本發(fā)明涉及電力設(shè)備檢測(cè)領(lǐng)域，具體涉及一種基于振動(dòng)分析法的變壓器故障分類和識(shí)別方法。

背景技術(shù)：

在電力系統(tǒng)的各種設(shè)備中，變壓器是昂貴且重要的設(shè)備，其可靠性對(duì)于保證電網(wǎng)安全運(yùn)行意義重大。變壓器歷年的故障統(tǒng)計(jì)表明，變壓器繞組和鐵芯是發(fā)生故障較多的部件，繞組和鐵芯引發(fā)的變壓器事故在變壓器總事故中所占比例達(dá)到70%。

目前，檢測(cè)變壓器運(yùn)行狀態(tài)的方法日益增多。短路阻抗法，通過離線測(cè)量繞組的電抗并觀察其阻抗值變化來判斷繞組變形情況，但該方法靈敏度低、可靠性差。低壓脈沖法，主要應(yīng)用于現(xiàn)場(chǎng)試驗(yàn)測(cè)試，然而該方法具有易受干擾影響、需作校正、測(cè)試電路要求特殊布置以保證測(cè)試的重復(fù)性等缺陷。頻響分析法，通過測(cè)量變壓器3相繞組的頻率響應(yīng)曲線進(jìn)行測(cè)試變壓器繞組變形程度，克服了低壓脈沖法存在可重復(fù)性差的一些缺陷，但該方法只能對(duì)變壓器進(jìn)行離線檢測(cè)。但是以上三種方法都只能實(shí)現(xiàn)離線檢測(cè)，因此，迫切需要一種可以進(jìn)行對(duì)變壓器故障進(jìn)行帶電檢測(cè)的方法。

現(xiàn)有的集合經(jīng)驗(yàn)?zāi)Ｊ椒纸夥椒?，即EEMD方法來提取變壓器狀態(tài)的特征向量并利用Fisher判別法進(jìn)行故障分類可以實(shí)現(xiàn)對(duì)變壓器故障的帶電檢測(cè)。但是，根據(jù)EEMD提取變壓器振動(dòng)信號(hào)的特征矢量，特征矢量是多組數(shù)據(jù)，并且試驗(yàn)樣本較多時(shí)，試驗(yàn)樣本會(huì)成為一個(gè)多維數(shù)組。多維數(shù)組不利于計(jì)算，同時(shí)也不利于現(xiàn)實(shí)中的觀察；同時(shí)Fisher判別法只能實(shí)現(xiàn)線性分類，無法實(shí)現(xiàn)非線性分類，在試驗(yàn)數(shù)據(jù)中由于試驗(yàn)測(cè)量數(shù)據(jù)的不確定性，難免會(huì)出現(xiàn)錯(cuò)誤數(shù)據(jù)，這些錯(cuò)誤數(shù)據(jù)會(huì)影響到線性分類的效果。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明為了解決上述技術(shù)問題提供一種基于振動(dòng)分析法的變壓器故障分類和識(shí)別方法。

本發(fā)明通過下述技術(shù)方案實(shí)現(xiàn)：

基于振動(dòng)分析法的變壓器故障分類和識(shí)別方法，包括以下步驟：

S1：選取變壓器試驗(yàn)對(duì)象，采集不同狀態(tài)下變壓器振動(dòng)信號(hào)為樣本數(shù)據(jù)；

S2：利用希爾伯特-黃變換中集合經(jīng)驗(yàn)?zāi)Ｊ椒纸夥椒ㄓ?jì)算樣本數(shù)據(jù)得到本征模函數(shù)；

S3：提取本征模函數(shù)分量中特征矢量V；

S4：利用主成分分析法對(duì)特征矢量進(jìn)行降維，坐標(biāo)投影到二維圖像中；

S5：利用K鄰近法對(duì)樣本數(shù)據(jù)進(jìn)行分類；

S6：利用距離公式計(jì)算測(cè)試樣本與原始樣本的距離；

S7：進(jìn)行模式識(shí)別；

S8：輸出模式識(shí)別中相對(duì)應(yīng)的變壓器故障類型。

由于變壓器繞組和鐵芯結(jié)構(gòu)非線性特性的存在，變壓器振動(dòng)信號(hào)會(huì)呈現(xiàn)出比較明顯的非線性。傳統(tǒng)的時(shí)頻分析方法在分析非線性非平穩(wěn)信號(hào)存在不足。本發(fā)明采用主成分分析法和KNN分類識(shí)別法，實(shí)現(xiàn)對(duì)試驗(yàn)樣本的直觀分類和模式識(shí)別。對(duì)于試驗(yàn)樣本數(shù)據(jù)，可以實(shí)現(xiàn)在二維圖像上的直觀投影，達(dá)到直觀分類效果，在分類中的極少量錯(cuò)誤數(shù)據(jù)不會(huì)影響到KNN分類和模式識(shí)別的效果。

