對變壓器繞組故障類型直接預報和識別的雙規識別法的製作方法
2023-05-03 19:35:56
專利名稱：對變壓器繞組故障類型直接預報和識別的雙規識別法的製作方法
技術領域：
本發明涉及一種電力變壓器，更具體地說，涉及一種對變壓器繞組故障類型直接識別和預報的新方法。
背景技術：
變壓器繞組狀態的準確識別在工程中具有重要的價值，對長期運行的電力變壓器而言，可靠性問題至關重要，同時大型電力變壓器也是電力系統最重要也是最昂貴的電氣設備之一，因此變壓器故障診斷有著非同尋常的意義。傳統的檢測方法主要有短路阻抗法、頻響分析法等電測方法。電測法能夠準確判斷繞組較明顯的變形，但對繞組軸向預緊力下降、輕微變形等故障，由於繞組的電參數並不發生變化，電測法將失去其判斷的有效性。另夕卜，利用電測法實現在線監測還具有較大困難。並且以上方法都只能給出變壓器繞組存在故障，但是不能給出變壓器屬於何類故障，這給變壓器的的維修帶來極大的難題。 經過現有的文獻檢索發現，國內專利公開號CN101937047A，專利名稱為利用振動波形檢測變壓器繞組狀態的方法，第一次提出了用振動烈度的方法對變壓器的繞組是否存在機械故障進行判定。但這種方法存在如下缺點第一，當測試的數據受到外界的幹擾而變化後，該專利所提出的方法無法準確給出變壓器繞組的狀態；第二，測得的實驗數據是二倍頻加速度，而振動烈度則是用能量來表徵繞組的狀態，需要中間轉化，轉化過程勢必產生誤差；第三，振動烈度法測的實驗數據必須在相同的時間段測得的數據才能運用，這樣給識別帶來一定的難度；第四，此方法不能對變壓器繞組故障的類型進行識別；第五，使用受周圍環境的影響。
發明內容
針對上述現有技術中存在的技術問題，本發明提供一種對變壓器繞組故障類型直接識別和預報的雙規識別法。融合隱馬爾科夫模型(Hidden Markov Model，以下簡稱為HMM)和模糊識別的雙規識別法(Double Normalization Recognition Method,以下簡稱為DNRM)，能夠直接預報和識別變壓器繞組機械故障的類型，不存在人為因素，抗環境的幹擾能力強，不會有轉化測得數據帶來的誤差。為達到上述發明目的，本發明所採用的技術方案如下一種對變壓器繞組故障類型直接預報和識別的雙規識別法，包括步驟如下第一步，建立變壓器繞組各類機械狀態資料庫；第二步，建立起模糊識別庫，給出每類故障的隸屬度Cli和識別準確率M ；第三步，建立起HMM識別庫，給出每類故障識別的HMM相似概率log (P (D/ λ k))和識別準確率H ；第四步，通過HMM的識別概率值，得到HMM的加權參數Pi ； 第五步，通過HMM識別給出的識別準確率H和模糊識別給出的識別準確率M，確定HMM識別和模糊識別的加權係數α和β ;
第六步，通過上述得出的隸屬度φ、加權參數Pi以及α和β，得到識別變壓器繞組故障的dg指數；第七步，通過求得的dg識別指數直接識別變壓器繞組機械故障狀態和類型。所述第二步是在變壓器離線工作狀態下測得變壓器繞組各種機械故障狀態的實驗數據，通過特徵提取，利用模糊識別的識別方法和理論，建立起模糊識別方法對變壓器繞組機械故障各狀態的識別庫，並用多組各故障待識別數據得出模糊識別的隸屬度Cli和識別準確率M。所述第三步是在變壓器離線工作狀態下測得變壓器繞組各種機械故障狀態的實驗數據，通過特徵提取，然後利用HMM的識別方法和理論，建立起HMM方法對變壓器繞組機械故障各狀態的識別庫，並用多組各故障待識別數據得出HMM識別的概率值和識別準確率H0所述第四步是對變壓器繞組各種機械狀態的信號特徵值採用HMM識別變壓器繞 組機械故障的相似概率最大值與HMM相似概率log(P(DAk))的比值進行歸一化，得到HMM加權參數Pi。所述第五步是將HMM識別變壓器繞組各類故障的準確率和模糊識別對變壓器繞
