一种隔离开关分合闸异常状态监测方法与流程

1.本发明涉及一种隔离开关分合闸异常状态监测方法，属于一次设备智能感知及变电站在线监测技术领域。


背景技术：

2.高压隔离开关在电网系统中具有使用量大、应用范围广的特点，电网系统在运行的隔离开关产品中，尤其是户外运行的隔离开关产品，大部分传动组件暴露，在恶劣的自然环境下，其金属部件易锈蚀，同时现有的运检技术手段未能实现操作机构及其传动部件健康状态的提前预判。因此，由操作机构卡涩或拒动、传动系统失效等因素导致的隔离开关分合闸动作不到位的现象时有发生，对电网的运行安全产生严重威胁，已成为电力系统安全运行的短板。因此开展隔离开关分合闸位置、运动过程机械状态检测技术研究及应用是保证电网运动安全的迫切需要。
3.对于隔离开关分合闸状态的监测，分为位置状态监测和运动过程机械状态监测。位置状态监测用于监测隔离开关分合闸是否到位，过程状态监测用于判断隔离开关分合闸过程是否存在卡涩、拒动、脱节等问题。目前对隔离开关分合闸状态监测仅停留在分合闸位置状态监测上。传统的技术手段一般采用机构箱内部的辅助开关接点配合现场人工观察复检的方式，一是机构箱内部的辅助开关触点由于内部机械结构存在空程，准确性低、可靠性差；二是误操作风险大，人员业务素质参差不齐，易受现场环境、健康状况、思想情绪影响而引起误判。三是成本高、难度大，需往返数十甚至上百公里，浪费大量人力、物力和时间。
4.传统的隔离开关分合闸位置状态判别方式，已经满足不了变电站发展需要，随着“一键顺控”技术的应用，出现了许多新的隔离开关分合闸位置状态监测手段，但是在推广和应用方面都存在一定弊端和不足。基于视频识别的隔离开关分合闸位置状态监测，目前的方法是前端视频摄像机采集隔离开关视频信息，将视频信息传输至后台服务器，服务器对视频进行分析结算刀闸位置。此种方法需要搭建视频分析后台，搭建成本高，施工量大，不利于大规模推广。基于姿态传感器或外加微动开关的分合闸位置确认技术，姿态传感器或微动开关一般安装于隔离开关旋转瓷瓶下方的法兰盘上或三工位机构的机构箱内，通过监测所处部件的绝对位置来判断刀闸是否分合闸到位，但是旋转瓷瓶或三工位机构内和刀闸触头之间还存在一定传动部件，传动部件并不完全可靠，如瓷瓶脱转或机构脱扣等问题，均会导致指示到位但实际刀闸并未到位的情况，产生巨大的安全隐患。
5.现有的技术手段存在上述问题的同时，不具备隔离开关分合闸过程中可能出现的卡涩、拒动、传动异常等故障监测功能，无法准确、可靠、细致地反映出隔离开关分合闸操作过程中的状态信息，满足不了变电站状态监测和高级应用的发展需要。


技术实现要素：

6.本发明的目的是提供一种隔离开关分合闸异常状态监测方法，用以解决隔离开关分合闸过程中不具备故障检测功能和无法准确反映隔离开关分合闸动作过程中异常状态
信息的问题。
7.为实现上述目的，本发明的方案包括：
8.本发明的一种隔离开关分合闸异常状态监测方法，在隔离开关刀闸动端上设置姿态传感器，通过姿态传感器对刀闸动端的姿态进行解算，判断刀闸是否动作；当刀闸动作时，通过姿态传感器解算获得刀闸运动参数，将刀闸运动参数代入运动模型计算得到运动特征值，将得到的运动特征值与数据库标准模型比对，判断隔离开关刀闸是否存在异常机械状态；
9.所述数据库模型通过如下方式获得，收集存在异常机械状态的隔离开关动作时的异常运动参数，将异常运动参数代入运动模型计算得到异常运动特征值范围作为数据库标准模型；若得到的运动特征值位于异常运动特征值范围，则判断隔离开关刀闸存在异常机械状态。
