[发明专利]基于小波GGD特征和不均衡K-均值下采样集成SVM的变压器在线故障检测方法

摘要

基于小波GGD特征和不均衡K-均值下采样集成SVM的变压器在线故障检测方法，属于变压器故障检测领域，本发明为解决现有将小波分析应用到变压器故障检测中进行特征提取时所存在的缺陷。本发明方法包括：一、采集变压器振动信号；二、进行低通滤波处理，去除高频噪声信息，获取降噪振动信号，三、对降噪振动信号按时间序列进行分段处理，并利用Daubechies小波系列的db20小波进行五层静态小波分析，提取各层小波变换的GGD参数，五层GGD参数组合一起作为故障检测特征数据；分别作为训练样本和测试样本；四、利用训练样本对SVM检测器进行训练；五、将测试样本输入到训练好的SVM检测器中，实现变压器的在线故障检测。

主权项

基于小波GGD特征和不均衡K‑均值下采样集成SVM的变压器在线故障检测方法，其特征在于，该方法包括以下步骤：步骤一、利用安装在变压器机箱上的振动加速传感器来采集变压器振动信号；步骤二、对步骤一获取的变压器振动信号进行低通滤波处理，去除高频噪声信息，获取降噪振动信号，步骤三、对步骤二获取的降噪振动信号按时间序列进行分段处理，并对分段后的时间序列利用Daubechies小波系列的db20小波进行五层静态小波分析，提取各层小波变换的GGD参数，五层GGD参数组合一起作为故障检测特征数据；将得到的多组故障检测特征数据的一部分作为训练样本，另一部分作为测试样本；步骤四、利用步骤三获取的训练样本对不均衡K‑均值下采样集成SVM检测器进行训练，选择高斯核函数，其中惩罚参数设置和高斯核宽度参数设置由grid Search方法确定；步骤五、将步骤三获取的测试样本输入到步骤四训练好的不均衡K‑均值下采样集成SVM检测器中，分析检测器输出的结果，得到变压器的工作状态，实现变压器的在线故障检测。