王建新 李鐵軍 朱 軍 杜一錦

低壓開(kāi)關(guān)柜運(yùn)行在線監(jiān)測(cè)和診斷系統(tǒng)設(shè)計(jì)

王建新 李鐵軍 朱 軍 杜一錦

(國(guó)網(wǎng)冀北電力有限公司廊坊供電公司 廊坊 350001)

針對(duì)于低壓開(kāi)關(guān)柜人工巡檢成本高、效率低下的問(wèn)題，設(shè)計(jì)一種低壓開(kāi)關(guān)柜運(yùn)行狀態(tài)與檢測(cè)故障在線監(jiān)測(cè)系統(tǒng)。該系統(tǒng)通過(guò)傳感器獲取低壓開(kāi)關(guān)柜的運(yùn)行數(shù)據(jù)，采用云樣本熵的方法對(duì)數(shù)據(jù)進(jìn)行處理，獲取其正常運(yùn)行和故障運(yùn)行的特征值，對(duì)特征值使用馬氏距離算法進(jìn)行計(jì)算。該方法首先通過(guò)訓(xùn)練樣本尋找馬氏距離的閾值，再通過(guò)試驗(yàn)樣本數(shù)據(jù)計(jì)算馬氏距離，馬氏距離的值介于7～9，最后將該距離使其與馬氏距離的閾值進(jìn)行比較，進(jìn)而可以實(shí)時(shí)、在線監(jiān)測(cè)其運(yùn)行狀態(tài)。試驗(yàn)表明，該系統(tǒng)的故障檢測(cè)正確率大于98%。

低壓開(kāi)關(guān)柜；智能電網(wǎng)；云樣本熵；馬氏距離；在線監(jiān)測(cè)

1 引言

低壓開(kāi)關(guān)柜是由多個(gè)開(kāi)關(guān)和測(cè)量設(shè)備構(gòu)成的一種裝置，能夠?qū)㈦娐房刂坪蜋z測(cè)裝置整合到一個(gè)柜子中，大大提高使用的安全性和管理效率，因此該裝置被廣泛應(yīng)用于配電所中，成為電力輸送和調(diào)配的重要載體[1-2]。

由于低壓開(kāi)關(guān)柜在長(zhǎng)時(shí)間運(yùn)行中容易出現(xiàn)多種故障數(shù)據(jù)，快速準(zhǔn)確地檢測(cè)出設(shè)備的故障位置和故障原因是快速恢復(fù)電力的主要步驟。文獻(xiàn)[3]介紹一種通過(guò)對(duì)低壓開(kāi)關(guān)柜進(jìn)行紅外光線測(cè)溫監(jiān)測(cè)一次接插件，進(jìn)而實(shí)現(xiàn)對(duì)低壓開(kāi)關(guān)柜的檢測(cè)，但是該方法僅僅是低壓開(kāi)關(guān)柜可能發(fā)生故障的一個(gè)功能組件，低壓開(kāi)關(guān)柜有很多潛在故障的部分都需要進(jìn)行檢測(cè)，同時(shí)需要人看守，人力資源耗費(fèi)巨大；文獻(xiàn)[4]介紹一種對(duì)局部放電的檢測(cè)方法，電氣設(shè)備在運(yùn)行過(guò)程中出現(xiàn)局部放電現(xiàn)象時(shí)，放電會(huì)產(chǎn)生電荷的轉(zhuǎn)移，這些電荷會(huì)聚集在接地的金屬組件上，形成對(duì)地電流，這就產(chǎn)生了暫態(tài)對(duì)地電壓，通過(guò)對(duì)暫態(tài)對(duì)地電壓的測(cè)量來(lái)實(shí)現(xiàn)對(duì)局部放電的檢測(cè)，但是該方法并不能夠準(zhǔn)確得出放電部位；文獻(xiàn)[5]介紹了一種壓力檢測(cè)儀，通過(guò)使用壓力檢測(cè)器對(duì)低壓開(kāi)關(guān)柜一次觸頭壓力進(jìn)行測(cè)量，據(jù)此能夠解決因觸頭接觸不良造成的短路現(xiàn)象，但是由于觸頭的彈力會(huì)隨著時(shí)間減小，需要再次進(jìn)行人力檢測(cè)，造成大量人力 浪費(fèi)。