10.本发明提供一种隔离开关分合闸异常状态监测方法，本方法在隔离开关的刀闸上安装有姿态传感器，用于获取在隔离开关分合闸命令已发出时，隔离开关刀闸动作过程中是否存在异常状态。将姿态传感器装设在隔离开关的刀闸上，可以实时获取隔离开关动作中的数据，当姿态传感器检测到刀闸动作时，开始采集刀闸整个动作过程中的运动参数，将采集到的运动参数代入运动模型进行计算得到运动参数特征值，将得到的运动参数特征值与数据库中数据进行比对，确定该运动参数特征值在异常运动参数范围内，则隔离开关存在异常。
11.运动模型是将刀闸一次动作过程中的运动参数代入预先设定的特征方程得到特征值，与数据库中的数据进行比较。利用大数据获得大量存在异常状态的隔离开关动作过程中的运动参数，将得到的不同异常状态的运动参数进行数据处理，通过统计的手段，确定不同异常状态对应的异常运动参数范围。
12.进一步地，刀闸动作时还通过视频传感器采集刀闸动作视频，获取刀闸动作时间与刀闸图像位置的关系，提取刀闸运动图像特征值，将得到的刀闸运动图像特征值与数据库标准模型比对，判断隔离开关刀闸是否存在异常机械状态；
13.建立数据库标准模型时还收集存在异常机械状态的隔离开关刀闸动作时的刀闸动作时间与刀闸图像位置的异常关系，根据异常关系得到刀闸运动图像特征值范围作为数据库标准模型；若得到的刀闸运动图像特征值位于异常运动特征值范围，和得到的运动特征值位于异常运动特征值范围，则判断隔离开关存在异常机械状态。
14.在刀闸动作过程中还通过视频传感器采集刀闸动作到相应位置和动作相应位置所对应时间，确定刀闸动作到相应位置和所对应时间的函数关系，提取每个时刻对应的视频特征值，将该视频特征值与数据库中的数据进行比对，确定该视频特征值是否在异常动作范围，同时还将隔离开关刀闸动作过程中的运动参数特征值与大数据进行比对，当两个数据都处于异常运动参数范围，则隔离开关存在异常。
15.利用大数据采集大量存在异常状态的隔离开关动作到相应位置和动作到相应位置所对应的时间，计算刀闸动作到相应位置和对应的时间的函数关系，确定在刀闸动作开始后，每个时刻刀闸动作对应的位置范围，该位置范围即为异常运动参数范围，也对应为数据库中的数据。当视频传感器采集到隔离开关动作中，某个时刻刀闸对应的位置位于异常运动参数范围内，同时动作过程中运动参数特征值也位于异常运动参数范围内，则隔离开
关存在异常。
16.进一步地，所述异常运动参数包括加速度、速度、时间和旋转角度。
17.姿态传感器采集刀闸动作中的加速度、速度、时间和旋转角度，将采集到的数据相加或相乘得到运动参数特征值，与数据库中对应相同时间范围内的异常运动特征值范围进行比对，确定该运动参数特征值是否位于异常动作范围内。
18.进一步地，异常机械状态包括卡涩、传动异常和拒动；在建立数据库标准模型中，收集卡涩的隔离开关动作时的卡涩运动参数，将卡涩运动参数代入运动模型得到卡涩特征值范围，当得到的运动特征值位于卡涩特征值范围，则判断隔离开关刀闸异常机械状态为卡涩；还收集传动异常的隔离开关动作时的传动异常运动参数，将传动异常运动参数代入运动模型得到传动异常特征值范围，当得到的运动特征值位于传动异常特征值范围，则判断隔离开关刀闸异常机械状态为传动异常；还收集拒动的隔离开关动作时的拒动运动参数，将拒动运动参数代入运动模型得到拒动特征值范围，当得到的运动特征值位于拒动特征值范围，则判断隔离开关刀闸异常机械状态为拒动。
