[发明专利]一种基于振动噪声及BP神经网络的变压器故障诊断方法

权利要求书

1.一种基于振动噪声及BP神经网络的变压器故障诊断方法，其特征在于：包括以下步骤：

S1、通过噪声源识别模块，采集变压器各个区域的振动噪声声压信号，并依据所述振动噪声声压信号得到最大噪声源所在的区域；

所述S1包括：

S10、将所述振动噪声声压信号进行傅里叶变化，得到声压级最大频段；

S11、将所述声压级最大频段对应的振动噪声声压信号进行波束形成算法计算，得到变压器箱体表面各声源区域的振动噪声声压的最大噪声源所处的位置；

S12、依据所述最大噪声源所处的位置确定最大噪声源所处的区域；

S2、通过振动信号测量模块对所述最大噪声源所在的区域，采集振动信号；

S3、采用BP神经网络算法对所述振动信号进行变压器故障诊断；

所述S3包括：

S30、依据所述振动信号得到多组振动信号的训练样本数据和各组训练样本数据对应的变压器故障类型；

S31、将各组所述训练样本数据进行FFT处理得到振动信号的特征量，所述特征量作为BP神经网络输入层的神经元，所述特征量的数量为输入层神经元数量m；

S32、将各组所述特征量进行归一化处理，得到各组特征量的归一化数据；

S33、对所述变压器故障类型进行编码，得到所述变压器故障类型的数量，所述变压器故障类型为BP神经网络输出层的神经元，所述变压器故障类型的数量为输出层神经元数量n；

S34、通过所述输入层神经元数量m和输出层神经元数量n得到BP神经网络隐含层神经元数量h；

S35、依据所述输入层神经元数量m、输出层神经元数量n及BP神经网络隐含层神经元数量h构建BP神经网络；

S36、依据各组所述特征量和与各组所述特征量对应的变压器故障类型，对所述BP神经网络进行训练，得到训练后的BP神经网络；

S37、提取待诊断的变压器振动信号的特征量，采用训练后的BP神经网络进行诊断，得到其故障类型；

所述振动信号的特征量包括：基频比重、基本振幅、主频比重、主频振幅及振动熵；

所述变压器故障类型包括：无故障、铁芯故障和绕组故障。

2.根据权利要求1所述的变压器故障诊断方法，其特征在于：所述振动信号测量模块采用加速度传感器阵列对所述振动信号进行采集。

3.根据权利要求1所述的变压器故障诊断方法，其特征在于：所述S34包括：

S3400、采用下式计算隐含层神经元数量：

式中，h为隐含层神经元数量，a为1-10之间的调节常数，m为输入层神经元数量，n为输出层神经元数量；

S3401、从h_min开始，逐个增加神经元个数直至h_max，将[h_min,h_max]分别进行训练验证；

S3402、选取训练验证结果中最优验证结果所对应的神经元个数，所述神经元个数为BP神经网络的隐含层神经元数量h。

4.根据权利要求1所述的变压器故障诊断方法，其特征在于：所述S36中的BP神经网络训练包括以下步骤：

S3600、将步骤S31得到各组训练样本数据的特征量输入所述BP神经网络，得到输出结果和输出结果的误差；

S3601、判断所述误差否小于预设定的阈值，若所述误差大于预设定的阈值，则进入步骤S3602；若所述误差小于预设定的阈值，则进入步骤S3603；

S3602、所述BP神经网络采用梯度下降法进行反向传递，沿着相对误差平方和的最速下降方向，连续调整网络的权值和阈值，再经过输出层、隐含层和输入层进行反向计算，输出各层的结果，返回步骤S35；

S3603、采用所述输出结果构建训练后的BP神经网络。