針對(duì)上述方法的缺點(diǎn)，本文設(shè)計(jì)了一種能夠在線監(jiān)測(cè)低壓開(kāi)關(guān)柜運(yùn)行狀態(tài)的系統(tǒng)，該系統(tǒng)通過(guò)獲取數(shù)據(jù)和來(lái)源推斷出故障的具體位置和原因，大大節(jié)省人力資源和提高電力故障處理的效率。

2 低壓開(kāi)關(guān)柜監(jiān)測(cè)系統(tǒng)架構(gòu)

為及時(shí)發(fā)現(xiàn)以及預(yù)防開(kāi)關(guān)柜的故障問(wèn)題，需要及時(shí)地監(jiān)測(cè)和處理故障診斷。本文設(shè)計(jì)了一種低壓開(kāi)關(guān)柜運(yùn)行狀態(tài)在線監(jiān)測(cè)及故障診斷系統(tǒng)[6-7]，該系統(tǒng)的整體框架圖如圖1所示。

圖1 在線監(jiān)測(cè)系統(tǒng)整體框架

圖1中在線監(jiān)測(cè)系統(tǒng)通過(guò)信息傳感器獲得低壓開(kāi)關(guān)柜運(yùn)行狀態(tài)相關(guān)數(shù)據(jù)，通過(guò)數(shù)據(jù)傳輸網(wǎng)絡(luò)將相關(guān)數(shù)據(jù)傳輸?shù)綌?shù)據(jù)庫(kù)，實(shí)現(xiàn)數(shù)據(jù)分析和人機(jī)交互[8-9]。

低壓開(kāi)關(guān)柜的結(jié)構(gòu)一般由繼電器儀表室、電纜室、斷路器手車室和母線室四部分組成，并且開(kāi)關(guān)柜不同的組成部分有著非常顯著的差異，因此需要對(duì)低壓開(kāi)關(guān)柜采用不同的數(shù)據(jù)采集模塊來(lái)采集多種數(shù)據(jù)，數(shù)據(jù)采集模塊組成結(jié)構(gòu)如圖2所示。

圖2中，低壓開(kāi)關(guān)柜中溫度、濕度的變化會(huì)影響很多元件的性能和使用情況，又因開(kāi)關(guān)柜每個(gè)組成部分都是分隔成一個(gè)小隔間，本文設(shè)計(jì)對(duì)每一個(gè)小隔間安裝溫度、濕度傳感器，通過(guò)數(shù)據(jù)傳感器采集其中溫度、濕度數(shù)據(jù)[10]；通過(guò)儀器采集繼電器儀表室用于顯示開(kāi)關(guān)柜的運(yùn)行情況和電力維護(hù)儀表的數(shù)據(jù)。

圖2 數(shù)據(jù)監(jiān)測(cè)裝置整體框架

3 低壓開(kāi)關(guān)柜故障特征提取和分析

針對(duì)于開(kāi)關(guān)柜故障特征進(jìn)行提取和分析時(shí)，由于信號(hào)傳感器采集的數(shù)據(jù)無(wú)法直接使用，因此需要對(duì)監(jiān)測(cè)的低壓開(kāi)關(guān)柜數(shù)據(jù)進(jìn)行量化處理，并對(duì)每個(gè)觀測(cè)點(diǎn)數(shù)據(jù)在時(shí)間序列上的關(guān)聯(lián)特征和每個(gè)觀測(cè)點(diǎn)之間的關(guān)聯(lián)特征進(jìn)行分析，獲取低壓開(kāi)關(guān)柜的運(yùn)行狀態(tài)特 征[11-12]。再通過(guò)馬氏距離對(duì)特征值進(jìn)行分析，檢測(cè)故障的情況，其基本流程如圖3所示。

圖3 故障檢測(cè)流程圖

3.1 基于云樣本熵的故障特征提取

為提取低壓開(kāi)關(guān)柜的運(yùn)行狀態(tài)特征，通過(guò)云樣本理論對(duì)傳感器采集的數(shù)據(jù)進(jìn)行處理，對(duì)每個(gè)觀測(cè)點(diǎn)數(shù)據(jù)在時(shí)間序列上的關(guān)聯(lián)特征和每個(gè)觀測(cè)點(diǎn)之間的關(guān)聯(lián)特征進(jìn)行分析，獲取低壓開(kāi)關(guān)柜的運(yùn)行狀態(tài)特征[13-14]。