19.进一步地，在建立数据库标准模型中，还收集卡涩的隔离开关刀闸动作时的刀闸动作时间与刀闸图像位置的卡涩异常关系，根据卡涩异常关系得到刀闸卡涩特征值范围，当得到的刀闸运动图像特征值位于刀闸卡涩特征值范围，则判断隔离开关刀闸异常机械状态为卡涩；还收集传动异常的隔离开关刀闸动作时的刀闸动作时间与刀闸图像位置的传动异常异常关系，根据传动异常异常关系得到刀闸传动异常特征值范围，当得到的刀闸运动图像特征值位于刀闸传动异常特征值范围，则判断隔离开关刀闸异常机械状态为传动异常；还收集拒动的隔离开关刀闸动作时的刀闸动作时间与刀闸图像位置的拒动异常关系，根据拒动异常关系得到刀闸拒动特征值范围，当得到的刀闸运动图像特征值位于刀闸拒动特征值范围，则判断隔离开关刀闸异常机械状态为拒动。
20.在异常运动参数范围中分别包括姿态数据中的卡涩、传动异常和拒动，还包括视频数据中的卡涩、传动异常和拒动。在采集大量存在异常状态的隔离开关动作过程中的数据时，将异常状态分为卡涩、传动异常和拒动，并对每个异常状态分别进行采集。当运动参数特征值对应位于姿态数据中的卡涩、传动异常或拒动的异常运动参数范围内，则姿态数据中对应出现卡涩、传动异常或拒动的故障，同时当视频特征值对应位于视频数据中的中的卡涩、传动异常或拒动的异常运动参数范围内，则视频数据中对应出现卡涩、传动异常或拒动的故障。当姿态数据和视频数据的故障为相同的卡涩、传动异常或拒动的故障时，则判断隔离开关对应为卡涩、传动异常和拒动的故障。
21.一种隔离开关分合闸异常状态检测方法，在隔离开关刀闸动端上设置姿态传感器，通过姿态传感器对刀闸动端的姿态进行解算，判断刀闸是否动作；当刀闸动作时，通过视频传感器采集刀闸动作视频，获取刀闸动作时间与刀闸图像位置的关系，提取刀闸运动图像特征值，将得到的刀闸运动图像特征值与数据库标准模型比对，判断隔离开关刀闸是否存在异常机械状态；
22.所述数据库通过如下方式获得，收集存在异常机械状态的隔离开关刀闸动作时的刀闸动作时间与刀闸图像位置的异常关系，根据异常关系得到刀闸运动图像特征值范围作为数据库标准模型；若得到的刀闸运动图像特征值位于异常运动特征值范围，和得到的运动值特征值位于异常运动特征值范围，则判断隔离开关存在异常机械状态。
23.本发明提供一种隔离开关分合闸异常状态监测方法，本方法在隔离开关的刀闸上安装有姿态传感器，将姿态传感器装设在隔离开关的刀闸上，可以实时获取隔离开关动作中的数据。当姿态传感器检测到刀闸动作时，通过视频传感器采集刀闸动作到相应位置和动作相应位置所对应时间，确定刀闸动作到相应位置和所对应时间的函数关系，提取每个时刻对应的视频特征值，将该视频特征值与数据库中的数据进行比对，确定该视频特征值是否在异常动作范围，同时还将隔离开关刀闸动作过程中的运动参数特征值与大数据进行比对，当两个数据都处于异常运动参数范围，则隔离开关存在异常。
24.利用大数据采集大量存在异常状态的隔离开关动作到相应位置和动作到相应位置所对应的时间，计算刀闸动作到相应位置和对应的时间的函数关系，确定在刀闸动作开始后，每个时刻刀闸动作对应的位置范围，该位置范围即为异常动作范围，也对应为数据库中的数据。当视频传感器采集到隔离开关动作中，某个时刻刀闸对应的位置位于异常运动参数范围内，则隔离开关存在异常。
25.进一步地，刀闸动作时还通过姿态传感器解算获得刀闸运动参数，将刀闸运动参数代入运动模型计算得到运动特征值，将得到的运动特征值与数据库标准模型比对，判断隔离开关刀闸是否存在异常机械状态；
26.建立数据库标准模型还收集存在异常机械状态的隔离开关动作时的异常运动参数，将异常运动参数代入运动模型计算得到异常运动特征值范围作为数据库标准模型；若得到的运动特征值位于异常运动特征值范围，和得到的刀闸运动图像特征值位于异常运动特征值范围，则判断隔离开关刀闸存在异常机械状态。
27.当姿态传感器检测到刀闸动作时，姿态传感器还开始采集刀闸整个动作过程中的运动参数，将采集到的运动参数代入运动模型进行计算得到运动参数特征值，将得到的运动参数特征值与数据库中数据进行比对，确定该运动参数特征值在异常运动参数范围内，同时还将隔离开关刀闸动作过程中的视频特征值与大数据进行比对，当两个数据都处于异常运动参数范围，则隔离开关存在异常。
