递归量化分析的变压器健康评估与故障诊断.pdf
《递归量化分析的变压器健康评估与故障诊断.pdf》由会员分享,可在线阅读,更多相关《递归量化分析的变压器健康评估与故障诊断.pdf(7页珍藏版)》请在文库网上搜索。
1、现代电子技术Modern Electronics TechniqueNov.2023Vol.46 No.222023年11月15日第46卷第22期0 引 言变压器是重要的输变电设备,保证变压器安全平稳的运行是电力系统安全、稳定、可靠的首要前提1。因此,对变压器进行准确的健康评估,及时进行故障检修,对电网安全平稳运行有着重要意义23。变压器故障检测方法分为两类:带电检测和非带电检测。目前,带电检测方法有油色谱法4和振动分析法5。油色谱法即通过检测绝缘油中气体成分进行故障识别,现阶段油色谱法较基于振动信号的变压器状态评估与故障诊断发展相对成熟。振动分析法是一种研究变压器内部结构稳定性的技术,其应用
2、不限制绝缘介质,对于干式变压器也可展开研究。振动分析法通过分析固定在变压器油箱壁上的振动传感器收集的信号,来评估变压器的性能,快速、安全、可靠地实现长期实时带电检测,便于工业现场应用。由于带电检测方法无须停电操作,实现在线监测识别的同时,大大节约了人力与物力成本,因而受到学者的广泛关注。DOI:10.16652/j.issn.1004373x.2023.22.018引用格式:严侣,谢丽蓉,吐松江 卡日,等.递归量化分析的变压器健康评估与故障诊断J.现代电子技术,2023,46(22):102108.递归量化分析的变压器健康评估与故障诊断严 侣1,谢丽蓉1,吐松江 卡日1,孟 杰2,张馨月1(1
3、.新疆大学 电气工程学院,新疆 乌鲁木齐 830047;2.特变电工股份有限公司新疆变压器厂,新疆 昌吉 831100)摘 要:针对传统时域、频域分析方法忽略信号的部分频率信息的问题,提出一种基于递归定量分析(RQA)和鸡群算法(CSO)优化支持向量机(SVM)的变压器健康分析与机械故障诊断方法。首先利用相空间重构技术构建变压器振动信号的递归图;然后进行递归定量分析,提取故障特征并结合马氏距离(MD),以置信度故障程度关系式进行变压器健康评估;最后利用 CSO优化 SVM 参数,进行故障识别。实验结果表明,提取的递归定量特征参数可以有效地评估变压器的健康程度,综合识别率为 94.07%,较传统
4、时域、频域特征高约 15.4%、8.96%;相比于传统模型,采用 CSOSVM故障诊断模型可将诊断精度提高至99.26%。关键词:变压器故障诊断;健康评估;递归定量分析;故障特征提取;鸡群优化算法;支持向量机中图分类号:TN91934;TN62434 文献标识码:A 文章编号:1004373X(2023)22010207Recurrence quantification analysis of transformer health assessment and fault diagnosisYAN L1,XIE Lirong1,TUSONGJIANGKari1,MENG Jie2,ZHANG
5、Xinyue1(1.School of Electrical Engineering,Xinjiang University,Urumqi 830047,China;2.TBEA Xinjiang Transformer Co.,Ltd.,Changji 831100,China)Abstract:In allusion to the problem that traditional time domain and frequency domain analysis methods ignore part of the frequency information of the signals,
6、a transformer health analysis and mechanical fault diagnosis method based on recurrence quantification analysis(RQA)and chicken swarm optimizersupport vector machine(CSOSVM)is proposed.The phase space reconstruction technology is used to construct a recursive graph for the transformer vibration sign
7、al.Then,RQA is carried out,and fault characteristics are extracted and combined with Mahalanobis distance(MD)to perform transformer health analysis in a confidencedegree of failure relationship.CSO is used to optimize SVM parameters for the fault identification.The experimental results show that the
8、 extracted recursive quantitative feature parameters can effectively evaluate the health of transformers,and its comprehensive recognition rate is 94.07%,which is about 15.4%and 8.96%higher than that of traditional time domain and frequency domain features.In combination with the traditional model,t
