[发明专利]一种基于Fuzzy-ART的并联电抗器故障诊断方法

说明书

本发明公开了一种基于Fuzzy‑ART的并联电抗器故障诊断方法，步骤1：根据电抗器结构，布置振动传感器的位置，采集不同预紧力状态下并联电抗器振动信号X(t)；步骤2：采用多尺度排列熵算法提取振动信号特征量；步骤3：根据步骤2中提取的信号特征量构造特征向量H；步骤4：将步骤3得到的特征向量H分为测试样本集与训练样本集，将训练样本集输入到Fuzzy‑ART网络中，对Fuzzy‑ART进行训练，将训练样本集输入到训练好的Fuzzy‑ART网络中进行测试，从而判断并联电抗器绕组压紧状态。本发明提供的一种基于Fuzzy‑ART的并联电抗器故障诊断方法，识别效果更好,性能更加优越。

技术领域

本发明涉及一种基于Fuzzy-ART的并联电抗器故障诊断方法，属于电力设备状态监测与故障诊断技术领域。

背景技术

目前，大型的油浸式并联电抗器工作过程中常出现绝缘层失效、铁心漏磁发热、振动、噪声、油箱渗漏油等多种问题。其中，电抗器因铁心、绕组受磁场与电动力的作用以及自身结构等特点，振动问题尤为突出，并且随着电抗器的容量越来越大，带来的振动问题也越来越严重，如果电抗器对振动不加以规避与控制继续长期运行，容易造成元件链接的松动、磨损以及运行电阻的增大，进而造成铁心和绕组故障、设备的过度产热。电抗器的振动问题不仅降低了设备的使用寿命，而且极大增加了电网事故发生的概率。

排列熵(PE)是Bandt等提出的一种检测时间序列复杂程度和动力学突变的方法，具有算法简单，抗噪声能力强，计算速度快等优点。模糊ART网络将模糊理论与自适应共振网络相结合，是一种自组织模拟神经网络，较传统神经网络性能有了很大提高。基于此，本发明综合利用多尺度排列熵和模糊自适应共振神经网络对并联电抗器绕组松动程度进行识别。

发明内容

目的：为了克服现有技术中存在的不足，本发明提供一种基于Fuzzy-ART的并联电抗器故障诊断方法。

技术方案：为解决上述技术问题，本发明采用的技术方案为：一种基于Fuzzy-ART的并联电抗器故障诊断方法，包括以下步骤：

步骤1：根据电抗器结构，合理布置振动传感器的位置，采集不同预紧力状态下并联电抗器振动信号X(t)；

步骤2：采用多尺度排列熵算法提取振动信号特征量；

步骤3：根据步骤2中提取的信号特征量构造特征向量H；

步骤4：将步骤3得到的特征向量H分为测试样本集与训练样本集，将训练样本集输入到Fuzzy-ART网络中，对Fuzzy-ART进行训练，将训练样本集输入到训练好的Fuzzy-ART网络中进行测试，从而判断并联电抗器绕组压紧状态。

作为优选方案，所述振动传感器采用压电式振动加速度传感器，振动传感器通过磁座吸附布置在并联电抗器油箱表面。

作为优选方案，所述步骤2，具体步骤如下：

步骤2.1：假设一组时间序列{x_i|i＝1，2，…，N}，对其进行相空间重构，得到重构的时间序列X_i：

X_i＝[x_i，x_i+τ，…，x_i+(m-1)τ] (1)

其中，m为嵌入维数，τ为延迟时间，x_i为时间序列X_i中第i个数据点，x_i+τ为时间序列X_i中第i+τ个数据点，x_i+(m-1)τ为时间序列X_i中第i+(m-1)τ个数据点；