基于振动-SVM的变压器绕组缺陷诊断方法

被引:9
作者
张琳 [1 ]
马宏忠 [1 ]
王涛云 [2 ]
李勇 [3 ]
许洪华 [3 ]
机构
[1] 河海大学能源与电气学院
[2] 上海市电力公司金山供电公司
[3] 江苏省电力公司南京供电公司
关键词
变压器; 绕组松动; 频谱分析; 支持向量机;
D O I
暂无
中图分类号
TM407 [维护、检修];
学科分类号
080801 ;
摘要
为了诊断变压器绕组是否存在松动缺陷以及判断绕组松动严重程度,给出及时应对措施,提出以频率特征量为输入、PSO优化SVM的变压器绕组松动缺陷诊断方法。进行110 kV变压器短路试验,模拟不同程度的绕组松动缺陷以探究绕组松动程度特征,提取振动信号的频谱分量,利用比值法削弱负载电流的影响,发现基频分量、800 Hz和a900 Hz分量与频率分量总和的比值随绕组松动程度增加而产生明显变化。但由于特征值相对较小,不利于提取判断阈值,故通过支持向量机进行缺陷诊断并利用效果相对较好的粒子群算法对其进行优化。测试结果表明该诊断模型具有较高的准确性。
引用
收藏
页码:14 / 18
页数:5
相关论文
共 13 条
[1]   基于振动的变压器绕组压紧状态评估方法 [J].
马宏忠 ;
周宇 ;
李凯 ;
许洪华 ;
王涛云 .
电力系统自动化, 2015, 39 (18) :127-132
[2]   基于加权模糊聚类算法的变压器故障诊断方法 [J].
杜正聪 ;
牛高远 .
高压电器, 2014, 50 (04) :42-48
[3]   基于振动信号和小波神经网络的变压器故障诊断 [J].
王春宁 ;
朱跃光 ;
马宏忠 ;
赵宏飞 ;
陈继宁 .
中国电力, 2014, 47 (04) :75-79
[4]   基于振动信号的变压器绕组松动实验研究 [J].
赵宏飞 ;
马宏忠 ;
陈楷 ;
王春宁 ;
余姿雨 .
中国电力, 2014, 47 (01) :13-16+22
[5]   变压器绕组短路振动信号的高低频能量分析 [J].
王春宁 ;
张赢 ;
陈楷 ;
马宏忠 .
电力系统及其自动化学报, 2013, 25 (02) :77-82
[6]   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
[7]   改进粒子群优化神经网络在变压器故障诊断中的应用 [J].
贾嵘 ;
李宏斌 ;
康会西 ;
洪刚 .
高压电器, 2010, 46 (05) :14-17+21
[8]   基于改进SVM模型的电能质量扰动分类 [J].
俞晓冬 ;
周栾爱 .
电力系统保护与控制, 2010, 38 (03) :15-19
[9]   混沌支持向量机在变压器局部放电检测中的应用 [J].
李继胜 ;
陈立彬 ;
赵学风 ;
孙振权 ;
罗勇芬 ;
李彦明 .
高压电器, 2009, 45 (05) :104-106+111
[10]   基于贝叶斯网络的电力变压器状态评估 [J].
赵文清 ;
朱永利 ;
姜波 ;
张小奇 ;
章斌 .
高电压技术, 2008, (05) :1032-1039