現(xiàn)假設(shè)能夠采集低壓開(kāi)關(guān)柜的個(gè)運(yùn)行狀態(tài)量，利用標(biāo)準(zhǔn)的時(shí)間間隔對(duì)其運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行采集，構(gòu)成檢測(cè)點(diǎn)的時(shí)間序列向量如式(1)所示

3.2 基于馬氏距離的故障診斷設(shè)計(jì)

本文采用馬氏距離的計(jì)算方法對(duì)低壓開(kāi)關(guān)柜常見(jiàn)故障進(jìn)行診斷，要使用馬氏距離的計(jì)算方法，需要引入已知故障樣本特征值構(gòu)成的標(biāo)準(zhǔn)特征值向量集合和需要測(cè)定的監(jiān)測(cè)數(shù)據(jù)特征值兩組數(shù)據(jù)，把需要測(cè)量的樣本特征值和已知的故障樣本特征值、正常運(yùn)行的樣本特征值通過(guò)馬氏距離算法進(jìn)行比較，觀察其相似度，通過(guò)相似度來(lái)判斷低壓開(kāi)關(guān)柜的運(yùn)行狀態(tài)和可能的故障種類[15-16]。

為計(jì)算被測(cè)樣本與標(biāo)準(zhǔn)樣本之間的相似度，本文采用了馬氏距離的計(jì)算方法，在馬氏距離中使用協(xié)方差矩陣來(lái)協(xié)助進(jìn)行數(shù)據(jù)處理，能夠減小冗余數(shù)據(jù)對(duì)于數(shù)據(jù)分析的影響，同時(shí)考慮到數(shù)據(jù)之間的關(guān)聯(lián)性，因此通過(guò)馬氏距離算法能夠較好地處理低壓開(kāi)關(guān)柜的檢測(cè)和故障診斷問(wèn)題。

4 仿真試驗(yàn)設(shè)計(jì)

通過(guò)對(duì)低壓開(kāi)關(guān)柜各種故障原因進(jìn)行分析，可以很明顯地發(fā)現(xiàn)常見(jiàn)的低壓開(kāi)關(guān)柜故障主要如下：拒動(dòng)、誤動(dòng)故障，開(kāi)斷與關(guān)合故障，絕緣故障，載流故障以及其他故障[19-20]。分析這些故障發(fā)生的原因大致分為三大類：第一類是機(jī)械結(jié)構(gòu)故障，這種類型的故障是由于操作失誤、部件損壞等原因造成的機(jī)械故障；第二類是絕緣故障，是由于絕緣層老化、短路等造成的電氣線路和器件過(guò)渡發(fā)熱現(xiàn)象；第三類是電弧故障，是由于潮氣、污染和灰塵等外來(lái)物的入侵造成的電弧現(xiàn)象。

為了驗(yàn)證本文方法的有效性和可靠性，本次模擬試驗(yàn)通過(guò)獲取新疆某10 kV配電房低壓開(kāi)關(guān)柜的運(yùn)行數(shù)據(jù)作為測(cè)試樣本進(jìn)行模擬仿真試驗(yàn)。本文試驗(yàn)設(shè)備選取的低壓開(kāi)關(guān)柜為某地電力調(diào)控中心，品牌為上華電氣380 V的開(kāi)關(guān)柜，試驗(yàn)數(shù)據(jù)為該設(shè)備在2020年6～9月的設(shè)備運(yùn)行數(shù)據(jù)，并統(tǒng)計(jì)近三年該開(kāi)關(guān)柜的故障數(shù)據(jù)，數(shù)據(jù)包含低壓開(kāi)關(guān)柜正常運(yùn)行狀態(tài)數(shù)據(jù)，機(jī)械結(jié)構(gòu)故障、絕緣故障和電弧故障這三種運(yùn)行故障狀態(tài)數(shù)據(jù)，對(duì)于這4種運(yùn)行數(shù)據(jù)每種獲取20組數(shù)據(jù)，共計(jì)80組數(shù)據(jù)，對(duì)于每種運(yùn)行狀態(tài)的20組數(shù)據(jù)采用其中10組為訓(xùn)練樣本，另外10組為試驗(yàn)樣本。在每組數(shù)據(jù)中包含各種數(shù)據(jù)傳感器采集的數(shù)據(jù)，數(shù)據(jù)采集器每間隔50 ms采集一次數(shù)據(jù)，一共選取500個(gè)采樣點(diǎn)[21-22]。本文所選取的設(shè)備如圖4所示。

