基于多特征声纹图谱的变压器绕组松动在线故障诊断方法
绕组松动故障是变压器安全稳定运行中的巨大隐患,目前尚缺乏有效的在线诊断方法.变压器运行产生的声音信号蕴含着大量反映设备状态的有效信息,依据声音信号的特征图谱对松动故障实现在线诊断.首先,构建4种特征图谱,包括通过格拉米角场构建时域特征图谱、通过傅里叶变化和马尔可夫变迁场构建频域特征图谱、通过小波变换构建时频域特征图谱、通过递归分析构建混沌特征图谱;然后,建立轻量化卷积神经网络模型,以4种特征图谱作为输入,通过卷积、池化等一系列操作提取有效故障特征;最后,利用分类器直接输出绕组松动的故障程度.实验结果表明,所提方法对25%、50%、75%及100%的松动程度均能实现可靠诊断,平均准确率为99.6%,对最为轻微的25%松动程度,准确率仍达98%.与仅采用单一特征的诊断相比,所提方法的准确率提升了 9.9%;与采用 AlexNet、MobileNetV2、GoogleNet、ShuffleNet、ResNet 等经典神经网络的诊断相比,所提方法的准确率提升了 18.1%,同时训练速度提高37%,占用内存减少20%.
电力变压器、声纹、卷积神经网络、多特征融合、绕组松动
27
TM41(变压器、变流器及电抗器)
国家自然科学基金;国网江苏省电力公司科技项目
2023-08-18(万方平台首次上网日期,不代表论文的发表时间)
共12页
76-87