Electrical Life Prediction Method of DC Circuit Breaker Based on Residual Network Regression

doi:10.16628/j.cnki.2095-8188.2024.10.002

Abstract

Abstract:

According to the breaking characteristics of DC arc,a method for predicting the electrical life of DC circuit breaker is proposed.According to the standard GB/T 14048.2—2020,the voltage waveform during the breaking process is obtained.After CEEMDAN filtering,the voltage signal within a period of arc break is used as the network training sample.The contact mass is used to represent the electrical life condition,and the contact mass decline curve is obtained by linear interpolation,which is used as the network training label.A one-dimensional convolutional structure prediction model of residual network(ResNet)is constructed using Pytorch framework.The experimental results show that the prediction error of the prosed method is less than 10%,which proves that the method can be used to predict the electrical life under GB/T 14048.2—2020 standard.

Key words: DC circuit breakers, electrical life prediction, residual network, one-dimensional convolution

CLC Number:

TM561

YANG Nuoming, WU Ziran, LIU Zezhou, WU Chenxi, WU Guichu, LIN Yigang. Electrical Life Prediction Method of DC Circuit Breaker Based on Residual Network Regression[J]. LOW VOLTAGE APPARATUS, 2024, 0(10): 7-18.

Figures/Tables 18

层名称	输出大小	34-layer	50-layer
Conv1	512×1	7,64,stride 2
Conv2.x	256×1	3 max pool,stride 2
Conv2.x	256×1	$3,64 3,64$ ×3	$1,64 3,64 1,256$ ×3
Conv3.x	128×1	$3,128 3,128$ ×4	$1,128 3,128 1,512$ ×4
Conv4.x	64×1	$3,256 3,256$ ×6	$1,256 3,256 1,1 ? 024$ ×6
Conv5.x	32×1	$3,512 3,512$ ×3	$1,512 3,512 1,2 ? 048$ ×3
	1×1	Average pool,1-dfc,linear