圖4 低壓開(kāi)關(guān)柜在線監(jiān)測(cè)及故障診斷系統(tǒng)

在本次試驗(yàn)中采用仿真試驗(yàn)環(huán)境的參數(shù)設(shè)置如下：選用Windows 10作為操作系統(tǒng)平臺(tái)，Matlab2020為仿真軟件，設(shè)置計(jì)算機(jī)內(nèi)存為5 G，Intel Xeon W-2145 CPU 3.70 GHz。本次選取了500組數(shù)據(jù)為訓(xùn)練數(shù)據(jù)，其中200組數(shù)據(jù)為低壓開(kāi)關(guān)柜正常運(yùn)行的數(shù)據(jù)，300組數(shù)據(jù)為已知故障類型數(shù)據(jù)。圖5、6、7分別為正常運(yùn)行、電弧故障和絕緣故障三種不同的低壓柜運(yùn)行狀態(tài)在電纜接口和電纜室內(nèi)的溫度折線統(tǒng)計(jì)圖，每種狀態(tài)選取500個(gè)采樣點(diǎn)。

如圖5所示，該圖像為低壓開(kāi)關(guān)柜正常運(yùn)行時(shí)的溫度數(shù)據(jù)統(tǒng)計(jì)圖，其中電纜接頭的溫度保持在32～36 ℃，電纜室內(nèi)的溫度保持在22～24 ℃。由于電路長(zhǎng)時(shí)間運(yùn)行會(huì)產(chǎn)熱，所以電纜接頭的溫度會(huì)略高于電纜室內(nèi)溫度。電纜室電流大小穩(wěn)定，所以溫度沒(méi)有較大波動(dòng)。

圖5 正常運(yùn)行溫度統(tǒng)計(jì)

如圖6所示，該圖像為低壓開(kāi)關(guān)柜電弧故障的溫度數(shù)據(jù)統(tǒng)計(jì)圖，由于電弧的產(chǎn)生是周期性的，當(dāng)產(chǎn)生電弧時(shí)，電纜接口和電纜室的溫度會(huì)快速升高，電纜接口的溫度會(huì)達(dá)到150 ℃左右，但電弧消失后，溫度會(huì)回到正常運(yùn)行狀態(tài)。

圖6 電弧故障溫度統(tǒng)計(jì)圖

如圖7所示，該圖像為低壓開(kāi)關(guān)柜絕緣故障電纜接口和電纜室的溫度數(shù)據(jù)統(tǒng)計(jì)圖，通常發(fā)生絕緣故障時(shí)，電路常常會(huì)發(fā)生短路現(xiàn)象，線路會(huì)快速升溫，使線路長(zhǎng)時(shí)間處于高溫狀態(tài)，會(huì)達(dá)到200 ℃ 左右。

圖7 絕緣故障溫度統(tǒng)計(jì)圖

為計(jì)算馬氏距離的閾值，選取500組數(shù)據(jù)作為訓(xùn)練樣本，其中200組數(shù)據(jù)為低壓開(kāi)關(guān)柜正常運(yùn)行的數(shù)據(jù)，300組數(shù)據(jù)為低壓開(kāi)關(guān)柜運(yùn)行故障數(shù)據(jù)，其馬氏距離計(jì)算結(jié)果統(tǒng)計(jì)圖像如圖8所示。

圖8 樣本馬氏距離統(tǒng)計(jì)圖

由圖8可知，左側(cè)虛線數(shù)據(jù)是正常運(yùn)行樣本的馬氏距離統(tǒng)計(jì)圖像，其馬氏距離主要分布在1左右，其中最小值為0.05，最大值為7.35；右側(cè)實(shí)線數(shù)據(jù)是故障樣本的馬氏距離統(tǒng)計(jì)圖像，可以看出故障樣本和正常運(yùn)行樣本的馬氏距離有很大區(qū)別，故障樣本中的馬氏距離最小值為21.24。因此馬氏距離閾值的選取應(yīng)該在7.35～21.24。

在低壓開(kāi)關(guān)柜故障檢測(cè)中，由于故障檢測(cè)的正確率與馬氏距離閾值有關(guān)，因此需要監(jiān)測(cè)不同的馬氏距離在故障檢測(cè)中的正確率，如圖9所示為馬氏距離和故障檢測(cè)正確率折線圖像，其中虛線為訓(xùn)練樣本的折線圖，實(shí)線為測(cè)試樣本的折線圖。