9、he CSO SVM fault diagnosis model can improve the diagnostic accuracy to 99.26%.Keywords:transformer fault diagnosis;health assessment;recursive quantitative analysis;fault feature extraction;chicken swarm optimization algorithm;support vector machine收稿日期:20230524 修回日期:20230630基金项目:国家自然科学基金项目(5206702
10、1);新疆维吾尔自治区自然科学基金项目(2022D01C35)102102第22期利用振动分析法对变压器机械故障进行诊断目前已取 得 了 许 多 研 究 成 果68。马 宏 忠 等 人 以 100 Hz与 1 kHz以内的频率分量的比值作为判定铁心松动的依据9。汲胜昌等采用三层小波包分析,利用故障前后各频率成分能量变化判断铁心是否发生故障10。赵莉华等人利用交叉小波变换滤除干扰成分并提取出故障特征频率及其特征幅值,共同表征变压器的运行状态11。由此可知,对变压器进行故障诊断和健康评价的关键是提取能够全面表征故障状态的特征。为分析信号的复杂性、非线性和非平稳特性,J.P.Eckmann等提出利用
11、相空间重构原理构建递归图,通过相空间可视化的周期轨迹测量时间序列的周期性、混沌性和非平稳程度,达到表征信号系统动态特性的目的12。在此研究基础上,C.L.Webber等建立递归量化分析方法(Recurrence Quantification Analysis,RQA),通过统计递归图中的点密度和线分布,显示系统递归特性,构建信号的递归定量指标13。近年来,RQA 在动力气象学、生物医学信息技术、机械故障诊断、经济学等诸多领域都表现出了极佳的适用性1417。综上所述,本文提出一种基于递归量化分析与鸡群优 化 支 持 向 量 机(Chicken Swarm Optimizer Support Ve
12、ctor Machine,CSOSVM)相结合的变压器健康分析与故障诊断方法。首先利用RQA提取不同故障类型的递归定量特征向量;其次计算样本与标准数据特征序列之间的马氏距离(Mahalanobis Distance,MD),并转化成置信度进而表示变压器的故障程度;最后将递归定量特征输入到 CSO优化的 SVM进行故障分类识别。实验结果表明,该方法能对振动数据进行有效的健康分析,并提高故障诊断精度。1 基本原理简介1.1 递归量化分析RQA的前提是构建递归图(Recurrence graph,RP),即将时间序列重构到相空间中,通过相空间中状态之间的距离表征动力系统特征。递归量化分析步骤如下:1
13、)对时间序列 uk(k=1,2,n)进行相空间重构,公式为:xi=ui,ui+,ui+(m-1)(1)式中:i=1,2,n-(m-1);为延迟时间;m为嵌入维度。2)计算递归值,并绘制递归图R(i,j):R()i,j=H()-xi-xj=1,H()r 00,H()r 0(2)式中:i为横坐标;j为纵坐标;H()为Heaviside函数;为距离阈值;为欧几里得范数。3)RP中45方向和垂直方向的长度分布P(l)、P(v)公式如下:P()l=Nl=lminlmaxN (3)P()v=Nv=vminNN (4)式中:l为 45方向方向线段长度;v 为垂直方向线段长度;N为某方向的直线数量。4)RQA
14、 通过统计 RP中点密度和线段结构的分布特征,定义如下递归定量特征:RR、DET、LMAX、ENT、LAM、TT,依次表示递归率、确定率、对角线最大长度、对角线递归熵、层状度、捕获时间,公式如下:RR=i,j=1NRijN2 (5)DET=l=lminlmaxlP()li,j=1NRij (6)LMAX=max()li;i=1,2,N(7)ENT=-v=vminNP()v ln P()v (8)LAM=v=vminNvP()vv=1NvP()v(9)TT=v=vminNvP()vv=1NP()v(10)1.2 鸡群优化算法鸡 群 优 化 算 法(Chicken Swarm Optimizati
15、on Algorithm,CSO)是2014年Meng等人通过模拟鸡群的层级结构和群体觅食行为,提出的集成粒子群算法、遗传算法、蝙蝠算法等诸多算法,具有优化特性的群体智能优化算法18。CSO在管理科学、工程研究等诸多领域得到了广泛的应用,为求解复杂系统的全局最优问题提供了新的思路和方法。根据鸡的适应性不同将鸡群划分为不同类型和子种群。在鸡群的层级结构中,公鸡的适应性最好,即觅食能力最强,被适应度值较低的母鸡(部分母鸡会孵化鸡蛋)和适应度值最低的鸡仔(鸡仔在子种群中会随机与母鸡建立亲缘关系)所包围。层级结构随着寻找食物G代更新一次(G2,20)。每只鸡的位置对应于优化问题的一个解。鸡群优化算法流
16、程如图1所示。通过上述对CSO原理的分析,总结每种鸡的移动规律并得出位置更新公式。NR为公鸡数量,NH为母鸡数量,NC为鸡仔的数量,NM为母鸡中孵化鸡蛋的鸡妈妈的数量。Xtij为第 t 次迭代的第 i 个个体所在的位置,i1,2,N,j1,2,D。公鸡位置更新公式如下:严 侣,等:递归量化分析的变压器健康评估与故障诊断103现代电子技术2023年第46卷xi,j()t+1=xi,j()t()1+randn()0,2 (11)2=1,fi fkexp()fk-fi|fi+,fi fk(12)式中:randn(0,2)为高斯分布函数;fi表示个体适应度值;fk表示个体k的适应度分配值,k1,NR;
17、为无穷小数。图1 鸡群优化算法流程母鸡位置更新如下:xi,j()t+1=xi,j()t+S1 rand(xr1,j()t-)xi,j()t+S2 rand()xr2,j()t-xi,j()t(13)S1=exp()fi-fr1|fi+(14)S2=exp()fr2-fi (15)式中:r1表示第 i只母鸡所跟随公鸡的位置;r2表示任一公鸡或母鸡的个体编号,r1r2;rand为0,1内的随机数。鸡仔位置更新公式如下:xi,j()t+1=xi,j()t+FL(xm,j()t-)xi,j()t (16)式中:xi,j()t为第t次迭代时第i只鸡仔追随的母鸡位置;FL为跟随系数,FL0,2。2 数据分
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 递归 量化 分析 变压器 健康 评估 故障诊断