一种基于FFT及小波包算法实现变压器振动原因的识别方法技术

一种基于FFT和小波包算法实现变压器振动原因的识别方法，通过对变压器振动信号进行FFT和小波包分解，进而提取了主频占比和归一化能量特征这两种表征变压器振动信号特征的量值，并通过决策树算法对振动信号进行分类识别；此算法能够准确识别不同电能质量问题导致的变压器振动，可以极大地改善变压器巡检效率。率。

【技术实现步骤摘要】
一种基于FFT及小波包算法实现变压器振动原因的识别方法


[0001]本专利技术属于输变电设备及运行
，涉及变压器故障诊断和状态评估
，尤其是一种基于FFT及小波包算法实现变压器振动原因的识别方法。

技术介绍

[0002]作为电力系统中最为重要且昂贵的关键设备，变压器承担着电压变换、电能分配和转移的重任。为了维护电力系统安全、可靠、经济运行，需要定期进行人工巡检，以确保其保持正常工作。其中，变压器振动信号识别是巡检工作的重要环节。因此，准确识别变压器振动原因具有十分重要的研究价值和现实意义。
[0003]变压器振动经过绕组、铁心、绝缘油、油箱及其他附件向外传播，振动信号蕴含了丰富的设备状态信息。目前，变压器本体振动传播分析都以磁致伸缩与电磁力(安培力)为振动源建立分析模型，其中磁致伸缩是由于磁通量流过铁芯所导致，电磁力是由于铁芯漏磁场对流过电流的绕组作用所导致。因此，变压器电压、电流等电能质量的变化是导致变压器振动的重要原因之一。已有研究表明，通过分析铁芯松动等变压器故障振动信号，可对变压器进行故障诊断，为变压器运维检修提供依本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于FFT和小波包算法实现变压器振动原因的识别方法，其特征在于它包括以下步骤：(1)对变压器振动信号进行采样，得到关于变压器振动信号的样本数据，此实施例中的采样频率为48KHz；(2)对步骤(1)得到的样本数据进行FFT运算：(3)计算变压器振动信号的主频占比设基频的倍频信号中振幅最大的分量所对应的频率信号，即主频信号，所对应的振幅为主频振幅A
m
，本实施例中取基频为100Hz；而该主频振幅A
m
在所有提取信号中所占比重即为主频占比，如公式(3
‑
1)所示：其中，A
j
表示特定信号频率对应的振幅，n取为工频50Hz的倍数，n的最终取值取决于振动信号的频率特性，对于变压器振动信号，n取值为3K；主频占比A
pm
是主频信号的能量在所关注的信号频率j中的能量比重，可以反映出变压器输入电压的质量与负荷电流所产生的振动信号的比重关系，利用主频占比可以大概率区分轻载、重载、非线性负载三种工况所引起的变压器振动信号；(4)选定小波包分解层数m；(5)选择Meyer小波基函数对变压器振动信号x(n)进行小波包分解，得到小波包系数μ
2n
(t)、μ
2n+1
(t)，如式(5
‑
1)所示：其中，{h
k
}
k∈Z
是正交尺度函数φ(t)对应的低通实系数滤波器，{g
k
}
k∈Z
是正交小波函数ψ(t)对应的高通滤波器，且满足公式(5
‑
2)和(5
‑
3)的关系：g
k
＝(
‑
1)
k
h1‑
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5
‑
2)(6)对步骤(5)中由公式(5
‑
1)分解得到的小波包系数进行能量特征提取，得到的能量特征如式(6
‑
1)所示：E
o
＝|μ
o
|2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6
‑
1)并将小波包能量按照公式(6
‑
2)进行归一化：其中，E＝∑E
o
表示振动信号的能量和；由于变压器振动信号存在非平稳特性，其频率信息主要集中在6KHz以内，且振动能量
主要集中于0～6KHz以内，当变压器发生轻载、重载、非线性负载、三相不平衡、电压畸变时，变压器振动信号的能量特征值不同，因此，通过进行小波包系数的能量特征提取，则可以达到区分三相不平衡和电压畸变所引起的变压器振动信号的目的；(7)将步骤(3)和(6)得到的主频占比及小波包能量特征构造训练集N，对决策树进行训练，并用训练后的决策树模型进行变压器振动信号引起原因的识别。2.根据权利要求1所述一种基于FFT和小波包算法实现变压器振动原因的识别方法，其特征在于所述步骤(2)的具体实现过程为：假...

【专利技术属性】
技术研发人员：许中平，赵峰，吕建兵，任荣，张瑜，常天渤，
申请(专利权)人：北京国网信通埃森哲信息技术有限公司，
类型：发明
国别省市：