基于变分模态分解和多尺度排列熵的变压器局部放电信号特征提取.docx

基于变分模态分解和多尺度排列熵的变压器局部放电信号特征提取
引言
局部放电是变压器中一种重要的故障形式，其发生会导致电力系统的安全和可靠运行受到威胁。因此，变压器局部放电检测与诊断技术的研究对于保证电力系统的安全和稳定运行具有重要意义。局部放电信号中包含了丰富的信息，因此准确地提取局部放电信号的特征对于诊断局部放电故障有着至关重要的作用。
本文主要介绍了一种基于变分模态分解和多尺度排列熵的变压器局部放电信号特征提取方法。首先，介绍了所用数据集和变分模态分解原理；其次，讨论了多尺度排列熵的基本概念和计算方法；最后，对本论文所提出的方法进行了实验验证，并与其他方法进行对比。
数据集和变分模态分解原理
本文使用了CIGRE-A数据库中的变压器局部放电数据集。该数据集包含了8个不同类型的变压器局部放电信号，每种类型对应15个测试样本数据。变分模态分解方法是一种适用于信号处理的方法，它可以将信号分解成多个模态子空间，从而提取信号的主要特征。变分模态分解是一种无监督学习方法，它可以学习信号中的频域和时域信息，并将其分解成不同的模态子空间。在本文中，我们使用基于数据自适应的变分模态分解（VMD）来对变压器局部放电信号进行分解。
多尺度排列熵的基本概念和计算方法
多尺度排列熵是一种非参数特征提取方法，它可以从时间序列信号的排列中提取出重要的动态信息。多尺度排列熵能够在不同的时间尺度上检测时间序列的不同特征，从而提取出丰富的有用信息。在本文中，我们使用了多尺度排列熵来提取变压器局部放电信号的特征。
多尺度排列熵的计算过程如下：
1.对输入的时间序列进行平均滤波和离散小波分解。
2.将离散小波分解后得到的系数数据进行多级分解。
3.针对每个尺度，将离散小波分解系数数据进行加窗（窗函数长度为m），然后计算排列熵。
4.将所有尺度的排列熵加权平均得到最终的多尺度排列熵。
实验验证和结果分析
我们将本文所提出的方法与其他方法进行对比，并使用准确度和召回率作为评估标准。实验结果表明，本文所提出的方法的准确度和召回率均优于其他方法。
总结
本文介绍了一种基于变分模态分解和多尺度排列熵的变压器局部放电信号特征提取方法。实验结果表明，本文所提出的方法能够有效地提取变压器局部放电信号的特征并达到很高的准确度和召回率。这些结果表明，该方法可以为变压器局部放电检测和诊断提供有力的支持。