[发明专利]一种基于FFT及小波包算法实现变压器振动原因的识别方法

说明书

一种基于FFT和小波包算法实现变压器振动原因的识别方法，通过对变压器振动信号进行FFT和小波包分解，进而提取了主频占比和归一化能量特征这两种表征变压器振动信号特征的量值，并通过决策树算法对振动信号进行分类识别；此算法能够准确识别不同电能质量问题导致的变压器振动，可以极大地改善变压器巡检效率。

技术领域

本发明属于输变电设备及运行技术领域，涉及变压器故障诊断和状态评估技术领域，尤其是一种基于FFT及小波包算法实现变压器振动原因的识别方法。

背景技术

作为电力系统中最为重要且昂贵的关键设备，变压器承担着电压变换、电能分配和转移的重任。为了维护电力系统安全、可靠、经济运行，需要定期进行人工巡检，以确保其保持正常工作。其中，变压器振动信号识别是巡检工作的重要环节。因此，准确识别变压器振动原因具有十分重要的研究价值和现实意义。

变压器振动经过绕组、铁心、绝缘油、油箱及其他附件向外传播，振动信号蕴含了丰富的设备状态信息。目前，变压器本体振动传播分析都以磁致伸缩与电磁力(安培力)为振动源建立分析模型，其中磁致伸缩是由于磁通量流过铁芯所导致，电磁力是由于铁芯漏磁场对流过电流的绕组作用所导致。因此，变压器电压、电流等电能质量的变化是导致变压器振动的重要原因之一。已有研究表明，通过分析铁芯松动等变压器故障振动信号，可对变压器进行故障诊断，为变压器运维检修提供依据。然而，由轻载、重载、非线性负载、三相不平衡和电压畸变组成的电能质量问题引起的振动原因分析却鲜有报道。

此外，对振动信号的分析方面，较为常见的方法是通过对采集到的振动信号进行FFT变换，利用频率信息构造特征值，进而分析变压器振动信号。由于变压器在故障或者异常时的振动信号具有明显的非平稳特性，传统的傅里叶变换是一种全局的变换，因此无法表述非平稳信号的时-频局域特征，即使加窗后的傅里叶变换，由于对信号使用了相同的时间和频率分辨率，因此也不能同时在时间与空间上以任意精度逼近被测信号。

小波变换是一种多分辨率的时-频分析方法，虽然可以在时间窗和频率窗上都可以改变，但是它对于高频段频率分辨率较差，而对低频段的时间分辨率较差，因而不能很好地表示具有大量细节特征的非平稳信号。小波包变换则是对小波变换的进一步发展，具有时-频局部分析特征，在变压器振动信号分析方面具有更强的优势。然而，由于小波包分解方法不具备平移不变性，直接将小波包系数作为电能质量问题引起的变压器振动信号特征会导致识别结果不准确。此外，直接使用小波包系数作为电能质量问题引起的变压器振动信号特征会产生很高的特征维数，这无疑会增加分类器的负担。

发明内容

本发明的目的在于提供一种基于FFT和小波包算法实现变压器振动原因的识别方法，它可以克服现有技术的不足，是一种操作方便，计算简单，实用性强且使用场合广的变压器振动原因识别方法。

本发明的技术方案：一种基于FFT和小波包算法实现变压器振动原因的识别方法，其特征在于它包括以下步骤：

(1)对变压器振动信号进行采样，得到关于变压器振动加速度信号的样本数据，此实施例中的采样频率为48KHz；

(2)对步骤(1)得到的样本数据进行FFT运算：

所述步骤(2)的具体实现过程为：

假设变压器振动信号x(n)的长度满足N＝2^M，M＝0,1,2…，其中n为样本点的序数，则按n的奇偶性可把分成两个长度为N/2的序列，如式(2-1-1)和式(2-1-2)所示：

式中，x₁(r)为x(n)的偶数序号元素构成的序列，x₂(r)为x(n)的奇数序号元素构成的序列；此时，对变压器的振动信号x(n)进行快速傅里叶变换，得到