一种基于瞬时能量熵和SVM的OLTC故障诊断方法与流程

本发明涉及一种基于瞬时能量熵和svm的oltc故障诊断方法，属于电力设备信号监测
技术领域：
。
背景技术：
：有载分接开关(oltc)是电力变压器的一个重要组成部分,其运行状况直接关系到变压器及系统的稳定与安全。oltc是变压器故障率最高部件之一。其故障不但直接影响变压器运行,而且影响电网质量与电网运行。根据沟内资料统计，由oltc故障引起的事故约占变压器总事故的28％左右且故障类型基本为机械故障,例如触头松动、触头脱落、机构卡涩、滑档、拒动等。机械故障会直接损坏oltc和变压器本身,进而引起其他更严重的电气故障,以致造成严重的后果。因此，对运行中的oltc的机械性能进行监测，及早发现其故障隐患,对变压器及电力系统的安全运行有着十分重大的意义。目前,对有载分接开关机械故障的诊断方法主要是停电检修和在线监测。有载分接开关的停电检修往往周期较长,难以及时发现早期的机械故障,经常在停电检修前即发生故障损坏,并且停电检修影响变压器正常运行,需要耗费大量人力、物力和财力。在线监测方法主要有基于热噪声诊断法和基于振动的在线监测等，基于热噪声的诊断是由于变压器分接开关故障后发热产生的热噪声传播到变压器外面,通过在变压器外壳上安装噪声传感器检测来进行分接开关故障诊断,但热噪声传到传感器时，能量损耗太大再加上各种噪音大干扰工程运用很难实现。基于振动的分接开关故障诊断的关键是在被监测信号中发现能反映分接开关故障的特征信号，本专利基于振动法提取特征量，然后与支持向量机(svm)相结合实现oltc的故障诊断，具有速度快，结论直观，诊断机械故障正确率高特点。技术实现要素：目的：为了克服现有技术中存在的不足，及时发现有载分接开关运行过程中的潜伏性故障，提高有载分接开关可靠性，本发明提供一种基于瞬时能量熵和svm的oltc故障诊断方法。技术方案：为解决上述技术问题，本发明采用的技术方案为：一种基于瞬时能量熵和svm的oltc故障诊断方法，包括以下步骤：步骤1：将振动检测探头贴敷在有载分接开关上，采集有载分接开关不同状态下动作过程中产生的振动信号；步骤2：将各个状态下振动信号进行小波包降噪，对去噪后的振动信号进行eemd分解；步骤3：求解分解后各个状态下各组的前k个imf分量的瞬时能量变化，取瞬时能量变化的熵值组成特征向量；步骤4：将各个状态下多组熵值组成的特征向量分为训练样本、测试样本，特征向量作为输入量，各个状态作为输出量，用训练样本对svm进行训练，得到svm分类器，把测试样本的特征向量输入svm分类器，由svm分类器的输出得到测试样本的运行状态，实现oltc故障分类。作为优选方案，所述步骤1中加速振动传感器置于oltc顶盖上方。作为优选方案，所述步骤1中有载分接开关不同状态，包括：正常、触头松动、触头磨损、触头烧毁、触头脱落。作为优选方案，所述步骤2将各个状态下振动信号选择db5小波基进行小波降噪，再对降噪后的振动信号进行eemd分解，具体步骤如下：2.1：根据振动信号的波形，取波形的上极值点、下极值点，分别得到局部最大值包络线和局部最小值包络线；再将两条包络线相应各点的值取平均，得到一条曲线m1；求振动信号x(t)和该曲线的差：h1＝x(t)-m1(1)2.2：继续迭代以上步骤：h11＝h1-m11(2)式中：m11为h1的上、下包络线平均值；求解h1k，h1k＝h1(k－1)-m1k，式中k为大于等于1的自然数，直到判据si＜0.1，其中：式中，t代表采集时刻，r代表采集时长；此时，h1k＝h1(k－1)-m1k，为第1个imf，记为c1；2.3：将c1从原信号中减去：r1＝x(t)-c1(4)将r1作为新的数据，重复步骤2.1和2.2，得到第2个imf，记为c2；如果所得到的si或残余分量rn小于预先设定的值，或者已经变成了一条单调曲线，则分解结束；否则，继续对得到的imf进行以上操作，得到一系列的imf，最终原信号分解为：即原信号被分解为n个imf和1个剩余分量。作为优选方案，所述步骤3，具体步骤如下：3.1：对每个imf分量进行进行hilbert变换：其中，ci(t)为第i个imfi，t为imfi波形中的时间；3.2：通过式6得到相应的解析信号：式中：为瞬时幅值；3.3：按式7计算得瞬时能量分布：3.4：计算在ci(t)中第j个样本点处所占ci(t)的比重：式中:xij为ci(t)波形中t＝j的第j个样本点的值，n为波形中时间总值；3.5：计算瞬时能量变化的熵值：其中，k为imf分量所选取的个数；3.6：将各个状态下多组前k个imf分量瞬时能量变化的熵值组成特征向量：tw＝[e1,e2…ek]t，w代表各个状态，ek代表第k个imf分量瞬时能量变化的熵值。作为优选方案，所述k取值范围为4≤k≤6。作为优选方案，所述步骤4中svm分类器核函数使用的高斯核函数形式，核函数形式为：其中，v1，v2表示同一个状态下的两个特征向量，σ为控制核函数高宽的参数；对于线性不可分情况，引入惩罚因子c来控制错误分类。作为优选方案，所述σ＝1，惩罚因子c＝10。作为优选方案，所述k＝4。有益效果：本发明提供的一种基于瞬时能量熵和svm的oltc故障诊断方法，其优点如下：1)、本专利采用的eemd的自适应分解特性适合处理oltc的非平稳信号，分解后的imf分量包含了原始信号不同的局部特征，更易于表征信号的故障信息，有利于故障特征提取。