[發(fā)明專利]基于振動(dòng)分析法的變壓器故障分類和識(shí)別方法

有效

• 申請?zhí)枺?/td>: 201611003127.4
• 申請日: 2016-11-15
• 公開（公告）號(hào): CN106646096B
• 公開（公告）日: 2019-07-02
• 發(fā)明（設(shè)計(jì)）人: 李敏;陳果;石同春;沈大千;秦少鵬;向天堂;鄧權(quán)倫;羅宇昆;高翔;陳大浩
• 申請（專利權(quán)）人: 國網(wǎng)四川省電力公司廣安供電公司;國家電網(wǎng)公司
• 主分類號(hào): G01R31/06
• 分類號(hào): G01R31/06;G01H17/00
• 代理公司: 成都行之專利代理事務(wù)所(普通合伙) 51220
• 代理人: 田甜

1.基于振動(dòng)分析法的變壓器故障分類和識(shí)別方法，其特征在于，包括以下步驟：

S1：選取變壓器試驗(yàn)對象，采集不同狀態(tài)下變壓器振動(dòng)信號(hào)為樣本數(shù)據(jù)；

S2：利用希爾伯特-黃變換中集合經(jīng)驗(yàn)?zāi)Ｊ椒纸夥椒ㄓ?jì)算樣本數(shù)據(jù)得到本征模函數(shù)；

S3：提取本征模函數(shù)分量中特征矢量V；

S4：利用主成分分析法對特征矢量進(jìn)行降維，坐標(biāo)投影到二維圖像中；

S5：利用K鄰近法對樣本數(shù)據(jù)進(jìn)行分類；

S6：利用距離公式計(jì)算測試樣本與原始樣本的距離；

S7：進(jìn)行模式識(shí)別；

S8：輸出模式識(shí)別中相對應(yīng)的變壓器故障類型；

所述步驟S4中，主成分分析法對特征矢量進(jìn)行降維步驟如下：

利用EEMD提取變壓器振動(dòng)信號(hào)在正常狀態(tài)、繞組故障、鐵芯故障3種工況下特征向量V＝[v₁，v₂，...，v_z]；

同時(shí)針對3種工況，各選擇m組作為經(jīng)驗(yàn)樣本，得到4m×z的訓(xùn)練矩陣R；

對訓(xùn)練矩陣R做中心化處理得到矩陣A＝[a_ij]，

其中，a_ij是R中元素中心化后的數(shù)據(jù)，v_ij是訓(xùn)練矩陣R中第i行第j列的樣本值，v_i是訓(xùn)練矩陣R中每行的均值；

利用計(jì)算中心化矩陣A的協(xié)方差矩陣S，

計(jì)算中協(xié)方差矩陣S的特征值和特征向量，進(jìn)行最大值排列，取前兩個(gè)非零特征值對應(yīng)的特征向量[α₁，α₂]為投影方向；

對R進(jìn)行所示的[α₁，α₂]方向的投影轉(zhuǎn)換，得到訓(xùn)練樣本的二維圖；

式中，T表示矩陣轉(zhuǎn)置，Y₁、Y₂分別為二維投影的橫、縱坐標(biāo)；

所述步驟S7中，模式識(shí)別方法如下：

選擇K個(gè)樣本作為測試樣本的K個(gè)近鄰，設(shè)w為變壓器狀態(tài)類型，K個(gè)組樣本中，來自w₁狀態(tài)類型的樣本有M₁個(gè)，來自w₂狀態(tài)類型的樣本有M₂個(gè)，…，來自w_c狀態(tài)類型的樣本有M_c個(gè)，若k₁，k₂，…，k_c分別是k個(gè)近鄰中屬于w₁，w₂，…，w_c類的樣本數(shù)，則定義判別函為：

g_i(V_t)＝k_i，i＝1，2，…，c；

若g_j(V_t)＝max(k_i)，則測試樣本V_i∈ω_j，測試樣本x對應(yīng)的變壓運(yùn)行狀態(tài)為w_j變壓器狀態(tài)類型。

2.根據(jù)權(quán)利要求1所述的基于振動(dòng)分析法的變壓器故障分類和識(shí)別方法，其特征在于：在步驟S2中，利用希爾伯特-黃變換中集合經(jīng)驗(yàn)?zāi)Ｊ椒纸夥椒ㄓ?jì)算樣本數(shù)據(jù)得到本征模函數(shù)的步驟為：

向原始信號(hào)x(t)中加入M次的高斯白噪音序列n_i(t)，(i＝1，2，…，M)得到X_i(t)，即：

X_i(t)＝x(t)+n_i(t)；

對X_i(t)分別進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，得到各個(gè)本征模函數(shù)的分量和余量，即：

其中h_ij為第i次加入高斯白噪聲后，對X_i(t)進(jìn)行分解得到的第j個(gè)本征模函數(shù)分量；r_in為第i次加入高斯白噪聲后，對X_i(t)進(jìn)行分解后的余項(xiàng)；n為分解層數(shù)；

利用高斯白噪聲頻譜的零均值原理，將以上步驟對應(yīng)的本征模函數(shù)分量進(jìn)行總體平均運(yùn)算，得到的EEMD后的本征模函數(shù)的分量為：

式中，h_j(t)表示對原始信號(hào)進(jìn)行EEMD分解得到的第j個(gè)本征模函數(shù)分量；M為加入白噪聲的次數(shù)。