一种基于原子稀疏分解的变压器绕组故障诊断方法技术

本发明专利技术提供一种基于原子稀疏分解的变压器绕组故障诊断方法，该方法包括：采用三相变压器试验模拟不同工况下的变压器绕组故障，采集其振动信号，将振动信号进行原子稀疏分解，得到衰减模态参数，将衰减模态参数进行数据的预处理，得到变压器绕组不同故障类型下的特征向量，将特征向量分为训练样本和测试样本，将训练样本作为输入，变压器绕组的故障类型作为输出，建立变压器绕组GSO‑SOM网络故障诊断模型，并对故障诊断模型进行训练，得到训练好的基于原子稀疏分解的变压器绕组GSO‑SOM网络故障诊断模型，将测试样本输入训练好的故障诊断模型，对变压器绕组故障进行判断，输出诊断结果。本发明专利技术具有可靠性高和准确性好等特点，可广泛应用于故障诊断领域。

A Transformer Winding Fault Diagnosis Method Based on Atomic Sparse Decomposition

【技术实现步骤摘要】
一种基于原子稀疏分解的变压器绕组故障诊断方法
本专利技术涉及故障诊断
，特别是涉及一种基于原子稀疏分解的变压器绕组故障诊断方法。
技术介绍
变压器绕组故障是电力系统安全运行的一个重大隐患.据统计绕组在电动力作用下发生机械变形而导致的严重故障占绕组总故障的70％.事故率已上升到首位。因此，及时发现变压器绕组的故障隐患，避免突发事故，开展变压器绕组故障诊断的研究具有十分重要的意义。对于变压器绕组的故障诊断问题，目前，国内外学者提出了多种故障诊断方法。主要故障诊断方法有短路阻抗法、频率响应法、粗糙集理论、支持向量机和神经网络等。短路阻抗法和频率响应法都需要变压器停机才能实现，检测方法复杂且精度较低。粗糙集理论在处理模糊和不确定信息上具有较大的优越性，但其决策规则很不稳定，精确性较差，而且是基于完备的信息系统，处理数据时，常会遇到数据丢失现象。支持向量机在解决小样本、非线性及高维模式识别问题中具有优势，但识别能力易受自身参数影响。神经网络具有简单的结构和很强的问题求解能力，且可较好地处理噪声数据，但算法存在局部最优问题，收敛性较差，可靠性有限。由此可见，在现有技术中，变压器绕组故障诊断本文档来自技高网...

【技术保护点】
1.一种基于原子稀疏分解的变压器绕组故障诊断方法，其特征在于，所述变压器绕组故障诊断方法包括如下步骤：步骤1、采用S11‑M‑500/35型三相变压器试验模拟不同工况下的变压器绕组故障，选取LC0154J型电压式加速度传感器采集变压器绕组不同故障类型的振动信号；步骤2、将所述振动信号进行原子稀疏分解，得到表征变压器绕组不同故障类型的衰减模态参数X＝(x1，x2，...，x5)

【技术特征摘要】
1.一种基于原子稀疏分解的变压器绕组故障诊断方法，其特征在于，所述变压器绕组故障诊断方法包括如下步骤：步骤1、采用S11-M-500/35型三相变压器试验模拟不同工况下的变压器绕组故障，选取LC0154J型电压式加速度传感器采集变压器绕组不同故障类型的振动信号；步骤2、将所述振动信号进行原子稀疏分解，得到表征变压器绕组不同故障类型的衰减模态参数X＝(x1，x2，...，x5)T；步骤3、将所述衰减模态参数X进行数据的预处理，得到变压器绕组不同故障类型下的特征向量T＝(t1，t2，...，t5)T；步骤4、将所述特征向量T随机抽取若干组作为训练样本T1＝(t11，t12，...，t15)T，其余部分为测试样本T2＝(t21，t22，...，t25)T；步骤5、将所述训练样本T1作为输入，变压器绕组的故障类型作为输出，建立变压器绕组GSO-SOM网络故障诊断模型；步骤6、训练变压器绕组GSO-SOM网络故障诊断模型；步骤7、判别满足终止条件是否成立；如果成立，则执行步骤8；如果不成立，则执行步骤6；步骤8、得到训练好的基于原子稀疏分解的变压器绕组GSO-SOM网络故障诊断模型，将所述测试样本T2输入训练好的基于原子稀疏分解的变压器绕组GSO-SOM网络故障诊断模型，对变压器绕组的故障类型进行判断，并输出诊断结果。2.根据权利要求1所述的变压器绕组故障诊断方法，其特征在于，所述步骤2包括以下具体步骤：步骤21、选取Gabor原子作为时频原子，它由一个经调制的高斯窗函数构成，Gabor原子的计算式如下：其中，s为伸缩因子，ε为频率因子，为相位因子；步骤22、从过完备Gabor原子库中找到与振动信号xi(t)最为匹配的原子，即为第1个最匹配原子具体计算式如下：其中，为最初残差信号，为过完备Gabor原子库中的第v个时频原子，D为振动信号稀疏分解的过完备Gabor原子库；步骤23、将第1个最匹配原子从振动信号xi(t)中抽取出来，得到第1个残差信号具体计算式如下：步骤24、当其内积增加值超过当前的1％，并且当前伸缩因子、频率因子和相位因子3变量的增加值超过自身的10％时，按照步骤22和步骤23进行重复迭代运算，具体计算式如下：其中，为第m次分解迭代过程中寻得的原子，为第m次分解迭代过程中产生的残余信号，第m-1次分解迭代过程中产生的残余信号；步骤25、每次迭代时将新原子与最新残差信号做内积运算，当内积增加值不足当前的1％，或当前伸缩因子、频率因子和相位因子3变量的增加值不足自身的10％时，迭代终止，此时得到的原子即为最佳原子gγi(MA)，与此同时，所得的伸缩因子、频率因子和相位因子3变量即为最优3变量步骤26、若当前最佳原子gγi(MA)波形为衰减时，由计算出衰减因子αγi(MA)，若当前最佳原子gγi(MA)波形为发散时，由计算出衰减因子αγi(MA)；步骤27、根据从小到大的排序方法，寻找最佳原子gγi(MA)幅值的最大值，即为衰减正弦量原子的最大幅值Aγi(MA)；步骤28、由以上7步可求得振动信号的最优3变量sγi(MA)，εγi(MA)，以及衰减因子αγi(MA)，衰减正弦量原子的最大幅值Aγi(MA)，即为表征变压器绕组不同故障类型的衰减模态参数X。3.根据权利要求1所述的变压器绕组故障诊断方法，其特征在于，步骤3中，所述数据预处理的计算式如下：t(p)是第p个衰减模态参数的样本值，xact(p)是第p个衰减模态参数的实际值，xmin(p)是第p个衰减模态参数的最小值，xmax(p)是第p个衰减模态参数的最大值。4.根据权利要求1所述的变压器绕组故障诊断...

【专利技术属性】
技术研发人员：刘景艳，王立国，张丽，郭顺京，郭宇，王允建，谢东垒，
申请(专利权)人：河南理工大学，
类型：发明
国别省市：河南,41