文档名：基于多特征声纹图谱的变压器绕组松动在线故障诊断方法
摘要：绕组松动故障是变压器安全稳定运行中的巨大隐患,目前尚缺乏有效的在线诊断方法.变压器运行产生的声音信号蕴含着大量反映设备状态的有效信息,依据声音信号的特征图谱对松动故障实现在线诊断.首先,构建4种特征图谱,包括通过格拉米角场构建时域特征图谱、通过傅里叶变化和马尔可夫变迁场构建频域特征图谱、通过小波变换构建时频域特征图谱、通过递归分析构建混沌特征图谱;然后,建立轻量化卷积神经网络模型,以4种特征图谱作为输入,通过卷积、池化等一系列操作提取有效故障特征;最后,利用分类器直接输出绕组松动的故障程度.实验结果表明,所提方法对25％、50％、75％及100％的松动程度均能实现可靠诊断,平均准确率为99.6％,对最为轻微的25％松动程度,准确率仍达98％.与仅采用单一特征的诊断相比,所提方法的准确率提升了9.9％;与采用AlexNet、MobileNetV2、GoogleNet、ShuffleNet、ResNet等经典神经网络的诊断相比,所提方法的准确率提升了18.1％,同时训练速度提高37％,占用内存减少20％.
作者：马宏忠 李楠 杨启帆 段大卫 朱昊 何萍 Author：MAHongzhong LINan YANGQifan DUANDawei ZHUHao HEPing
作者单位：河海大学能源与电气学院,江苏南京211100国网南京供电公司,江苏南京210008
刊名：电机与控制学报 ISTICEIPKU
Journal：ElectricMachinesandControl
年，卷(期)：2023, 27(5)
分类号：TM41
关键词：电力变压器 声纹 卷积神经网络 多特征融合 绕组松动
Keywords：powertransformer voiceprint convolutionalneuralnetwork multi-featurefusion loosewinding
机标分类号：TP391TM41TP277
在线出版日期：2023年8月18日
基金项目：国家自然科学基金，国网江苏省电力公司科技项目基于多特征声纹图谱的变压器绕组松动在线故障诊断方法[
期刊论文] 电机与控制学报--2023, 27(5)马宏忠 李楠 杨启帆 段大卫 朱昊 何萍绕组松动故障是变压器安全稳定运行中的巨大隐患,目前尚缺乏有效的在线诊断方法.变压器运行产生的声音信号蕴含着大量反映设备状态的有效信息,依据声音信号的特征图谱对松动故障实现在线诊断.首先,构建4种特征图谱,包括...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于多特征声纹图谱的变压器绕组松动在线故障诊断方法 On-line fault diagnosis method of transformer winding looseness based on multi-characteristic voiceprint maps
基于多特征声纹图谱的变压器绕组松动在线故障诊断方法.pdf
- 文件大小:
- 16.94 MB
- 下载次数:
- 60
-
高速下载
|
|