References 41

[1]	侯磊, 常征, 蔡毅, 等. 低压直流断路器脱扣器脱扣效果检测装置设计[J]. 电测与仪表, 2023, 60(4):155-159,175.
[2]	曾嵘, 赵宇明, 赵彪, 等. 直流配用电关键技术研究与应用展望[J]. 中国电机工程学报, 2018, 38(23):6791-6801,7114.
[3]	姚良忠, 吴婧, 王志冰, 等. 未来高压直流电网发展形态分析[J]. 中国电机工程学报, 2014, 34(34):6007-6020.
[4]	余占清, 曾嵘, 屈鲁, 等. 混合式直流断路器的发展现状及展望[J]. 高电压技术, 2020, 46(8):2617-2626.
[5]	蒋原, 李擎, 苗磊, 等. 多电飞机断路器电弧机理及灭弧技术研究综述[J]. 工程科学学报, 2023, 45(4):611-620.
[6]	徐攀腾, 尚茂林, 朱博, 等. 乌东德混合直流工程的高压交流断路器要求[J]. 电力学报, 2021, 36(3):191-199,227.
[7]	何俊佳, 袁召, 赵文婷, 等. 直流断路器技术发展综述[J]. 南方电网技术, 2015, 9(2):9-15.
[8]	李思泓. 高压直流接触器电弧分断关键技术研究[J]. 电器与能效管理技术, 2022(6):15-19.
[9]	刘思奇, 胡鹏飞, 江道灼, 等. 中压船舶直流供电系统限流开断技术[J]. 电工技术学报, 2021, 36(增刊1):330-343.
[10]	CAI Z, MA S, WEI L, et al. Monitor of electrical endurance of vacuum circuit breaker’s contacts[C]// 20th International Symposium on Discharges & Electrical Insulation in Vacuum,2002:483-486.
[11]	关永刚, 黄瑜珑, 钱家骊. 真空断路器电磨损监测技术的改进[J]. 高压电器, 2001(4):1-3,6.
[12]	彭搏, 肖登明. 断路器电寿命的在线监测[J]. 电网与清洁能源, 2012, 28(12):38-41,50.
[13]	李娟, 焦邵华. 基于DSP的高压断路器状态在线监测装置[J]. 电力自动化设备, 2004(8):44-47.
[14]	吴杨. SF₆断路器主弧触头电流转换过程及电寿命评估[D]. 武汉: 武汉大学, 2017.
[15]	范敏, 毛文奇, 段肖力, 等. 基于动态电阻技术的SF₆断路器灭弧室状态评估方法[J]. 水电能源科学, 2016, 34(10):189-192.
[16]	LANDRY M, MERCIER A, OUELLET G, et al. A new measurement method of the dynamic contact resistance of HV circuit breakers[C]// 2006 IEEE/PES Transmission & Distribution Conference and Exposition America,2006:1-18.
[17]	蓝磊, 吴杨, 文习山, 等. SF₆断路器动态电阻测量、分析与诊断系统[J]. 高压电器, 2018, 54(1):82-89.
[18]	SUN S, WEI S, WANG J, et al. Remaining useful life prediction for circuit breaker based on opening-related vibration signal and SA-CNN-GRU[J]. IEEE Sensors Journal, 2022, 22(23):23009-23022.
[19]	SUN S, WEN Z, DU T, et al. Remaining life prediction of conventional low-voltage circuit breaker contact system based on effective vibration signal segment detection and MCCAE-LSTM[J]. IEEE sensors journal, 2021, 21(19):21862-21871.
[20]	WAN S, CHEN L. Fault diagnosis of high-voltage circuit breakers using mechanism action time and hybrid classifier[J]. IEEE Access, 2019,7:85146-85157.
[21]	MENG Y, JIA S, SHI Z, et al. The detection of the closing moments of a vacuum circuit breaker by vibration analysis[J]. IEEE transactions on power delivery, 2006, 21(2):652-658.
[22]	林辛, 张冠生, 洪翠. 基于模糊理论的真空断路器开断电寿命综合评判的研究[J]. 中国电机工程学报, 2000(2):16-19.
[23]	陈伟根, 李伟, 陈新岗, 等. SF₆高压断路器状态分析的模糊综合评判方法[J]. 高压电器, 2004, 50(5):361-363.
[24]	李宇, 张国钢, 耿英三. 基于模糊理论的高压断路器状态评估研究[J]. 高压电器, 2007, 53(4):274-277.
[25]	LIU S, LIU Z, ZHANG Y, et al. Application of AHP and grey correlation analysis in the study of electric life of vacuum circuit breaker[C]// 2018 28th International Symposium on Discharges and Electrical Insulation in Vacuum(ISDEIV),2018: 515-518.
[26]	刘锦杰, 叶波, 罗赞琛, 等. 一种基于云模型的SF₆高压断路器状态评估方法[J]. 高压电器, 2019, 55(4):31-38,45.
[27]	李奎, 段宇, 黄少坡, 等. 基于Wiener过程的交流接触器剩余电寿命预测[J]. 中国电机工程学报, 2018, 38(13):3978-3986,4039.
[28]	孙曙光, 李勤, 王佳兴, 等. 基于性能退化模型的万能式断路器操作附件实时剩余寿命预测[J]. 仪器仪表学报, 2019, 40(10):120-129.
[29]	卢扬, 李永丽. 基于实时状态评估与剩余寿命计算的高压断路器预测性维护策略[J]. 高电压技术, 2022, 48(7):2716-2726.
[30]	孙曙光, 王佳兴, 王景芹, 等. 基于Wiener过程的万能式断路器附件剩余寿命预测[J]. 仪器仪表学报, 2019, 40(2):26-37.
[31]	牟明川, 张博, 赵虎, 等. 无极性直流微型断路器电寿命评估研究[J]. 电气技术, 2022, 23(3):11-16.
[32]	何志鹏, 赵虎. 小型断路器电寿命试验研究[J]. 电器与能效管理技术, 2022(1):19-26.
[33]	张玉兰. 基于深度学习的图像篡改检测技术研究[D]. 深圳: 中国科学院大学(中国科学院深圳先进技术研究院), 2022.
[34]	胡国伟, 计新华, 荣良章, 等. 交流接触器灭弧结构对电寿命影响的试验研究[J]. 电器与能效管理技术, 2022(6):20-23.
[35]	马飞越, 李澳, 吴诚威, 等. 基于LSTM-MIV神经网络的SF6断路器触头电寿命预测[J]. 高压电器, 2024, 60(2):69-77.
[36]	马飞越, 黎炜, 王尧平, 等. 基于思维进化和L-M法优化BP神经网络的SF₆断路器触头电寿命评估[J]. 高压电器, 2023, 59(3):44-52,60.
[37]	高书豫, 刘树鑫, 邹嫣然, 等. 基于GA-SVR的交流接触器剩余电寿命预测[J]. 电器与能效管理技术, 2023(5):9-14,29.
[38]	陆勤政, 朱晓娟. 基于并行多尺度卷积记忆残差网络的物联网流量预测[J]. 廊坊师范学院学报(自然科学版), 2024, 24(1):33-41.
[39]	章曙光, 刘洋, 张文韬, 等. 改进Tiny-YOLOv3的工业钢材瑕疵检测算法[J]. 机械设计与制造, 2024(5):97-101.
[40]	樊石鸣. 基于改进ResNet算法的太阳黑子分类方法研究[J]. 现代电子技术, 2024, 47(5):80-84.
[41]	HE K, ZHANG X, REN S, et al. Deep residual learning for image recognition[C]// IEEE Conference on Computer Vision and Pattern Recognition.IEEE, 2016.DOI:10.1109/CVPR.2016.90.

参数	数值
时间常数/ms	2
每小时操作循环次数(最低)/次	120
不带电操作次数(最低)/次	7 000
带电操作次数(最低)/次	1 000
额定电流/A	63
实验电压/V	500

IMF	过零率/%	IMF	过零率/%
1	60.6	5	1.2
2	21.1	6	0.4
3	10.8	7	0.2
4	5.3	残差	0

参数	最低验证误差所需训练轮数/轮	最低验证误差/%	MSE/%	RMSE/%
对照组	11 322	0.555 2	1.085	10.410
卷积核尺寸5×1	3 023	0.614 6	1.017	10.080
卷积核尺寸7×1	17 510	0.388 8	1.332	11.540
学习率0.000 1	18 269	0.603 7	0.994	9.970
批次大小为150	13 489	0.540 5	1.352	11.630
网络深度50层	8 088	0.453 8	1.473	12.140
最终优化模型	43 939	0.597 3	0.974	9.869