a M
組各類故障的準確率相比j = j以及由於歸一化處理所得兩加權係數的α+β =1，從而
卜 ，
求得HMM和模糊識別的加權係數α和β。所述第六步是將歸一化的特徵值運用模糊識別和HMM識別得出的故障的隸屬度和HMM的加權參數Cli和Pi，採用加權平均法得到判別變壓器狀態的指數dg= a Cli+ β Pi。所述dg指數滿足一定的閾值Q e [O, O. I]。所述第七步是通過加權平均處理後，選取dg值最大時所對應的模式作為待測樣本的故障模式，做出最終的診斷。本發明技術方案所帶來的有益效果(I)雙規識別法的識別系統可以在變壓器出廠或安裝時在一側安裝好測試系統，同時，可以在線監測變壓器繞組的機械狀態，可以適時的預報變壓器工作的情況，為變壓器的正常安全的運行大大的提供了參考，並且提高了變壓器工作的實用效率。(2)雙規識別法識別系統不僅能識別出變壓器繞組的機械狀態，而且可以準確預報變壓器繞組機械故障的類型。(3)雙規識別法識別系統，由於形成一個識別資料庫，因而在形成資料庫的時候採集數據不受環境的影響，大大的減少了誤判誤差。(4)雙規識別法識別系統不僅能識別變壓器繞組單一的機械故障狀態，而且能識別變壓器繞組複合機械故障狀態下的哪類故障佔據主導作用。
圖I是本發明實施例的變壓器繞組各類故障資料庫；圖2是變壓器繞組不同機械狀態下的模糊識別庫；圖3是變壓器繞組不同機械狀態下的HMM識別庫；
圖4是本發明雙規識別法識別過程及原理圖；圖5是本發明雙規識別法對變壓器繞組單一各故障的識別dg指數圖；圖6是本發明雙規識別法對變壓器繞組複合狀態的識別dg指數圖。
具體實施例方式本發明結合實施例和附圖對本發明做進一步的說明。本發明是一種對變壓器繞組故障類型直接預報和識別的雙規識別法，實施例包括以下各步驟第一步，建立變壓器繞組各類機械狀態資料庫。變壓器箱體上每個測點測得的振動響應，都是鐵心振動和繞組振動通過結構件和 其他傳遞途徑，傳遞到此處疊加形成的。這整個傳遞過程是線性的，那麼就可以通過採集箱壁上的振動信號，提取和分析繞組的振動特性，從而判斷繞組狀態。對電力公司提供的變壓器進行各種故障的設定，通過傳感器和數據採集儀器，採集變壓器在各種狀態下的信號數據，如圖I所示。第二步，建立起模糊識別庫，給出每類故障的隸屬度Cli和識別準確率M。在變壓器離線工作狀態下可以測得變壓器繞組各種機械故障狀態的實驗數據，通過特徵提取，然後利用模糊識別的識別方法和理論，建立起模糊識別方法對變壓器繞組機械故障各狀態的識別庫，並用多組各故障待識別數據得出模糊識別的隸屬度Cli，如圖2所示，識別的準確率M如表I所示。表I :模糊識別診斷結果分析統計(用40組識別數據)
權利要求
1.一種對變壓器繞組故障類型直接預報和識別的雙規識別法，其特徵在於，包括步驟如下 第一步，建立變壓器繞組各類機械狀態資料庫； 第二步，建立起模糊識別庫，給出每類故障的隸屬度Cli和識別準確率M ； 第三步，建立起HMM識別庫，給出每類故障識別的HMM相似概率log (P (D/ λ k))和識別準確率H ； 第四步，通過HMM的識別概率值，得到HMM的加權參數Pi ； 第五步，通過HMM識別給出的識別準確率H和模糊識別給出的識別準確率M，確定HMM識別和模糊識別的加權係數α和β ; 第六步，通過上述得出的隸屬度φ、加權參數Pi以及α和β，得到識別變壓器繞組故障的dg指數； 第七步，通過求得的dg識別指數直接識別變壓器繞組機械故障狀態和類型。