28.运动模型是将刀闸一次动作过程中的运动参数相加或相乘得到的最终结果作为特征值，与数据库中的数据进行比较。利用大数据获得大量存在异常状态的隔离开关动作过程中的运动参数，将得到的不同异常状态的运动参数进行数据处理，通过统计的手段，确定不同异常状态对应的异常运动参数范围。
29.进一步地，所述刀闸运动参数包括加速度、速度、时间和旋转角度。
30.姿态传感器采集刀闸动作中的加速度、速度、时间和旋转角度，将采集到的数据相加或相乘得到运动参数特征值，与数据库中对应相同时间范围内的异常运动特征值范围进行比对，确定该运动参数特征值是否位于异常动作范围内。
31.进一步地，异常机械状态包括卡涩、传动异常和拒动；在建立数据库标准模型中，收集卡涩的隔离开关刀闸动作时的刀闸动作时间与刀闸图像位置的卡涩异常关系，根据卡涩异常关系得到刀闸卡涩特征值范围，当得到的刀闸运动图像特征值位于刀闸卡涩特征值范围，则判断隔离开关刀闸异常机械状态为卡涩；还收集传动异常的隔离开关刀闸动作时的刀闸动作时间与刀闸图像位置的传动异常异常关系，根据传动异常异常关系得到刀闸传动异常特征值范围，当得到的刀闸运动图像特征值位于刀闸传动异常特征值范围，则判断隔离开关刀闸异常机械状态为传动异常；还收集拒动的隔离开关刀闸动作时的刀闸动作时
间与刀闸图像位置的拒动异常关系，根据拒动异常关系得到刀闸拒动特征值范围，当得到的刀闸运动图像特征值位于刀闸拒动特征值范围，则判断隔离开关刀闸异常机械状态为拒动。
32.进一步地，在建立数据库标准模型中，还收集卡涩的隔离开关动作时的卡涩运动参数，将卡涩运动参数代入运动模型得到卡涩特征值范围，当得到的运动特征值位于卡涩特征值范围，则判断隔离开关刀闸异常机械状态为卡涩；还收集传动异常的隔离开关动作时的传动异常运动参数，将传动异常运动参数代入运动模型得到传动异常特征值范围，当得到的运动特征值位于传动异常特征值范围，则判断隔离开关刀闸异常机械状态为传动异常；还收集拒动的隔离开关动作时的拒动运动参数，将拒动运动参数代入运动模型得到拒动特征值范围，当得到的运动特征值位于拒动特征值范围，则判断隔离开关刀闸异常机械状态为拒动。
33.在异常运动参数范围中分别包括姿态数据中的卡涩、传动异常和拒动，还包括视频数据中的卡涩、传动异常和拒动。在采集大量存在异常状态的隔离开关动作过程中的数据时，将异常状态分为卡涩、传动异常或拒动，并对每个异常状态分别进行采集。当运动参数特征值对应位于姿态数据中的卡涩、传动异常或拒动的异常动作范围内，则姿态数据中对应出现卡涩、传动异常或拒动的故障，同时当视频特征值对应位于视频数据中的中的卡涩、传动异常或拒动的异常动作范围内，则视频数据中对应出现卡涩、传动异常或拒动的故障。当姿态数据和视频数据的故障为相同的卡涩、传动异常或拒动的故障时，隔离开关则对应为卡涩、传动异常或拒动的故障
附图说明
34.图1是本发明基于边缘计算的隔离开关分合闸状态监测系统架构示意图；
35.图2是本发明隔离开关分合闸状态监测边缘计算终端架构示意图；
36.图3是本发明隔离开关分合闸位置状态边缘计算算法流程图；
37.图4是分合闸机械状态边缘计算算法流程图。
具体实施方式
38.下面结合附图对本发明做进一步详细的说明。
39.本发明提供一种隔离开关分合闸异常状态监测方法，该方法采用姿态传感器和视频传感器灵活、高效的部署在隔离开关本体上，借助边缘计算算法，解决现有隔离开关分合闸位置状态监测技术存在的问题。增加隔离开关分合闸过程状态监测功能，实现隔离开关分合闸状态的精准识别，在提供隔离开关可靠分合闸位置信息支撑一键顺控应用的同时，可对隔离开关分合闸过程中可能出现的卡涩、拒动、传动异常等机械故障进行诊断。
