断路器是高压开关设备中最重要的电气设备,在电力系统发生故障时能够迅速切掉故障部分以保障非故障部分的正常运行,其可靠性关系到系统的安全稳定运行,因此对断路器运行状态进行监测和评估十分重要。研究表明,断路器动作时的电磁铁线圈电流信号(即线圈电流)和振动信号包含了大量的设备状态信息,从线圈电流和振动信号中提取特征量,是实现断路器机械状态评估的可靠方法。本文设计完成了由信号传感器、数据采集卡、LabVIEW等软硬件构成的断路器数据采集系统,实现了对断路器电流和振动信号的采集、存储、分析等功能。针对多种断路器(真空断路器、SF6断路器、GIS断路器等)开展了故障模拟试验,以真空断路器为例,现场模拟了电磁铁卡涩、电磁铁松动、高操作电压、低操作电压、缓冲器卡涩5种故障,采集了包括正常状态在内的6种状态下的8路振动信号、3路断口信号以及线圈电流信号。对线圈电流和振动信号从信号预处理、信号处理、特征量提取、特征量权重分析等方面进行详细的分析;利用小波包方法和形态学方法对线圈电流和振动信号进行了去噪分析;在振动信号时域和频域分析的基础上,本文提出将短时能量法应用到振动信号分析中,并提取了振动事件极值点发生时刻、振动事件起始点时刻、小波包分层能量作为振动信号特征量;针对线圈电流信号,提取能够代表其特点的时间和幅值作为特征量;提出将Relief算法应用到特征量权重计算中,并根据权重值计算结果,实现特征量的优化。在线圈电流和振动信号特征量提取的基础上,展开断路器机械状态评估,通过使用模糊聚类算法和支持向量机算法,利用提取的线圈电流和振动信号的特征量,实现了断路器机械状态分类;分析结果表明,提取的线圈电流特征量能够准确实现断路器机械状态评估;提取的振动信号振动事件起始点时刻/振动事件极值点时刻也能够实现断路器机械状态评估;但是,由于采集的振动信号在相同状态下的频域特征稳定性较差,利用振动信号小波包分层能量值用于断路器机械状态评估时准确率较差。断路器实际运行中,可能出现的故障类型复杂多样,只靠一种信号来实现断路器状态评估时可能存在判断错误情况,因此,本文提出一种基于信号特征量融合与优化的状态评估方法,分析结果表明,该方法能够更加准确地实现断路器复杂故障下的机械状态评估。