一种变压器有载分接开关机械故障在线监测方法技术

本发明专利技术公开了一种变压器有载分接开关机械故障在线监测的方法，其步骤如下：采集有载分接开关操作过程中产生的振动信号；利用小波分解对振动信号进行去噪提纯，得到各种故障信号的小波近似系数；应用多重分形谱算法提取出振动故障的特征向量；将该特征向量作为BP神经网络的输入向量进行分类识别。本发明专利技术将现场采集的OLTC振动信号先采用小波降噪可以较好的再现振动信号特征，有效的提高故障识别率和效率；采用多重分形谱的方法在估计精确度和对OLTC机械故障状态区分度上有明显的差异性和区分性；本发明专利技术可实时监测变压器有载分接开关的工作状态，为有目的的检修提供数据支撑和理论依据，避免浪费人力，物力和时间。

An on-line monitoring method for mechanical faults of transformer on-load tap-changer

The invention discloses an on-line monitoring method for mechanical faults of on-load tap changers of transformers. The steps are as follows: collecting vibration signals generated during operation of on-load tap changers; denoising and purifying vibration signals by using wavelet decomposition to obtain approximate wavelet coefficients of various fault signals; and applying multifractal spectrum algorithm. The eigenvector of vibration fault is extracted and classified as the input vector of BP neural network. The OLTC vibration signal collected in the field can reproduce the characteristics of vibration signal better by using wavelet denoising, and effectively improve the fault recognition rate and efficiency; the method of multifractal spectrum has obvious difference and distinction in estimation accuracy and distinguishing degree of OLTC mechanical fault state; the invention can monitor changes in real time. The working state of on-load tap-changer of transformer provides data support and theoretical basis for purposeful maintenance, avoiding wasting manpower, material resources and time.

【技术实现步骤摘要】
一种变压器有载分接开关机械故障在线监测方法
本专利技术涉及电力设备信号监测方法，尤其涉及一种变压器有载分接开关机械故障在线监测方法，属于故障在线监测