圖9 診斷正確率統(tǒng)計(jì)圖

如圖9所示，通過(guò)觀察測(cè)試樣本正確率數(shù)據(jù)統(tǒng)計(jì)圖可知，隨著馬氏距離閾值從零不斷增加，其故障檢測(cè)的準(zhǔn)確率不斷增加，但是當(dāng)馬氏距離閾值增加到一定值時(shí)，其準(zhǔn)確率會(huì)不斷減小，所以馬氏距離的閾值需要選取合適的值。由統(tǒng)計(jì)數(shù)據(jù)可知，當(dāng)馬氏距離閾值選取在7～9時(shí)，能夠更好地檢測(cè)低壓開(kāi)關(guān)柜故障問(wèn)題，其正確率在98%以上。

為研究本文設(shè)計(jì)馬氏距離故障檢測(cè)方法在不同種類的低壓開(kāi)關(guān)柜的適應(yīng)性，本文另選取五種不同品牌的電壓開(kāi)關(guān)柜的使用數(shù)據(jù)進(jìn)行驗(yàn)證，每種品牌統(tǒng)計(jì)200組數(shù)據(jù)，其中包含50組故障數(shù)據(jù)和150組正常數(shù)據(jù)，其檢測(cè)正確率統(tǒng)計(jì)結(jié)果如圖10所示。

圖10 不同品牌檢測(cè)正確率

如圖10所示，這五種品牌的低壓開(kāi)關(guān)柜檢測(cè)正確率都保持在97%以上，因此本文設(shè)計(jì)的馬氏距離檢測(cè)方法擁有在多種品牌低壓開(kāi)關(guān)柜檢測(cè)的普適性。

5 結(jié)論

隨著我國(guó)電力行業(yè)的快速發(fā)展，電力事務(wù)管理逐漸自動(dòng)化、智能化，需要更高效率的事務(wù)管理系統(tǒng)來(lái)對(duì)事務(wù)進(jìn)行管理。對(duì)于低壓開(kāi)關(guān)柜的在線監(jiān)測(cè)和故障診斷很有必要，可以很大程度上減小人力成本、故障監(jiān)測(cè)和維修效率。本文通過(guò)設(shè)計(jì)一個(gè)低壓開(kāi)關(guān)柜的在線監(jiān)測(cè)及故障診斷系統(tǒng)來(lái)對(duì)低壓開(kāi)關(guān)柜的運(yùn)行情況進(jìn)行監(jiān)測(cè)，通過(guò)云樣本熵的方法獲取數(shù)據(jù)特征值，使用馬氏距離對(duì)特征值數(shù)據(jù)進(jìn)行計(jì)算分析，通過(guò)計(jì)算馬氏距離的方法分析其是否處于故障 階段。

[1] 肖先勇，崔燦，汪洋，等. 電壓暫降分類特征可比性、相關(guān)性及馬氏距離分類法[J]. 中國(guó)電機(jī)工程學(xué)報(bào)，2015(6)：1299-1305.

XIAO Xianyong，CUI Can，WANG Yang，et al. Comparability and relevance of voltage sag classifying features and classification methods based on mahalanobis distance[J]. Proceedings of the CSEE，2015(6)：1299-1305.

[2] 周念成，周川，王強(qiáng)鋼，等. 基于改進(jìn)拉普拉斯分值的開(kāi)關(guān)柜故障特征選擇和診斷方法[J]. 電網(wǎng)技術(shù)，2015，39(3)：850-855.

ZHOU Niancheng，ZHOU Chuan，WANG Qianggang，et al. Improved Laplacian score based fault feature selection of switchgear cabinet and its diagnosis[J]. Power System Technology，2015，39(3)：850-855.

[3] 查翔，倪世宏，張鵬. 基于多區(qū)域劃分的模糊支持向量機(jī)方法[J]. 中南大學(xué)學(xué)報(bào)，2015，46(5)：1680-1687.

ZHA Xiang，NI Shihong，ZHANG Peng. Fuzzy support vector machine method based on multi-region partition[J]. Journal of Central South Unversity，2015，46(5)：1680-1687.

[4] KRAUSE K，BURNS D，HUTCHINSON S. Managing arc flash：Collaborative solutions in medium-voltage switchgear[J]. IEEE Industry Applications Magazine，2014，20(1)：70-78.

