基于振動(dòng)信號(hào)二維特征向量的配變鐵心故障診斷

魏曉瑩　宋仕江　郭謀發(fā)　盧國(guó)儀（. 福州大學(xué)電氣工程與自動(dòng)化學(xué)院，福州　50000；. 國(guó)網(wǎng)福建省電力有限公司邵武市供電公司，福建 邵武　54000；. 福州市城市地鐵有限責(zé)任公司，福州　50000）

?

基于振動(dòng)信號(hào)二維特征向量的配變鐵心故障診斷

魏曉瑩1宋仕江2郭謀發(fā)1盧國(guó)儀3
（1. 福州大學(xué)電氣工程與自動(dòng)化學(xué)院，福州350000；2. 國(guó)網(wǎng)福建省電力有限公司邵武市供電公司，福建 邵武354000；3. 福州市城市地鐵有限責(zé)任公司，福州350000）

摘要配電變壓器油箱表面蘊(yùn)含著豐富的鐵心振動(dòng)信號(hào)，能夠直接體現(xiàn)鐵心的工作狀況。通過希爾伯特黃（Hilbert-Huang Transform，HHT）帶通濾波提取配電變壓器鐵心振動(dòng)信號(hào)主成分，而后利用HHT二次帶通濾波對(duì)配變鐵心振動(dòng)信號(hào)進(jìn)行時(shí)頻分解，分別求取各子頻帶所對(duì)應(yīng)的能量值和重心頻率，構(gòu)成振動(dòng)信號(hào)的二維特征向量。通過空載試驗(yàn)測(cè)得配變鐵心在鐵心正常、兩點(diǎn)接地、鐵心松動(dòng)、接地不良等4種典型情況下的振動(dòng)信號(hào)，對(duì)所測(cè)多組振動(dòng)信號(hào)的二維特征向量做SVM分類。結(jié)果表明該特征向量能夠準(zhǔn)確、有效地表征配變鐵心的各種狀態(tài)。

關(guān)鍵詞：配變鐵心；振動(dòng)信號(hào)；HHT帶通濾波；二維特征向量；RBF_SVM

The Fault Identification Method for Distribution Transformer based on Support Vector Machine Classification of Vibration Signal Characteristics

Wei Xiaoying1Song Shijiang2Guo Moufa1Lu Guoyi3
（1. College of Electrical Engineering and Automation， Fuzhou University， Fuzhou350000;
2. Shaowu Electric Power Supply Company， State Grid Fujian Electric Power Co.， Ltd， Shaowu， Fujian354000; 3. Fuzhou Metro Co.， Ltd， Fuzhou350000）

Abstract The tank surface of distribution transformer contains a wealth of vibration signals from the iron core， which can directly reflect the working conditions of the core. Extracting the principal component of the core from vibration signals via Hilbert-Huang Transform （HHT） band-pass filter， and then the vibration signal is decomposed in time-frequency domain via the second band-pass filter of HHT， calculating the energy and center frequency of each sub-band reconstructed signal， which constitute the 2-D feature vector of the vibration signal. The vibration signal of the core in 4 typical conditions including normal states， two-point grounding， looseness and poor grounding are measured through no-load experiment， SVM classification is applied to these 2-D feature vectors. The result shows that the feature vector can represent each state of the core accurately and effectively.

Keywords：the core of distribution transformer; vibration signal; HHT band-pass filter; 2-D feature vector; RBF_SVM

鐵心是配電變壓器（以下簡(jiǎn)稱配變）中傳遞、交換電磁能量的主要部件，對(duì)配變的電磁性能、機(jī)械強(qiáng)度等有著舉足輕重的作用。統(tǒng)計(jì)資料表明，因鐵心問題造成故障，占變壓器總事故中的第三位[1]。配變運(yùn)行時(shí)其油箱表面蘊(yùn)含著豐富的振動(dòng)信號(hào)，該信號(hào)主要由鐵心和繞組所產(chǎn)生的振動(dòng)混疊而成，鐵心狀態(tài)的改變將導(dǎo)致振動(dòng)信號(hào)的變化。因此，配變振動(dòng)信號(hào)的有效特征量可用于鐵心各種狀態(tài)的識(shí)別。