技术介绍
有载分接开关(OLTC)是电力变压器的一个重要组成部分，它起到调节无功潮流、稳定负荷中心电压的作用，其运行状况直接关系到变压器及系统的稳定与安全。OLTC是有载调压变压器唯一动作部件，据国外资料统计，OLTC故障占有载调压变压器故障的41％，国内早期平均统计数据表明，OLTC的故障占变压器故障的20％以上。以往人们对分接开关故障认识不够，这主要是因为过去分接开关动作次数很少(甚至不少地方为防止变压器分接开关动作引起事故,人为不让分接开关动作)，故障率相对较低，因此，其研究不够深入，到目前为止，对有载分接开关已进行较深入的研究，并也取得重要的研究成果，但仍有不少问题还有待解决。因此，为了确保分接开关安全可靠地运行，开展分接开关状态监测和故障诊断刻不容缓。目前现有技术中关于变压器有载分接开关机械故障在线监测方法其故障正确识别率不高，夹杂了信号局部特性的小波细节系数，因此数字信号识别的效率不高，而且在估计精确度和对OLTC机械故障状态(触头松动、绝缘板松动、电动机构滑档)的区分度上没有明显的差异性和区分性，计算效率和精度都受影响。
技术实现思路
本专利技术针对现有技术的不足，提高有载分接开关可靠性，本专利技术提供了一种识别精度大大提高的变压器有载分接开关机械故障在线监测的方法。为了解决上述技术问题，本专利技术提出的技术方案是：一种变压器有载分接开关机械故障在线监测方法，包括以下步骤：步骤1：采集有载分接开关操作过程中产生的振动信号；步骤2：通过对故障信号进行小波分解对振动信号进行去噪提纯，得到各种故障信号的小波近似系数；步骤3：应用多重分形谱算法提取出振动故障的特征向量；步骤4：将该特征向量作为BP神经网络的输入向量进行分类识别。进一步地，所述步骤(2)对故障信号进行小波包分解，选择一个db5小波并确定一个小波分解的层次5，然后对信号进行5层小波包分解。设故障信号f(t)＝V0,根据多分辨分析的定义可作如下分解：其中，V0为信号空间，Vj为尺度子空间，Wj为小波子空间，N为任意尺度。那么，故障信号f(t)就可以分解为在这些小波子空间和尺度子空间的投影之和：将向不同尺度的小波空间投影，得到不同的尺度下的细节信号：式中ψj,k(t)称为小波函数；dj,k＝<f,ψj,k>称为小波的展开系数。将向不同尺度的小波空间投影，得到不同尺度下的概貌信号：式中称为尺度函数；称为尺度展开系数。这样通过小波分解获得小波细节系数gi(t)和小波近似系数fN(t)，用抽取的小波近似系数来完整描述的波形。进一步地，步骤(3)将上述步骤得到的波形基于多重分形谱算法提取出振动故障的特征向量具体步骤如下：1)定义概率测度pi(ε)Si(ε)为当盒子尺度为ε时第i个小盒子内所有像素点的灰度数值之和；则第i个小盒子内平均灰度值的数值分布概率可表示为：2)计算配分函数Xq(δ)-∞＜q＜+∞，q为权重因子；用q次方对pi(ε)加权求和，得Xq(ε)＝∑pi(ε)q(6)，3)计算质量指数τ(q)Xq(ε)＜εr(q)，则质量指数为：τ(q)＝(q-1)D(q)(7)，4)分别计算q和D(q)的值及a和f(a)得到多重分形谱图，定义q次信息为D(q)为：由统计物理学中通过勒让德变换可获得两组参数：f(a)＝qa-τ(a)(10)，由式(9)和(10)可以计算的多重分形谱特征参数q、D(q)和f(a)的数值。进一步地，步骤(4)选取16组不同工况下实测信号作为样本，样本包括分接开关的4种状况即分接开关正常、触头松动、绝缘板松动、电动机构滑档；通过小波系数提取到了信号波形样本，应用多重分形算法提取到了波形的特征值即D(q)、f(a)，然后把多重分形谱2个特征参数作为输入量，选用3层结构的BP神经网络，输入层和采用的特征参数的数量一致，隐含层采用15个节点，输出层采用2个节点(分别对应四种不同的运行状况)。计算机采用编码中的4位二进制加权码作为神经网络目标输出，进行智能识别。通过识别结果的各位取8421权值，达到对故障识别。正常信号编码记为00，其他信号依次记为01、10、11。利用四种工况下的数据构成一个学习样本集，对神经网络进行训练，使输出相应和期望输出之间的误差达到系统要求，将剩余的12个样本输入训练好的神经网络，进行验证测试。本专利技术与现有技术相比的优点在于：(1)、本专利技术将现场采集的OLTC振动信号先采用小波降噪可以较好的再现振动信号特征，有效的提高故障识别率，再选择用db5小波对振动信号进行5层分解得到小波近似系数，该系数完整的描述了信号的波形，避开了信号局部特性的小波细节系数，为数字信号的识别提供了一种新的快速有效的方法；(2)、本专利技术采用多重分形谱的方法在估计精确度和对OLTC机械故障状态(触头松动、绝缘板松动、电动机构滑档)的区分度上都有明显的差异性和区分性，同时具有较高的计算效率，将其作为OLTC振动信号的特征提取手段，可以将信号样本库映射到多重分形谱特征样本库，有效地提取了波形特征；(3)、本专利技术采用编码化的BP神经网络算法和多重分形谱技术相结合对OLTC的故障结果进行识别，对于单个故障的正确识别率达到了95％以上，具有很高的工程适用性，同时使识别结果在智能化和人性化得到了提高，增强人机互动性。附图说明图1为本专利技术的流程图；图2为故障信号特征提取与识别方法；图3为采集到的四种工况的振动信号；图4为经过小波降噪分解得到的近似系数；图5为通过多重分形谱算法得到的特征序列。具体实施方式如图1所示，本专利技术是一种有载分接开关机械故障在线监测方法，具体步骤如下：(1)、振动检测探头贴敷在有载分接开关的箱壁顶端上，采集有载分接开关操作过程中产生的4种不同工况下的振动信号如图3所示。(2)、对四种工况信号信号进行小波包分解，选择一个db5小波并确定一个小波分解的层次5，然后对信号进行5层小波包分解得到各种工况的近似系数如图4所示。(3)、通过小波系数提取到信号波形趋势图作为样本，应用多重分形谱算法提取样本的特征值即D(q)和f(a)如图5所示。(4)、采用多重分形谱2个特征参数D(q)、f(a)作为输入量，用3层结构的BP神经网络，输入层和采用的特征参数的数量一致，隐含层采用15个节点，输出层采用2个节点(分别对应四种不同的运行状况)。计算机采用编码中的4位二进制加权码作为神经网络目标输出，进行智能识别，通过识别结果的各位取8421权值，达到对故障识别。正常信号编码记为00，其他信号依次记为01、10、11。在神经网络中初始化各个权值wij和阈值θij，使其为介于区间(0，1)中的随机数。利用这四组工况数据构成一个学习样本集，对神经网络进行训练，测试结果(随机选取了4个结果)如表一所示，正确率可达到100％。表1训练后对应网络实际输出值、有效值、四舍五入结果下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。一种变压器有载分接开关机械故障在线监测的方法，其特征在于，所述方法包括：步骤1：将振动检测本文档来自技高网...