2)、在eemd基础上的瞬时能量熵值能够更有效的反应oltc状态变化，当oltc发生故障时，不同单元的熵值会出现明显变化，因此得到更高诊断准确率。3)、与神经网络相比，svm小样本优势十分明显，结合精确的特征提取方法，更适用于工程应用。附图说明图1为本发明的流程图；图2为正常状态下的振动信号；图3为小波降噪后的正常状态下振动信号图；图4为经过eemd分解后的前4个imf；图5为支持向量机分类示意图。具体实施方式下面结合附图对本发明作更进一步的说明。如图1所示，一种基于瞬时能量熵和svm的oltc故障诊断方法，包括以下步骤：步骤1：将振动检测探头贴敷在有载分接开关上，采集有载分接开关不同状态下动作过程中产生的振动信号；步骤2：将各个状态下振动信号进行小波包降噪，对去噪后的振动信号进行eemd分解；步骤3：求解分解后各个状态下各组的前k个imf分量的瞬时能量变化，取瞬时能量变化的熵值组成特征向量；步骤4：将各个状态下多组熵值组成的特征向量分为训练样本、测试样本，特征向量作为输入量，各个状态作为输出量，用训练样本对svm进行训练，得到svm分类器，把测试样本的特征向量输入svm分类器，由svm分类器的输出得到测试样本的运行状态，实现oltc故障分类。本文选用上海华明电力有限公司生产的cmⅲ-500-63b-10193w型有载分解开关作为研究对象，实验重点模拟oltc切换过程中各种故障。其中，步骤1将加速振动传感器置于oltc顶盖上方采集有载分接开关在正常、触头松动、触头磨损、触头烧毁、触头脱落状态下的振动信号各80组，图2为一组正常状态下的振动信号。其中，步骤2将各个状态下振动信号选择db5小波基进行小波降噪，图3为正常状态下振动信号降噪后的图，再对降噪后的振动信号进行eemd分解，具体步骤如下：2.1：根据振动信号的波形，取波形的上极值点、下极值点，分别得到局部最大值包络线和局部最小值包络线；再将两条包络线相应各点的值取平均，得到一条曲线m1；求振动信号x(t)和该曲线的差：h1＝x(t)-m1(1)2.2：继续迭代以上步骤：h11＝h1-m11(2)式中：m11为h1的上、下包络线平均值；求解h1k，h1k＝h1(k－1)-m1k，式中k为大于等于1的自然数，直到判据si＜0.1，其中：式中，t代表采集时刻，r代表采集时长；此时，h1k＝h1(k－1)-m1k，为第1个imf，记为c1。2.3：将c1从原信号中减去：r1＝x(t)-c1(4)将r1作为新的数据，重复步骤2.1和2.2，得到第2个imf，记为c2；如果所得到的si或残余分量rn小于预先设定的值，或者已经变成了一条单调曲线，则分解结束。否则，继续对得到的imf进行以上操作，可以得到一系列的imf，最终原信号分解为：即原信号被分解为n个imf和1个剩余分量。其中，步骤3，因为前k个imf分量包含信号的大部分能量，因此将各个状态下80组前k，4≤k≤6个imf分量瞬时能量变化，取瞬时能量变化的熵值组成特征向量；具体步骤如下：3.1：对每个imf分量进行进行hilbert变换：其中，ci(t)为第i个imfi，t为imfi波形中的时间。3.2：通过式6得到相应的解析信号：式中：为瞬时幅值。3.3：按式7计算得瞬时能量分布：3.4：计算在ci(t)中第j个样本点处所占ci(t)的比重：式中:xij为ci(t)波形中t＝j的第j个样本点的值，n为波形中时间总值。3.5：计算瞬时能量变化的熵值：其中，k为imf分量所选取的个数。3.6：将各个状态下80组前k个imf分量瞬时能量变化的熵值组成特征向量：tw＝[e1,e2…ek]t，w代表各个状态，ek代表第k个imf分量瞬时能量变化的熵值，如下表所述一组各个状态下振动信号的瞬时能量变化的熵值组成的特征向量。表1各个状态下的熵值特征量正常状态t1＝[0.212,0.315,0.302,0.251]触头松动t2＝[0.353,0.306,0.224,0.225]触头烧毁t3＝[0.296,0.205,0.255,0.223]触头磨损t4＝[0.224,0.235,0.265,0.352]触头脱落t5＝[0.312,0.235,0.216,0.215]其中，步骤4，把各种状态下采集的各80组特征向量中的40组数据作为样本训练svm分类器，本专利svm分类器核函数优选最常使用的高斯核函数形式，核函数形式为：其中，v1，v2表示同一状态下的两个特征向量，σ为控制核函数高宽的参数。对于线性不可分情况，引入惩罚因子c来控制错误分类。参数取值为σ＝1，惩罚因子c＝10。如图5所示，因为有5种状态本发明建立4个二类支持向量分类机，然后把另外的各个状态的40组作为测试样本，带入分类器进行故障诊断，最后测试的结果如表2所示：表2测试的部分结果如上表所示，基于eemd的瞬时能量熵特征提取方法和有小样本优势、很强泛化能力的svm，总识别故障率很高，具有很大的实际工程应用。本发明可实时监测变压器有载分接开关的工作状态，满足变压器有载分接开关实时故障诊断的要求。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。以上所述仅是本发明的优选实施方式，应当指出：对于本
技术领域：
的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。当前第1页12