[发明专利]基于振动分析法的变压器故障分类和识别方法

摘要

本发明公开了一种基于振动分析法的变压器故障分类和识别方法，包括以下步骤：S1：选取变压器试验对象，采集不同状态下变压器振动信号为样本数据；S2：利用希尔伯特‑黄变换中集合经验模式分解方法计算样本数据得到本征模函数；S3：提取本征模函数分量中特征矢量V；S4：利用主成分分析法对特征矢量进行降维，坐标投影到二维图像中；S5：利用K邻近法对样本数据进行分类；S6：利用距离公式计算测试样本与原始样本的距离；S7：进行模式识别；S8：输出模式识别中相对应的变压器故障类型；可直观有效地判断变压器运行状态。

主权项

1.基于振动分析法的变压器故障分类和识别方法，其特征在于，包括以下步骤：S1：选取变压器试验对象，采集不同状态下变压器振动信号为样本数据；S2：利用希尔伯特‑黄变换中集合经验模式分解方法计算样本数据得到本征模函数；S3：提取本征模函数分量中特征矢量V；S4：利用主成分分析法对特征矢量进行降维，坐标投影到二维图像中；S5：利用K邻近法对样本数据进行分类；S6：利用距离公式计算测试样本与原始样本的距离；S7：进行模式识别；S8：输出模式识别中相对应的变压器故障类型；所述步骤S4中，主成分分析法对特征矢量进行降维步骤如下：利用EEMD提取变压器振动信号在正常状态、绕组故障、铁芯故障3种工况下特征向量V＝[v₁，v₂，...，v_z]；同时针对3种工况，各选择m组作为经验样本，得到4m×z的训练矩阵R；对训练矩阵R做中心化处理得到矩阵A＝[a_ij]，其中，a_ij是R中元素中心化后的数据，v_ij是训练矩阵R中第i行第j列的样本值，v_i是训练矩阵R中每行的均值；利用计算中心化矩阵A的协方差矩阵S，计算中协方差矩阵S的特征值和特征向量，进行最大值排列，取前两个非零特征值对应的特征向量[α₁，α₂]为投影方向；对R进行所示的[α₁，α₂]方向的投影转换，得到训练样本的二维图；式中，T表示矩阵转置，Y₁、Y₂分别为二维投影的横、纵坐标；所述步骤S7中，模式识别方法如下：选择K个样本作为测试样本的K个近邻，设w为变压器状态类型，K个组样本中，来自w₁状态类型的样本有M₁个，来自w₂状态类型的样本有M₂个，…，来自w_c状态类型的样本有M_c个，若k₁，k₂，…，k_c分别是k个近邻中属于w₁，w₂，…，w_c类的样本数，则定义判别函为：g_i(V_t)＝k_i，i＝1，2，…，c；若g_j(V_t)＝max(k_i)，则测试样本V_i∈ω_j，测试样本x对应的变压运行状态为w_j变压器状态类型。