40.具体地，如图1所示，该方法采用的隔离开关分合闸异常状态监测装置主要由前端视频传感器、姿态传感器和边缘计算终端组成。姿态传感器用于采集隔离开关的姿态信息，视频传感器用于采集隔离开关的视频信息，边缘计算终端部署在隔离开关本体上，也可以安置于敞开式隔离开关机构箱内或组合电器汇控柜内，可直接得到隔离开关的分合闸状态信息，用于支撑一键顺控和隔离开关状态诊断评估。
41.如图2所示，边缘计算终端用于实现视频传感器和姿态传感器的接入、信号采集、
边缘计算处理以及通信协议的转换。主要由电源模块1、传感器接入模块2、边缘计算单元、数据通信单元9组成。电源模块1接入交流220v电源，用于整个装置的供电，并为视频传感器和姿态传感器提供24v直流电源；传感器接入模块2，具备标准的rj45以太网接口和rs485接口，可接入视频传感器和姿态传感器，并进行数据采集和信息交互；边缘计算单元使用arm cortex系列微处理器，通过接收传感器采集的视频、姿态数据，借助边缘计算算法和专家数据库，完成隔离开关分合闸位置状态和机械状态的计算、分析和判断,可得到隔离开关准确的分合闸位置状态和机械传动状态诊断结果；数据通信单元9主要用于标准协议转换和上层网络之间的通信及数据交互。
42.具体地，边缘计算终端的电源模块1从机构箱或汇控柜内取电，通过内部电压和交直流变换，可为姿态传感器和视频传感器提供24v直流电源，具备较强的抗干扰能力和电磁防护性能，功率和稳定性满足现场使用要求。传感器接入模块1负责姿态传感器和视频传感器的接入，具备标准rj45接口接入视频传感器，标准rs-485接口接入姿态传感器，rj45接口支持poe供电。边缘计算单元由arm微处理器6、机械状态专家数据库3、ram存储器4、控制模块5、分合闸位置状态边缘计算模块7、分合闸机械状态边缘计算模块8组成。微处理器6采用arm cortex系列，具备足够的性能，满足系统使用需要。机械状态专家数据库3内部存储了大量专家诊断数据信息，可为状态评估提供数据支持。
43.分合闸位置状态边缘计算模块7用于精确判别隔离开关分合闸位置状态。如图3所示，具体过程为：利用姿态传感器和视频传感器分别获得隔离开关的姿态信息和视频图像信息；将获得的实时姿态信息与ram存储器3中存储的分合闸位置标定姿态值进行比较，将获得的视频图像信息通过视频分析算法与标准的分合闸模型进行对比；通过姿态传感器和视频图像分析确定隔离开关的每一相都分闸或合闸到位，输出该隔离开关最终的分合闸位置状态信息。
44.分合闸机械状态边缘计算模块8用于对隔离开关机械状态进行分析评估，判断是否存在卡涩、传动异常等隐患。如图4所示，具体过程为：姿态传感器获取隔离开关的实时姿态信息；对隔离开关的姿态进行解算，判断隔离开关是否进行动作；若判断出隔离开关动作，则进行视频图像信息采集，同时还利用姿态信息解算隔离开关刀闸的实时速度、加速度、运行时间、旋转角度；通过视频分析算法对获得的视频图像进行渲染及分析；根据姿态信息解算出的隔离开关倒闸的实时速度、加速度、运行时间和旋转角度建立对应的加速度、速度与时间、旋转角度的关系模型，提取特征值；同时对利用视频分析算法进行渲染及分析后的视频图像建立运动时间与刀闸图像的关系模型，提取特征值；还提取机械状态专家数据库的标准模型和特征值；将三者特征值对应进行比对与分析得到机械状态的状态评估与故障诊断。
45.方法实施例：