在步驟S2中，利用希爾伯特-黃變換中集合經(jīng)驗(yàn)?zāi)Ｊ椒纸夥椒ㄓ?jì)算樣本數(shù)據(jù)得到本征模函數(shù)的步驟為：

向原始信號(hào)x(t)中加入M次的高斯白噪音序列n_i(t)，(i=1，2，…，M)，即：

；

對(duì)X_i(t)分別進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，得到各個(gè)本征模函數(shù)的分量和余量，即：

；

其中h_ij為第i次加入高斯白噪聲后，對(duì)X_i(t)進(jìn)行分解得到的第j個(gè)本征模函數(shù)分量；r_in為第i次加入高斯白噪聲后，對(duì)X_i(t)進(jìn)行分解后的余項(xiàng)；n為分解層數(shù)；

利用高斯白噪聲頻譜的零均值原理，將以上步驟對(duì)應(yīng)的本征模函數(shù)分量進(jìn)行總體平均運(yùn)算，消除高斯白噪聲作為時(shí)域分布參考結(jié)構(gòu)帶來的影響，最終得到的EEMD后的本征模函數(shù)的分量為：

；

式中，h_j(t)表示對(duì)原始信號(hào)進(jìn)行EEMD分解得到的第j個(gè)本征模函數(shù)分量；M為加入白噪聲的次數(shù)。其中，本征模函數(shù)即IMF；希爾伯特-黃變換中集合經(jīng)驗(yàn)?zāi)Ｊ椒纸夥椒碋EMD；經(jīng)驗(yàn)?zāi)B(tài)分解即EMD。

在步驟S3中，提取本征模函數(shù)分量中特征矢量V計(jì)算方法，選取每個(gè)IMF分量進(jìn)行希爾伯特分析，并對(duì)相對(duì)應(yīng)下的幅值構(gòu)成特征矢量V：

；

；

式中，Z表示特征矢量個(gè)數(shù)，A_j(i)為第j個(gè)本征模函數(shù)分量的振幅。

在步驟S4中，主成分分析法對(duì)特征矢量進(jìn)行降維步驟如下：

利用EEMD提取變壓器振動(dòng)信號(hào)在正常狀態(tài)、繞組故障、鐵芯故障3種工況下特征向量；

同時(shí)針對(duì)3種工況，各選擇m組作為經(jīng)驗(yàn)樣本，得到的訓(xùn)練矩陣R；

對(duì)訓(xùn)練矩陣R做中心化處理得到矩陣A＝[a_ij]，

；

其中，a_ij是R中元素中心化后的數(shù)據(jù)，v_ij是訓(xùn)練矩陣R中第i行第j列的樣本值，是訓(xùn)練矩陣R中每行的均值；

利用計(jì)算中心化矩陣A的協(xié)方差矩陣S，

計(jì)算中協(xié)方差矩陣S的特征值和特征向量，進(jìn)行最大值排列，取前兩個(gè)非零特征值對(duì)應(yīng)的特征向量為投影方向；

對(duì)R進(jìn)行所示的方向的投影轉(zhuǎn)換，得到訓(xùn)練樣本的二維圖：

式中，T表示矩陣轉(zhuǎn)置，Y₁、Y₂分別為二維投影的橫、縱坐標(biāo)。

主成分分析方法即PCA是根據(jù)樣本點(diǎn)在多維模式空間的位置分布，以方差最大方向，即樣本點(diǎn)在空間中變化的最大方向，作為判別矢量來實(shí)現(xiàn)數(shù)據(jù)的特征提取與數(shù)據(jù)壓縮。

在步驟S6中，計(jì)算測(cè)試樣本與原始樣本的距離公式如下：

；

測(cè)試樣本向量Y_t=[y_t1，y_t2]。

在步驟S7中，模式識(shí)別方法如下：

選擇距離相對(duì)小的K個(gè)樣本作為測(cè)試樣本的K個(gè)近鄰，設(shè)w為變壓器狀態(tài)類型，K個(gè)組樣本中，其中，來自w₁狀態(tài)類型的樣本有M₁個(gè)，來自w₂狀態(tài)類型的樣本有M₂個(gè)，…，來自w_c狀態(tài)類型的樣本有M_c個(gè)，若k₁，k₂，…，k_c分別是k個(gè)近鄰中屬于w₁，w₂，…，w_c類的樣本數(shù)，則定義判別函為：

