[发明专利]一种基于LMD与排列熵的变压器机绕组松动识别方法

权利要求书

1.一种基于LMD与排列熵的变压器绕组松动识别方法，其特征在于，所述方法包括：

步骤1：分别采集变压器空载合闸瞬间的正常状态的历史振动信号和绕组不同松动状态的历史振动信号；

步骤2：对采集的振动信号进行LMD分解，得到正常状态以及绕组不同松动状态振动信号的PF分量；

步骤3：分别计算各PF分量与原始振动信号的相关系数，取其中最大相关系数的n分之一作为阈值；

步骤4：将与原始信号相关性大于阈值的PF分量作为数据源，求取其对应的排列熵作为特征向量；

步骤5：将步骤4获得的特征向量分为训练样本集和测试样本集，并对训练样本集的特征向量进行寻优；

步骤6：将寻优后的训练样本集输入到支持向量机模型进行训练，并用测试样本进行测试以得到训练好后的支持向量机模型；

步骤7：用得到的支持向量机模型作为分类器对实时采集的变压器空载合闸瞬间振动信号进行分类识别，实现绕组松动情况的诊断。

2.根据权利要求1所述的变压器绕组松动识别方法，其特征在于：

在所述步骤1中，设置的采样频率为10kHz。

3.根据权利要求2所述的变压器绕组松动识别方法，其特征在于：

在所述步骤2中，通过以下公式，分别对采集的振动信号进行LMD分解，得到对应信号的多个PF分量：

其中，X(t)是振动信号，PF_i表示第i个PF分量，q为PF分量的总个数，R表示残差函数。

4.根据权利要求3所述的变压器绕组松动识别方法，其特征在于：

在所述步骤3中，求取经过LMD分解后的各PF分量与原始振动信号的相关系数：

其中，X为采集的原始振动信号；Y_i为第i个PF分量，i＝1,2,…,q，D(X)指采集的原始振动信号的方差。

5.根据权利要求4所述的变压器绕组松动识别方法，其特征在于：

在所述步骤4中，所述排列熵通过以下方法求得：

其中，i为不同符号序列的指数，P_d为第d个符号序列的概率，所述序列指得是对于重构相空间中的任意一个重构向量可以得到的反映其元素大小顺序的符号序列，l！表示在l维相空间映射的不同符号序列共有l！个。

6.根据权利要求5所述的变压器绕组松动识别方法，其特征在于：

在所述步骤4中，对求得的排列熵进行归一化处理后作为特征向量：

其中，m为嵌入维数。

7.根据权利要求6所述的变压绕组松动识别方法，其特征在于：

在所述排列熵的计算中，构建嵌入维数m和延时时间τ相空间重构矩阵：

其中，j为重构矩阵中分量的个数。

8.根据权利要求7所述得变压器绕组松动识别方法，其特征在于：

所述嵌入维数m的取值为[3,7]中任意整数，τ的取值为[1,6]。

9.根据权利要求8所述的变压器绕组松动识别方法，其特征在于：

所述步骤5包括以下步骤：

步骤501：根据特征向量设置群的数目，利用混沌序列初始化群位置；

步骤502：对整个群进行遍历，把K-折交叉验证法识别率作为适应度值，并把适应度值最高的因子作为a，次高者作为b；

步骤503：更新因子a，b和群中其他因子的位置，将适应度最高因子a的位置排为第一，适应度次高因子b的位置排为第二，其他因子按原来的位置依次排列到适应度次高因子b之后；

步骤504：计算每个因子新位置的适应度并与原来的进行对比，如果新的适应度大于或等于原来的适应度，则因子的新位置代替原来的位置，并转到步骤503进行循环迭代；如果因子a和因子b新的适应度小于原来的适应度，则完成循环，输出最终因子a和因子b的位置。

10.根据权利要求9所述的变压器绕组松动识别方法，其特征在于：

在所述步骤6中，根据步骤504的输出结果，将适应度最高的因子a的位置作为支持向量机的惩罚因子c，适应度次高因子b的位置作为支持向量机的核函数参数g，进行训练。