[5] 陳勝. 基于WEB組態(tài)智能低壓開(kāi)關(guān)柜通訊網(wǎng)關(guān)設(shè)計(jì)[J].電力設(shè)備管理，2020(8)：162-164.

CHEN Sheng. Design of communication gateway of intelligent low voltage switchgear based on WEB configuration[J]. Power Equipment Management，2020(8)：162-164.

[6] 曹文濤，李紅廣. 電力系統(tǒng)中的高低壓開(kāi)關(guān)柜檢驗(yàn)技術(shù)[J]. 集成電路應(yīng)用，2020，37(8)：118-119.

CAO Wentao，LI Hongguang. Inspection of switchgear in power system[J]. Integrated Circuit Application，2020，37(8)：118-119.

[7] 賓進(jìn)寬，楊蒙賓，周旭. 智能低壓開(kāi)關(guān)柜的設(shè)計(jì)[J]. 通信電源技術(shù)，2020，37(11)：50-53.

BIN Jinkuan，YANG Mengbin，ZHOU Xu. Design of intelligent low voltage switchgear[J]. Communication Power Technology，2020，37(11)：50-53.

[8] 龔亮. 低壓開(kāi)關(guān)柜觸頭發(fā)熱原因分析及解決措施[J]. 中國(guó)設(shè)備工程，2020(11)：176-177.

GONG Liang. Cause analysis and countermeasures of contact hair heat in low-voltage switchgear[J]. China Plant Engineering，2020(11)：176-177.

[9] HUSSAIN G A，KUMPULAINEN L，KLUSS J V. The smart solution for the prediction of slowly developing electrical faults in MV switchgear using partial discharge measurements[J]. IEEE Transactions on Power Delivery，2013，28(4)：2309-2316.

[10] KUMPULAINEN L，HUSSAIN G A，LEHTONEN M. Preemptive arc fault detection techniques in switchgear and control gear[J]. IEEE Transactions on Industry Applications，2013，49(4)：1911-1919.

[11] 林海芳. 探究低壓開(kāi)關(guān)柜結(jié)構(gòu)的設(shè)計(jì)對(duì)電氣性能的影響[J]. 機(jī)械管理開(kāi)發(fā)，2020，35(3)：256-257.

LIN Haifang. Exploring the influence of low-voltage switchgear structure design on electrical performance[J]. Machinery Management Development，2020，35(3)：256-257.

[12] 王競(jìng)，龍丹丹. 提高低壓開(kāi)關(guān)柜控制電源供電的可靠性分析[J]. 工程技術(shù)研究，2020，5(2)：247-248.

WANG Jing，LONG Dandan. Analysis on improving the reliability of low-voltage switchgear control power supply[J]. Engineering Technology Research，2020，5(2)：247-248.

[13] 楊永久. 低壓開(kāi)關(guān)柜結(jié)構(gòu)設(shè)計(jì)對(duì)電氣性能的影響[J]. 現(xiàn)代制造技術(shù)與裝備，2020(2)：73-74.

YANG Yongjiu. The influence of low-voltage switchgear structure design on electrical performance[J]. Modern Manufacturing Technology and Equipment，2020(2)：73-74.

[14] 辛業(yè)春，崔金棟，周川. 基于多變量多尺度云樣本熵和模糊支持向量機(jī)的開(kāi)關(guān)柜故障分類[J]. 電網(wǎng)技術(shù)，2016，40(11)：3597-3603.

XIN Yechun，CUI Jindong，ZHOU Chuan. Switchgear fault classification based on multi-variable and multi-scale cloud sample entropy and fuzzy support vector machine[J]. Power System Technology，2016，40(11)：3597-3603.

[15] 張淑行，連曉峰，王焜. 基于加權(quán)馬氏距離多核學(xué)習(xí)的外觀缺陷分類[J]. 傳感器與微系統(tǒng)，2020，39(10)：129-131，134.

ZHANG Shuxing，LIAN Xiaofeng，WANG Kun. Appearance defect classification based on weighted Mahalanobis distance multi-core learning[J]. Sensors and Microsystems，2020，39(10)：129-131，134.

[16] 効迎春，宿忠娥. 基于改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)的電機(jī)故障診斷方法研究[J]. 甘肅高師學(xué)報(bào)，2018，23(5)：26-29.

XIAO Yingchun，SU Zhonge. Research on motor fault diagnosis method based on improved RBF neural network[J]. Journal of Gansu Normal University，2018，23(5)：26-29.

