[发明专利]一种基于改进层次聚类的变压器故障诊断方法

权利要求书

1.一种基于改进层次聚类的变压器故障诊断方法，其特征在于，所述方法包括：

步骤1：建立变压器振动信号采集系统，基于建立的系统对变压器进行数据采样，以获取变压器振动信号；

步骤2：通过希尔伯特-黄变换方法处理获得的变压器振动信号；

步骤3：通过改进的凝聚层次聚类算法对测试变压器的振动信号特征值进行层次分类，确定测试变压器所处的状态；改进的凝聚层次聚类算法为在传统凝聚层次聚类算法的基础上，将对象合并后直接利用初始距离矩阵的数据进行处理。

2.根据权利要求1所述的基于改进层次聚类的变压器故障诊断方法，其特征在于，变压器振动信号采集系统包括：多个加速度振动传感器、数据采集卡、计算机，其中，多个加速度振动传感器均与数据采集卡连接，数据采集卡与计算机连接，多个加速度振动传感器均固定在变压器的高压侧箱壁进行数据采样。

3.根据权利要求2所述的基于改进层次聚类的变压器故障诊断方法，其特征在于，所述变压器振动信号采集系统具体包括3个加速度振动传感器，3个加速度振动传感器分别固定在变压器每相绕组对应的箱壁中部、底部以及箱壁侧面。

4.根据权利要求2所述的基于改进层次聚类的变压器故障诊断方法，其特征在于，加速度振动传感器灵敏度为100mV/g，数据采样频率为25.6kHz。

5.根据权利要求1所述的基于改进层次聚类的变压器故障诊断方法，其特征在于，希尔伯特-黄变换分析方法处理变压器振动信号分为两个部分：

第一部分为：集合经验模态分解，把变压器振动信号分解成若干个本征模态函数；

第二部分为：对本征模态函数进行希尔伯特变换，得到每一个本征模态函数随时间变化的瞬时频率和振幅，并计算出每个本征模态函数分量的能量，最终提取到变压器的状态特征向量，本征模态函数即为IMF。

6.根据权利要求5所述的基于改进层次聚类的变压器故障诊断方法，其特征在于，通过集合经验模态分解方法提取变压器状态特征向量，具体包括步骤：

A1：在检测到的变压器原始振动信号x(t)上加入白噪声序列ω(t)，得到改变后的振动信号X(t)：

X(t)＝x(t)+ω(t)(1)

A2：运用经验模态分解将加入白噪声后的振动信号X(t)分解为IMF分量；

$X\left(t\right)=\underset{j=1}{\overset{n}{\Σ}}{h}_j+r_n---\left(2\right)$

式中，h_j为X(t)分解的第j个IMF分量，r_n为对X(t)分解后的余项，n为分解层数；

A3：每次在x(t)加入不同的白噪声序列ω_i(t)(i＝1,2,…,n)，反复重复步骤A1、A2，则将第i次改变后的振动信号X_i(t)；

X_i(t)＝x(t)+ω_i(t)(3)

分解成：

$X_i\left(t\right)=\underset{j=1}{\overset{n}{\Σ}}{h}_{\mathrm{ij}}+r_{\mathrm{in}}---\left(4\right)$

式中，h_ij为X_i(t)分解的第j个IMF分量，r_in为对X_i(t)分解后的余项；

A4：分解得到的各个IMF的均值作为最终结果；

$h_j{\left(t\right)}^{\′}=\frac{1}{n}\underset{j=1}{\overset{n}{\Σ}}{h}_{ij}\left(t\right)---\left(5\right)$

式中，h_j(t)'表示对变压器原始振动信号x(t)进行EEMD分解得到的第j个IMF分量；

A5：对EEMD分解后的IMF分量进行希尔伯特变换，得到每个IMF分量随时间变化的瞬时频率和振幅，并计算出每个IMF分量的能量E_j；

$E_j=\underset{i=1}{\overset{n_{IMF}}{\Σ}}{A}_j^2\left(i\right)---\left(6\right)$

式中，A_j(i)为第j个IMF分量的振幅；n_IMF为每个IMF分量的长度；

A6：计算第j个IMF分量的特征值v_j，并由N个v_j构成变压器特征向量V，即：

$v_j=\sqrt{E_j}---\left(7\right)$

V＝[v₁,v₂,…,v_N]。(8)