振動(dòng)信號(hào)的處理包括信號(hào)分離和特征提取。信號(hào)分離主要采用盲源分離方法[2]。由于配變的振動(dòng)信號(hào)來自多個(gè)振源，盲源分離算法能實(shí)現(xiàn)某種程度的信號(hào)分離，但存在著頻帶混疊的現(xiàn)象。常用的特征提取方法有小波變換[3]、HHT[4-5]、局域均值分解（Local Mean Decomposition，LMD）[6]等。針對(duì)變壓器油箱表面不同測(cè)點(diǎn)的振動(dòng)信號(hào)，文獻(xiàn)[3]提出基于交叉小波變換的方法，在時(shí)頻域上分析不同測(cè)點(diǎn)振動(dòng)信號(hào)間的相關(guān)性。文獻(xiàn)[5]通過希爾伯特變換得到希爾伯特邊際譜與能量譜，最后利用獲得的兩個(gè)圖譜揭示正常運(yùn)行和有潛伏性故障的鐵心振動(dòng)特征。文獻(xiàn)[6]運(yùn)用LMD將振動(dòng)信號(hào)自適應(yīng)地分解為一系列單分量調(diào)幅-調(diào)頻信號(hào)，表征鐵心振動(dòng)特征。以上特征提取方法均為一維特征量，缺乏一定的可靠性和準(zhǔn)確性。

基于此，本文提出了利用HHT帶通濾波的方法，分離出能夠表征鐵心振動(dòng)特征的信號(hào)，采用能量和重心頻率構(gòu)成的二維特征向量作為故障診斷的依據(jù)，最后通過粒子群優(yōu)化支持向量機(jī)進(jìn)行鐵心狀態(tài)的分類，為配變鐵心的在線診斷提供了一種有效的方法。

1　配電變壓器振動(dòng)原理

配變油箱表面的振動(dòng)主要是由鐵心和繞組引起的，其中鐵心振動(dòng)主要是由硅鋼片的磁致伸縮效應(yīng)引起的，繞組振動(dòng)主要是由于電流通過繞組產(chǎn)生了電磁力引起的。配變空載運(yùn)行時(shí)沒有負(fù)載電流，因此可以忽略繞組振動(dòng)，認(rèn)為油箱表面的振動(dòng)信號(hào)即為鐵心振動(dòng)信號(hào)。

鐵心的振動(dòng)加速度與電壓的平方呈線性正相關(guān)關(guān)系，其基頻分量為所施加電壓的2倍頻。由于磁致伸縮與磁通密度的關(guān)系是非線性的，同時(shí)沿鐵心內(nèi)外邊緣的磁路長(zhǎng)短也不一致，因此鐵心振動(dòng)加速度信號(hào)除基頻分量外，還含有高次諧波分量，而這些分量與電壓的平方不存在線性關(guān)系[7]。

2　振動(dòng)信號(hào)的提取和二維特征向量的求取方法

2.1基于HHT的振動(dòng)信號(hào)特征頻帶提取

如果某個(gè)信號(hào)的采樣點(diǎn)數(shù)為N，經(jīng)過EMD后得到L個(gè)IMF分量，再進(jìn)行Hilbert變換可得到一個(gè)二維Hilbert譜灰色圖，該圖含有L×N個(gè)數(shù)據(jù)點(diǎn)，反映著時(shí)間t內(nèi)所有IMF分量對(duì)應(yīng)的瞬時(shí)頻率，其灰度值大小對(duì)應(yīng)著該時(shí)刻上IMF瞬時(shí)幅值的大小。因此，在Hilbert譜圖中可以根據(jù)瞬時(shí)頻率的不同進(jìn)行頻帶的劃分。為了得到某個(gè)頻帶范圍內(nèi)的信號(hào)，只需將各IMF分量在該頻帶范圍外的幅值置零，然后對(duì)處理過的IMF分量進(jìn)行重構(gòu)，所得到的重構(gòu)信號(hào)即為原始信號(hào)在該頻帶范圍內(nèi)的分量，以上即為HHT帶通濾波的原理[8]。

2.2二維特征向量的求取方法

式中，ek、fk分別為第k個(gè)一次重構(gòu)頻帶的能量值和重心頻率。eki為第k個(gè)一次重構(gòu)頻帶所對(duì)應(yīng)的第i個(gè)子頻帶的能量值。假設(shè)有l(wèi)個(gè)振動(dòng)信號(hào)，由此可得這些振動(dòng)信號(hào)構(gòu)成的能量值矩陣如式（3）所示，重心頻率矩陣如式（4）所示。

