[发明专利]一种基于振动信号分段时频图谱优选的有载分接开关故障智能诊断方法

说明书

本申请涉及一种基于振动信号分段时频图谱优选的有载分接开关故障智能诊断方法，包括以下步骤：A.采集有载分接开关振动信号，并进行去噪处理；B.提取各分段信号能量和峭度特征；C.提取颜色矩以描述时频图像的颜色特征；D.提出总相关排列优选方法，对特征参量进行优选，E.提出矩阵主成分变换方法，对优选颜色特征实施进一步降维，保留原始数据特征成分相似性的同时使降维引起的变形量最小；F.将分段振动信号的能量特征和峭度特征与降维后的时频图谱颜色特征构成有载分接开关状态特征向量，通过一维卷积神经网络完成故障辨识。本申请的振动信号特征提取方法能够有效地捕捉和刻画有载分接开关设备运行状态特征。

技术领域

本申请涉及电气设备故障诊断领域，具体涉及一种基于振动信号分段时频图谱优选的有载分接开关故障智能诊断方法。

背景技术

从20世纪50年代起我国开始自主研发变压器有载调压技术，70多年来机械式有载分接开关(on-load tap changer,OLTC)逐渐成熟，并已装配到重要变压节点实现电网带载电压调节。然而在当前大力发展新能源发电的新型电力系统建设中，有载调压变压器的有载分接开关调压范围广、运行负载高以及切换操作频繁产生缺陷导致设备运行风险提高。此外，分布式电源并网具有冲击和间歇性特点，并网后需要频繁调节电压以保证系统有功、无功分配和供电质量，对变压器有载分接开关运行可靠性提出严峻的挑战。

有载分接开关运行和操作中伴随着电流、温升、声波和振动等信号变化，振动信号蕴含丰富设备状态信息的同时具有非侵入式监测的优势，目前研究中以监测振动信号特征作为评判依据的识别设备状态异常和故障的方法已经取得一定成果。所有有载分接开关部件的机械运动都伴随着振动，采用科学方法处理振动信号数据，提取设备运行状态特征，从而灵敏感知设备运行状态变化。已有的基于振动信号的有载分接开关故障诊断方法大多着眼于信号的整体时频特性，仅利用小波、EMD、EEMD和Hilbert变换等方法计算出某些频域特征，忽略了局部特征所包含的设备动作时序信息，对振动信号的积累能量考虑不足，与有载分接开关内部结构动作机理关联不紧密。同时，信号处理所得特征参量中往往包含冗余信息，大量未经筛选的无用与重复特征，造成故障诊断准确率低、识别效率低下等问题。

发明内容

本申请实施例的目的在于提供一种有载分接开关故障诊断新方法，基于振动信号与切换开关动作对应关系提取其分段时频图谱表征设备运行状态特征，排列优选特征后依靠深度学习的自学习能力进行故障诊断，其中的重点是基于振动信号多段特征以及频谱纹理提取的有载分接开关故障诊断方法。

为实现上述目的，本申请提供如下技术方案：

本申请实施例提供一种基于振动信号分段时频图谱优选的有载分接开关故障智能诊断方法，其特征在于，包括以下步骤，

A.采用加速度传感器采集有载分接开关振动信号，并利用局部均值分解进行去噪处理；

B.对去噪后的振动信号取绝对值后作时间轴进行累积积分，得到累积积分曲线表示的多段能量变化，根据曲线幅值拐点对振动信号分割得到对应开关的不同动作阶段，提取各分段信号能量和峭度特征；

C.将振动信号经短时傅里叶变换得到各分段时频图谱，提取颜色矩以描述时频图像的颜色特征；

D.提出总相关排列优选方法，对特征参量进行优选，得到反映分接开关运行状态的低冗余优选颜色特征向量；

E.提出矩阵主成分变换方法，对优选颜色特征实施进一步降维，保留原始数据特征成分相似性的同时使降维引起的变形量最小；

F.将分段振动信号的能量特征和峭度特征与降维后的时频图谱颜色特征构成有载分接开关状态特征向量，通过一维卷积神经网络完成故障辨识。

所述步骤A中，加速度传感器吸附于有载分接开关外壳，以驱动电机定子电流信号作为采集卡触发源；信号经局部均值分解后，根据相关系数筛选分解后的各分量，并进行重构达到去噪效果。