基于經(jīng)驗?zāi)B(tài)分解和支持向量機變壓器鐵芯及繞組故障診斷研究.pdf

1、電力變壓器的安全可靠運行對于整個電網(wǎng)的穩(wěn)定性至關(guān)重要，故需要對電力變壓器進行狀態(tài)監(jiān)測及故障診斷，即實時的監(jiān)測電力變壓器的運行狀態(tài)，并對其進行早期故障預(yù)測，防止小故障演變成大故障，造成重大損失。電力變壓器的鐵芯和繞組是其關(guān)鍵部件，占電力變壓器故障的比例較大。本文采用“振動分析法”，以電力變壓器的鐵芯和繞組為研究對象，研究了基于經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition，即EMD)和支持向量機(Support V

2、ector Machine，SVM)的變壓器故障診斷方法。
　　本文所采用的“振動分析法”，即是在電力變壓器油箱上安裝傳感器，收集鐵芯及繞組的振動波形，通過智能算法的分析和計算，判別其健康狀況的一種方法。該方法可實現(xiàn)動態(tài)的、連續(xù)的觀測，從而可以盡早發(fā)現(xiàn)變壓器的故障隱患，并獲得隱患發(fā)展的速度和變化趨勢，為電力變壓器按需檢修提供定量的分析數(shù)據(jù)。
　　針對變壓器鐵芯松動及繞組變形故障，本文首先對采集到的原始振動數(shù)據(jù)進行小波去噪;隨

3、后把一列時間序列數(shù)據(jù)通過經(jīng)驗?zāi)B(tài)分解為固有模態(tài)函數(shù)組(Intrinsic Mode Function，即IMF)，對得出的各階固有模態(tài)函數(shù)求能量，計算得到信號的能量值，以提取變壓器振動的特征信號;再引入基于粒子群優(yōu)化(Particle Swarm Optimization，PSO)的支持向量機算法進行故障診斷;最后把實測的變壓器故障振動信號進行上述診斷分析，以驗證本文所提方法的可行性和有效性。通過與傳統(tǒng)的反向傳播(backpropaga