1、基于深度森林的高压断路器弹簧机构状态识别于晨晖1，王浩名1，李一1，李红运1，刘亚魁1，2（1.青岛理工大学，山东 青岛266520；2.西安交通大学电力设备电气绝缘国家重点实验室，西安710049）摘要：系统的安全稳定运行与高压断路器的可靠性密切相关，合闸阶段的行程曲线可以反映出高压断路器的弹簧机构机械状态，是实现状态识别的重要判据，因此基于行程数据的弹簧机构状态辨识具有重要的研究意义。文中对合闸弹簧预压缩量减少10 mm或15 mm、分闸弹簧预压缩量减少10 mm或15 mm、油缓冲器抽油10 mL或30 mL、传动构件卡阻档位1或档位2以及正常状态下9种合闸特性曲线进行了采集，然后基于深
2、度森林（deep forest，DF）算法构建辨识模型，最后将识别结果与主成分支持向量机、随机森林算法进行对比。结果表明，深度森林和随机森林的识别效果一致，且明显优于主成分支持向量机。此外，深度森林的优势还体现在其避免了随机森林的调参过程，具有更好的识别效率。关键词：高压断路器；合闸行程曲线；深度森林State Identification of Spring Operating Mechanism for High Voltage Circuit BreakerBased on Deep ForestYU Chenhui1，WANG Haoming1，LI Yi1，LI Hongyun1，L
3、IU Yakui1，2（1.Qingdao University of Technology，Shandong Qingdao 266520，China；2.State Key Laboratory of Electrical Insulation and PowerEquipment，Xi an Jiaotong University，Xi an 710049，China）Abstract:Safe and stable operation of power system is closely related to the reliability of highvoltage circuit
4、 breaker.The mechanical state of the spring operating mechanism for highvoltage circuit breaker can be reflected by thecontact travel curve in the closing period，which is an important criterion for achieving state identification.Consequently，the state identification of spring operating mechanism bas
5、ed on the contact travel data is of great researchsignificance.In this paper，such nine kinds of closing characteristic curve as reduction of the closing spring precompression by 10 mm or 15 mm，of the opening spring precompression by 10 mm or 15 mm，pumping of the oil buffer by10 mL or 30 mL and the s
6、tuck of transmission member in gear 1 or gear 2 are collected.Then，the identification model is constructed based on the deep forest algorithm，and the identification results are compared with PCASVM andRF.The results show that the deep forest（DF）and RF have the same identification effect and are sign
7、ificantly superior to the PACSVM.In addition，the advantage of deep forest is that it avoids the tuning process of RF and has betterrecognition efficiency.Key words:highvoltage circuit breaker；travel curve of contact closing period；deep forest（DF）0引言配弹簧操动机构的高压断路器普遍应用于110、220 kV电力系统中，起到保护和控制的作用。但是弹簧操动
8、机构机械故障频发，严重影响了供电可靠性。因此，对弹簧机构机械故障的准确辨识，第59卷第2期：003700432023年2月16日High Voltage ApparatusVol.59，No.2：00370043Feb.16，2023DOI:10.13296/j.10011609.hva.2023.02.006_收稿日期：20220819；修回日期：20221017基金项目：山东省自然科学基金青年项目(ZR2021QE289)；电力设备电气绝缘国家重点实验室资助(EIPE22201)；山东省高等学校国家级大学生创新创业训练计划项目(202110429316)。Project Supported
