采用ISWD-SVD联合降噪的变压器振动信号特征提取方法技术

本发明专利技术公开了一种采用ISWD

【技术实现步骤摘要】
采用ISWD
‑
SVD联合降噪的变压器振动信号特征提取方法


[0001]本专利技术涉及变压器，是一种采用ISWD
‑
SVD联合降噪的变压器振动信号特征提取方法。

技术介绍

[0002]变压器作为电力系统的枢纽设备之一，其安全可靠运行是整个电力系统稳定的重要保障。若变压器出现故障，将会对输配电系统的安全产生威胁而且会直接影响到企业的生产与运作，严重时甚至会威胁到相关人员的生命安全。因此需要应用各种变压器故障检测技术来及时发现变压器存在的安全隐患，预防故障的突然发生并对变压器进行检修和维护，延长其使用周期与寿命，提高电力系统的安全性和稳定性。
[0003]振动分析法是当前变压器故障诊断的有效方法，通过采集变压器油箱表面振动信号，并对信号进行预处理、特征提取和故障识别便可实现对变压器故障的诊断和检测。但在采样过程中由于现场嘈杂的环境以及变压器局部放电和冷却装置产生的噪声对振动信号存在干扰，而且属于带内噪声的白噪声常存在于采集信号中，传统滤波器无法将其滤除，因此需使用有效方法来抑制噪声。同时根据变压器振动机理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种采用ISWD
‑
SVD联合降噪的变压器振动信号特征提取方法，其特点是：它包括以下步骤：1)变压器振动信号采集根据变压器的型号和参数，采用适于变压器频率和灵敏度的振动加速度传感器，并将所述传感器分别安装在变压器箱体的表面上，对所述变压器的A、B、C三相进行信号采集，并对变压器振动信号进行分析；2)基于改进群分解(ISWD)算法的变压器振动信号分解采用群分解(SWD)算法对变压器振动信号进行分解，但SWD算法参数需人为设定，不合适的参数会影响信号分解效果，因此采用麻雀搜索(SSA)算法对SWD参数进行寻优并将所得最优参数带入SWD算法对变压器振动信号进行分解；SSA算法寻优结果取决于所建立的目标函数，选择合适的目标函数能够确保算法具有更好的收敛速度和稳定性；功率谱熵是表征信号在频率上能量分布复杂程度的定量描述，反映了信号能量在功率谱上的不确定性；当信号存在有用信息时，功率谱简单且集中分布在部分频率上，功率谱线少，对应功率谱熵值就小，反之，若信号包含大量噪声，功率谱复杂且分散于多个频率上，功率谱线增多，相应功率谱熵值就大；SWD算法通过对信号进行群滤波器迭代，最终能够得到多个振荡分量和一个剩余分量，剩余分量包含振动信号中大量无用信息和噪声，功率谱熵值最大，因此将SWD分解后剩余分量的功率谱熵值取负值，作为SSA算法目标函数，功率谱熵值原理为：
①
对信号K＝k(s)(s＝0,1,
…
,h
‑
1)进行离散性傅里叶变换：公式(1)中：h代表采样点数；r代表频率阶数，r＝1,2,
…
,h
‑
1；
②
根据信号能量与功率对应关系，计算各阶频谱的功率谱：公式(2)中：DFT[k
s...

【专利技术属性】
技术研发人员：尚海昆，黄涛，林伟，张冉喆，李峰，李明轩，刘力卿，
申请(专利权)人：东北电力大学，
类型：发明
国别省市：