基于改进EEMD的高压断路器振声联合故障诊断方法

被引:48
作者
张佩 [1 ]
赵书涛 [1 ]
申路 [1 ]
赵现平 [2 ]
机构
[1] 华北电力大学保定校区电气工程学院
[2] 不详
关键词
高压断路器; 振声数据级融合; 振声特征级融合; 改进EEMD分解; 改进BEEMD分解; 支持向量机;
D O I
暂无
中图分类号
TM561 [断路器];
学科分类号
摘要
高压断路器是电力系统中关键的控制和保护设备,针对其故障诊断方法的不足之处,将振声数据级融合和特征级融合应用于高压断路器故障诊断方法。振声特征级融合诊断方法首先将采集到的声波信号通过快速核独立分量分析(Fast KICA)实现盲源分离处理,其次利用改进集合经验模式分解(EEMD)提取振动信号和声波信号的特征向量。振声数据级融合诊断方法首先构建振声联合图像,其次利用改进的BEEMD提取特征向量。最后将两种方法提取的特征向量输入支持向量机模型(SVM)进行故障诊断,实验结果表明,所提方法诊断高压断路器故障能取得良好的效果。
引用
收藏
页码:77 / 81
页数:5
相关论文
共 9 条
[1]   低压断路器振动特性分析与合闸同期性研究 [J].
缪希仁 ;
王燕 .
电工技术学报, 2013, 28 (06) :81-85
[2]   基于EEMD分解的直驱式机电作动器故障诊断 [J].
刘俊 ;
王占林 ;
付永领 ;
郭彦青 .
北京航空航天大学学报, 2012, 38 (12) :1567-1571
[3]   一种智能变电站断路器状态监测方案 [J].
李刚 ;
王晓锋 ;
周水斌 ;
张克元 .
电力系统保护与控制, 2010, 38 (14) :140-143
[4]   基于贝叶斯网络和故障区域识别的电网故障诊断研究 [J].
何小飞 ;
童晓阳 ;
周曙 .
电力系统保护与控制, 2010, 38 (12) :29-34
[5]   基于振动信号经验模态分解及能量熵的高压断路器故障识别 [J].
陈伟根 ;
邓帮飞 ;
杨彬 .
高压电器, 2009, 45 (02) :90-93+96
[6]   基于粗糙集和小生境遗传算法的电网故障诊断规则提取 [J].
张志毅 ;
袁荣湘 ;
杨同忠 ;
刘敏忠 .
电工技术学报, 2009, 24 (01) :158-163
[7]   线路断路器失灵保护几个问题的探讨 [J].
宋友文 .
电力系统保护与控制, 2008, 36 (23) :88-91
[8]   基于支持向量机的高压断路器机械状态分类 [J].
孙来军 ;
胡晓光 ;
纪延超 .
电工技术学报, 2006, (08) :53-58
[9]  
基于振—声联合分析的高压断路器机械故障诊断研究[D]. 李建鹏.华北电力大学 2012