為更好地將振動(dòng)信號(hào)二維特征向量進(jìn)行比較，需對(duì)能量和重心頻率歸一化，具體處理分別如式（5）、（6）所示。

式中，ekl為Es中的元素，min（Es）為Es元素中的最小值，max（Es）為Es元素中的最大值；fkl為Fg中的元素，fs為振動(dòng)信號(hào)的采樣頻率。將歸一化后的能量和重心頻率按式（7）交叉排序，構(gòu)成一個(gè)二維特征向量矩陣作為配變鐵心狀態(tài)診斷的特征量。

相比于僅用一個(gè)特征量表征鐵心振動(dòng)信號(hào)，二維特征向量所包含的能量和重心頻率互為補(bǔ)充，增加了診斷的準(zhǔn)確性和可靠性。

3　配電變壓器鐵心振動(dòng)信號(hào)的采集和特征量的提取

3.1配電變壓器振動(dòng)采集試驗(yàn)

配變振動(dòng)信號(hào)采集系統(tǒng)由加速度傳感器、振動(dòng)信號(hào)采集裝置及上位機(jī)軟件組成，如圖1所示。

圖1　配變振動(dòng)信號(hào)采集系統(tǒng)

采用型號(hào)為L(zhǎng)C0156A的壓電式加速度傳感器，其頻率響應(yīng)范圍為0.1～2000Hz，靈敏度為1491mV/g （g為重力加速度），量程為0～±3g，分辨率為0.00002g；振動(dòng)信號(hào)采集裝置選用NI USB-6218模塊搭建；上位機(jī)軟件由Matlab和LabVIEW混合編程開發(fā)。

為避免高壓側(cè)的強(qiáng)磁干擾且考慮到安全性問題，測(cè)點(diǎn)宜選在低壓側(cè)。試驗(yàn)研究表明，低壓側(cè)中部的位置蘊(yùn)含較大能量，可較好地反映變壓器的振動(dòng)特性。本文試驗(yàn)所選測(cè)點(diǎn)對(duì)應(yīng)于低壓側(cè)A、B、C三相繞組，且位于油箱的中部，分別定義為測(cè)點(diǎn)1、測(cè)點(diǎn)2、測(cè)點(diǎn)3。

由鐵心振動(dòng)原理可知，負(fù)載電流對(duì)鐵心振動(dòng)沒有直接的影響，因此可以基于空載試驗(yàn)?zāi)M配變鐵心正常工作、兩點(diǎn)接地、鐵心松動(dòng)、接地不良等情況。選取型號(hào)為S11-M-315/10的配電變壓器在其空載時(shí)做以上四種試驗(yàn)，如圖2所示。

圖2　配變鐵心故障模擬

3.2基于HHT的鐵心振動(dòng)信號(hào)提取

在配變低壓側(cè)施加額定電壓，模擬4種鐵心運(yùn)行狀態(tài)。采集油箱表面的振動(dòng)信號(hào)，以三個(gè)測(cè)點(diǎn)額定電壓下不同運(yùn)行狀態(tài)為例，畫出其頻域柱狀圖，如圖3所示。

圖3　空載額定電壓時(shí)鐵心不同狀態(tài)下各測(cè)點(diǎn)振動(dòng)信號(hào)頻域圖

從頻域圖可以看出，鐵心振動(dòng)信號(hào)主要集中在0～1000Hz，當(dāng)頻率大于1000Hz時(shí)其振幅幾乎為0，可以忽略不計(jì)；另外，當(dāng)鐵心正常時(shí)，100Hz頻率處的幅值為其振動(dòng)的主要分量，在其他各頻帶的振動(dòng)幅值較小；而發(fā)生故障時(shí)，振動(dòng)信號(hào)含有大量的高頻分量，由于模擬故障接地點(diǎn)在A相下方，因而在各測(cè)點(diǎn)的兩點(diǎn)接地頻域圖中測(cè)點(diǎn)3振動(dòng)幅值相對(duì)測(cè)點(diǎn)1、2較大。因此利用HHT帶通濾波的方法分離出0～1000Hz頻率成分作為表征鐵心振動(dòng)特性的信號(hào)。

