CN110186557A - 一种电抗器故障诊断方法 - Google Patents
一种电抗器故障诊断方法 Download PDFInfo
- Publication number
- CN110186557A CN110186557A CN201910486344.0A CN201910486344A CN110186557A CN 110186557 A CN110186557 A CN 110186557A CN 201910486344 A CN201910486344 A CN 201910486344A CN 110186557 A CN110186557 A CN 110186557A
- Authority
- CN
- China
- Prior art keywords
- reactor
- fault
- vibration signal
- diagnostic method
- imf
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Abstract
本发明公开了一种电抗器故障诊断方法,包括:对电抗器的振动信号进行分解,得到多个IMF分量;选定若干IMF分量作为故障特征提取的数据源;利用选定的IMF分量构造故障特征量;结合核聚类算法对电抗器故障状态进行诊断。本发明能够提高故障诊断的精确度。
Description
技术领域
本发明涉及一种电抗器故障诊断方法,属于电力设备状态检测与故障诊断领域。
背景技术:
电抗器是输变电系统正常运行的关键变电站设备之一,其运行可靠性影响到整个系统的安全和使用寿命,因此对电抗器的监测和故障诊断在机械故障诊断领域有着十分重要的地位。
近年来,Huang等提出的基于经验模态分解法(Empirical Mode Decomposition,EMD)的希尔伯特-黄变换广泛应用于对机械振动信号进行时频局部化分析,并取得了较良好的效果。EMD具有完全自适应性,但其缺乏数学理论基础,而且具有端点效应、过包络、欠包络、虚假模态等问题,不能保证信号分解的精确度。当采用FCMC对样本进行分类时,如果样本的差异不大,会导致识别精度的下降。
发明内容
本发明提供一种电抗器故障诊断方法,能够提高故障诊断的精确度。
为达到上述目的,本发明所采用的技术方案是:一种电抗器故障诊断方法,所述方法包括如下步骤:
对电抗器的振动信号进行分解,得到多个IMF分量;
选定若干IMF分量作为故障特征提取的数据源;
利用选定的IMF分量构造故障特征量;
结合核聚类算法对电抗器故障状态进行诊断。
进一步的,采用集总经验模态分解法对电抗器的振动信号进行分解。
进一步的,所述方法还包括:对电抗器的振动信号进行分解后,利用高斯白噪声具有频率均匀分布的统计特性弥补模态不连续的缺陷。
进一步的,所述数据源的提取方法包括如下步骤:
分别计算原振动信号和该原振动信号分解后获取的每个IMF分量的峭度、能量、均方差;
将峭度、能量、均方差组成指标向量;
计算各IMF分量对应的指标向量和原振动信号对应的指标向量之间的欧式距离;
选取欧式距离中3个最小值对应的3个IMF分量,作为提取形态谱平均值的数据源。
进一步的,对已确定的3个IMF分量在选定尺度范围内进行形态普平均值计算从而构造所述故障特征量。
进一步的,所述核聚类算法包括KFCM聚类集成算法。
本发明采用EEMD对原始信号进行分解,可以有效地抑制模态混叠现象,保证数据源的精确度;峭度和均方差这两个统计参数均能反映信号幅值概率密度分布的特性,并且当设备发生故障时,信号的能量会增加,基于峭度、均方差、能量三个评价指标,能选出包含最丰富特征信息的IMF分量,能够精确识别故障信息。
附图说明
图1为本发明实施例提供的一种电抗器故障诊断方法流程图;
图2为本发明实施例中KFCM分类识别后的90组样本分布图。
具体实施方式
为了更好的理解本发明的实质,下面结合具体实施例和附图对本发明作进一步的阐述。
如图1所示,是本发明提供的一种电抗器故障诊断方法的流程图,包括如下步骤:
步骤一:对电抗器的振动信号进行分解,得到多个IMF分量;
对各种状态下的电抗器振动信号进行集总经验模态分解(Ensemble empirical modedecomposition,EEMD),EEMD根据信号自身的特点自适应地将非线性、非平稳的多模态信号分解为若干个单一模态的内禀模态函数(intrinsic mode function,IMF)分量和一个余项,利用高斯白噪声具有频率均匀分布的统计特性弥补模态不连续的缺陷,保证了模态分解的准确性。
步骤二:选定若干IMF分量作为故障特征提取的数据源;
分别计算原振动信号和该原振动信号分解后获取的每个IMF分量的峭度、能量、均方差;
将峭度、能量、均方差组成指标向量;
计算各IMF分量对应的指标向量和原振动信号对应的指标向量之间的欧式距离;
选取欧式距离中3个最小值对应的3个IMF分量,作为提取形态谱平均值的数据源。
步骤三:利用选定的IMF分量构造故障特征量;
对步骤二已确定的3个IMF分量在选定尺度范围内进行形态普平均值计算从而构造所述故障特征量。
步骤四:结合KFCM聚类集成算法对电抗器故障状态进行诊断。
如图2所示,是经过KFCM聚类集成算法识别后的90组样本分布图。选取实验现场在加压20%,加压100%,加压140%三种电压状态下的22kv电抗器内部铁心上轭中部采集的信号长度为2000点(0.04s)的数据进行特征提取,采用EEMD对其进行分析,每个原信号分解得到8个IMF分量和1个冗余分量。分别计算原始信号和该信号分解后的每个IMF分量的这3个指标,将这3个指标组成一个指标向量,计算各个IMF分量对应的指标向量和原始信号对应的指标向量之间的欧式距离,从中选取欧式距离中3个最小值对应的3个IMF分量,将其作为提取形态谱平均值的数据源。经过计算分析,最终选定的每种类型信号的数据源都是IMF1~IMF3。