[17] 王超. 弧光保護(hù)在中低壓開(kāi)關(guān)柜中的應(yīng)用研究[J]. 電氣開(kāi)關(guān)，2019，57(6)：83-84，88.

WANG Chao. Application research of arc protection in medium and low voltage switchgear[J]. Electric Switchgear，2019，57(6)：83-84，88.

[18] 茅雷. 探討局部放電在線檢測(cè)應(yīng)用在中低壓開(kāi)關(guān)柜檢測(cè)中的效果[J]. 科技與創(chuàng)新，2015(23)：157，159.

MAO Lei. Discuss the effect of partial discharge on-line detection in the detection of low- and medium-voltage switchgear[J]. Technology and Innovation，2015(23)：157，159.

[19] 盛赟烽，龍璽，蔡益州. 適用于中低壓開(kāi)關(guān)柜的狀態(tài)檢測(cè)技術(shù)研究與實(shí)踐[J]. 科技資訊，2014，12(9)：128.

SHENG Yunfeng，LONG Xi，CAI Yizhou. Research and practice of state detection technology for medium and low voltage switchgear[J]. Science and Technology Information，2014，12(9)：128.

[20] 王群峰，高旭，巴玉江. 低壓開(kāi)關(guān)柜觸頭夾緊力檢測(cè)儀開(kāi)發(fā)應(yīng)用[J]. 電氣時(shí)代，2018(11)：62-64.

WANG Qunfeng，GAO Xu，BA Yujiang. Development and application of the contact clamping force tester for low-voltage switchgear[J]. Electrical Age，2018(11)：62-64.

[21] 王大虎，杜猛，白帆. 基于虛擬現(xiàn)實(shí)的沉浸式高低壓開(kāi)關(guān)柜教學(xué)軟件設(shè)計(jì)[J]. 實(shí)驗(yàn)科學(xué)與技術(shù)，2020，18(1)：73-76.

WANG Dahu，DU Meng，BAI Fan. Teaching software design of immersive high and low voltage switch cabinet based on virtual reality[J]. Experiment Science and Technology，2020，18(1)：73-76.

[22] 潘向東. 關(guān)于高低壓開(kāi)關(guān)柜接地保護(hù)裝置探析[J]. 礦業(yè)裝備，2020(2)：98-99.

PAN Xiangdong. Discussion on the grounding protection device of high and low voltage switchgear[J]. Mining Equipment，2020(2)：98-99.

Design of On-line Monitoring and Diagnosis System for Low-voltage Switchgear Operation

WANG Jianxin LI Tiejun ZHU Jun DU Yijin

(Langfang Power Supply Company, State Grid Jibei Electric Power Co., Ltd., Langfang 350001)

Aiming at the problem of high cost and low efficiency of manual inspection of low-voltage switchgear, a system that can detect the operating status and faults of low-voltage switchgear online is researched. The system obtaines operating data of low-voltage switchgear through sensors. The data is processed by the method of cloud sample entropy, and the characteristic values of its normal operation and fault operation are obtained. The eigenvalues are calculated by using Mahalanobis distance algorithm. The Mahalanobis distance threshold is obtained through the training samples, and then the Mahalanobis distance from the experimental sample data is calculated. The Mahalanobis distance is between 7-9, and finally the distance is compared with the Mahalanobis distance threshold, realizing real-time and online monitoring of its operating status. Experiments show that the fault detection accuracy rate of this system is greater than 98%.

Low voltage switchgear；smart grid；cloud sample entropy；Mahalanobis distance；online monitoring

10.11985/2021.04.024

TM764

20201201收到初稿，20211011收到修改稿

王建新，男，1978年生，碩士，高級(jí)工程師。主要研究方向?yàn)楦邏涸囼?yàn)技術(shù)、狀態(tài)檢修管理。E-mail：rtgpo4om@21cn.com

李鐵軍，男，1973年生，工程師。主要研究方向?yàn)殡娏\(yùn)行、維護(hù)、檢修。E-mail：15921036681@163.com

朱軍，男，1986年生，碩士，工程師。主要研究方向?yàn)楦邏涸囼?yàn)技術(shù)、狀態(tài)檢修管理。E-mail：13937408280@163.com

杜一錦，女，1988年生，初級(jí)工程師。主要研究方向?yàn)檫\(yùn)檢專業(yè)變電設(shè)備相關(guān)管理。E-mail：19945603262@163.com