基于振动盲源分离和贝叶斯模型的变压器故障诊断方法.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CN110703151A(43)申请公布日2020.01.17(21)申请号201910959088.2(22)申请日2019.10.10(71)申请人重庆大学地址400044重庆市沙坪坝区沙坪坝正街174号(72)发明人张占龙武雍烨邓军蒋培榆董子健(74)专利代理机构北京同恒源知识产权代理有限公司11275代理人赵荣之(51)Int.Cl.G01R31/62(2020.01)G01H17/00(2006.01)G06K9/62(2006.01)G06N7/00(2006.01)权利要求书2页说明书7页附图5页(54)发明名称基于振动盲源分离和贝叶斯模型的变压器故障诊断方法(57)摘要本发明涉及一种基于振动盲源分离和贝叶斯模型的变压器故障诊断方法，属于电力系统领域。采用振动加速度传感器测量得到变压器振动信号，基本方法选取盲源分离算法，对测量得到的变压器振动信号采用盲源分离技术进行信号分离，得到相应的变压器内部构件信号频谱，基于贝叶斯网络理论建立贝叶斯网络模型，并将振动信号100Hz处的频率比重作为故障特征量导入贝叶斯网络模型作为根节点，设定变压器运行状态参数，并分别用不同数值来表示，根据根节点的列向量中的根节点数值，判断变压器的故障状态。CN110703151ACN110703151A权利要求书1/2页1.基于振动盲源分离和贝叶斯模型的变压器故障诊断方法，其特征在于：该方法包括以下步骤：(1)振动信号的测量和采集；(2)盲源分离算法；(3)盲源分离算法性能验证；(4)分离信号的特征量提取；(5)变压器贝叶斯网络模型的建立。2.根据权利要求1所述的基于振动盲源分离和贝叶斯模型的变压器故障诊断方法，其特征在于：所述步骤(1)具体为：振动传感器依照均匀分布的原则安装在变压器油箱表面，输出的电压信号经信号适配器送入到基数据采集卡中，然后经USB接口将振动信号存储在计算机中。3.根据权利要求1所述的基于振动盲源分离和贝叶斯模型的变压器故障诊断方法，其特征在于：所述步骤(2)具体为：在源信号未知的前提下，对混合信号进行线性变换，使得变换后的信号和源信号具有相同的波形；假设源信号为S(t)，各分量之间互相独立，观测到的混合信号为X(t)X(t)＝AS(t)(1)式中，A为混合矩阵，为了简单起见，式(1)中S(t)和X(t)中的分量个数是相等的，这种情况下A即为一个方阵；ICA算法的目的是找到另一个方阵W，使得式中，W称为分离矩阵；G称为全局矩阵，G＝WA；即为最终的分离信号，具有与源信号S(t)相等的广义形式。4.根据权利要求1所述的基于振动盲源分离和贝叶斯模型的变压器故障诊断方法，其特征在于：所述步骤(3)具体为：以根据变压器振动特性，对测量得到的得到的变压器振动信号进行分离；为检验分离效果，采用两种检验标准，分别用Amari误差率和信号波形相似系数进行检验。5.根据权利要求1所述的基于振动盲源分离和贝叶斯模型的变压器故障诊断方法，其特征在于：所述步骤(4)具体为：利用FFT获得分离后的振动信号50～4000Hz频率范围内，为50Hz倍频的振动频谱，获得以下6个的振动特征参数：基频幅值A100；、主频率fm、主频幅值Am、振动功率谱密度psd、奇偶次谐波比H和频率比重pf；对变压器振动信号进行分析时通常选取频率为100Hz的振动谐波分量进行分析，设定100Hz处的振动频率为基频，将频率比重p100作为故障特征量导入贝叶斯网络模型中作为根节点。6.根据权利要求1所述的基于振动盲源分离和贝叶斯模型的变压器故障诊断方法，其特征在于：所述步骤(5)具体为：在贝叶斯网络中，假设根节点、中间节点及叶节点所处的各个状态分别用和Lq变量表示，其中si、tj、q分别表示相应节点故障状态的个数；在贝叶斯网络算法基础上，构建电力变压器贝叶斯网络模型，将变压器划分为本体及附件两大部分，其中本体包括绝缘2CN110703151A权利要求书2/2页介质、绕组及铁芯；附件包括套管、冷却系统、分接开关；首先将故障树中的顶事件对应贝叶斯网络中的叶节点，底事件对应贝叶斯网络中的根节点，中间事件对应贝叶斯网络中的中间节点；对于故障树中重复的事件，在贝叶斯网络中只须构建一个节点；然后根据故障树中各事件之间的逻辑关系连接各节点，有向边的指向与逻辑或门的输入、输出方向一致，即由逻辑或门的输入端指向输出端；假设贝叶斯网络的根节点变量为Ri，i＝1,2,...,7，中间节点变量为Mj，j＝1，2，叶节点变量为L，将分离得到的故障特征量导入变压器贝叶斯网络模型，判断变压器故障位置；当变压器产生故障时，变压器故障部件振动产生的振动信号频谱会发生改变，但是由于变压器内部结构复杂，多个部件的振动信号混叠，对整体的振动信号