[发明专利]一种电抗器故障诊断方法

说明书

本发明公开了一种电抗器故障诊断方法，包括：对电抗器的振动信号进行分解，得到多个IMF分量；选定若干IMF分量作为故障特征提取的数据源；利用选定的IMF分量构造故障特征量；结合核聚类算法对电抗器故障状态进行诊断。本发明能够提高故障诊断的精确度。

技术领域

本发明涉及一种电抗器故障诊断方法，属于电力设备状态检测与故障诊断领域。

背景技术：

电抗器是输变电系统正常运行的关键变电站设备之一，其运行可靠性影响到整个系统的安全和使用寿命，因此对电抗器的监测和故障诊断在机械故障诊断领域有着十分重要的地位。

近年来，Huang等提出的基于经验模态分解法（Empirical Mode Decomposition，EMD）的希尔伯特-黄变换广泛应用于对机械振动信号进行时频局部化分析，并取得了较良好的效果。EMD具有完全自适应性，但其缺乏数学理论基础，而且具有端点效应、过包络、欠包络、虚假模态等问题，不能保证信号分解的精确度。当采用FCMC对样本进行分类时，如果样本的差异不大，会导致识别精度的下降。

发明内容

本发明提供一种电抗器故障诊断方法，能够提高故障诊断的精确度。

为达到上述目的，本发明所采用的技术方案是：一种电抗器故障诊断方法，所述方法包括如下步骤：

对电抗器的振动信号进行分解，得到多个IMF分量；

选定若干IMF分量作为故障特征提取的数据源；

利用选定的IMF分量构造故障特征量；

结合核聚类算法对电抗器故障状态进行诊断。

进一步的，采用集总经验模态分解法对电抗器的振动信号进行分解。

进一步的，所述方法还包括：对电抗器的振动信号进行分解后，利用高斯白噪声具有频率均匀分布的统计特性弥补模态不连续的缺陷。

进一步的，所述数据源的提取方法包括如下步骤：

分别计算原振动信号和该原振动信号分解后获取的每个IMF分量的峭度、能量、均方差；

将峭度、能量、均方差组成指标向量；

计算各IMF分量对应的指标向量和原振动信号对应的指标向量之间的欧式距离；

选取欧式距离中3个最小值对应的3个IMF分量，作为提取形态谱平均值的数据源。

进一步的，对已确定的3个IMF分量在选定尺度范围内进行形态普平均值计算从而构造所述故障特征量。

进一步的，所述核聚类算法包括KFCM聚类集成算法。

本发明采用EEMD对原始信号进行分解，可以有效地抑制模态混叠现象，保证数据源的精确度；峭度和均方差这两个统计参数均能反映信号幅值概率密度分布的特性，并且当设备发生故障时，信号的能量会增加，基于峭度、均方差、能量三个评价指标，能选出包含最丰富特征信息的IMF分量，能够精确识别故障信息。

附图说明

图1为本发明实施例提供的一种电抗器故障诊断方法流程图；

图2为本发明实施例中KFCM分类识别后的90组样本分布图。

具体实施方式

为了更好的理解本发明的实质，下面结合具体实施例和附图对本发明作进一步的阐述。

如图1所示，是本发明提供的一种电抗器故障诊断方法的流程图，包括如下步骤：

步骤一：对电抗器的振动信号进行分解，得到多个IMF分量；