基于KPCA-LSSVM的智能断路器故障诊断方法研究

作者：陈颢; 王伏亮; 李澄; 葛永高; 包正君

来源：自动化仪表, 2021, 42(12): 19-32.

DOI：10.16086/j.cnki.issn1000-0380.2020110027

• 断路器
• 故障诊断
• 核主成分分析
• 粒子群优化
• 最小二乘支持向量机

针对智能物联塑壳断路器存在的多类隐性故障,采用二维特征提取与线性分类方法相结合的方式,对断路器的故障进行分析和诊断。考虑断路器线圈的工作电流波形,获得包含时间、电流幅值以及电流能量在内的多类断路器典型工况特征,深入分析因故障引发的工作电流波形畸变以及对特征造成的谐波干扰,采用核主成分分析(KPCA)方法对故障特征进行约简。同时,采用粒子群优化(PSO)算法对LSSVM方法进行优化,最终构建基于KPCA-LSSVM的断路器故障诊断模型。经过试验验证,该模型解决了因样本冗余以及特征相关造成的故障识别率较低、模型泛化能力不足以及收敛性弱的问题,可有效判断出智能物联塑壳断路器的多类故障隐患发展情况。其在高噪声影响下的故障诊断准确率高达89%以上,具有很强的工程应用价值。

• 单位
  江苏方天电力技术有限公司