命哲，贾申利，王小华 2 ． 电器设备状态检测［ ］ M ． 1 版 ． 北京: 机械工业出版社， ［ ］ 周开利，康耀红 3 ． 2007． 神经网络模型及其 MATLAB 仿真程序设计 ［ ］ ． M 北京: 清华大学出版社， 2005． ［ ］ 胡小光，齐明，于文濒 4 ． 基于径向基函数网络的高压断路器在 线监测和故障健康诊断［ ］ ． J 电网技术， 2001 ( ) ． 25 1968 － 作者简介: 刘军( ) ，男。1999 年毕业于焦作工学院机电工程 专业，现在平煤股份公司六矿工作，长期从事煤矿机电技术和管理工 作。 ( 收稿日期: 2011 － 10 － 13 ; 责任编辑: 姚克 ) 檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿 ( 上接第 功率损耗的主要部分 页) 。 61 实验采集的 所示，图 电流波形 5a 。 Power MOSFET 为导通管电流波形，图 的电流波形如图 5 为一相斩波管 5b MOSFET 4 结论 本文通过一种较为理想化的方式给出了 Power 的开关电路模型，并推导了开关磁阻电动 。Power MOSFET MOSFET 机传动系统功率变换器的主电路中 Power MOSFET 的损耗计算公式 的功率损耗主要 由导通损耗和开关损耗两部分构成，根据实验电路 的波形计算得到功率损耗的数据，计算结果表明，当 开关频率较大时，开关损耗是 功率 损耗的主要部分 参考文献: ［ ］ 林渭勋 1 现代电力电子电路［ Power MOSFET 杭州: 浙江大学出版社， ］ ． 。 M ． 2002. ［ ］ 2 Yali Xiong ， Shan Sun ， Hongwei Jia ， Patric Shea ， Z． John Shen． New Physical Insights on Power MOSFET Switching Losses ］ ［ J ． IEEE ) : 525-531. Power MOSFET 开关 Transaction on Power Electroinics ［ ］ 张元敏，方波，蔡子亮 3 ． ］ 特性研究［ J ． ［ ］ 叶俊，张峰 4 ． Buck 现代电子技术， 同步整流电路 ( ， ， ( 2009 24 2 实际应用条件下 ) ( 2007 21 . MOSFET ］ 损耗的计算［ J ． 电 力电子技术， 作者简介: 黄菲菲( 率变换器散热设计，开关磁阻电动机的调速控制等。 ) : 12 ) ，女，在读硕士研究生。研究方向为功 109-111. 1987 － 2007 ( 收稿日期: 2011 － 10 － 31 ; 责任编辑: 姚克) 图 5 Power MOSFET 的实验电流波形 根据前述计算方法，可以计算出导通管的功率 由 损耗共为 此可见，当开关频率较高时，开关损耗成为 ，斩波管的功率损耗为 12. 7 W。 3. 5 W Power 中国煤炭期刊网 www.chinacaj.net