【技術實現步驟摘要】
本專利技術涉及有載分接開關故障診斷，具體地說是一種基于多特征融合的有載分接開關故障診斷方法。
技術介紹
1、有載分接開關oltc是電力變壓器中的重要組成部分，承擔著調節輸出電壓的關鍵任務。隨著電力設備的使用年限增長及復雜運行環境的影響，oltc容易出現機械磨損、接觸不良等故障，這些故障如果未能及時發現，將嚴重影響變壓器的正常運行及電力系統的穩定性。傳統的故障診斷方法依賴于人工檢查和定期維護，無法實現實時監控且診斷準確率低，尤其在面對復雜故障模式和噪聲干擾時，傳統方法的適應性和時效性較差，難以滿足現代電力設備故障診斷的需求。
2、傳統的特征提取方法，如時域分析、頻域分析以及經驗模態分解emd，通常只能針對特定類型的故障提取信號特征，缺乏對信號多維度、動態變化的全面分析，難以應對復雜電氣設備運行環境下的多樣化故障模式。此外，現有的振動信號分析方法通常側重于單一特征的提取，無法全面捕捉信號中的復雜信息，缺乏從多個維度，如時頻特性、頻率成分和非線性特性，對振動信號進行全面分析的能力，導致故障診斷的準確率較低。
技術實現思路
1、本專利技術的目的在于提供一種基于多特征融合的有載分接開關故障診斷方法，用于解決現有的振動信號分析方法通常側重于單一特征的提取，無法全面捕捉信號中的復雜信息，缺乏從多個維度對振動信號進行全面分析的能力的問題。
2、本專利技術解決其技術問題所采取的技術方案是：一種基于多特征融合的有載分接開關故障診斷方法，包括以下步驟。
3、s1數據采
4、采集有載分接開關在正常狀態、齒輪卡澀、觸頭松動、緊固螺絲松動四種工況下的原始振動信號xi(t)。
5、s2特征提取。
6、s2.1有載分接開關振動信號特征提取。
7、s2.1.1采用互補集合經驗模態分解ceemd將原始振動信號xi(t)分解為若干個本征模態分量imf，向原始振動信號xi(t)中分別添加一正一負的白噪聲mi(t)，得到兩種不同的新信號pi和ni。
8、pi=?xi(t)+?mi(t)。
9、ni=?xi(t)-?mi(t)。
10、對上述兩種不同的新信號分別進行emd分解，得到j個imf分量并計算其平均值，得到最終的imf分量cj（t）。
11、。
12、cij+（t）代表對信號pi進行emd分解后得到的第j個本征模態分量imf；cij-（t）代表對信號ni進行emd分解后得到的第j個本征模態分量imf；m是在emd分解時加入的白噪聲的數量。
13、重復上述步驟,每次加入新的正態分布白噪聲序列,并將每次得到的相關系數較大的imf作為最終結果；求相關系數較大的5階分量ci(t)，并求得各分量的能量ei，。
14、根據各分量的能量構造振動信號總能量e∑：。
15、求imf分量能量熵hen：。
16、s2.1.2采用品質因數可調小波變換tqwt提取有載分接開關振動信號的子序列能量ej，具體步驟如下：首先確定濾波器的低通尺度α和高通尺度β，獲得符合信號特性的小波基，計算公式分別為：；其中，q為品質因數；r為tqwt變換信號的過采樣率，由分解后的小波系數總和與信號長度相除計算得到；tqwt的每個濾波器組的低通輸出作為連續濾波器組的輸入，多層濾波器組的最大分解層數jmax為：。
17、其中，n為解析信號長度，為向下取整。
18、然后進行tqwt的分解；每層小波濾波器的低通濾波器頻響函數設為h0(ω)，每層小波濾波器的高通濾波器頻響函數設為h1(ω)，w1,w2，…，wj+1為第1至j+1層小波系數，計算式如下。
19、。
20、。
21、式中，θ(ω)為功能函數，用于構建頻響函數h0(ω)和h1(ω)，。
22、通過傅里葉變換獲取信號的頻譜x(ω)，并作為輸入信號輸入至tqwt的濾波器組中；第(j-1)層的輸入信號經過分解得到兩個分量，記為w(j)(ω)和v(j)(ω)，w(j)(ω)為第j層濾波器組對應的高品質因子分量，v(j)(ω)為第j層濾波器組對應的低品質因子分量；將v(j)(ω)作為下一層濾波器的輸入量，將w(j)(ω)進行傅里葉反變換，得到的時域分量w(j)(t)作為tqwt的第j層小波分解系數；將1至j層對應的小波分解系數存入分解系數矩陣w的相應行，獲得j層分解系數矩陣w，第(j+1)層系數為分解余量。
