一种变压器绕组故障智能识别方法

文档序号:8346322阅读:154来源:国知局
一种变压器绕组故障智能识别方法
【技术领域】
[0001] 本发明涉及电力设备内部故障识别方法,尤其涉及一种变压器绕组故障智能识别 方法。
【背景技术】
[0002] 变压器是电力系统中的重要设备之一,其运行的稳定性和可靠性对于保证电力系 统的安全意义重大。随着我国电网容量的日益增大,短路容量亦随之不断增大,作为电力系 统核心设备的电力变压器的运行可靠性就显得越发重要,一旦出现事故,将会导致大面积 停电及其带来的巨大的经济损失,后果较为严重。随着我国经济快速发展,电网容量日益扩 大,系统短路容量也随之增大,因短路故障造成变压器损坏的统计数也逐年上升。因此,绕 组故障已经成为变压器故障和电力系统故障的最主要原因之一,如何监测变压器运行过程 中绕组的轻微变形,跟踪绕组状态,在其出现严重变形之前做出预警,使它们能够更好的抵 御短路电流及其产生的电磁暂态过程的冲击是变压器绕组故障监测中亟需解决的关键科 学技术问题。
[0003] 目前,在不影响系统运行的情况下深入研宄变压器绕组的网络响应特性、绕组的 振动频响曲线、响应曲线特征量提取、绕组故障模式识别与绕组故障位置的在线准确获取 及其预警是未来变压器绕组故障监测中最具前景和最活跃的发展方向。
[0004] 与此同时,支持向量机(Support Vector Machine, SVM)是基于统计学习理论的结 构风险最小化原理解决了小样本、非线性等问题,提高其泛化能力,从而能很好地处理变压 器设备故障诊断所面临样本不足的问题。
[0005] 针对上述问题,本发明利用变压器绕组故障库中绕组网络曲线特征和振动频响曲 线特征样本对支持向量机SVM进行训练,训练完成后将新检测到的绕组网络曲线特征和振 动频响曲线特征输入到支持向量机SVM中并自动地获得变压器绕组是否存在故障,从而达 到对变压器绕组故障进行可视化智能识别的目的。本发明可提高变压器绕组故障识别的准 确性,且可实现不依赖电力专家对变压器绕组故障的识别和判定的问题。

【发明内容】

[0006] 为了提高对变压器绕组是否存在故障的准确性,同时智能、直观、可视地确定和识 别出变压器绕组故障,本发明提出了 一种变压器绕组故障智能识别方法,包括如下步骤:
[0007] 1)对变压器设备主动注入脉冲信号,获得变压器绕组网络曲线;
[0008] 2)基于振动频响法获得变压器振动频响曲线;
[0009] 3)将获得到的绕组网络曲线进行特征提取;
[0010] 4)将获得到的振动频响曲线进行特征提取;
[0011] 5)提取变压器绕组故障库的绕组网络曲线特征和振动频响曲线特征训练SVM ;
[0012] 6)将新检测到的绕组网络曲线特征和振动频响曲线特征输入到SVM中进行绕组 故障识别,并确定变
[0013] 压器设备内部是否存在绕组故障。
[0014] 其中,对检测到的绕组网络曲线特征提取是指提取绕组曲线的椭圆面积,倾斜度, 轴长度,呙心率。
[0015] 对检测到的振动频响曲线特征提取是指提取振动频响曲线的水平摆动、垂直摆 动、声波。
[0016] 将获得的绕组网络曲线特征和振动频响曲线特征输入到SVM进行智能识别。
[0017] 本发明的有益效果是,可实现对变压器绕组故障的智能诊断,便于电力系统检修 和运行人员对设备缺陷进行判别。
[0018] 下面结合附图及实例进一步说明本
【发明内容】

