基于电力变压器振动信息的绕组形变诊断方法

被引:82
作者
张彬 [1 ]
徐建源 [1 ]
陈江波 [2 ]
李辉 [2 ]
林莘 [1 ]
臧状 [1 ]
机构
[1] 沈阳工业大学电气工程学院
[2] 中国电力科学研究院
关键词
变压器绕组; 振动信号; 故障分类; 特征提取; 小波包能谱熵; 多分类支持向量机; 形变诊断;
D O I
暂无
中图分类号
TM41 [电力变压器];
学科分类号
080810 [电力电子与电能变换];
摘要
变压器绕组的机械形变为变压器安全运行埋下事故隐患,为此,提出一种基于振动法的变压器绕组机械状态诊断方法。诊断过程中,通过负载电流与振动信号基频进行拟合匹配初步判定绕组状态;采用小波包变换对变压器绕组不同状态下振动信号进行分析,以振动信号能谱熵作为特征输入向量;利用改进后的多分类支持向量机对特征向量进行训练与测试,实现了变压器绕组不同状态的分类诊断。通过对S11-M-500/35型实际变压器绕组不同状态下进行负载试验,采集对应机械及电气参量数据,用所提出诊断方法对变压器绕组机械状态进行诊断,结果表明:在准确判断绕组正常及故障状态的同时,故障类型诊断结果准确率达到96.78%以上,从而验证所提出诊断方法应用于变压器绕组故障诊断的有效性和准确性。
引用
收藏
页码:2341 / 2349
页数:9
相关论文
共 20 条
[1]
基于集对分析和证据理论融合的变压器内绝缘状态评估方法 [J].
廖瑞金 ;
孟繁津 ;
周年荣 ;
夏桓桓 ;
张镱议 ;
程涣超 .
高电压技术, 2014, 40 (02) :474-481
[2]
基于多模型的变压器故障组合诊断研究 [J].
赵文清 ;
李庆良 ;
王德文 .
高电压技术, 2013, 39 (02) :302-309
[3]
基于振动的电力变压器绕组变形故障诊断新方法 [J].
马宏忠 ;
耿志慧 ;
陈楷 ;
王春宁 ;
李凯 ;
李勇 .
电力系统自动化, 2013, 37 (08) :89-95
[4]
能谱熵向量法及粒子群优化的RBF神经网络在高压断路器机械故障诊断中的应用 [J].
徐建源 ;
张彬 ;
林莘 ;
李斌 ;
腾云 .
高电压技术, 2012, 38 (06) :1299-1306
[5]
基于粒子群优化支持向量机的变压器故障诊断 [J].
费胜巍 ;
苗玉彬 ;
刘成良 ;
张晓斌 .
高电压技术, 2009, 35 (03) :509-513
[6]
三种相量算法在变压器绕组参数辨识中的应用 [J].
林莘 ;
薛君 ;
徐建源 .
沈阳工业大学学报, 2009, 31 (01) :16-21
[7]
基于小波神经网络和D-S证据理论的电力变压器故障诊断研究(英文) [J].
梁流铭 ;
陈伟根 ;
岳彦峰 .
高电压技术, 2008, 34 (12) :2694-2700
[8]
最小二乘支持向量机在电能质量扰动分类中的应用 [J].
张全明 ;
刘会金 .
中国电机工程学报, 2008, (01) :106-110
[9]
油浸式变压器的老化和寿命评估 [J].
李军 ;
董立文 ;
赵红 .
高电压技术, 2007, (03) :186-187+189
[10]
振动法检测空载变压器绕组的压紧状态 [J].
谢坡岸 ;
金之俭 ;
饶柱石 ;
朱子述 .
高电压技术, 2007, (03) :188-189