基于多传感器融合声纹特征图谱的变压器铁芯松动故障诊断方法

摘要：

变压器铁芯轻微松动故障给变压器安全稳定运行留下巨大隐患,目前尚缺乏切实可靠的诊断方法.提出一种基于多传感器融合声纹特征图谱的变压器铁芯松动故障诊断方法.首先,利用4个传感器采集声纹时序序列,通过小波变换生成声纹特征图谱,利用熵权法确定不同传感器信号的权重分配,将4个声纹特征图谱加权融合,从而形成多传感器融合声纹特征图谱.其次,将融合声纹特征图谱输入优化后的ShuffleNetV2模型,通过分组卷积和通道混洗得到铁芯松动程度.最后,通过现场试验验证了方法的有效性.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,平均准确率高达99.6％.与采用傅里叶频谱(fast Fourier transform,FFT)、格拉米角场(Gramian angular field,GAF)、马尔可夫变换场(Markov transform field,MTF)以及混沌特征(recurrence plot,RP)等传统声纹特征图谱的诊断相比,所提方法识别准确率提高了 12.2％;与采用单传感器声纹特征图谱的诊断相比,所提方法识别准确度提高了 5.8％;与采用AlexNet、MobilleNetV2、GoogleNet以及ResNet等卷积神经网络模型的诊断相比,所提方法识别准确率提高了 2.7％.

关键词：电力变压器、铁芯松动故障、声纹特征图谱、多传感器融合、卷积神经网络

所属期刊栏目：42

分类号：TM41(变压器、变流器及电抗器)

资助基金：国家自然科学基金;国网江苏省电力公司科技项目

在线出版日期：2023-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：129-137,198