10.19753/j.issn1001-1390.2021.11.010
基于LMD边际谱能量熵与FWA-SVM的变压器绕组松动诊断
变压器空载合闸的振动信号包含了丰富的机械特征信息,为了实现对变压器绕组松动故障诊断,提出了一种局部均值分解(LMD)边际谱能量熵与烟花算法优化支持向量机(FWA-SVM)的方法.通过LMD提取若干反映变压器合闸过程绕组状态信息的乘积函数(Product Function,PF)分量;依据各PF分量相关系数与能量分布,将前6阶PF分量进行希尔伯特变换,并求取对变压器绕组状态变化敏感的边际谱能量熵作为特征向量;将特征向量输入到烟花算法(FWA)优化的支持向量机(SVM)分类器,实现变压器绕组轻微松动故障早期预警.实验结果表明:基于LMD边际谱能量熵能准确反映故障特征,FWA-SVM诊断方法在少量样本情况下仍有较高的故障辨识度.
变压器;空载合闸;局部均值分解;边际谱能量熵;支持向量机
58
TM41(变压器、变流器及电抗器)
国家自然科学基金资助项目;国网江苏省电力公司重点科技项目
2021-12-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
74-80