23、經過分解后的oltc原始振動信號每層子序列振蕩能量特性均與該層濾波器相對應，能夠表征原始振動信號的振動能量特性，對j層子序列的能量{e1,e2,?…,ej}進行統計，作為原振動信號的時頻域特征量序列；其中，第j層子序列的能量為：。
24、s2.1.3采用基于短時傅里葉變換振動頻率成分幅值熵vfcae，描述有載分接開關振動信號頻率成分在不同時間段的不規則性。
25、首先將多通道信號轉化為stft矩陣，再提取vfcae構建特征向量。
26、對于離散時間序列s?=?{?s1，s2，..，sn?}，其stft計算如下：
27、。
28、其中，h(n-k)為高斯窗函數，s(f?,?k)的值是一個復數；s(n)為原始信號的離散時間序列，e-j2πfn/n為傅里葉變換的復指數部分。
29、計算s中元素的歐氏范數如下：。
30、式中：‖?‖為歐氏范數。
31、基于極大值將stft矩陣的幅值劃分為l個區間，并統計幅值區間的分布情況d(p)，p為0-l之間的整數；接著，在計算得到的熵值中加入權重。；其中，ω(p)為第p個區間的權重；最后，計算一個時間段內的平均熵值作為特征量，取期望的特征向量維數為y，則特征量為：；其中，k表示正在計算第k個特征維度的平均熵；；表示向下取整。
32、s2.2特征融合。
33、對以上三個特征量f(k)、ej和?hen?進行標準化處理。
34、。
35、其中，μf、μe、μh是特征量的均值；σf、σe、σh是特征量的標準差。
36、采用加權求和法將特征向量進行組合。
37、；其中，ω1，ω2，ω3是設置的權重。
38、s3故障診斷。
39、采用基于改進蝰蛇優化算法的優化算子支持向量機ivoa-?oosvm對特征進行故障診斷。
40、iowa算子定義如下：。
41、其中bj是iowa對(ui，ai)中具有第j個最大ui的ai值，ui是序誘導變量，ai是自變量；ωj表示iowa算子的權重。
42、shannon熵的表達式如下所示：。
43、首先根據向量u對松弛變量ξ進行排序：
44、。
45、式中，bu為松弛變量ξ的有序參數向量，即bj為u中值第j大的iowa對應的松弛變量；根據排序后的位置分配不同的權重，定義排序本文檔來自技高網...
【技術保護點】
1.一種基于多特征融合的有載分接開關故障診斷方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于多特征融合的有載分接開關故障診斷方法，其特征在于，通過在油箱表面布置傳感器采集有載分接開關的原始振動信號Xi(t)。
3.根據權利要求2所述的一種基于多特征融合的有載分接開關故障診斷方法，其特征在于，步驟S2.1.1的具體步驟為：
4.根據權利要求3所述的一種基于多特征融合的有載分接開關故障診斷方法，其特征在于，改進蝰蛇優化算法?IVOA的數學模型為：
5.根據權利要求4所述的一種基于多特征融合的有載分接開關故障診斷方法，其特征在于，步驟S2.1.2的具體步驟如下：
6.根據權利要求5所述的一種基于多特征融合的有載分接開關故障診斷方法，其特征在于，步驟S2.1.3的具體內容為：首先將多通道信號轉化為STFT矩陣，再提取VFCAE構建特征向量；
7.根據權利要求6所述的一種基于多特征融合的有載分接開關故障診斷方法，其特征在于，步驟S3的具體內容為：
【技術特征摘要】
1.一種基于多特征融合的有載分接開關故障診斷方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于多特征融合的有載分接開關故障診斷方法，其特征在于，通過在油箱表面布置傳感器采集有載分接開關的原始振動信號xi(t)。
3.根據權利要求2所述的一種基于多特征融合的有載分接開關故障診斷方法，其特征在于，步驟s2.1.1的具體步驟為：
4.根據權利要求3所述的一種基于多特征融合的有載分接開關故障診斷方法，其特征在于，改進蝰蛇優...
【專利技術屬性】
技術研發人員：趙彤，陳知馨，王曉龍，張遠濤，孫瀅，劉亞迪，亓潤澤，
申請(專利權)人：山東大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。