基于姿态传感器的高压隔离开关机械故障智能诊断研究

作者：李可萌; 陈富国; 杨晖; 袁欢^*; 杨爱军; 王小华; 荣命哲

来源：电网技术, 2023, 47(09): 3781-3790.

DOI：10.13335/j.1000-3673.pst.2022.1548

• 高压隔离开关
• 姿态信息
• SMOTE
• 极端随机树
• Stacking
• 机械故障诊断

高压隔离开关的“健康”状况对电网系统的安全运行至关重要，为能够有效地对隔离开关工作状况进行在线监测，该文提出了一种基于姿态传感器的隔离开关机械故障智能诊断方法，该方法包括姿态特征提取、样本处理和故障诊断3个模块。在特征提取模块，针对目前隔离开关姿态角度信息提取特征粗糙的问题，提出了基于姿态信息特点的特征提取方法。在样本处理模块，针对当前姿态信息样本库内各故障类别样本数目不平衡造成的诊断性能下降问题与特征空间中冗余、干扰信息过多问题，提出了遗传算法(genetic algorithm)优化下的少数类过采样(synthetic minority over-sampling technique)和极端随机树特征筛选(extremely randomized trees)联合样本处理方法(GA-SMOTE-ET)。该方法可以自适应增强样本库中有效信息比例，清除冗余、干扰信息的负面影响。在故障诊断模块，针对隔离开关故障诊断领域现阶段仅使用单一算法，未使用融合技术综合各算法优势的问题，提出了一种改进后的Stacking模型融合技术和两条Stacking基学习器的选取原则。该技术可以将多种学习器进行融合，实现优势互补，从而提升诊断性能。该文以GW5-35型隔离开关为样机，模拟了6种典型机械故障，使用姿态感知系统获取了隔离开关7种机械状态的姿态数据，制定了3组实验以验证所提方法的有效性，最终该方法的F1-score为0.971，显著优于传统方法。

• 单位
  西安交通大学; 平高集团有限公司