基于多特征提取和麻雀搜索算法优化XGBoost的变压器绕组松动诊断方法

作     者：马宏忠 肖雨松 颜锦 孙永腾 MA Hongzhong;XIAO Yusong;YAN Jin;SUN Yongteng

作者机构：河海大学能源与电气学院江苏南京211100 国网湖南省电力有限公司衡阳供电分公司湖南衡阳421200 

出 版 物：《电机与控制学报》 (Electric Machines and Control)

年 卷 期：2024年第28卷第6期

页      面：87-97页

核心收录：

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金(51577050) 国家电网江苏省电力有限公司重点科技项目(J2022047) 

主　　题：变压器振动 绕组松动 核主成分分析 极端梯度提升 麻雀搜索算法 故障诊断 

摘      要：针对使用单一特征量诊断变压器绕组松动,在不同负载条件下存在交叠和抗干扰能力不足的问题,提出一种基于核主成分分析(KPCA)和改进麻雀搜索算法(SSA)优化极端梯度提升(XGBoost)的变压器绕组松动振动诊断方法。首先,从时域、频域和熵值3个维度提取适用于变压器多传感器振动信号的多种特征量;其次,通过网格搜索优化的KPCA对特征量进行降维;最后,构建基于XGBoost的故障诊断模型,并采用改进麻雀搜索算法调参,实现不同电流大小下变压器绕组松动故障准确识别。以某110 kV变压器为对象进行实验验证,诊断结果表明,所提取的特征量能够准确反映故障特征,抗干扰能力更强,诊断模型故障诊断准确率为99.00%,相比于其他诊断算法准确率和稳定性更高,在不同负载情况下均有良好的识别效果。