一种变压器表面振动特征提取方法.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CN109506761A(43)申请公布日2019.03.22(21)申请号201810599011.4(51)Int.Cl.(22)申请日2018.06.12G01H1/00(2006.01)G06K9/00(2006.01)(71)申请人国网四川省电力公司乐山供电公司地址614000四川省乐山市市中区海棠路168号申请人国家电网公司(72)发明人徐卫康驰杜向京钟斌王元驰王乃会金钟罗剑胡红肖文章宋加波颜周锐纪坤(74)专利代理机构北京卓岚智财知识产权代理事务所(特殊普通合伙)11624代理人任漱晨权利要求书2页说明书7页附图4页(54)发明名称一种变压器表面振动特征提取方法(57)摘要针对目前变压器运行异常数据和故障数据缺失问题，本发明实施例公开了一种物理意义明确的变压器表面振动特征提取方法，可以选择出对整个样本数据具有最大相关且对已选特征具有最小冗余的特征。实例数据的分类结果验证了方法的可行性和有效性，为变压器振动信号的异常检测和故障分析提供技术支持。CN109506761ACN109506761A权利要求书1/2页1.一种变压器表面振动特征提取方法，其特征在于，包括：利用小波包分析提取运行中变压器表面振动信号频带-能量特征；基于互信息分析变压器表面振动信号特征之间的相关度和冗余度；根据无监督的最大相关最小冗余准则对变压器表面振动信号特征进行排序，完成变压器表面振动信号特征提取。其中，所述利用小波包分析提取运行中变压器表面振动信号频带-能量特征，具体包括：先采用Daubechies1小波，对频率范围0-5kHz内的变压器表面振动信号完成分解层数为6的小波包分解，接下来选取0-1600Hz频段范围内数据构造频带-能量特征向量，最后频带-能量特征向量数据预处理，数据预处理先后包括归一化和离散化两步。其中，所述无监督的最大相关最小冗余准则，具体包括：寻找与整个集合具有最大“相关性”的特征，同时其与已选的特征集合之间具有最小的“冗余”：第m个特征选择为其中U为待选特征集合，gt为已选特征，fi为待选特征，Rel(fi)为特征fi的相关度，Red(fi；gt)为待选特征fi对已选特征gt的冗余度。其中，所述根据无监督的最大相关最小冗余准则对变压器表面振动信号特征进行排序，完成变压器表面振动信号特征提取，具体包括：设D(f1,f2,K,fn)是由N个特征组成的原始特征集合，I(fi；fj)为两个特征之间的互信息值，H(fi|fj)为特征fi的条件熵，H(fi)为特征fi的熵，S为已选集合，U为待选集合，则特征选择具体步骤如下：(1)设定初始化：U＝D(f1,f2,K,fn)；(2)互信息计算：对于任意fi,ft∈U，计算H(fi),H(fi|fj),I(fi；fj)；(3)第一个特征的选择：计算整个特征集合的平均互信息，第一个特征选择对整个集合提供信息量最多的那个特征，其降低整个集合中其他特征的不确定性，因此，第一个特征选择由下式决定：令(4)其他特征选择:从U中选择使公式和成立的特征令(5)重复步骤(4)，直到输出特征集S；2CN109506761A权利要求书2/2页输出的S为一个按照各维数据的重要性排列的有序的特征序列。3CN109506761A说明书1/7页一种变压器表面振动特征提取方法技术领域[0001]本发明涉及电力领域，尤其涉及一种变压器表面振动特征提取方法。背景技术[0002]电力变压器是电力系统中的重要设备，其运行状态对电力系统的安全和经济效益有着重要的影响。变压器表面振动主要源自电流和电压激励下的绕组和铁芯振动，理论分析和实践经验表明，可以通过变压器振动信号分析绕组和铁芯工作状态并进行故障诊断。振动法分析变压器运行状态和故障诊断，国内外研究学者做了大量研究工作，取得了相当的成果。由于变压器振动信号特征提取是振动法分析变压器运行状态和故障诊断的前提和基础。但是，现有研究成果的数据大多源于实验室或试验变压器仿真，由于变压器表面振动受多重因素复杂影响，所以实际运行中的变压器表面振动信号与理论分析和实验室试验条件下获取的变压器表面振动信号差异明显。[0003]而且，由于变压器振动在线监测数据量巨大，且包含大量冗余甚至是不相关的数据，特别是现有数据几乎全部为变压器正常运行情况下采集，鲜有异常和故障数据，即异常样本数据和故障样本数据缺失，所以无法进行有监督的特征提取。如何从实际运行的变压器中提取有效表征变压器运行状态的特征，是本领域技术人员急需解决的技术问题。发明内容[0004]为解决上述技术问题，本发明针对特征提取过程中异常样本数据和故障样本数据缺失问题，提出了一种变压器表面振动特征提取方法，该方法是基于小波包和互信息的变压器表面振动无监督特征提取。首先