3.3配電變壓器鐵心振動(dòng)二維特征向量的提取

通過HHT帶通濾波的信號(hào)分離方法可知，表征鐵心振動(dòng)特性的頻率主要分布在0～1000Hz。對(duì)提取出的鐵心振動(dòng)信號(hào)進(jìn)行一次HHT帶通濾波，取頻帶間隔為100Hz得到一次重構(gòu)分量。然后對(duì)每個(gè)帶寬為100Hz的一次重構(gòu)分量進(jìn)行二次HHT帶通濾波，取頻帶間隔為20Hz，則每個(gè)頻帶重構(gòu)分量可劃分為5個(gè)子頻帶。將這5個(gè)二次帶通濾波重構(gòu)信號(hào)根據(jù)式（2）、式（3）求出其所對(duì)應(yīng)的一個(gè)能量值和一個(gè)重心頻率。由于篇幅所限，本文僅列出測(cè)點(diǎn)3鐵心4種狀態(tài)下各取5個(gè)樣本歸一化后的能量值矩陣和重心頻率矩陣，分別如式（8）、式（9）所示，每一行代表一個(gè)樣本的特征值。

s 0 . 1 1 6 9　　0 . 0 5 1 0　　0 . 0 1 8 9　　0 . 0 0 9 7　　0 . 0 1 0 7　　0 . 0 1 1 3　　0 . 0 0 9 7　　0 . 0 0 7 2　　0 . 0 0 2 8　　0 . 0 0 1 3 0 . 1 3 1 5　　0 . 0 6 4 7　　0 . 0 2 5 2　　0 . 0 0 6 8　　0 . 0 0 8 7　　0 . 0 0 9 4　　0 . 0 0 7 4　　0 . 0 0 4 3　　0 . 0 0 2 2　　0 . 0 0 0 9 0 . 1 0 5 E ＝0　　0 . 0 4 4 9　　0 . 0 2 7 9　　0 . 0 0 5 5　　0 . 0 0 8 3　　0 . 0 1 0 9　　0 . 0 1 1 8　　0 . 0 0 5 4　　0 . 0 0 3 5　　0 . 0 0 0 9 0 . 1 1 2 1　　0 . 1 0 3 3　　0 . 0 2 0 3　　0 . 0 0 5 6　　0 . 0 0 6 7　　0 . 0 0 8 0　　0 . 0 1 1 9　　0 . 0 0 5 6　　0 . 0 0 2 3　　　　0 0 . 1 2 7 6　　0 . 0 5 6 7　　0 . 0 3 5 0　　0 . 0 1 4 3　　0 . 0 0 9 7　　0 . 0 0 9 6　　0 . 0 0 5 7　　0 . 0 0 5 0　　0 . 0 0 1 9　　0 . 0 0 1 1 0 . 1 3 7 8　　0 . 3 0 6 6　　0 . 1 6 5 0　　0 . 0 7 3 9　　0 . 0 9 7 1　　0 . 0 2 5 9　　0 . 0 1 5 7　　0 . 0 0 9 6　　0 . 0 0 8 2　　0 . 0 0 8 2 0 . 2 1 3 0　　0 . 2 3 3 5　　0 . 1 6 6 1　　0 . 0 7 8 9　　0 . 1 0 1 0　　0 . 0 1 6 1　　0 . 0 0 3 3　　0 . 0 0 0 4　　0 . 0 0 0 6　　0 . 0 0 0 5 0 . 1 3 4 8　　0 . 2 5 0 5　　0 . 1 7 6 0　　0 . 0 7 9 9　　0 . 0 7 9 4　　0 . 0 2 8 6　　0 . 0 1 5 3　　0 . 0 1 4 7　　0 . 0 1 1 1　　0 . 0 1 0 2 0 . 1 7 6 0　　0 . 2 7 0 2　　0 . 1 2 5 3　　0 . 0 8 0 5　　0 . 0 9 1 1　　0 . 0 3 2 1　　0 . 0 0 9 4　0 . 0 0 5 6　　0 . 0 0 5 2　　0 . 0 0 4 7 0 . 1 4 2 3　　0 . 2 7 0 4　　0 . 1 2 8 1　　0 . 0 6 7 7　　0 . 0 7 3 8　　0 . 0 3 4 0　　0 . 0 1 7 3　　0 . 0 0 5 8　　0 . 0 0 5 0　　0 . 0 0 5 1 0 . 1 4 2 2　　0 . 3 9 2 5　　0 . 2 6 2 9　　0 . 0 3 7 4　　0 . 0 2 1 1　　0 . 0 1 7 7　　0 . 0 0 9 5　　0 . 0 0 4 7　0 . 0 0 0 5　　0 . 0 0 0 7 0 . 1 5 0 4　　0 . 5 0 8 0　　0 . 2 1 1 0　　0 . 0 3 7 0　　0 . 