一种基于振声的变压器异常状态检测方法及其装置与流程

本发明涉及变压器，尤其涉及一种基于振声的变压器异常状态检测方法及其装置。

背景技术：

1、电力变压器作为电网重要的一次设备之一，其安全可靠性受到研究人员的广泛关注。变压器在长期运行过程中绕组会出现不同程度的松动或变形，松动状态下，变压器绕组会出现振幅增加、形变加大等情况，还可能导致变压器漏电、短路，严重影响变压器的正常工作。目前常见的变压器绕组变形检测方法有短路阻抗法、测试直流电阻、频率响应法等，但以上方法对于单纯因绕组垫块松动、脱落等造成的变压器线圈故障并不十分有效。而利用振动信号进行变压器绕组故障检测的方法，因线圈振动特征与电流大小、材料力学特性以及绕组结构等具有密切关系而具有更高的灵敏度，且可实现在线检测。

2、然而，现有技术中根据振动信号的变化确定绕组松动状态的方法，无法有效排出振动信号中的干扰信号(变压器运行环境中噪声的干扰)。

技术实现思路

1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、鉴于上述现有存在的问题，提出了本发明。

3、为解决上述技术问题，本发明提供如下技术方案：

4、一种基于振声的变压器异常状态检测方法，包括如下步骤：

5、s1.对监测的振声信号进行分帧和加窗的预处理,得到检测的振声信号ysh；

6、s2.基于小波与fastica的联合降噪方法对检测的振声信号ysg进行降噪处理，得到处理后的振声信号yst；

7、s3.通过特征提取算法处理振声信号yst，获取得到振声的有效特征序列；

8、s4.将有效特征序列输入鲸鱼算法优化的支持向量机中的惩罚参数c和核函数参数g，从而可以训练出诊断模型评估出绕组是否松动。

9、优选的，在步骤s1中，所述预处理具体为：

10、

11、式中，t是窗口函数的时间变量，h是窗口函数的幅宽，ght为监测的信号帧，ysg为预处理后的振声信号。

12、作为本发明所述的一种基于振声的变压器异常状态检测方法的优选技术方案，步骤s2具体为：

13、通过小波阀值降噪函数对振声信号ysg进行分解降噪处理得到振声信号ysg*，再将振声信号ysg和处理之后的信号ysg*输入至分离矩阵中，使用fastica算法进行分离，从而可以得到降噪后的振声信号yst和杂质信号，再通过盲源分离算法分离出降噪后的振声信号yst。

14、作为本发明所述的一种基于振声的变压器异常状态检测方法的优选技术方案，步骤s3的具体步骤为：

15、s31.将分离出降噪后的振声信号yst通过解析方程解析出m个内涵模态分量imf；

16、s32.通过相关系数方程评估内涵模态分量与分离出降噪后的振声信号yst之间的相关性，选取相关性大于界限值的内涵模态分量；

17、s33.计算相关性大于界限值的内涵模态分量能量qi以及对应信号帧yst能量q,并且计算内涵模态分量能量qi与信号帧yst能量q之间的能量比bi，将能量比构建成组合序列并进行归一化处理，从而得到有效特征序列s。

18、作为本发明所述的一种基于振声的变压器异常状态检测方法的优选技术方案，步骤s31的解析方程为：

19、

20、其中，imf(t)为第i个内涵模态分量，λ(t)为不需要解析的残余信号。

21、作为本发明所述的一种基于振声的变压器异常状态检测方法的优选技术方案，在步骤s32中，相关系数方程为：

22、

23、式中，κ为imf分量与提取的信号帧ght之间的相关性值，ystm(t)、imfm(t)对应的为第m帧yst(t)、imf(t)值，对应的为ystm(t)、imfm(t)的均值。

24、作为本发明所述的一种基于振声的变压器异常状态检测方法的优选技术方案，在步骤s33中，具体的

25、作为本发明所述的一种基于振声的变压器异常状态检测方法的优选技术方案，步骤s4具体寻优过程为：

26、鲸鱼群体个数n以及最大迭代次数t的初始化，定义惩罚参数c和核函数参数g为鲸鱼种群的位置向量，分别定义寻优的上限ub和下限lb；

27、计算每个鲸鱼个体的适应度值，择取最小适应度值的鲸鱼位置为最佳位置，并且确定最佳位置的鲸鱼为最优个体；

28、对每个鲸鱼个体而言，如果选择包围且||a||小于1，那么按照下式x′i＝xbest-a·|c·xbest-xi|，如果选择包围且||a||大于等于1，那么按照下式x′i＝xrand-a·|c·xrand-xi|，如果选择气泡网，那么按照x′i＝|xbest-xi|·ebl·cos(2πl)+xbest；

29、通过对鲸鱼种群进行计算评估，从而可以找到最佳鲸鱼个体和位置，评估是否满足预设的终止条件，将其作为支持向量机的惩罚参数c和核函数参数g。

30、本发明提供了另外一种技术方案：一种基于振声的变压器异常状态检测装置，包括：

31、采集模块，用于采集变压器上的振声信号；

32、预处理模块，用于将采集的振声信号进行分帧和加窗处理；

33、降噪处理模块，用于对振声信号进行降噪处理；

34、特征提取模块，通过特征提取算法处理振声信号yst，获取得到振声的有效特征序列；

35、诊断模型模块，将有效特征序列输入鲸鱼算法优化的支持向量机中的惩罚参数c和核函数参数g，从而可以训练出诊断模型评估出绕组是否松动。

36、相比现有技术，本发明的有益效果是：通过本发明的方法得到诊断模型对变压器的异常状态进行诊断，从而数据结果可以看出准确率可以达到90％以上。

技术特征：

1.一种基于振声的变压器异常状态检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的检测方法，其特诊在于，在步骤s1中，所述预处理的数学表达公式具体为：

3.根据权利要求2所述的检测方法，其特诊在于，步骤s2具体为：

4.根据权利要求3所述的检测方法，其特诊在于，步骤s3的具体步骤为：

5.根据权利要求4所述的检测方法，其特诊在于，步骤s31的解析方程为：

6.根据权利要求5所述的检测方法，其特诊在于，在步骤s32中，相关系数方程为：

7.根据权利要求6所述的检测方法，其特诊在于，在步骤s33中，

8.根据权利要求7所述的检测方法，其特诊在于，步骤s4具体寻优过程为：

9.一种基于振声的变压器异常状态检测装置，其特征在于，包括：

技术总结
本发明公开了一种基于振声的变压器异常状态检测方法，包括如下步骤：对监测的振声信号进行分帧和加窗的预处理,得到检测的振声信号ysh；基于小波与FASTICA的联合降噪方法对检测的振声信号ysh进行降噪处理，得到处理后的振声信号yst；通过特征提取算法处理振声信号yst，获取得到振声的有效特征序列；将有效特征序列输入鲸鱼算法优化的支持向量机中的惩罚参数c和核函数参数g，从而可以训练出诊断模型评估出绕组是否松动。通过本发明的方法得到诊断模型对变压器的异常状态进行诊断，从而数据结果可以看出准确率可以达到90％以上。

技术研发人员：段暕,刘好法
受保护的技术使用者：群智测控科技（镇江）有限公司
技术研发日：
技术公布日：2024/7/11