| 基于LMD边际谱能量熵与FWA-SVM的变压器绕组松动诊断 |
| |
| 引用本文： | 颜锦,马宏忠,朱昊,张勇,李勇,许洪华. 基于LMD边际谱能量熵与FWA-SVM的变压器绕组松动诊断[J]. 电测与仪表, 2021, 58(11): 74-80. DOI: 10.19753/j.issn1001-1390.2021.11.010 |
| |
| 作者姓名： | 颜锦 马宏忠 朱昊 张勇 李勇 许洪华 |
| |
| 作者单位： | 河海大学能源与电气学院,南京211100;国网江苏省电力公司南京供电公司,南京210019 |
| |
| 基金项目： | 基金项目：国家自然科学基金资助项目（51577050）；国网江苏省电力公司重点科技项目（J2020042） |
| |
| 摘 要： | 变压器空载合闸的振动信号包含了丰富的机械特征信息,为了实现对变压器绕组松动故障诊断,提出了一种局部均值分解(LMD)边际谱能量熵与烟花算法优化支持向量机(FWA-SVM)的方法.通过LMD提取若干反映变压器合闸过程绕组状态信息的乘积函数(Product Function,PF)分量;依据各PF分量相关系数与能量分布,将前6阶PF分量进行希尔伯特变换,并求取对变压器绕组状态变化敏感的边际谱能量熵作为特征向量;将特征向量输入到烟花算法(FWA)优化的支持向量机(SVM)分类器,实现变压器绕组轻微松动故障早期预警.实验结果表明:基于LMD边际谱能量熵能准确反映故障特征,FWA-SVM诊断方法在少量样本情况下仍有较高的故障辨识度.
|
| 关 键 词： | 变压器 空载合闸 局部均值分解 边际谱能量熵 支持向量机 |
| 收稿时间： | 2020-08-22 |
| 修稿时间： | 2020-08-22 |
Diagnosis for transformer winding Looseness based on LMD marginal spectrum energy entropy and FWA-SVM |
| |
| yanjin,mahongzhong,zhuhao,zhangyong,liyong and xuhonghua. Diagnosis for transformer winding Looseness based on LMD marginal spectrum energy entropy and FWA-SVM[J]. Electrical Measurement & Instrumentation, 2021, 58(11): 74-80. DOI: 10.19753/j.issn1001-1390.2021.11.010 |
| |
| Authors: | yanjin mahongzhong zhuhao zhangyong liyong xuhonghua |
| |
| Affiliation: | Hohai University,Hohai University,Hohai University,Hohai University,Hohai University,Hohai University |
| |
| Abstract: | |
| |
| Keywords: | transformer no-load switching on LMD spectrum energy entropy SVM |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《电测与仪表》浏览原始摘要信息 |
|
点击此处可从《电测与仪表》下载免费的PDF全文 |
|