0 3 2 7　　0 . 0 2 7 8　　0 . 0 2 4 1　　0 . 0 1 6 7　　0 . 0 1 2 7　　0 . 0 1 1 6 0 . 1 2 7 1　　0 . 5 1 1 4　　0 . 1 9 4 5　　0 . 0 3 6 1　　0 . 0 1 8 1　　0 . 0 1 2 9　　0 . 0 1 4 3　　0 . 0 0 6 2　　0 . 0 0 2 4　　0 . 0 0 1 9 0 . 1 0 0 2　　0 . 6 0 7 8　　0 . 2 1 1 4　　0 . 0 5 2 0　　0 . 0 1 8 6　　0 . 0 2 0 2　　0 . 0 1 9 2　　0 . 0 0 6 3　　0 . 0 0 6 0　　0 . 0 0 4 4 0 . 1 7 6 3　　0 . 4 7 4 2　　0 . 2 5 7 6　　0 . 0 6 9 3　　0 . 0 5 7 7　　0 . 0 4 6 5　　0 . 0 4 3 4　　0 . 0 3 7 0　　0 . 0 3 6 0　　0 . 0 3 5 7 0 . 7 8 5 9　　0 . 5 7 3 9　　0 . 1 8 4 2　　0 . 0 5 3 8　　0 . 0 3 6 9　　0 . 0 1 7 4　　0 . 0 1 2 9　　0 . 0 0 9 4　　0 . 0 0 7 7　　0 . 0 0 6 9 0 . 5 9 7 0　　0 . 6 8 3 6　　0 . 2 3 6 4　　0 . 0 6 0 5　　0 . 0 7 0 3　　0 . 0 5 9 4　　0 . 0 4 7 6　　0 . 0 4 5 0　　0 . 0 4 3 3　　0 . 0 4 2 3 0 . 4 7 8 9　　0 . 7 4 2 1　　0 . 2 6 4 2　　0 . 1 1 0 3　　0 . 1 0 3 5　　0 . 0 9 1 2　　0 . 0 8 6 7　　0 . 0 8 0 4　　0 . 0 7 9 2　　0 . 0 7 8 2 1 . 0 0 0 0　　0 . 5 0 8 4　　0 . 1 5 1 9　　0 . 0 3 0 8　　0 . 0 1 8 6　　0 . 0 1 2 9　　0 . 0 1 0 2　0 . 0 0 7 2　　0 . 0 0 4 7　　0 . 0 0 3 9 0 . 9 7 1 1　　0 . 7 1 3 9　　0 . 1 9 4 8　　0 . 1 2 9 4　　0 . 0 8 7 0　　0 . 0 8 4 0　　0 . 0 7 6 9　　0 . 0 7 4 3　　0 . 0 7 3 7　　0 . 0 7 3 0■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■（8 ）g 0 . 0 4 6 0　　0 . 0 5 9 5　　0 . 0 4 3 9　　0 . 0 6 6 6　　0 . 0 5 7 1　　0 . 0 6 1 5　　0 . 0 5 5 1　　0 . 0 5 4 9　　0 . 0 6 1 6　　0 . 0 5 5 4 0 . 0 5 1 0　　0 . 0 4 4 1　　0 . 0 4 5 2　　0 . 0 6 2 4　　0 . 0 5 6 8　　0 . 0 6 2 3　　0 . 0 5 7 1　　0 . 0 5 6 6　　0 . 0 5 5 4　　0 . 0 6 9 7 0 . 0 4 5 F ＝0　　0 . 0 6 1 4　　0 . 0 3 5 7　　0 . 0 7 2 6　　0 . 0 5 3 0　　0 . 0 6 1 3　　0 . 0 5 9 1　　0 . 0 5 8 7　　0 . 0 5 6 9　　0 . 0 5 8 0 0 . 0 4 4 8　　0 . 0 4 5 9　　0 . 0 3 9 2　　0 . 0 6 8 3　　0 . 0 5 9 9　　0 . 0 6 2 7　　0 . 0 5 8 1　　0 . 0 5 4 7　　0 . 0 5 1 2　　0 . 0 5 7 2 0 . 0 4 0 1　　0 . 0 6 0 1　　0 . 0 4 1 5　　0 . 0 6 1 2　　0 . 0 5 5 0　　0 . 0 6 2 8　　0 . 0 5 6 7　　0 . 0 5 6 3　　0 . 0 6 1 5　　0 . 0 5 7 9 0 . 0 4 9 5　　0 . 0 5 6 3　　0 . 0 4 7 6　　0 . 0 6 1 6　　0 . 0 5 4 6　　0 . 0 5 0 1　　0 . 0 5 6 0　　0 . 