[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

说明书

一种基于LMD与排列熵相结合的变压器绕组松动识别方法，其步骤如下：1、采集相关历史振动信号；2、对采集的振动信号进行LMD分解，取得各PF分量；3、计算相关系数法并选出相关系数高于所设定阈值的PF分量；4、提取各PF分量的排列熵作为特征向量；5、将振动信号分为训练和测试集，并对训练集的特征向量进行寻优；6、将寻优后的训练集输入到支持向量机进行训练，并用测试集进行测试以得到训练好后的支持向量机模型；7、用得到的支持向量机模型作为分类器对测试样本集进行分类识别。本发明可在变压器稳态运行前对变压器绕组松动状态进行识别，实现了变压器的故障诊断，为进行变压器振动信号特征提取与故障诊断提供了一种新的方法。

技术领域

本发明属于电力变压器机械故障诊断技术领域，尤其涉及一种基于LMD与排列熵的变压器绕组松动识别方法。

背景技术

变压器是电力系统中最关键的设备之一，它在运行过程中内部可能会出现故障，影响到变压器的正常运行，甚至对整个电力系统造成损坏。因此，为了可以及时发现变压器的故障隐患，避免突发事故，开展变压器状态监测与故障诊断的研究具有十分重要的意义。

变压器绕组松动故障是导致变压器绝缘问题、绕组烧坏等严重故障及事故的主要前期原因。传统的绕组故障诊断方法有短路阻抗法、频响分析法、低压脉冲法和频率响应法等都需要变压器停机才能实现，无法满足在线监测的要求。其中，近年来，振动分析法成为变压器机械故障诊断的热点。相比其他方法，振动法与变压器无电气连接，具有较强的抗干扰能力、可靠的监测变压器状态。因此，本发明利用变压器空载合闸瞬间产生的振动信号，提出了一种基于Local Mean Decomposition(LMD，以下简称为LMD)与排列熵的变压器绕组松动识别方法。

发明内容

针对上述问题，本发明提供了一种基于LMD与排列熵的变压器绕组松动识别方法，解决了现有技术中诊断方法误判的问题。

本发明采用如下的技术方案：

一种基于LMD与排列熵的变压器绕组松动识别方法，包括以下步骤：

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。

在步骤1中，设置的采样频率为10kHz。

在步骤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。

在步骤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。