真空断路器是电力系统中的重要设备。随着数字技术的发展,国家电网对真空断路器提出了在线监测与故障诊断的要求。目前,真空断路器的在线监测与故障诊断主要依据单一信号,难以实现全面诊断。针对此缺陷,本文以ABB公司12kV iVD4智能真空断路器为研究对象,进行在线监测与故障诊断的研究。首先,研究真空断路器机构,把其分为辅助模块、传动模块和主回路模块。查阅文献资料,确定真空断路器除绝缘故障之外最常见的故障为拒动故障,且经常出现在辅助模块和传动模块中。其次,确定辅助模块和传动模块的传感器型号及安装位置。设计多种拒动故障的模拟方法,并在真空断路器空载条件下,进行故障植入试验,获取电流信号、振动信号、角位移信号和压力信号。获取信号样本经小波降噪平滑之后,用于后续特征提取和故障诊断。然后,针对传动模块,利用振动时域波形提取信号的均方根值、歪度指标和峭度指标;研究一种自适应噪声与自相关的完备经验模态分解算法,把振动信号分解为与原振动信号强相关的IMF分量并对高频IMF1-IMF3分量提取Hilbert边际谱能量;利用小波包对振动信号分解并提取每个尺度的小波包能谱熵;根据角位移和压力信号,研究一种行压联合的方式,提取真空断路器重要的机械特性参数。所有特征组成特征空间,利用特征评估技术筛选出传动模块的敏感特征并作为该模块的故障诊断特征。针对辅助模块,利用电流轮廓法分别提取分/合闸脱扣器和储能电机的电流特征;利用样本熵法提取脱扣器电流样本熵;利用分段积分法提取储能电机启动、空转和做功三阶段的积分值。同理,以特征评估技术筛选出辅助模块的敏感特征并作为该模块的故障诊断特征。最后,对传动模块和辅助模块的敏感特征分别应用非线性状态估计技术、支持向量机和概率神经网络进行故障诊断,并对比诊断效果。在有限的样本下,辅助模块的最优故障诊断算法为非线性状态估计,检出率为100%;传动模块的最优故障诊断算法为概率神经网络,检出率为97.59%。两者互相配合,全面高效地实现智能真空断路器在线监测与故障诊断。