0 5 8 5　　0 . 0 6 2 0　　0 . 0 6 0 1 0 . 0 4 5 1　　0 . 0 5 7 8　　0 . 0 5 3 1　　0 . 0 5 5 1　　0 . 0 5 7 3　　0 . 0 4 5 3　　0 . 0 4 2 8　　0 . 0 5 7 5　　0 . 0 5 8 0　　0 . 0 5 9 6 0 . 0 4 6 7　　0 . 0 6 6 6　　0 . 0 5 1 1　　0 . 0 5 9 6　　0 . 0 5 7 5　　0 . 0 5 4 8　　0 . 0 5 6 2　　0 . 0 5 3 2　　0 . 0 5 9 8　　0 . 0 5 7 6 0 . 0 5 0 7　　0 . 0 5 5 7　　0 . 0 5 1 1　　0 . 0 6 2 3　　0 . 0 5 6 0　　0 . 0 5 1 8　　0 . 0 4 6 3　0 . 0 5 6 8　　0 . 0 5 7 1　　0 . 0 6 0 5 0 . 0 5 5 9　　0 . 0 6 0 4　　0 . 0 4 4 2　　0 . 0 6 9 2　　0 . 0 5 8 8　　0 . 0 5 1 9　　0 . 0 5 0 4　　0 . 0 5 8 8　　0 . 0 6 3 4　　0 . 0 5 7 3 0 . 0 4 1 3　　0 . 0 7 5 3　　0 . 0 4 2 6　　0 . 0 4 4 9　　0 . 0 5 8 3　　0 . 0 5 4 9　　0 . 0 5 7 4　　0 . 0 5 9 0　0 . 0 5 9 4　　0 . 0 5 7 3 0 . 0 5 5 9　　0 . 0 7 0 6　　0 . 0 3 9 2　　0 . 0 5 2 9　　0 . 0 6 0 1　　0 . 0 5 7 8　　0 . 0 5 6 6　　0 . 0 5 7 8　　0 . 0 6 0 5　　0 . 0 6 0 1 0 . 0 5 0 2　　0 . 0 6 8 5　　0 . 0 3 8 9　　0 . 0 4 5 5　　0 . 0 5 5 9　　0 . 0 6 0 6　　0 . 0 5 7 2　　0 . 0 4 8 3　　0 . 0 6 4 4　　0 . 0 5 9 3 0 . 0 3 4 4　　0 . 0 7 1 2　　0 . 0 4 0 8　　0 . 0 4 2 9　　0 . 0 5 9 0　　0 . 0 5 9 7　　0 . 0 5 4 7　　0 . 0 5 7 4　　0 . 0 5 9 1　　0 . 0 5 9 8 0 . 0 5 6 8　　0 . 0 6 9 6　　0 . 0 4 3 9　　0 . 0 5 3 5　　0 . 0 5 8 3　　0 . 0 5 9 6　　0 . 0 5 8 0　　0 . 0 5 9 1　　0 . 0 5 9 9　　0 . 0 0 0 2 0 . 0 8 3 6　　0 . 0 3 4 2　　0 . 0 4 6 7　　0 . 0 5 3 5　　0 . 0 6 3 0　　0 . 0 6 0 4　　0 . 0 5 9 1　　0 . 0 5 8 5　　0 . 0 5 8 6　　0 . 0 5 9 2 0 . 0 7 9 9　　0 . 0 3 2 9　　0 . 0 5 0 2　　0 . 0 5 7 3　　0 . 0 6 1 1　　0 . 0 5 5 1　　0 . 0 5 9 0　　0 . 0 5 9 8　　0 . 0 5 9 2　　0 . 0 5 9 9 0 . 0 8 0 8　　0 . 0 3 4 0　　0 . 0 5 1 3　　0 . 0 5 6 9　　0 . 0 5 9 1　　0 . 0 5 8 7　　0 . 0 5 9 2　　0 . 0 5 9 7　　0 . 0 5 9 9　　0 . 0 6 0 2 0 . 0 7 9 9　　0 . 0 3 3 0　　0 . 0 4 1 1　　0 . 0 5 5 7　　0 . 0 6 0 4　　0 . 0 5 6 6　　0 . 0 6 0 3　0 . 0 5 9 6　　0 . 0 5 5 6　　0 . 0 6 1 5 0 . 0 8 1 1　　0 . 0 4 1 7　　0 . 0 5 2 4　　0 . 0 5 7 7　　0 . 0 6 0 1　　0 . 0 5 8 5　　0 . 0 6 0 0　　0 . 0 5 9 6　　0 . 0 5 9 4　　0 . 0 5 9 9■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■（9 ）

