[发明专利]对变压器绕组故障类型直接预报和识别的双规识别法

说明书

技术领域

本发明涉及一种电力变压器，更具体地说，涉及一种对变压器绕组故障类型直接识别和预报的新方法。

背景技术

变压器绕组状态的准确识别在工程中具有重要的价值，对长期运行的电力变压器而言，可靠性问题至关重要，同时大型电力变压器也是电力系统最重要也是最昂贵的电气设备之一，因此变压器故障诊断有着非同寻常的意义。传统的检测方法主要有短路阻抗法、频响分析法等电测方法。电测法能够准确判断绕组较明显的变形，但对绕组轴向预紧力下降、轻微变形等故障，由于绕组的电参数并不发生变化，电测法将失去其判断的有效性。另外，利用电测法实现在线监测还具有较大困难。并且以上方法都只能给出变压器绕组存在故障，但是不能给出变压器属于何类故障，这给变压器的的维修带来极大的难题。

经过现有的文献检索发现，国内专利公开号CN101937047A，专利名称为:利用振动波形检测变压器绕组状态的方法，第一次提出了用振动烈度的方法对变压器的绕组是否存在机械故障进行判定。但这种方法存在如下缺点：第一，当测试的数据受到外界的干扰而变化后，该专利所提出的方法无法准确给出变压器绕组的状态；第二，测得的实验数据是二倍频加速度，而振动烈度则是用能量来表征绕组的状态，需要中间转化，转化过程势必产生误差；第三，振动烈度法测的实验数据必须在相同的时间段测得的数据才能运用，这样给识别带来一定的难度；第四，此方法不能对变压器绕组故障的类型进行识别；第五，使用受周围环境的影响。

发明内容

针对上述现有技术中存在的技术问题，本发明提供一种对变压器绕组故障类型直接识别和预报的双规识别法。融合隐马尔科夫模型(Hidden Markov Model，以下简称为HMM）和模糊识别的双规识别法(Double Normalization Recognition Method,以下简称为DNRM),能够直接预报和识别变压器绕组机械故障的类型,不存在人为因素,抗环境的干扰能力强，不会有转化测得数据带来的误差。

为达到上述发明目的，本发明所采用的技术方案如下：

一种对变压器绕组故障类型直接预报和识别的双规识别法，包括步骤如下：

第一步，建立变压器绕组各类机械状态数据库；

第二步，建立起模糊识别库，给出每类故障的隶属度d_i和识别准确率M；

第三步，建立起HMM识别库，给出每类故障识别的HMM相似概率log(P(D/λ_k))和识别准确率H；

第四步，通过HMM的识别概率值，得到HMM的加权参数p_i；

第五步，通过HMM识别给出的识别准确率H和模糊识别给出的识别准确率M，确定HMM识别和模糊识别的加权系数α和β；

第六步，通过上述得出的隶属度d_i、加权参数p_i以及α和β，得到识别变压器绕组故障的dg指数；

第七步，通过求得的dg识别指数直接识别变压器绕组机械故障状态和类型。

所述第二步是在变压器离线工作状态下测得变压器绕组各种机械故障状态的实验数据，通过特征提取，利用模糊识别的识别方法和理论，建立起模糊识别方法对变压器绕组机械故障各状态的识别库，并用多组各故障待识别数据得出模糊识别的隶属度d_i和识别准确率M。

所述第三步是在变压器离线工作状态下测得变压器绕组各种机械故障状态的实验数据,通过特征提取，然后利用HMM的识别方法和理论，建立起HMM方法对变压器绕组机械故障各状态的识别库，并用多组各故障待识别数据得出HMM识别的概率值和识别准确率H。

所述第四步是对变压器绕组各种机械状态的信号特征值采用HMM识别变压器绕组机械故障的相似概率最大值与HMM相似概率log(P(D/λ_k))的比值进行归一化，得到HMM加权参数p_i。

所述第五步是将HMM识别变压器绕组各类故障的准确率和模糊识别对变压器绕组各类故障的准确率相比以及由于归一化处理所得两加权系数的α+β＝1，从而求得HMM和模糊识别的加权系数α和β。

所述第六步是将归一化的特征值运用模糊识别和HMM识别得出的故障的隶属度和HMM的加权参数d_i和p_i，采用加权平均法得到判别变压器状态的指数dg=αd_i+βp_i。

所述dg指数满足一定的阈值Q∈[0,0.1]。