[发明专利]变压器基于模糊C均值聚类算法的声纹故障诊断方法

说明书

本发明提出一种变压器基于模糊C均值聚类算法的声纹故障诊断方法，利用模糊C均值聚类算法对变压器绕组和铁芯机械运行状态中产生的不同声纹故障数据进行分类，并利用分类的结果判断故障的类型。当变压器中出现声纹异常时，利用模糊C均值对声纹数据进行处理，可以确定各个声纹数据样本的聚类中心，通过隶属度矩阵的行对应着所属类别，列对应着数据样本的顺序编号，隶属度矩阵每一列最大数据所在的行即为数据样本所对应的故障类别，这样就可以有效检测出声纹故障的类型。从而实现了由变压器由异常声纹引发的故障的诊断。

技术领域

本发明属于变压器的故障诊断领域，尤其涉及一种变压器基于模糊C均值聚类算法的声纹故障诊断方法。

背景技术

随着电力系统的日益发展，电气设备的故障越来越引人重视，其中电力变压器的故障是电气设备的主要来源。绕组和铁芯是电力变压器的重要组成部分，绕组和铁芯的机械运行状况直接关系到变压器系统的安全。变压器箱的声纹与铁芯和绕组的机械状态密切相关，特别是交流电通过变压器绕组，在铁芯中产生周期性的振动响声是均匀的嗡嗡声。但是随着机器的长期运转，会出现一些异常的声纹，这些声纹可能由压紧铁芯的螺丝松动、绕组发生短路、分接开关因接触不良引起严重过热、变压器过负荷、电网过电压等都是引起变压器声纹故障的因素。而这些异常声纹信号往往很难判断其来源，因此，为了保证变压器的运行安全，从而提高供电可靠性，基于变压器绕组和铁芯的运行状态的声纹信号故障诊断是非常有必要的。

目前，对于变压器绕组的检测的主要方法有短路阻抗法、振动分析法、频率响应分析法、低压脉冲响应法，铁芯的检测方法有油色谱分析法和测试绝缘电阻法。这些早期的诊断方法虽然能起到一定的作用，但不能提前发现早期故障，特别是一些异常声纹信号，上述的诊断方法就很难诊断出该故障类型。

发明内容

为了填补现有技术的空白，本发明提出一种变压器基于模糊C均值聚类算法的声纹故障诊断方法，利用模糊C均值可以确定各个声纹数据样本的聚类中心，通过隶属度矩阵的行对应着所属类别，列对应着数据样本的顺序编号，隶属度矩阵每一列最大数据所在的行即为数据样本所对应的故障类别，从而实现对变压器由异常声纹引发的故障的诊断。

本发明具体采用以下技术方案：

一种变压器基于模糊C均值聚类算法的声纹故障诊断方法，其特征在于:利用模糊C均值聚类算法对变压器绕组和铁芯机械运行状态中产生的不同声纹故障数据进行分类，并利用分类的结果判断故障的类型。

优选地，所述声纹故障数据通过非接触式、无电气连接安装的声纹采集器进行采集。

优选地，不同的所述声纹故障数据通过主动制造不同类型的变压器故障获得。

优选地，利用模糊C均值聚类算法对变压器绕组和铁芯机械运行状态中产生的不同声纹故障数据进行分类的过程具体包括以下步骤：

步骤S1：将样本空间用N×n的模式矩阵表示为：

其中，模式矩阵X的行为模式矢量,列为特征值，x为样本；

步骤S2：将模式矩阵X中的N个模式分成C类，2≤C≤N,并将分类关系用隶属函数表示为：

其中,R为实数，N×C矩阵为隶属函数矩阵，表示为：

式中,μ_ik为第i个模式对第k个聚类的隶属度；

步骤S3：计算聚类中心向量，目标函数表达式为：