选用多尺度开运算形态谱进行分析,三种电压状态下信号的分析尺度的选取范围为1~10。采用扁平型结构元素,单位结构元素设置为(0 0 0)。
分别对每种类型信号所获得的数据源的每个IMF分量进行形态谱的提取,即从每个分量提取出10个形态谱值,之后再对这10个谱值求取平均值。3个IMF分量各得到一个形态谱平均值,构成一个三维的特征向量,作为一个分类样本。
每种运行状态信号各取30组数据进行特征提取,构成90个样本,以Matlab软件为仿真平台,运用KFCM对所有样本进行聚类分析,其中模糊加权指数m取1.5。
本发明实施例将EEMD方法应用到振动信号分析中,可以有效地抑制模态混叠现象,能够为后续的故障分类识别提供高质量且含有更丰富故障特征信息的数据源;基于峭度、能量和均方差相结合的评价方法来选择含有绝大部分故障特征信息的若干IMF分量,能选出包含最丰富特征信息的IMF分量,结合KFCM聚类对故障状态进行识别,可以得到良好的分类效果。
应当指出,虽然通过上述实施方式对本发明进行了描述,然而本发明还可有其它多种实施方式。在不脱离本发明精神和范围的前提下,熟悉本领域的技术人员显然可以对本发明做出各种相应的改变和变形,但这些改变和变形都应当属于本发明所附权利要求及其等效物所保护的范围内。
Claims (6)
1.一种电抗器故障诊断方法,其特征在于,所述方法包括如下步骤:
对电抗器的振动信号进行分解,得到多个IMF分量;
选定若干IMF分量作为故障特征提取的数据源;
利用选定的IMF分量构造故障特征量;
结合核聚类算法对电抗器故障状态进行诊断。
2.根据权利要求1所述的电抗器故障诊断方法,其特征在于,采用集总经验模态分解法对电抗器的振动信号进行分解。
3.根据权利要求2所述的电抗器故障诊断方法,其特征在于,所述方法还包括:对电抗器的振动信号进行分解后,利用高斯白噪声具有频率均匀分布的统计特性弥补模态不连续的缺陷。
4.根据权利要求1所述的电抗器故障诊断方法,其特征在于,所述数据源的提取方法包括如下步骤:
分别计算原振动信号和该原振动信号分解后获取的每个IMF分量的峭度、能量、均方差;
将峭度、能量、均方差组成指标向量;
计算各IMF分量对应的指标向量和原振动信号对应的指标向量之间的欧式距离;
选取欧式距离中3个最小值对应的3个IMF分量,作为提取形态谱平均值的数据源。
5.根据权利要求4所述的电抗器故障诊断方法,其特征在于,对已确定的3个IMF分量在选定尺度范围内进行形态普平均值计算从而构造所述故障特征量。
6.根据权利要求1所述的电抗器故障诊断方法,其特征在于,所述核聚类算法包括KFCM聚类集成算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910486344.0A CN110186557A (zh) | 2019-06-05 | 2019-06-05 | 一种电抗器故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910486344.0A CN110186557A (zh) | 2019-06-05 | 2019-06-05 | 一种电抗器故障诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110186557A true CN110186557A (zh) | 2019-08-30 |
Family
ID=67720560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910486344.0A Pending CN110186557A (zh) | 2019-06-05 | 2019-06-05 | 一种电抗器故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110186557A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111947793A (zh) * | 2020-07-17 | 2020-11-17 | 西安工程大学 | 一种超快过程探测的时域-频域转换器 |
CN113536969A (zh) * | 2021-06-25 | 2021-10-22 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种高压电抗器缺陷诊断方法及系统 |
CN114462457A (zh) * | 2022-04-11 | 2022-05-10 | 自然资源部第一海洋研究所 | 基于本征概率密度函数的舰船水下噪声深度学习识别方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4282595B2 (ja) * | 2004-12-09 | 2009-06-24 | 株式会社東芝 | 振動監視システム、振動監視方法、放射線検知システムおよび放射線検知方法 |
CN102200470A (zh) * | 2011-03-04 | 2011-09-28 | 青海电力科学试验研究院 | 一种高压电抗器振动测试方法 |
CN102331547A (zh) * | 2011-07-12 | 2012-01-25 | 江苏镇安电力设备有限公司 | 一种变压器绕组振动的在线监测及故障诊断方法 |
