摘要：针对高压隔离开关机械故障的类型和发生位置难以有效识别的问题,提出了一种将隔离开关多路振动特征利用Relief F算法进行优化然后利用BP神经网络进行融合决策的故障诊断方法。首先进行试验模拟故障,在隔离开关本体和操动机构上分布式安装振动传感器,采集不同位置振动信号;然后将多个传感器采集的振动信号进行经验模态分解,得到固有模态函数,分别计算能量距,并把多路信号的能量距进行融合。最后使用Relief F算法对其进行特征筛选,构成BP神经网络的输入特征向量,从而实现故障类型、位置诊断。试验结果表明,多路传感器融合特征向量相比于单路信号提取的特征,对隔离开关不同的故障具有较好的识别能力,可诊断出故障发生的种类及位置,提高了诊断准确率。

关键词：高压隔离开关 能量矩 特征融合 relieff优化 bp神经网络 

单位：平高集团有限公司; 河南平顶山467001; 北京交通大学电气工程学院; 北京100044; 国网江苏省电力公司电力科学研究院; 南京211103; 清华大学电机系电力系统及发电设备控制和仿真国家重点实验室; 北京100084