【附图说明】
[0019] 图1是本发明基于绕组网络曲线和振动频响曲线特征的变压器绕组故障智能识 别方法流程图。
【具体实施方式】
[0020] 一种变压器绕组故障智能识别方法,本发明其特征是:
[0021] 1)对变压器设备主动注入脉冲信号,获得变压器绕组网络曲线;
[0022] 2)基于振动频响法获得变压器振动频响曲线;
[0023] 3)将获得到的绕组网络曲线进行特征提取;
[0024] 4)将获得到的振动频响曲线进行特征提取;
[0025] 5)提取变压器绕组故障库的绕组网络曲线特征和振动频响曲线特征训练支持向 量机SVM ;
[0026] 6)将新检测到的绕组网络曲线特征和振动频响曲线特征输入到支持向量机SVM 中进行绕组故障识别,并确定变压器设备内部是否存在绕组故障。
[0027] 其中,对检测到的绕组网络曲线特征提取是指提取绕组曲线的椭圆面积,倾斜度, 轴长度,呙心率。
[0028] 对检测到的振动频响曲线特征提取是指提取振动频响曲线的水平摆动、垂直摆 动、声波。
[0029] 将获得的绕组网络曲线特征和振动频响曲线特征输入到支持向量机SVM进行智 能识别。
[0030] 本发明中对支持向量机SVM共设计100个20类分类器。
[0031] 如图1所示,该图给出了基于绕组网络曲线和振动频响曲线特征的变压器绕组故 障智能识别方法流程图。该方法包括如下的步骤:
[0032] 1、对变压器设备主动注入脉冲信号,获得变压器绕组网络曲线;
[0033] 2、基于振动频响法获得变压器振动频响曲线;
[0034] 3、将获得到的绕组网络曲线进行特征提取。对检测到的绕组网络曲线特征提取是 指提取绕组曲线的椭圆面积,倾斜度,轴长度,离心率;
[0035] 4、将获得到的振动频响曲线进行特征提取。对检测到的振动频响曲线特征提取是 指提取振动频响曲线的水平摆动、垂直摆动、声波;
[0036] 5、提取变压器绕组故障库的绕组网络曲线特征和振动频响曲线特征训练SVM ;
[0037] 6、将新检测到的绕组网络曲线特征和振动频响曲线特征输入到SVM中进行绕组 故障识别,并确定变压器设备内部是否存在绕组故障。
[0038] 支持向量机是一种研宄有限样本情况下基于统计学习理论的VC维理论和结构风 险最小化原则基础上的新机器学习方法,这种方法利用核函数将样本映射到高维特征空间 并在此空间构造最优线性分类超平面,以获得最大的推广能力。
[0039] 假定(Xi, y) i = u,...,!!,Xie Rd,y# {_1,+1}为样本训练集,其中 X ie Rd表不 d 维 的特征向量,yie {-1,+1}表示特征向量Xi归属的类别,η为样本数。在非线性情况下,利 用非线性变换#·)将样本集原空间进行转换,样本空间两分类问题表示为:
[0040]
【主权项】
1. 一种变压器绕组故障智能识别方法,其特征是,步骤为: 1) 、对变压器设备主动注入脉冲信号,获得变压器绕组网络曲线; 2) 、基于振动频响法获得变压器振动频响曲线; 3)、将获得到的绕组网络曲线进行特征提取; 4)、将获得到的振动频响曲线进行特征提取; 5)、提取变压器绕组故障库的绕组网络曲线特征和振动频响曲线特征训练支持向量机 SVM ; 6)、将新检测到的绕组网络曲线特征和振动频响曲线特征输入到支持向量机SVM中进 行绕组故障识别,并确定变压器设备内部是否存在绕组故障。
2. 根据权利要求1所述的一种变压器绕组故障智能识别方法,其特征是,步骤3)中将 获得到的绕组网络曲线特征提取,是指提取绕组曲线的椭圆面积,倾斜度,轴长度,离心率。
3. 根据权利要求1所述的一种变压器绕组故障智能识别方法,其特征是,步骤4)中将 获得到的振动频响曲线特征提取,是指提取振动频响曲线的水平摆动、垂直摆动、声波。
4. 根据权利要求1所述的一种变压器绕组故障智能识别方法,其特征是,将获得的绕 组网络曲线特征和振动频响曲线特征输入到支持向量机SVM进行智能识别。
【专利摘要】一种变压器绕组故障智能识别方法,本发明先对变压器设备主动注入脉冲信号,获得变压器绕组网络曲线;基于振动频响法获得变压器振动频响曲线;将获得到的绕组网络曲线进行特征提取;将获得到的振动频响曲线进行特征提取;提取变压器绕组故障库的绕组网络曲线特征和振动频响曲线特征训练支持向量机SVM;将新检测到的绕组网络曲线特征和振动频响曲线特征输入到支持向量机SVM中进行绕组故障识别,并确定变压器设备内部是否存在绕组故障。本发明提高了变压器绕组故障检测和诊断的科学性、高效性和准确性。
【IPC分类】G01R31-00, G01M7-02
【公开号】CN104678223
【申请号】CN201510100411
【发明人】于虹, 钱国超, 颜冰, 程志万, 马御堂
【申请人】云南电网有限责任公司电力科学研究院
【公开日】2015年6月3日
【申请日】2015年3月6日
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1