[发明专利]变压器绕组振动状态感知方法

权利要求书

1.一种基于CWT-InceptionNet的电力变压器绕组振动状态感知方法，其特征在于，其包括以下步骤：

步骤1，在多变压器绕组的多个测点位置放置振动加速度传感器采集变压器绕组的振动信号，得到变压器绕组的多通道振动数据；

步骤2，将工频信号与振动信号叠加后的混合振动信号作为附加信号，再将振动信号与附加信号进行交叉小波变换得到交叉小波能量谱；

步骤3，特征提取所述交叉小波能量谱表征交叉谱图特性的特征量，所述特征量归一化后构造出特征量矩阵M，利用SPSS统计对特征量矩阵M进行person相关性分析，得到相关系数矩阵P，设定阈值Q，如相关系数矩阵P中元素值大于阈值Q，则删除特征量矩阵M中对应位置的特征量，否则不处理，最后得到特征量矩阵M′；

步骤4，按照如下变压器绕组的振动状态，对特征量矩阵M′进行编码得到振动状态编码，其中，变压器绕组的振动状态包括正常状态、绕组松动、绕组翘曲和绕组错位；

步骤5，建立基于CWT-InceptionNet网络的变压器绕组振动状态感知模型，其中，Inception结构块包含1*1卷积核、3*3卷积核、5*5卷积核以及3*3全局最大池化层，利用Inception结构块提取输入特征向量组的多尺度特征，并使用批标准化缓解梯度消失；

步骤6，初始化网络参数，将特征量矩阵M′和对应振动状态编码按一定比例分为训练集和测试集，通过训练集对网络参数进行训练与调优；

步骤7，保存训练好的网络模型，并通过测试集进行测试，根据训练好的CWT-InceptionNet网络对后续待判断的变压器绕组状态进行感知。

2.根据权利要求1所述的基于CWT-InceptionNet的电力变压器绕组振动状态感知方法，其特征在于，优选的，多通道振动数据包含变压器绕组正常运行状态、松动、翘曲、错位的四种状态信息。

3.根据权利要求1所述的基于CWT-InceptionNet的电力变压器绕组振动状态感知方法，其特征在于，根据交叉小波能量谱分析得到交叉小波变换系数、判断振动信号的频率相关特性，以及表征振动信号相位关系的特征。

4.根据权利要求3所述的基于CWT-InceptionNet的电力变压器绕组振动状态感知方法，其特征在于，步骤3中，特征量包括：

F₆为|W^mn(q，τ)|取最大值时的q值；

F₇为|W^mn(q，τ)|取最大值时的τ值；

特征量F₁～F₁₂对交叉小波能量谱进行分析，F₁～F₇描述幅频特性，F₈～F₁₂描述相频特性，q为尺度参数，τ为位移参数，W^mn(q，τ)为原信号m(t)和附加信号n(t)两者之间的交叉小波变换，|W^mn(q，τ)|为交叉小波功率谱密度，其值越大，信号m(t)和n(t)相关性越强，|φ(q,τ)|为Morlet小波基函数，q_max、q_min、τ_max及τ_min分别表示尺度参数和位移参数的最大值及最小值，|W^mn(q，τ)|_peak和|φ(q，τ)|_peak分别表示|W^mn(q，τ)|和|φ(q,τ)|的最大值。

5.根据权利要求3所述的基于CWT-InceptionNet的电力变压器绕组振动状态感知方法，其特征在于，训练集对网络参数进行训练与调优中，特征量和对应振动状态编码按3∶1的比例分为训练集和测试集，将前向传播到Input层的数据维度设定为n，输出n组振动状态代码，采用n个池化核，其尺寸和步长与特征向量组相同，求池化核的平均值，输入分类器，表达式为：

其中，左项表示第l层经全局平均池化的结果，c为分类总数，该问题属于四分类问题，那么c为4，X项表示池化核对应的特征输出矩阵的范围，h与w表示范围的值，S为Softmax分类器函数，a为函数输入矩阵，p为维度，对该维度的行进行softmax计算，i为输出节点的编号；

通过梯度下降方法不断地优化计算，求得各层的梯度，对网络参数中的自适应参数(W，b)进行迭代，优化模型的神经元参数，W、b是神经元参数，为其权重和偏置。