CN203929215U (zh) * | 2013-09-04 | 2014-11-05 | 国家电网公司 | 一种电力电容器振动在线监测装置 |
CN104142423A (zh) * | 2014-08-12 | 2014-11-12 | 国网上海市电力公司 | 1000kV高压并联电抗器的监测系统和方法 |
CN105676120A (zh) * | 2016-01-11 | 2016-06-15 | 广东电网有限责任公司电力科学研究院 | 基于振动能量突变的高压断路器同期性检测装置及方法 |
US9377341B1 (en) * | 2013-04-12 | 2016-06-28 | Joe David Watson | Electronic liquid level sensing device and gauge for liquid-immersed power transformers, reactors and similar equipment |
CN105808941A (zh) * | 2016-03-04 | 2016-07-27 | 重庆大学 | 一种基于油中溶解气体的高压并联电抗器模糊综合诊断方法 |
CN106840637A (zh) * | 2017-03-24 | 2017-06-13 | 国网山东省电力公司莱芜供电公司 | 基于改进hht算法的gis机械振动信号时频分析方法 |
CN106841883A (zh) * | 2017-04-13 | 2017-06-13 | 山东汇能电气有限公司 | 高压电力电容器成套装置中电抗器运行状态监测方法 |
CN107179459A (zh) * | 2017-06-09 | 2017-09-19 | 广西电网有限责任公司电力科学研究院 | 一种高压电抗器潜伏性缺陷的状态监测系统 |
CN107702908A (zh) * | 2017-10-12 | 2018-02-16 | 国网山东省电力公司莱芜供电公司 | 基于vmd自适应形态学的gis机械振动信号时频分析方法 |
CN108414075A (zh) * | 2018-03-09 | 2018-08-17 | 国网陕西省电力公司电力科学研究院 | 一种高压断路器紧固螺栓松动检测装置及检测方法 |
CN109269629A (zh) * | 2018-08-03 | 2019-01-25 | 河海大学 | 基于经验小波变换的特高压并联电抗器振动信号分析方法 |
-
2019
- 2019-06-05 CN CN201910486344.0A patent/CN110186557A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4282595B2 (ja) * | 2004-12-09 | 2009-06-24 | 株式会社東芝 | 振動監視システム、振動監視方法、放射線検知システムおよび放射線検知方法 |
CN102200470A (zh) * | 2011-03-04 | 2011-09-28 | 青海电力科学试验研究院 | 一种高压电抗器振动测试方法 |
CN102331547A (zh) * | 2011-07-12 | 2012-01-25 | 江苏镇安电力设备有限公司 | 一种变压器绕组振动的在线监测及故障诊断方法 |
US9377341B1 (en) * | 2013-04-12 | 2016-06-28 | Joe David Watson | Electronic liquid level sensing device and gauge for liquid-immersed power transformers, reactors and similar equipment |
CN203929215U (zh) * | 2013-09-04 | 2014-11-05 | 国家电网公司 | 一种电力电容器振动在线监测装置 |
CN104142423A (zh) * | 2014-08-12 | 2014-11-12 | 国网上海市电力公司 | 1000kV高压并联电抗器的监测系统和方法 |
CN105676120A (zh) * | 2016-01-11 | 2016-06-15 | 广东电网有限责任公司电力科学研究院 | 基于振动能量突变的高压断路器同期性检测装置及方法 |
CN105808941A (zh) * | 2016-03-04 | 2016-07-27 | 重庆大学 | 一种基于油中溶解气体的高压并联电抗器模糊综合诊断方法 |
CN106840637A (zh) * | 2017-03-24 | 2017-06-13 | 国网山东省电力公司莱芜供电公司 | 基于改进hht算法的gis机械振动信号时频分析方法 |
CN106841883A (zh) * | 2017-04-13 | 2017-06-13 | 山东汇能电气有限公司 | 高压电力电容器成套装置中电抗器运行状态监测方法 |
CN107179459A (zh) * | 2017-06-09 | 2017-09-19 | 广西电网有限责任公司电力科学研究院 | 一种高压电抗器潜伏性缺陷的状态监测系统 |
CN107702908A (zh) * | 2017-10-12 | 2018-02-16 | 国网山东省电力公司莱芜供电公司 | 基于vmd自适应形态学的gis机械振动信号时频分析方法 |
CN108414075A (zh) * | 2018-03-09 | 2018-08-17 | 国网陕西省电力公司电力科学研究院 | 一种高压断路器紧固螺栓松动检测装置及检测方法 |