9、 by Natural Science Foundation of Shandong Province(ZR2021QE289)，State Key Laboratory of ElectricalInsulation and Power Equipment(EIPE22201)，National Innovation and Entrepreneurship Training Program for College Students inShandong Province(202110429316).2023年2月第59卷第2期对于保证供电可靠性具有重要意义。目前，对于弹簧机构的故障辨识主要
10、集中在线圈电流信号1、振动信号2、声信号3-5、行程信号等6。支持向量机和随机森林算法广泛应用于电力系统的故障辨识，如：输电线路异物检测7，配电网故障分类8，风电机组结冰故障诊断9，水电机组振动故障诊断方法10，窃电行为检测11等。文12提出了利用PSOGSA改进的支持向量机算法分辨断路器故障类型，有效地解决了能量泄漏等问题；文13提出了一种基于机构动作时间参数的特征提取方法来解决高压断路器振动信号特征提取问题，利用单分类极限学习机完成了高压断路器未标记故障的识别；文14研究了支持向量机在机械设备故障检测上的应用，通过对支持向量机的多分类算法中二叉树的改进使其可以很好地应用到旋转机械故障诊断；
11、文15通过高压断路器分合闸线圈中的电流信号来进行故障诊断，利用卷积神经网络的有监督训练对故障状态进行了准确识别，其准确率高于GABP和支持向量机；文16提出了一种基于精细复合多尺度散布熵的断路器故障诊断方法，利用粒子群优化极限学习机对高压断路器故障类型进行了识别，即使在噪声干扰或数据丢失情况下也可以达到较高的准确度。自2006年起，神经网络进入了迅速发展阶段，受到深度神经网络的启发，人们尝试将神经网络与随机森林相结合，因此诞生了深度森林(deep forest，DF)。文17使用深度森林利用其深度发掘数据的能力建立了信用评估模型，在个人信用评估方面具有一定的现实意义；文18使用扩张深度森林与金
12、字塔残差网络完成了卫星云图的分类，解决了小样本过拟合问题；文19基于改进的深度森林模型对用电信息采集系统进行了改进使平均准确率达到了96.05%；文20将深度森林应用到齿轮箱故障诊断中，由于计算冗余问题作者将主成分分析与深度森林结合起来，即使是小样本训练也可以达到较高的精度；文21为了解决因参数的赋值对结果影响较大的问题，提出了一种基于深度森林的诊断模型，作者将深度森林、随机森林、深度神经网络进行对比得出深度森林有较强的泛化能力。综上所述，断路器弹簧机构的故障辨识方法得到了大量的关注，但是深度森林算法的表现仍缺乏相应的研究。深度森林算法具有速度快、效率高的特点，在处理高维度数据时不需要进行降维
13、处理，这大大提高了状态辨识的效率。因此文中分析了深度森林的原理与训练过程，通过实验采集到的合闸行程曲线构建特征数据集，提出了基于深度森林的高压断路器弹簧机构状态识别的方法，最后与常用的支持向量机、随机森林算法进行比较。1高压断路器弹簧机构故障模拟实验文中使用LW30252的高压断路器进行故障模拟实验，利用安装在弹簧机构拐臂处的加速度传感器获到的高压断路器合闸过程中的行程曲线蕴含着丰富信息。本章首先对高压断路器的实验数据进行整理，实验得到了9类共212组合闸阶段行程数据，见表1。所有曲线均以脱扣器动作时刻为起始时刻，弹簧机构不同状态下的触头合闸曲线见图1。表 1实验数据Table 1Experi
14、mental data编号Status1Status2Status3Status4Status5Status6Status7Status8Status9状态类别正常状态合闸弹簧预压缩量减少10 mm合闸弹簧预压缩量减少15 mm分闸弹簧预压缩量减少10 mm分闸弹簧预压缩量减少15 mm油缓冲器抽油10 mL油缓冲器抽油30 mL传动构件卡阻档位1传动构件卡阻档位2数据组数552020202016202120图1不同状态下的触头合闸行程曲线Fig.1Travel curves of contact closing of different states为了更好地对比不同状态类别下的触头合闸曲线
15、特点，这里从所有的实验数据中选取9个具有代表性的实验样本，每一个样本都代表一种状态类别，用以上9个样本绘制不同状态类别下的触头合闸曲线。在图1中Status1线表示正常状态下的触头合闸行程曲线，由图1 Status2线和Status3线可知合闸弹簧预压缩量减少使得储存的合闸能量减少，在38合闸过程中做功减小导致与正常状态相比完成合闸过程所需要更长的时间，其行程曲线会整体向右偏移，Status2线表示预压缩量减少10 mm，Status3线表示预压缩量减少15 mm，预压缩量减少的越多，存储的合闸能量越少，完成合闸过程所需要的时间越长，所以Status3线较Status2线向右偏移更明显；由图1
16、 Status4线和Status5线可知分闸弹簧预压缩量减少即分闸弹簧出力减少，此时合闸过程中分闸弹簧阻力减小，在合闸过程导致触头速度增加与正常状态相比完成合闸过程所需要更短的时间，其行程曲线会整体向左偏移，Status4线代表预压缩量减少10 mm，Status5线代表预压缩量减少15 mm，预压缩量减少的越多，分闸弹簧出力减少的越多，导致分闸弹簧阻力减小的越多，因此合闸过程中触头速度增加的也就越多，所以Status5线较Status4线向左偏移更明显；由图1 Status6线与Status7线可知油缓冲器抽油后阻力减少导致缓冲力减少，运动速度增加，与正常状态相比完成合闸过程所需要更短的时间，其行程曲线会整体向左偏移；由图1 Status8线与Status9线可知传动构件卡阻后阻力增加，在合闸弹簧预压缩量一定的条件下动触头合闸速度下降，与正常状态相比完成合闸过程所需要更长的时间，其行程曲线会整体向右偏移。2深度森林的基本原理深度森林，或称多粒度级联森林，由周志华于2017年提出，在机器视觉领域中常常将卷积神经网络与随机森林结合使用，这并不是真正意义上的神经网络结构，而是一种非神经网络