低压断路器是中压能馈装置中的重要设备,其运行状态实时监测对中压能馈系统的稳定运行具有十分重要的意义。断路器故障多集中在机械缺陷和电气缺陷,其中电气缺陷主要是分合闸线圈故障。分合闸线圈电流能够反映线圈是否欠压、过压、老化,以及电磁铁是否卡涩等故障,是反映断路器运行状态的重要参数,故本文拟采用对分合闸电流信号监测来对断路器进行故障诊断。本文主要完成工作如下:首先,基于中压能馈装置的软硬件平台对低压断路器分合闸线圈电流信号进行采集。完成了传感器的选型,信号调理电路的设计,以及数据采集卡的选择。完成了上位机与数据采集卡的以太网通讯接口调试及数据传输。其次,完成了分合闸线圈电流特征的分析。首先建立了分合闸线圈的等效电路模型,分析了分合闸线圈电流波形在不同时刻所对应的运行状态,给出其典型特征量作为局部特征,再纳入均值、方差、偏度和峭度作为全局特征,共同作为特征矩阵用于后续识别。再次,完成了分合闸线圈电流特征的提取。在特征提取之前先对信号进行滤波处理,文中对传统滤波法、五点三次平滑法、小波阈值去噪三种方法进行了对比,分析了它们的优势及不足。通过对电流波形逐次差分法得到其极大值和极小值以及对应的时间点,并作为局部特征,并通过一定的数学公式求取拟定的全局特征参数,合并为综合故障特征矩阵。最后,对综合故障特征矩阵进行识别和诊断。在对故障特征量进行主成分降维处理后,分别利用BP神经网络和基于遗传算法优化后的BP神经网络对故障特征量进行识别,并对比分析了两种方法的优劣。实验表明遗传算法优化后的BP神经网络可取得更好的故障诊断效果。本论文通过对中压能馈装置中低压断路器运行状态的实时监测,可以对低压断路器线圈的早期故障进行识别,有利于系统的长期稳定运行。图44幅,表20个,参考文献50篇。