CN109269629A (zh) * | 2018-08-03 | 2019-01-25 | 河海大学 | 基于经验小波变换的特高压并联电抗器振动信号分析方法 |
Non-Patent Citations (5)
Title |
---|
S. CHEN: "《Experimental research of vibration characteristics of shunt reactor》", 《2014 IEEE PES GENERAL MEETING | CONFERENCE & EXPOSITION》 * |
季秋谣: "《高压断路器在线监测与故障智能诊断技术研究》", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
赵若妤: "《基于经验小波变换的特高压并联电抗器振动信号分析》", 《电工电能新技术》 * |
郑一鸣: "《振动监测方法在特高压电抗器缺陷分析中的应用》", 《浙江电力》 * |
郑直: "《基于EEMD形态谱和KFCM聚类集成的滚动轴承故障诊断方法研究》", 《振动工程学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111947793A (zh) * | 2020-07-17 | 2020-11-17 | 西安工程大学 | 一种超快过程探测的时域-频域转换器 |
CN113536969A (zh) * | 2021-06-25 | 2021-10-22 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种高压电抗器缺陷诊断方法及系统 |
CN114462457A (zh) * | 2022-04-11 | 2022-05-10 | 自然资源部第一海洋研究所 | 基于本征概率密度函数的舰船水下噪声深度学习识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Song et al. | Wind turbine health state monitoring based on a Bayesian data-driven approach | |
CN110186557A (zh) | 一种电抗器故障诊断方法 | |
US20230123117A1 (en) | Method and Apparatus for Inspecting Wind Turbine Blade, And Device And Storage Medium Thereof | |
CN109489977B (zh) | 基于KNN-AdaBoost的轴承故障诊断方法 | |
CN110188834A (zh) | 一种电力通信网的故障诊断方法、装置及设备 | |
CN110674009B (zh) | 应用服务器性能监测方法、装置、存储介质及电子设备 | |
CN114090396A (zh) | 一种云环境多指标无监督异常检测和根因分析方法 | |
CN113542241B (zh) | 一种基于CNN-BiGRU混合模型的入侵检测方法及装置 | |
CN112307950A (zh) | Gis振动缺陷辨识的细节特征量提取及智能分析方法 | |
CN103968937A (zh) | 一种基于emd样本熵和fcm的配电开关机械状态诊断方法 | |
CN102749572A (zh) | 基于iecmac参数辨识的功率电子电路故障预测方法 | |
JP2015095060A (ja) | ログ分析装置及び方法 | |
CN113283292B (zh) | 一种水下微型推进器故障诊断的方法及装置 | |
CN104832418A (zh) | 一种基于局部均值变换和Softmax的液压泵故障诊断方法 | |
CN110543658A (zh) | 基于大数据的电厂设备诊断方法 | |
CN110362907A (zh) | 基于ssd神经网络输电线路目标缺陷识别与诊断方法 | |
CN115222303B (zh) | 基于大数据的行业风险数据分析方法、系统及存储介质 | |
CN116866012A (zh) | 电力设施管理平台的网络风险监测方法及系统 | |
Gursel et al. | Using artificial intelligence to detect human errors in nuclear power plants: A case in operation and maintenance | |
CN115080356A (zh) | 异常告警方法和装置 | |
CN109946597A (zh) | 基于机电信号的分接开关运行状态评估方法 | |
CN110469461A (zh) | 一种风机齿带的断裂预估方法、其装置及可读存储介质 | |
CN113075512A (zh) | 基于声检测的变压器放电故障诊断方法和系统 | |
Mei et al. | A data‐driven approach to state assessment of the converter valve based on oversampling and Shapley additive explanations | |
CN115859148A (zh) | 风机叶片振动报警方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190830 |