[发明专利]基于时频特征的变压器有载分接开关故障识别方法

说明书

本发明涉及基于时频特征的变压器有载分接开关故障识别方法，包括以下步骤：建立分接开关振动信号的仿真模型，将分接开关振动信号分解为多个瞬时非平稳衰减的振动子波信号；通过稀疏分解法对分接开关振动子波信号进行稀疏重构和降噪；利用小波包时频谱提取进行降噪后的各所述振动子波信号的时频特征向量，对各所述时频特征向量添加故障标签，并集合成样本集；通过样本集对卷积神经网络进行训练，生成可识别故障信号的故障识别模型；输入分接开关的振动信号，提取振动信号的时频特征向量，将时频特征向量输入至故障识别模型进行识别，识别故障信号。

技术领域

本发明涉及基于时频特征的变压器有载分接开关故障识别方法，属于电力设备故障识别技术领域。

背景技术

变压器有载分接开关(以下简称分接开关)作为电力系统中的重要设备，对于变压器的使用安全，肩负着控制和保护任务。分接开关是有载调压变压器完成调压的关键部件，通过有载分接开关的合理调节，可以有效控制系统电压的大幅波动，增加电网调度的调节手段，增强其调节的灵活性。对电力系统发生的多起电压失稳及其它类型事故的分析研究发现，在部分电压失稳引起的事故中，有载调压变压器的不合理动作及故障是重要因素。

因此相关技术人员开始研究有载分接开关振动信号故障的原因，现有技术中提出变压器有载分接开关故障是影响振动信号的主要因素之一，据此建立一个基于KD-DenseNet的故障诊断模型，用来识别分接开关振动信号故障；现有技术《基于卷积神经网络的变压器有载分接开关故障识别》[J].电力系统自动化,2020,44(11):144-154.提出基于卷积神经网络的故障识别方法，实时监控变压器有载分接开关工作状态。现有技术《OnSavitzky–GolayFilteringforOnlineConditionMonitoringofTransformerOn-LoadTapChanger》

[J].IEEETransactionsonPowerDelivery,2018,33(4):1689-1698.提出变压器有载分接开关在线状态监测检测，采用Savitzky-Golay滤波器对安装在有载调压开关上的振动-声学和电弧联合测量系统采集的信号进行处理。结果表明Savitzky-Golay滤波器可以同时处理有载调压开关引起的振动声和电弧信号，从这两类信号中提取出无延时的本质信息，并从电弧信号中提取电压相位信息。该方法可以提高有载分接开关机械运行的可视性，实现有效的在线状态监测。

上述现有技术具有一定有效性，但对分接开关振动信号的降噪效果还有待提升。

发明内容

为了解决上述现有技术中存在的问题，本发明提出了基于时频特征的变压器有载分接开关故障识别方法，利用稀疏分解法去除振动信号噪声，弥补传统方法存在的不足，为分接开关正常运行提供更加可靠的技术支持。

本发明的技术方案如下：

基于时频特征的变压器有载分接开关故障识别方法，包括以下步骤：

(1)建立分接开关振动信号的仿真模型，将分接开关振动信号分解为多个瞬时非平稳衰减的振动子波信号；

(2)通过稀疏分解法对分接开关振动子波信号进行稀疏重构和降噪；

(3)利用小波包时频谱提取进行降噪后的各所述振动子波信号的时频特征向量，对各所述时频特征向量添加故障标签，并集合成样本集；

(4)通过样本集对卷积神经网络进行训练，生成可识别故障信号的故障识别模型；

(5)输入分接开关的振动信号，提取振动信号的时频特征向量，将时频特征向量输入至故障识别模型进行识别，识别故障信号。

进一步的，根据以下公式建立分接开关振动信号的仿真模型：