一种基于VMD的变压器合闸振动信号特征频率计算方法技术

本发明专利技术公开了一种基于VMD的变压器合闸振动信号特征频率计算方法，包括：以分解评价系数为标准对VMD参数进行优化，运用VMD对变压器表面合闸振动信号进行最优模态分解；构建VMD信息熵

【技术实现步骤摘要】
一种基于VMD的变压器合闸振动信号特征频率计算方法


[0001]本专利技术涉及变压器绕组状态监测与故障诊断
，具体涉及一种基于VMD的变压器合闸振动信号特征频率计算方法。

技术介绍

[0002]文献《基于自适应EEMD算法的变压器绕组状态检测仿真》(陆启宇，李腾飞，王备等.计算机仿真,2017,34(01):453
‑
457)采用EEMD算法提取振动信号包络线检测变压器绕组状态，该方法弱化了EMD的端点效应，应用于复杂非平稳信号时仍会产生模态混叠与过分解现象；文献《基于改进经验模态分解和谱峭度法的变压器振动故障特征提取》(陈东毅，陈杰辰，李冲等.广东电力,2016,29(01):11
‑
16)以峭度为标准提取变压器振动信号特征分量，评价指标相对单一，不能完全表征变压器故障状态特征。

技术实现思路

[0003]本专利技术的目的是克服现有技术应用于复杂非平稳信号时仍会产生模态混叠与过分解现象、评价指标相对单一、不能完全表征变压器故障状态特征的技术问题，而提供一种基于VMD的变压器合闸振动信号特征频率计算方法，该方法表明绕组松动和正常状态下变压器合闸振动信号特征频率存在明显差异，为变压器绕组松动故障诊断提供了新的思路。
[0004]本专利技术采用如下技术方案：
[0005]一种基于VMD的变压器合闸振动信号特征频率计算方法，包括下述步骤：
[0006](1)以分解评价系数为标准对VMD参数进行优化，运用VMD对变压器表面合闸振动信号进行最优模态分解；
[0007](2)构建VMD信息熵
‑
峭度
‑
相关系数综合评价模型，运用熵权法计算评价指标权重；
[0008](3)运用TOPSIS法提取变压器合闸振动信号VMD特征模态分量；
[0009](4)对VMD特征模态分量进行希尔伯特变换，确定变压器合闸振动信号特征频率。
[0010]其中，所述步骤(1)中VMD的参数主要包括：模态分量个数K，惩罚因子α、判别精度ε和保真系数τ。作为优选，VMD惩罚因子α设为2000，判别精度ε设为0，保真系数τ设为10
‑7。考虑到模态分量个数K对VMD的分解效果影响较大，对VMD参数K进行优化的步骤如下：
[0011](1.1)假设VMD分解变压器合闸振动信号E得到K个模态分量IMF1,IMF2,
…
,IMF
K
。求解所有模态分量的信息熵，设为H1(E),H2(E),
…
,H
K
(E)。定义熵差系数Var评估模态分量之间的差异：
[0012][0013]式中Var的数值越大，VMD分解得到的模态分量差异越大，VMD分解效果越好；
[0014](1.2)定义还原系数δ表征变压器原始合闸振动信号E与VMD模态分量重构信号之
间的误差：
[0015]δ＝∑abs(E
‑
IMF1‑
IMF2‑…‑
IMF
K
)
[0016]式中δ越小，重构信号与原始信号误差越小；
[0017](1.3)定义VMD分解评价系数Cal：
[0018][0019]式中Cal与Var成正比，与δ成反比；Cal的数值越大，VMD在完全分解的同时其重构信号也越接近变压器原始合闸振动信号，VMD分解效果越好。
[0020](1.4)计算K取不同数值时的VMD分解评价系数Cal，找出最大值，确定VMD最优模态分量个数K。
[0021]所述步骤(2)中，选取信息熵、峭度、相关系数(这里指VMD模态分量与变压器原始振动信号的相关系数)作为参考依据对变压器合闸振动信号的VMD模态分量进行评估分析，构建VMD信息熵
‑
峭度
‑
相关系数综合评价模型，运用熵权法计算信息熵、峭度以及相关系数三个指标权重的步骤如下：
[0022](2.1)指标归一化：将指标分为A、B两种类型，其中峭度、相关系数为A型指标(峭度、相关系数越大，模态分量越能表征原始信号的特征)，信息熵为B型指标(信息熵越小，模态分量越能表征原始信号的特征)。选取同一测点所测多组变压器原始合闸振动信号作为VMD综合评价模型的训练样本，按照步骤(1)所述方法对所有振动信号进行VMD最优模态分解得到一组VMD模态分量样本设为IMF1,IMF2,
…
,IMF
m
,其中第i个模态分量的信息熵、峭度、与原信号的相关系数分别为s
i1
,s
i2
,s
i3
，对A型指标峭度、相关系数进行归一化处理：
[0023][0024]对B型指标信息熵进行归一化处理：
[0025][0026]式中k
