[发明专利]基于振动分析法的变压器故障分类和识别方法

权利要求书

1.基于振动分析法的变压器故障分类和识别方法，其特征在于，包括以下步骤：

S1：选取变压器试验对象，采集不同状态下变压器振动信号为样本数据；

S2：利用希尔伯特-黄变换中集合经验模式分解方法计算样本数据得到本征模函数；

S3：提取本征模函数分量中特征矢量V；

S4：利用主成分分析法对特征矢量进行降维，坐标投影到二维图像中；

S5：利用K邻近法对样本数据进行分类；

S6：利用距离公式计算测试样本与原始样本的距离；

S7：进行模式识别；

S8：输出模式识别中相对应的变压器故障类型；

所述步骤S4中，主成分分析法对特征矢量进行降维步骤如下：

利用EEMD提取变压器振动信号在正常状态、绕组故障、铁芯故障3种工况下特征向量V＝[v₁，v₂，...，v_z]；

同时针对3种工况，各选择m组作为经验样本，得到4m×z的训练矩阵R；

对训练矩阵R做中心化处理得到矩阵A＝[a_ij]，

其中，a_ij是R中元素中心化后的数据，v_ij是训练矩阵R中第i行第j列的样本值，v_i是训练矩阵R中每行的均值；

利用计算中心化矩阵A的协方差矩阵S，

计算中协方差矩阵S的特征值和特征向量，进行最大值排列，取前两个非零特征值对应的特征向量[α₁，α₂]为投影方向；

对R进行所示的[α₁，α₂]方向的投影转换，得到训练样本的二维图；

式中，T表示矩阵转置，Y₁、Y₂分别为二维投影的横、纵坐标；

所述步骤S7中，模式识别方法如下：

选择K个样本作为测试样本的K个近邻，设w为变压器状态类型，K个组样本中，来自w₁状态类型的样本有M₁个，来自w₂状态类型的样本有M₂个，…，来自w_c状态类型的样本有M_c个，若k₁，k₂，…，k_c分别是k个近邻中属于w₁，w₂，…，w_c类的样本数，则定义判别函为：

g_i(V_t)＝k_i，i＝1，2，…，c；

若g_j(V_t)＝max(k_i)，则测试样本V_i∈ω_j，测试样本x对应的变压运行状态为w_j变压器状态类型。

2.根据权利要求1所述的基于振动分析法的变压器故障分类和识别方法，其特征在于：在步骤S2中，利用希尔伯特-黄变换中集合经验模式分解方法计算样本数据得到本征模函数的步骤为：

向原始信号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)；

对X_i(t)分别进行经验模态分解，得到各个本征模函数的分量和余量，即：

其中h_ij为第i次加入高斯白噪声后，对X_i(t)进行分解得到的第j个本征模函数分量；r_in为第i次加入高斯白噪声后，对X_i(t)进行分解后的余项；n为分解层数；

利用高斯白噪声频谱的零均值原理，将以上步骤对应的本征模函数分量进行总体平均运算，得到的EEMD后的本征模函数的分量为：

式中，h_j(t)表示对原始信号进行EEMD分解得到的第j个本征模函数分量；M为加入白噪声的次数。