以測(cè)點(diǎn)3鐵心正常狀態(tài)、兩點(diǎn)接地、鐵心松動(dòng)、接地不良4種狀態(tài)為例，各取5組數(shù)據(jù)計(jì)算其二維特征向量，畫出散點(diǎn)分布圖，分別如圖4所示，用5種顏色的圓圈區(qū)別各組數(shù)據(jù)。

圖4　二維特征向量分布圖

從圖中可以看出，鐵心同一狀態(tài)的5個(gè)樣本分布大致相同；但不同狀態(tài)所對(duì)應(yīng)的二維特征向量分布有明顯區(qū)別，各頻段的重心頻率和能量值大小均有顯著差異。鐵心正常時(shí)重心頻率分布均勻且能量值較低；發(fā)生兩點(diǎn)接地故障時(shí)，其能量值略高于正常情況，且重心頻率較為集中；鐵心松動(dòng)時(shí)，在重心頻率較大處的能量值也較大；而發(fā)生接地不良故障時(shí)，在重心頻率較高和較低處的能量值均較高。二維特征向量同時(shí)反映了鐵心振動(dòng)信號(hào)能量值大小和能量譜重心位置的變化，二者互為補(bǔ)充，能夠較為全面地描述振動(dòng)信號(hào)的時(shí)頻特性。

4　基于支持向量機(jī)的配變鐵心狀態(tài)診斷

4.1基于PSO優(yōu)化的RBF核支持向量機(jī)

SVM是建立在統(tǒng)計(jì)學(xué)習(xí)理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則基礎(chǔ)上發(fā)展而來的學(xué)習(xí)機(jī)器，通過核函數(shù)的引入，可以把非線性空間的問題映射到高維線性空間解決，降低了算法的復(fù)雜度。SVM不論對(duì)小樣本、非線性或是高維度模式識(shí)別都具有較好的效果。選用在缺乏問題先驗(yàn)知識(shí)的情況下適應(yīng)性最好的RBF核作為SVM的核函數(shù)。在RBF核SVM的訓(xùn)練中，其主要性能受核參數(shù)σ 和懲罰參數(shù)C的影響，為了尋找最優(yōu)參數(shù)，本文采用粒子群優(yōu)化方法，該方法相對(duì)于遺傳算法和網(wǎng)格法具有收斂快、準(zhǔn)確率高等優(yōu)點(diǎn)[10]。

式中，C為懲罰參數(shù)，αi為拉格朗日乘子，將上述問題轉(zhuǎn)化為對(duì)偶問題，求得對(duì)應(yīng)的分類決策函數(shù)為

式中，K（ xi， xj）為核函數(shù)，RBF核函數(shù)的表達(dá)式為

4.2配變鐵心的支持向量機(jī)狀態(tài)診斷

首先，利用實(shí)驗(yàn)室試驗(yàn)所測(cè)的配變油箱表面振動(dòng)信號(hào)數(shù)據(jù)，提取鐵心不同狀態(tài)所對(duì)應(yīng)的二維特征向量各50組；然后將這50組特征量隨機(jī)均分為兩組，取其中一組作為訓(xùn)練樣本，另一組作為測(cè)試樣本。定義類別標(biāo)簽為：①代表鐵心正常；②代表兩點(diǎn)接地；③代表鐵心松動(dòng)；④代表接地不良。通過PSO對(duì)訓(xùn)練樣本的訓(xùn)練進(jìn)行參數(shù)優(yōu)化，得到各測(cè)點(diǎn)的最優(yōu)核函數(shù)參數(shù)和最優(yōu)懲罰參數(shù)，見表1。