i1
、k
i2
、k
i3
分别为对信息熵、峭度以及相关系数指标进行归一化处理后所得数值；
[0027](2.2)获取指标权重向量：以信息熵指标为例，其熵值为：
[0028][0029]式中同理可得峭度、相关系数的指标熵值H2、H3。则信息熵指标的熵权为：
[0030][0031]以此类推求得指标权重向量为：v＝(v1,v2,v3)
T
。
[0032]所述步骤(3)中，TOPSIS法根据评价模型指标权重向量求得理想情况下的最优方
案与最劣方案，通过计算各个备选方案与最优方案之间的相对贴进度评判方案的优劣。运用TOPSIS法提取变压器合闸振动信号VMD特征模态分量的步骤如下：
[0033](3.1)构建加权评价矩阵：以步骤(2.1)所得评价模型指标无量纲归一化值为基础构建原始评价矩阵为：
[0034][0035]式中k
i1
、k
i2
、k
i3
分别为对信息熵、峭度以及相关系数指标进行归一化处理后所得数值；
[0036]将步骤(2.2)所得指标权重向量v与原始评价矩阵(k
ij
)
m
×3相乘得加权评价矩阵为：
[0037][0038]式中w
ij
＝v
j
·
k
ij
(i＝1,2,
…
,m；j＝1,2,3)；
[0039](3.2)计算相对贴进度：令A型指标峭度、相关系数对应的最优方案分别为：
[0040][0041]最劣方案分别为：
[0042][0043]令B型指标信息熵对应的最优方案、最劣方案分别为：
[0044][0045]计算各个模态分量IMF
i
与信息熵
‑
峭度
‑
相关系数评价模型最优方案的相对贴进度为：
[0046][0047]式中分别为各个模态分量IMF
i
与最优方案、最劣方案的加权欧本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于VMD的变压器合闸振动信号特征频率计算方法，其特征在于，包括以下步骤：(1)以分解评价系数为标准对VMD参数进行优化，运用VMD对变压器表面合闸振动信号进行最优模态分解；(2)构建VMD信息熵
‑
峭度
‑
相关系数综合评价模型，运用熵权法计算评价指标权重；(3)运用TOPSIS法提取变压器合闸振动信号VMD特征模态分量；(4)对VMD特征模态分量进行希尔伯特变换，确定变压器合闸振动信号特征频率。2.根据权利要求1所述的一种基于VMD的变压器合闸振动信号特征频率计算方法，其特征在于，所述步骤(1)中VMD的参数主要包括：模态分量个数K、惩罚因子α、判别精度ε和保真系数τ。3.根据权利要求2所述的一种基于VMD的变压器合闸振动信号特征频率计算方法，其特征在于，VMD惩罚因子α设为2000，判别精度ε设为0，保真系数f设为10
‑7。4.根据权利要求3所述的一种基于VMD的变压器合闸振动信号特征频率计算方法，其特征在于，对模态分量个数K进行优化，优化步骤如下：(1.1)假设VMD分解变压器原始合闸振动信号E得到K个模态分量IMF1，IMF2，
…
，IMF
K
，求解所有模态分量的信息熵，设为H1(E)，H2(E)，
…
，H
K
(E)，定义熵差系数Var评估模态分量之间的差异：式中Var的数值越大，VMD分解得到的模态分量差异越大，VMD分解效果越好；(1.2)定义还原系数δ表征变压器原始合闸振动信号E与VMD模态分量重构信号之间的误差：δ＝∑abs(E
‑
IMF1‑
IMF2‑…‑
IMF
K
)式中δ越小，重构信号与原始信号误差越小；(1.3)定义VMD分解评价系数Cal：式中Cal与Var成正比，与δ成反比；Cal的数值越大，VMD在完全分解的同时其重构信号也越接近变压器原始合闸振动信号，VMD分解效果越好；(1.4)计算K取不同数值时的VMD分解评价系数Cal，找出最大值，确定VMD最优模态分量个数k。5.根据权利要求4所述的一种基于VMD的变压器合闸振动信号特征频率计算方法，其特征在于，所述步骤(2)中，选取信息熵、峭度、相关系数作为参考依据，对变压器合闸振动信号的VMD模态分量进行评估分析，构建VMD信息熵
‑
峭度
‑
相关系数综合评价模型，相关系数指VMD模态分量与变压器原始振动信号之间的相关系数，运用熵权法计算信息熵、峭度以及相关系数三个指标权重的步骤如下：(2.1)指标归一化：将指标分为A、B两种类型，其中峭度、相关系数为A型指标，峭度、相关系数越大，模态分量越能表征原始信号的特征，信息熵为B型指标，信息熵越小，模态分量
越能表征原始信号的特征；选取同一测点所测多组变压器原始合闸振动信号作为VMD...

【专利技术属性】
技术研发人员：张九思，
申请(专利权)人：河海大学，
类型：发明
国别省市：