；

若，則測(cè)試樣本，測(cè)試樣本x對(duì)應(yīng)的變壓運(yùn)行狀態(tài)為wj變壓器狀態(tài)類型。

K近鄰法即K-Nearest Neighbor ，KNN是根據(jù)距離度量函數(shù)計(jì)算待分類樣本x和訓(xùn)練集中每個(gè)訓(xùn)練樣本的距離，對(duì)計(jì)算出的距離排序，選擇與待分類樣本最近的K個(gè)訓(xùn)練樣本作為x的K個(gè)最近鄰。

Huang提出的EEMD方法利用白噪聲具有零均值的特性，EEMD方法在待分解信號(hào)中加入白噪聲后進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，分解結(jié)果經(jīng)過多次平均后，噪聲將相互抵，集成均值的結(jié)果作為最終的IMF分量。對(duì)大量變壓器繞組振動(dòng)信號(hào)數(shù)據(jù)進(jìn)行試驗(yàn)，EEMD得到的本征模函數(shù)Intrinsic Mode IMF能很好地體現(xiàn)變壓器繞組的振動(dòng)特性，并具有明確的物理意義。因此，將變壓器振動(dòng)信號(hào)進(jìn)行EEMD選擇能有效反映變壓器振動(dòng)信息的IMF，計(jì)算其瞬間頻率和瞬間幅值作為特征矢量，可以定量表示變壓器當(dāng)前狀態(tài)。

本發(fā)明與現(xiàn)有技術(shù)相比，至少具有如下的優(yōu)點(diǎn)和有益效果：

本發(fā)明采用EEMD對(duì)變壓器的振動(dòng)信號(hào)行分析，提取變壓器運(yùn)行中正常工況、繞組變形、鐵芯故障不同狀態(tài)下振動(dòng)信號(hào)提取特征矢量，并利用主成分分析對(duì)振動(dòng)信號(hào)提取的特征矢量進(jìn)行降維分析，將特征矢量投影到直觀的二維圖形中，最后采用KNN分類識(shí)別方法對(duì)數(shù)據(jù)進(jìn)行分類和模式識(shí)別，從而直觀有效地判斷變壓器運(yùn)行狀態(tài)。

附圖說明

此處所說明的附圖用來提供對(duì)本發(fā)明實(shí)施例的進(jìn)一步理解，構(gòu)成本申請(qǐng)的一部分，并不構(gòu)成對(duì)本發(fā)明實(shí)施例的限定。在附圖中：

圖1是本發(fā)明方法的流程圖。

圖2為本發(fā)明實(shí)施例2中的樣本數(shù)據(jù)結(jié)果圖。

圖3為本發(fā)明實(shí)施例2中的測(cè)試樣本模式識(shí)別結(jié)果圖。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，下面結(jié)合實(shí)施例和附圖，對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說明，本發(fā)明的示意性實(shí)施方式及其說明僅用于解釋本發(fā)明，并不作為對(duì)本發(fā)明的限定。

實(shí)施例1

如圖1所示的基于振動(dòng)分析法的變壓器故障分類和識(shí)別方法，包括以下步驟：

S1：選取相應(yīng)變壓器為試驗(yàn)對(duì)象，采集不同狀態(tài)下變壓器振動(dòng)信號(hào)為樣本數(shù)據(jù)；

S2：利用希爾伯特-黃變換中集合經(jīng)驗(yàn)?zāi)Ｊ椒纸夥椒ㄓ?jì)算樣本數(shù)據(jù)得到本征模函數(shù)；

S3：提取本征模函數(shù)分量中特征矢量V；

S4：利用主成分分析法對(duì)特征矢量進(jìn)行降維，坐標(biāo)投影到二維圖像中；

S5：利用K鄰近法對(duì)樣本數(shù)據(jù)進(jìn)行分類；

S6：利用距離公式計(jì)算測(cè)試樣本與原始樣本的距離；

S7：進(jìn)行模式識(shí)別；

S8：輸出模式識(shí)別中相對(duì)應(yīng)的變壓器故障類型。

實(shí)施例2,

在上述實(shí)施例的基礎(chǔ)上，具體的：

在步驟S2中，利用希爾伯特-黃變換中集合經(jīng)驗(yàn)?zāi)Ｊ椒纸夥椒ㄓ?jì)算樣本數(shù)據(jù)得到本征模函數(shù)的步驟為：

向原始信號(hào)x(t)中加入M次的高斯白噪音序列n_i(t)，(i=1，2，…，M)，即：

；

對(duì)X_i(t)分別進(jìn)行EMD，得到各個(gè)本征模函數(shù)的分量和余量，即：

；

其中h_ij為第i次加入高斯白噪聲后，對(duì)X_i(t)進(jìn)行分解得到的第j個(gè)本征模函數(shù)分量；r_in為第i次加入高斯白噪聲后，對(duì)X_i(t)進(jìn)行分解后的余項(xiàng)；n為分解層數(shù)；

