《基于HHT谱与分形特征的变压器振动模式识别方法》.pdfVIP

第32卷第8期 水 电 能 源 科 学 Vo1．32No．8 2014年 8月 WaterResourcesandPower Aug．20 14 文章编号 ：1000—7709(2014)08—0173—05 基于HHT谱与分形特征的变压器振动模式识别方法 梁建伟 ，穆广祺 ，杜 玮 (1．国网山西省 电力公司，山西 太原 030001；2．国网电力科学研究院，湖北 武汉 430074) 摘要 ：针对绕组松动与铁心松动易引起变压器故障并影响电网安全运行的问题 ，提 出了一种基于 HHT谱与 分形特征的变压器振动模式识别方法 ，对正常振动、绕组松动、铁心松动三种振动模式进行 了模拟试验 ，采集 试验过程 中的变压器振动信号，应用希尔伯特一黄变换 (HHT)分析方法对信号时频特征进行分析 ，得到不 同 情况下振动信号的希尔伯特谱 (HHT谱)。并提取 HHT谱 的分维数及孔隙度特征，采用 BP神经网络对振 动模式进行分类与识别。结果表 明，本文所提方法有效且鲁棒性较强。 关键词 ：希尔伯特一黄变换 ；时频谱 ；分维数 ；孔隙度 ；变压器振动 中图分类号 ：TM407 文献标志码 ：A 1 引言 2 理论基础 变压器是电力系统输变 电环节的关键设备， 2．1 HHT时频分析方法 其安全可靠运行是保证 电网正常运行 的基础。当 HHT是一种适用于非线性问题处理的时频 变压器发生铁心松动与绕组松动时，易引起变压 分析方法 ，包括经验模态分解 (EMD)和与之相应 器故障。因此，通过振动信号分析铁心与绕组的 的Hilbert谱分析两部分 。 状态具有重要意义_1]。目前常用振动分析方法 2．1．1 经验模态分解 主要有快速傅 氏变换算法 (FFT)、小波分析、希尔 EMD能将信号 中的不 同振动模态 自适应地 伯特一黄变换 (HHT)等。。]。其 中，HHT时频分 分解为不 同的固有模态函数 (IMF)。EMD的分 析方法 由于非线性分析能力强、基于数据驱动适 解过程称为 “筛”l6]，“筛”的 目的为：①去除复杂的 应范围广等特征而应用广泛 。但对 HHT时频分 骑行波 ；②平滑不平稳的振幅。然而，若过分 “筛” 析结果进行特征提取与模式识别 ，进而对振动故 则会去除有意义的振幅波动 。为保证本征模函数 障模式进行智能分辨还鲜有报道 。分形特征 由于 具有较好的物理意义，必须定义使 筛“”停止的条件， 其模式描述和区分能力强、特征参数少而适于作 这可通过计算两个依次 “筛”出的h㈩ ()和h () 为特征提取方法 ；此外 ，人工神经网络以其 良好的 的标准差 s。来定义_6]： 鲁棒性 、自适应能力和非线性映射能力 ，尤其适合 作为缺陷类型与故障现象存在复杂映射关系的振 s。一耋 ㈩ 动故障模式 的分类器[4]。鉴此 ，本文依据在实 2．1．2 Hilbert谱 验室内获取的正常、铁心松动 、绕组松动三种情况 EMD将任意信号z()分解为有限个 IMF的和： 下的振动数据 ，采用 HHT时频分析方法 ，构造出 z(f)一 c(￡)+r(￡) (2) 振动信号 HHT谱灰度图像 ，提取 HHT谱灰度 图像的分形特征——分维数和孔隙度作为识别特 式中，C(￡)为第 i个固有模态函数； ()为残余分量。 征量，进而采用BP神经网络构建