[发明专利]基于ITD与SVM的OLTC机械故障诊断方法

说明书

本发明公开了一种基于ITD与SVM的OLTC机械故障诊断方法，1）通过加速度传感器对有载分接开关正常状态下的振动信号、故障状态下的振动信号进行采集，并对振动信号做预处理；2）对预处理后的振动信号进行固有时间尺度分解ITD分析，构造特征向量，作为SVM的输入；3）对SVM进行训练，将特征向量输入到SVM中，对SVM进行训练，将测试数据输入到训练好的SVM从而判断OLTC的故障模式。本发明可以克服经验模态分解、局部均值分解中存在比较严重的端点效应和虚假分量的问题，适合提取OLTC机械故障信号的特征量；不需要大量数据进行SVM的训练，诊断精度更高；OLTC的诊断效果明显优于BP网络。

技术领域

本发明涉及有载分接开关故障诊断技术领域，具体涉及一种基于ITD与SVM的有载分接开关OLTC机械故障诊断方法。

背景技术

随着对电能质量要求的提高，电网大量应用自动电压控制等系统，现有有载分接开关调节相当频繁，故障发生率很高。据国外资料统计，分接开关故障占有载调压变压器故障的40％以上，国内平均统计数据表明，分接开关的故障占变压器故障的20％以上，且主要为机械故障，若不及时发现和处理，其故障会严重破坏OLTC和变压器的固有结构，影响电力设备和系统的正常安全运行并造成严重后果。因此，为了确保分接开关安全可靠地运行，有必要开展分接开关机械故障诊断方法的相关研究。

作为变压器中唯一可进行机械动作的部件，分接开关操作过程中包含一系列动作事件，这些事件中包含丰富的振动信号，其中触头动作过程中的碰撞、摩擦等都伴有机械振动信号的产生。利用加速度传感器监测设备操作过程中的振动信号，对振动信号进行分析，提取故障特征，是目前比较有效的监测和诊断方法。已有的振动信号分析方法有小波奇异性检测、自组织映射法、经验模态分解(EMD)和小波包等。这些方法大多是基于线性理论，然而，研究表明，OLTC切换过程中的振动信号表现出明显的非线性行为。因此，将振动信号假设为平稳或分段平稳信号进行时频分析的方法，其分析效果不是很明显。而EMD分解是近年来提出的一种信号时频分析方法，因此更适合处理非平稳信号，但是EMD分解存在比较严重的端点效应和虚假分量的问题。时间固有尺度分解(intrinsic time-scaledecomposition,ITD)是在研究EMD和局部均值分解(Local Mean Decomposition,LMD)的基础上提出的一种自适应时频分析方法，因此，本发明采用时间固有尺度分解ITD方法提取OLTC机械故障特征，可以克服EMD的缺点，再结合支持向量机SVM，可以取得较好的OLTC机械故障诊断效果。

发明内容

为解决现有技术中的不足，本发明提供一种基于ITD与SVM的有载分接开关OLTC机械故障诊断方法，其诊断结果确实精度高，结构简单，可操作性强。

为了实现上述目标，本发明采用如下技术方案：一种基于ITD与SVM的OLTC机械故障诊断方法，包括以下步骤：

1)通过加速度传感器对有载分接开关正常状态下的振动信号、故障状态下的振动信号进行采集，并对振动信号做预处理；

2)对预处理后的振动信号进行固有时间尺度分解ITD分析，构造特征向量，作为SVM的输入；

3)对SVM进行训练，将步骤2)构造的特征向量输入到SVM中，对SVM进行训练，将测试数据输入到训练好的SVM从而判断OLTC的故障模式。

前述的一种基于ITD与SVM的OLTC机械故障诊断方法，其特征是：所述预处理具体为：对振动信号进行去噪处理。

前述的一种基于ITD与SVM的OLTC机械故障诊断方法，其特征是：所述故障状态包括有载分接开关OLTC触头松动以及弹簧性能下降。

前述的一种基于ITD与SVM的OLTC机械故障诊断方法，其特征是：所述加速度传感器安装在分接开关的顶端。