基于振荡波多特征融合的变压器绕组故障诊断方法

TM41; 为了获取更多变压器绕组的状态信息,提高绕组故障诊断的准确性,提出了一种基于振荡波多特征融合的变压器绕组故障诊断方法,该方法联合波形特征和小波包时频图的颜色特征判断故障类型、故障程度和故障位置,结合粒子群优化-支持向量机(PSO-SVM)算法实现变压器绕组状态的智能识别.最后搭建变压器故障模拟试验平台验证方法可行性.结果表明:波形特征、颜色矩、颜色聚合向量特征分别针对故障类型、故障程度及故障位置的空间分布具有分离和聚类特性,且通过PSO-SVM识别的准确率高达95％以上,故所提方法能够准确辨识变压器绕组的状态,为现场变压器绕组状态检测提供参考....

Full description

Saved in:
Bibliographic Details
Published in电力自动化设备 Vol. 42; no. 12; pp. 191 - 203
Main Authors 周利军, 周猛, 李沃阳, 陈田东, 吴振宇, 王东阳
Format Journal Article
LanguageChinese
Published 西南交通大学 电气工程学院,四川 成都 611756 2022
Subjects
变压器
振荡波
绕组故障
颜色特征
波形特征
粒子群优化-支持向量机
Online AccessGet full text
ISSN1006-6047
DOI10.16081/j.epae.202205045

Cover

More Information
Summary:TM41; 为了获取更多变压器绕组的状态信息,提高绕组故障诊断的准确性,提出了一种基于振荡波多特征融合的变压器绕组故障诊断方法,该方法联合波形特征和小波包时频图的颜色特征判断故障类型、故障程度和故障位置,结合粒子群优化-支持向量机(PSO-SVM)算法实现变压器绕组状态的智能识别.最后搭建变压器故障模拟试验平台验证方法可行性.结果表明:波形特征、颜色矩、颜色聚合向量特征分别针对故障类型、故障程度及故障位置的空间分布具有分离和聚类特性,且通过PSO-SVM识别的准确率高达95％以上,故所提方法能够准确辨识变压器绕组的状态,为现场变压器绕组状态检测提供参考.
ISSN:1006-6047
DOI:10.16081/j.epae.202205045