变压器局部放电故障诊断方法及在线监测装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109061426A(43)申请公布日2018.12.21(21)申请号201811302102.3(22)申请日2018.11.02(71)申请人国网河北省电力有限公司电力科学研究院地址050011河北省石家庄市裕华区体育南大街238号申请人国家电网有限公司国网河北能源技术服务有限公司(72)发明人刘宏亮张鹏高树国范辉孟令明梁博渊(74)专利代理机构深圳中一专利商标事务所44237代理人官建红(51)Int.Cl.G01R31/12(2006.01)权利要求书3页说明书9页附图4页(54)发明名称变压器局部放电故障诊断方法及在线监测装置(57)摘要本发明适用于变压器技术领域，提供了一种变压器局部放电故障诊断方法及在线监测装置，采用非线性映射压缩特征量的方式和梅林变换算法对所述局部放电信号提取特征量，组成代表所述局部放电信号特征的特征向量，映射在特征平面上，对提取的特征量采用非监督性模糊c均值聚类算法将特征量聚类，形成若干个样本，将聚类后的每一个样本，分析相位和波形特征，提取相关特征，用数学形态学颗粒分析法对比每一个样本建立样本指纹库，用神经网络算法进行局部放电信号类型模式的识别。通过此种方式确定变压器局部放电的故障类型。CN109061426ACN109061426A权利要求书1/3页1.一种变压器局部放电故障诊断方法，其特征在于，包括：采集变压器的局部放电信号，采用非线性映射压缩特征量的方式和梅林变换算法对所述局部放电信号提取特征量，组成代表所述局部放电信号特征的特征向量，映射在特征平面上；对提取的特征量采用非监督性模糊c均值聚类算法将特征量聚类，形成若干个样本，聚类包括噪声在内的不同放电源产生的多种放电信号；将聚类后的每一个样本，分析相位和波形特征，提取相关特征，用数学形态学颗粒分析法对比每一个样本建立样本指纹库，用神经网络算法进行局部放电信号类型模式的识别。2.根据权利要求1所述的变压器局部放电故障诊断方法，其特征在于，所述采用非线性映射压缩特征量的方式和梅林变换算法对所述局部放电信号提取特征量，组成代表所述局部放电信号特征的特征向量，映射在特征平面上的方法为：对局部放电信号进行小波软阈值滤波；对部分局部放电信号进行梅林变换，得到梅林域的数据变换特征；压缩时域特征和梅林域特征，提取时域和梅林域的特征；在时域和梅林域提取高阶特征量，映射在二维平面上。3.根据权利要求2所述的变压器局部放电故障诊断方法，其特征在于，对部分局部放电信号进行梅林变换，得到梅林域的数据变换特征的实现公式为：其中t为一次脉冲波形的采样时间；N为将t等分的常数；b为采样时间t的以e为底的对数，即b＝lnt；Δb为b的N等分，即θ为Δb的e为底指数，即θ＝eΔb；k为常数；m＝n＝0,1,2,…，N-1；τ为表示延时的常数；β为自变量，M(β)为梅林变换结果。4.根据权利要求2所述的变压器局部放电故障诊断方法，其特征在于，所述提取时域和梅林域的特征的实现公式为：其中，ti为第i个采样点对应时间，pi(ti)为ti对应的时域，为第j个局部放电信号的时域特征重心，Tj为第j个局部放电信号的时域特征值，βi为第i个采样点对应梅林域尺度β值，2CN109061426A权利要求书2/3页Mj(ti)为βi对应的梅林变换值，为第j个局部放电信号的梅林域特征重心，Mj为第j个局部放电信号的梅林域特征值。5.根据权利要求2所述的变压器局部放电故障诊断方法，其特征在于，所述在时域和梅林域提取高阶特征量的实现公式为：其中，k为计算特征量的阶数，ti为第i个采样点对应时间，pi(ti)为ti对应的时域，为第j个局部放电信号的时域特征重心，Tj为第j个局部放电信号的时域特征值，βi为第i个采样点对应梅林域尺度β值，Mj(ti)为βi对应的梅林变换值，为第j个局部放电信号的梅林域特征重心，Mj为第j个局部放电信号的梅林域特征值。6.根据权利要求1所述的变压器局部放电故障诊断方法，其特征在于，所述对提取的特征量采用非监督性模糊c均值聚类算法将特征量聚类过程中嵌套子集测度聚类有效性函数进行计算。7.根据权利要求1所述的变压器局部放电故障诊断方法，其特征在于，局部放电信号类型模式识别方法包括：建立典型缺陷模型局部放电特征指纹库；分析经过特征提取与聚类后的每一类局部放电信号，得到每一类局部放电信号的模式识别特征；对比局部放电信号经过模式识别得到的特征与典型放电指纹库特征，判断放电类型。8.根据权利要求7所述的变压器局部放电故障诊断方法，其特征在于，所述对比局部放电信号经过模式识别得到的特征与典型放电指纹库特征方法包括：应用数学形态学，完成样本特征聚类图谱的形态学颗粒分析，提取样本的结构元素；通过神经网络算法分