基于深度学习的万能式断路器剩余寿命预测优化方法.pdfVIP

第62卷第5期电测与仪表Vol.62No.5

2025年5月15日ElectricalMeasurementInstrumentationMay.15,2025

基于深度学习的万能式断路器剩余寿命预测优化方法

孙曙光²，魏硕²，王景芹，邵旭²，孙靓²，高辉3

（1.河北工业大学省部共建电工装备可靠性与智能化国家重点实验室，天津300130；2.河北工业大学

人工智能与数据科学学院，天津300130；3.北京北元电器有限公司，北京101105）

摘要：智能电网背景下,针对机械动作复杂的万能式断路器的状态监测,提出一种基于深度学习的万能式断路

器剩余寿命预测优化方法。采用变分模态分解（variationalmodedecomposition，VMD）对分闸振动信号进行分

解,并选择峭度较大的模态进行重构,以突出信号的有效冲击特征。引人特征注意力卷积神经网络（featureat-

tentionconvolutionalneuralnetwork，FACNN）进行寿命预测，将特征注意力模块嵌人一维卷积层，优化神经元对

关键状态信息的捕捉能力。利用断路器的实测数据进行验证。结果表明,该方法能够针对性地实现断路器的

剩余机械寿命预测,具有较高的预测精度和稳定性,有效减少了因系统复杂性造成的数据不确定性影响。

关键词：万能式断路器；剩余寿命预测;VMD;特征注意力;CNN

D01:10.19753/j.issn1001-1390.2025.05.024

中图分类号：TM561文献标识码：A

Optimizationmethodforremaininglifepredictionofconventional

circuitbreakerbasedondeeplearning

SUNShuguang,WEIShuo,WANGJingqin,SHAOXu²,SUNLiang,GAOHui?

(1.StateKeyLaboratoryofReliabilityandIntelligenceofElectricalEquipment,HebeiUniversityof

Technology,Tianjin300130,China.2.SchoolofArtificialIntelligence,HebeiUniversityofTechnology,

Tianjin300130,China.3.BeijingBeiyuanElectricCo.,Ltd.,Bejing101105,China)

Abstract:Inthecontextofsmartgrid,aimingattheconditionmonitoringofconventionalcircuitbreakerswith

complexmechanicalactions,anoptimizationmethodforremaininglifepredictionofconventionalcircuitbreaker

basedondeeplearningisproposed.Firstly,thevariationalmodedecomposition(VMD)isusedtodecomposethe

openingvibrationsignal,andthemodewithlargerkurtosisisselectedforreconstructiontohighlighttheeffective

shockcharacteristicsofthesignal.Then,thefeatureattentionconvolutionalneuralnetwork(FACNN)isintro-

ducedforlifeprediction,andthefeature