46.本发明采用的隔离开关分合闸异常状态监测方法，本方法通过在隔离开关的刀闸上安装的姿态传感器获取刀闸的运动参数，用于在隔离开关分合闸命令已发出时，判断隔离开关刀闸动作过程中是否存在异常状态。将姿态传感器装设在隔离开关的刀闸上，可以实时获取隔离开关动作中的数据；另外还可以通过姿态传感器判断刀闸开始动作的时刻。当刀闸开始动作时，采集刀闸整个动作过程中的运动参数，将采集到的运动参数代入运动模型进行计算得到运动参数特征值，将得到的运动参数特征值与数据库中数据进行比对，
确定该运动参数特征值在异常运动参数范围内，则隔离开关存在异常。
47.根据运动模型得到运动参数特征值是将刀闸一次动作过程中的运动参数代入预先设定的特征方程得到特征值，与数据库标准模型中的数据范围进行比较。数据库标准模型是利用大数据获得大量存在例如卡涩、传动异常和拒动等异常状态的隔离开关动作过程中的运动参数，将采集到的不同异常状态的运动参数代入运动模型得到不同异常状态的运动参数特征值，将得到的不同异常状态的运动参数特征值进行数据处理(过滤、数据清洗等)和整合，通过统计的手段，确定不同异常状态对应的异常运动参数特征值的范围，若计算得到的运动参数特征值落入例如卡涩这种异常状态对应的异常运动参数特征值范围，则判断对应的隔离开关刀闸存在卡涩的问题。
48.同时，在刀闸动作过程中还通过视频传感器采集刀闸动作到相应位置和动作相应位置所对应时间，得到刀闸动作到相应位置和所对应时间的函数关系，根据这个函数关系提取视频特征值，将该视频特征值与数据库标准模型中的数据进行比对，若该视频特征值在异常动作特征值的范围，则判断对应刀闸存在对应的异常状态。
49.利用大数据获得大量存在例如卡涩、传动异常和拒动等异常状态的隔离开关分合闸视频数据，根据视频数据得到不同异常状态的刀闸位置和时间的异常状态函数关系，根据异常状态函数关系提取不同异常状态对应的视频特征值，将得到的不同异常状态的视频特征值进行数据处理(过滤、数据清洗等)和整合，通过统计的手段，确定不同异常状态对应的视频特征值的范围，若根据当前刀闸动作视频计算得到的视频特征值落入例如卡涩这种异常状态对应的异常运动参数特征值范围，则判断对应的隔离开关刀闸存在卡涩的问题。
50.具体地，根据大数据中的刀闸动作视频，可以获得正常隔离开关刀闸开始动作后，不同时刻刀闸应当达到的位置或角度范围(通过解析视频可以获得刀闸位置或分断角度)，若采集到的当前动作的刀闸在对应时刻刀闸位置或角度未达到上述范围，说明该刀闸存在异常。同样的，可以确定某种异常状态下，不同时刻刀闸应当达到的位置或角度范围，若采集到的当前动作的刀闸在对应时刻刀闸位置或角度位于上述范围，在说明该刀闸存在对应的该种异常。。
51.作为其他实施方式，还可以将上述基于运动参数(通过姿态采集)和基于视频(通过摄像头采集)的判断进行综合，通过双重判断以确定对应的异常状态。具体地，当运动参数特征值对应位于姿态数据中的卡涩、传动异常和拒动的异常运动参数范围内，则姿态数据中对应出现卡涩、传动异常和拒动的故障，同时当视频特征值对应位于视频数据中的中的卡涩、传动异常和拒动的异常运动参数范围内，则视频数据中对应出现卡涩、传动异常和拒动的故障。当根据姿态数据和视频数据的判断的故障状态相同时(例如均为卡涩、传动异常或拒动的故障)，判断隔离开关刀闸存在则对应的故障状态。
52.本发明除了解决现有隔离开关分合闸位置确认技术存在的不足外，通过边缘计算算法，配合专家数据库，增加隔离开关分合闸过程状态监测功能，实现隔离开关分合闸状态的精准识别，在提供隔离开关可靠分合闸位置信息支撑一键顺控应用的同时，可对隔离开关分合闸过程中可能出现的卡涩、拒动、传动异常等机械故障进行诊断，提供准确可靠的状态评估结果，达到故障提前预警、预防的目的。