【技术保护点】
1.一种变压器有载分接开关机械故障在线监测的方法，其特征在于，所述方法包括：步骤1：采集有载分接开关操作过程中产生的振动信号；步骤2：通过对故障信号进行小波分解对振动信号进行去噪提纯，得到各种故障信号的小波近似系数；步骤3：应用多重分形谱算法提取出振动故障的特征向量；步骤4：将该特征向量作为BP神经网络的输入向量进行分类识别。

【技术特征摘要】
1.一种变压器有载分接开关机械故障在线监测的方法，其特征在于，所述方法包括：步骤1：采集有载分接开关操作过程中产生的振动信号；步骤2：通过对故障信号进行小波分解对振动信号进行去噪提纯，得到各种故障信号的小波近似系数；步骤3：应用多重分形谱算法提取出振动故障的特征向量；步骤4：将该特征向量作为BP神经网络的输入向量进行分类识别。2.根据权利要求1所述的一种变压器有载分接开关机械故障在线监测的方法，其特征在于：步骤(2)对故障信号进行小波包分解时包括选择一个db5小波并确定一个小波分解的层次为5，然后对信号进行5层小波包分解。3.根据权利要求2或1所述的一种变压器有载分接开关机械故障在线监测的方法，其特征在于：对故障信号进行小波包分解时具体包括：设故障信号f(t)＝V0,根据多分辨分析的定义可作如下分解：其中，V0为信号空间，Vj为尺度子空间，Wj为小波子空间，N为任意尺度；故障信号f(t)；分解为在这些小波子空间和尺度子空间的投影之和表达式如下：将向不同尺度的小波空间投影，得到不同的尺度下的细节信号表达式如下：式中ψj,k(t)称为小波函数；dj,k＝<f,ψj,k〉称为小波的展开系数；将向不同尺度的小波空间投影，得到不同尺度下的概貌信号：式中称为尺度函数；称为尺度展开系数；通过小波分解获得小波细节系数gi(t)和小波近似系数fN(t)，用抽取的小波近似系数来完整描述的波形。4.根据权利要求3所述的一种变压器有...

【专利技术属性】
技术研发人员：马宏忠，陈明，严岩，徐艳，陈冰冰，张勇，许洪华，王春宁，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32