利用高斯白噪聲頻譜的零均值原理，將以上步驟對(duì)應(yīng)的本征模函數(shù)分量進(jìn)行總體平均運(yùn)算，消除高斯白噪聲作為時(shí)域分布參考結(jié)構(gòu)帶來的影響，最終得到的EEMD后的本征模函數(shù)的分量為：

；

式中，h_j(t)表示對(duì)原始信號(hào)進(jìn)行EEMD分解得到的第j個(gè)本征模函數(shù)分量；N為加入白噪聲的次數(shù)。

在步驟S3中，提取本征模函數(shù)分量中特征矢量V計(jì)算公式：；

；

式中，A_j(i)為第j個(gè)本征模函數(shù)分量的振幅。

在步驟S4中，主成分分析法對(duì)特征矢量進(jìn)行降維步驟如下：

利用EEMD提取變壓器振動(dòng)信號(hào)在正常狀態(tài)、繞組故障、鐵芯故障3種工況下特征向量；

同時(shí)針對(duì)3種工況，各選擇m組作為經(jīng)驗(yàn)樣本，得到的訓(xùn)練矩陣R；

對(duì)訓(xùn)練矩陣R做中心化處理得到矩陣A＝[a_ij]，

；

其中，a_ij是R中元素中心化后的數(shù)據(jù)，v_ij是訓(xùn)練矩陣R中第i行第j列的樣本值，是訓(xùn)練矩陣R中每行的均值；

利用計(jì)算中心化矩陣A的協(xié)方差矩陣S，

計(jì)算中協(xié)方差矩陣S的特征值和特征向量，進(jìn)行最大值排列，取前兩個(gè)非零特征值對(duì)應(yīng)的特征向量為投影方向；

對(duì)R進(jìn)行所示的方向的投影轉(zhuǎn)換，得到訓(xùn)練樣本的二維圖；

式中，Y₁、Y₂分別為二維投影的橫、縱坐標(biāo)。

在步驟S6中，計(jì)算測(cè)試樣本與原始樣本的距離公式如下：

；

測(cè)試樣本向量Y_t=[y_t1，y_t2]。

在步驟S7中，模式識(shí)別方法如下：

選擇距離相對(duì)小的K個(gè)樣本作為測(cè)試樣本的K個(gè)近鄰，設(shè)w為變壓器狀態(tài)類型，K個(gè)組樣本中，來自w₁狀態(tài)類型的樣本有M₁個(gè)，來自w₂狀態(tài)類型的樣本有M₂個(gè)，…，來自w_c狀態(tài)類型的樣本有M_c個(gè)來自，若k₁，k₂，…，k_c分別是k個(gè)近鄰中屬于w₁，w₂，…，w_c類的樣本數(shù)，則定義判別函為：

；

若，則測(cè)試樣本，測(cè)試樣本x對(duì)應(yīng)的變壓運(yùn)行狀態(tài)為w_j變壓器狀態(tài)類型。

為驗(yàn)證上述基于主成分分析和KNN分類識(shí)別方法的變壓器故障檢測(cè)方法，本試驗(yàn)利用四川廣安電力公司的一臺(tái)110kv三相變壓器獲取的振動(dòng)數(shù)據(jù)進(jìn)行了分析研究。實(shí)驗(yàn)中，將3個(gè)ICP型加速度振動(dòng)傳感器，其靈敏度為100mv/g，以永磁體方式，分別放置在變壓器高壓側(cè)箱壁上，每相繞組對(duì)應(yīng)的箱壁中部、底部以及箱壁側(cè)面位置進(jìn)行采樣數(shù)據(jù)。振動(dòng)數(shù)據(jù)采樣頻率為25.6kHz。仿真結(jié)果如圖2和圖3所示。通過試驗(yàn)證明，本方法可以實(shí)現(xiàn)對(duì)變壓器正常狀態(tài)、繞組變形、鐵芯故障3種狀態(tài)直觀分類，并對(duì)測(cè)試樣本進(jìn)行快速的自動(dòng)模式識(shí)別。本發(fā)明仿真案例只是用于幫助闡述本發(fā)明。

以上所述的具體實(shí)施方式，對(duì)本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳細(xì)說明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實(shí)施方式而已，并不用于限定本發(fā)明的保護(hù)范圍，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。