2.根據權利要求I所述的對變壓器繞組故障類型直接預報和識別的雙規識別法，其特徵在於，所述第二步是在變壓器離線工作狀態下測得變壓器繞組各種機械故障狀態的實驗數據，通過特徵提取，利用模糊識別的識別方法和理論，建立起模糊識別方法對變壓器繞組機械故障各狀態的識別庫，並用多組各故障待識別數據得出模糊識別的隸屬度Cli和識別準確率M。
3.根據權利要求2所述的對變壓器繞組故障類型直接預報和識別的雙規識別法，其特徵在於，所述第三步是在變壓器離線工作狀態下測得變壓器繞組各種機械故障狀態的實驗數據，通過特徵提取，然後利用HMM的識別方法和理論，建立起HMM方法對變壓器繞組機械故障各狀態的識別庫，並用多組各故障待識別數據得出HMM識別的概率值和識別準確率H。
4.根據權利要求3所述的對變壓器繞組故障類型直接預報和識別的雙規識別法，其特徵在於，所述第四步是對變壓器繞組各種機械狀態的信號特徵值採用HMM識別變壓器繞組機械故障的相似概率最大值口犯乂^七^^切與畫相似概率log (P (D/λ,))的比值 1<I<M進行歸一化，得到HMM加權參數Pi。
5.根據權利要求4所述的對變壓器繞組故障類型直接預報和識別的雙規識別法，其特徵在於，所述第五步是將HMM識別變壓器繞組各類故障的準確率和模糊識別對變壓器繞組 a M各類故障的準確率相比J = 77以及由於歸一化處理所得兩加權係數的α+β =1，從而求得HMM和模糊識別的加權係數α和β。
6.根據權利要求5所述的對變壓器繞組故障類型直接預報和識別的雙規識別法，其特徵在於，所述第六步是將歸一化的特徵值運用模糊識別和HMM識別得出的故障的隸屬度和HMM的加權參數Cli和Pi,採用加權平均法得到判別變壓器狀態的指數dg= α φ+ β Pi。
7.根據權利要求6所述的對變壓器繞組故障類型直接預報和識別的雙規識別法，其特徵在於，所述dg指數滿足一定的閾值Q e
。
8.根據權利要求7所述的對變壓器繞組故障類型直接預報和識別的雙規識別法，其特徵在於，所述第七步是通過加權平均處理後，選取dg值最大時所對應的模式作為待測樣本的故障模式，做出最終的診斷。
全文摘要
本發明公開一種對變壓器繞組故障類型直接預報和識別的雙規識別法，是一種基於隱馬爾科夫模型和模糊識別基礎之上對變壓器繞組故障直接識別和預報的新方法。步驟為第一步,建立變壓器繞組各類機械狀態資料庫；第二步,建立起模糊識別庫,給出每類故障的隸屬度和識別準確率；第三步,建立起隱馬爾科夫模型識別庫,給出每類故障識別的相似概率和識別準確率；第四步,通過的隱馬爾科夫模型識別概率值，得到的加權參數；第五步，確定隱馬爾科夫模型和模糊識別的加權係數；第六步，得到識別變壓器繞組故障的雙規識別指數；第七步，通過求得的dg識別指數直接識別變壓器繞組機械故障狀態和類型。本發明方法不存在人為因素,抗環境的幹擾能力強，不會有轉化測得數據帶來的誤差。
文檔編號G01R31/06GK102778632SQ20121023013
公開日2012年11月14日 申請日期2012年7月4日 優先權日2012年7月4日
發明者何洪軍, 饒柱石 申請人:上海交通大學