表1　各測(cè)點(diǎn)參數(shù)尋優(yōu)結(jié)果

從表1可以看出，不同測(cè)點(diǎn)通過尋優(yōu)求得的參數(shù)值有所不同，表明了在同一水平面不同相之間的振動(dòng)特性差異較大。

通過PSO尋優(yōu)確定最優(yōu)σ和C后，即可對(duì)樣本進(jìn)行分類。分別輸入各測(cè)點(diǎn)的訓(xùn)練樣本和測(cè)試樣本以及各自的類別標(biāo)簽，依次對(duì)各測(cè)點(diǎn)進(jìn)行SVM。同樣以測(cè)點(diǎn)3為例，畫出其各測(cè)試樣本的分類情況，如圖5所示，用不同的圖形及顏色來代表鐵心各種運(yùn)行狀態(tài)，以便于區(qū)分。各測(cè)點(diǎn)分類結(jié)果見表2。

從圖表中可以看出，SVM的結(jié)果驗(yàn)證了所提取特征量能夠可靠并有效地表征配變鐵心故障狀態(tài)。

圖5　測(cè)點(diǎn)3分類結(jié)果

表2　各測(cè)點(diǎn)鐵心待測(cè)樣本集分類準(zhǔn)確率

5　結(jié)論

運(yùn)用HHT帶通濾波得到能夠表征鐵心振動(dòng)特性的特征頻帶，進(jìn)而計(jì)算其能量及重心頻率作為鐵心的二維特征向量，最后利用PSO優(yōu)化的RBF_SVM對(duì)鐵心不同狀態(tài)進(jìn)行分類。理論分析和大量試驗(yàn)表明：

1）通過空載試驗(yàn)?zāi)軌驕?zhǔn)確檢測(cè)出鐵心存在的各種隱患及故障，利用HHT帶通濾波與重構(gòu)可提取表征鐵心振動(dòng)特性的信號(hào)特征。

2）利用振動(dòng)信號(hào)能量和重心頻率構(gòu)造二維特征向量，二者相互補(bǔ)充，較為全面地體現(xiàn)振動(dòng)信號(hào)的特征，為故障診斷的可靠性和準(zhǔn)確率奠定了基礎(chǔ)。

3）通過PSO優(yōu)化的SVM進(jìn)行分類，驗(yàn)證了二維特征向量的有效性，其分類準(zhǔn)確率高，并且能夠解決小樣本問題。

參考文獻(xiàn)

[1]鄭婧， 王婧（頔）， 郭潔， 等. 電力變壓器鐵心振動(dòng)特性分析[J]. 電子測(cè)量與儀器學(xué)報(bào)， 2010， 24（8）: 763-768.

[2]郭俊， 汲勝昌， 沈琪， 等. 盲源分離技術(shù)在振動(dòng)法檢測(cè)變壓器故障中的應(yīng)用[J]. 電工技術(shù)學(xué)報(bào)， 2012，27（10）: 68-78.

[3]王峰， 苑津莎， 李中. 基于交叉小波變換的變壓器振動(dòng)信號(hào)分析[J]. 電工電能新技術(shù)， 2014， 33（4）: 36-40， 75.

[4]Huang Ne， Shen Z， Long Sr. A new view of nonlinear water waves[J]. Annual Review of Fluid Mechanics，1999， 31（1）: 417-457.

[5]熊衛(wèi)華， 趙光宙. 基于希爾伯特-黃變換的變壓器鐵心振動(dòng)特性分析[J]. 電工技術(shù)學(xué)報(bào)， 2006， 21（8）: 9-13.

[6]李純子， 陳峰， 劉書成， 等. 基于小波變換和LMD算法的變壓器振動(dòng)信號(hào)分析[J]. 電工電能新技術(shù)，2013， 32（4）: 69-73， 78.

[7]徐志. 基于振動(dòng)法的變壓器在線監(jiān)測(cè)研究[D]. 重慶:重慶大學(xué)， 2010.

[8]郭謀發(fā)， 徐麗蘭， 繆希仁， 等. 采用時(shí)頻矩陣奇異值分解的配電開關(guān)振動(dòng)信號(hào)特征量提取方法[J]. 中國(guó)電機(jī)工程學(xué)報(bào)， 2014， 34（28）: 4990-4997.

[9]肖先勇， 張文海， 汪穎， 等. 基于故障相暫態(tài)信號(hào)特征的二維故障選線法[J]. 電網(wǎng)技術(shù)， 2012， 36（5）: 178-184.

[10]費(fèi)勝巍， 苗玉彬， 劉成良， 等. 基于粒子群優(yōu)化支持向量機(jī)的變壓器故障診斷[J]. 高電壓技術(shù)， 2009（3）: 509-513.

魏曉瑩（1992-），碩士研究生，主要研究方向?yàn)榕潆娋W(wǎng)自動(dòng)化。

作者簡(jiǎn)介