检索结果-内蒙古大学图书馆

电机与控制学报 2023年第5期27卷 76-87页

作者：马宏忠李楠杨启帆段大卫朱昊何萍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

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... 详细信息

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%。

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

来源：评论

学校读者我要写书评

暂无评论

基于格拉姆角场与迁移学习-AlexNet的变压器绕组松动故障诊断方法

引用

电力系统保护与控制 2023年第24期51卷 154-163页

作者：薛健侗马宏忠杨洪苏倪一铭万可力迮恒鹏河海大学能源与电气学院江苏南京211100

绕组松动故障是变压器最主要的机械故障之一,尚缺乏有效的智能化诊断方法。为此提出基于格拉姆角场与迁移学习-Alex Net的变压器绕组松动故障诊断方法。变压器稳态运行时的振动信号存在周期性的特点,导致其构建足量具有时间相关性的图... 详细信息

绕组松动故障是变压器最主要的机械故障之一,尚缺乏有效的智能化诊断方法。为此提出基于格拉姆角场与迁移学习-Alex Net的变压器绕组松动故障诊断方法。变压器稳态运行时的振动信号存在周期性的特点,导致其构建足量具有时间相关性的图像集十分困难,提出了一种样本构建方法用于生成变压器振动信号的格拉姆角场图像集。将生成的图像集送入AlexNet进行迁移学习,获得微调后的神经网络模型。实验结果表明:利用该样本构建方法生成的图像集作为训练集和验证集,建立的卷积神经网络模型训练准确率与验证准确率均达到99%以上;利用变压器周期性振动信号生成的图像集作为测试集,测试准确率达到99%以上,实现了变压器绕组松动故障的准确诊断,并为周期性信号运用具有时间相关性的图像变换方法构建足量样本集提供了一种新思路。

关键词：变压器绕组松动振动信号格拉姆角场 AlexNet 迁移学习样本构建故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于VMD形态梯度谱与BAS-RF的变压器绕组松动诊断

引用

振动．测试与诊断 2023年第5期43卷 953-959,1040页

作者：颜锦马宏忠朱昊张玉良许洪华河海大学能源与电气学院南京211100 国网江苏省电力公司南京供电公司南京210019

为有效提取变压器振动信号中的绕组状态信息,提出一种基于变分模态分解(variational mode decomposition,简称VMD)、形态梯度谱的特征提取,采用天牛须搜索算法优化随机森林(beetle antennae search‑random forest,简称BAS‑RF)识别绕组... 详细信息

为有效提取变压器振动信号中的绕组状态信息,提出一种基于变分模态分解(variational mode decomposition,简称VMD)、形态梯度谱的特征提取,采用天牛须搜索算法优化随机森林(beetle antennae search‑random forest,简称BAS‑RF)识别绕组松动状态的诊断方法。首先,将实测变压器振动信号经VMD分解得到若干个模态分量;其次,计算多个尺度的形态梯度谱以形成初始特征样本集,为防止维数灾难,使用主成分分析法对初始特征样本集进行降维处理;最后,利用天牛须搜索算法对随机森林中决策树的个数和树的深度进行寻优以构造分类器模型,实现对变压器绕组松动状态的识别。实验结果表明,该方法能有效提取变压器绕组松动故障特征信息,且具有优良的抗噪性能,构建的BAS‑RF模型具有较高的识别准确率和识别速度。

关键词：变压器绕组松动变分模态分解形态梯度谱随机森林

来源：评论

学校读者我要写书评

暂无评论

基于振动信号的变压器绕组松动故障诊断方法

引用

电力系统自动化 2017年第3期41卷 122-128页

作者：颜君凯马宏忠李凯张栋凯孙悦齐蔚然河海大学能源与电气学院江苏省南京市211100 国网江苏省电力公司南京供电公司江苏省南京市210008

提出了基于运行中变压器表面振动信号的绕组松动故障诊断模型和诊断方法。首先,分析了绕组振动幅值与电流、预紧力、铁芯振动、非线性因素的关系,确定振动信号中100 Hz为绕组松动的特征频率,提出分离绕组振动幅值和铁芯振动幅值的方法;... 详细信息

提出了基于运行中变压器表面振动信号的绕组松动故障诊断模型和诊断方法。首先,分析了绕组振动幅值与电流、预紧力、铁芯振动、非线性因素的关系,确定振动信号中100 Hz为绕组松动的特征频率,提出分离绕组振动幅值和铁芯振动幅值的方法;提出绕组松动诊断模型和基于该模型的平均安全余量,利用待检测变压器在一组负载电流下的绕组振幅计算平均安全余量,由此定量判断绕组的松动状态。利用有限元仿真和现场实验分别对诊断模型和诊断方法进行检验,实验结果显示平均安全余量在1±0.5之外时存在松动故障,值越远离1,松动程度越大。该方法解决了变压器实际运行中绕组和铁芯振动基频相同、矢量叠加相互影响的问题及实际运行中负载变化,电流不同,仅用某个电流下的振幅判断精度受限的问题,且对松动程度量化表示,易于判断。

关键词：振动法变压器绕组松动故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于混沌理论与蜉蝣优化K-means算法的变压器绕组松动故障特征分析方法

引用

高电压技术 2024年第8期50卷 3783-3792页

作者：薛健侗马宏忠倪一铭万可力迮恒鹏河海大学电气与动力工程学院南京211100

为了更加准确有效地对变压器绕组状态进行分析,提出了一种基于混沌理论与蜉蝣优化K-means算法的变压器绕组松动故障特征分析方法。首先,运用C-C法重构变压器振动信号的相空间,分析变压器振动信号的混沌特性,得到关联维数、Kolmogorov熵... 详细信息

为了更加准确有效地对变压器绕组状态进行分析,提出了一种基于混沌理论与蜉蝣优化K-means算法的变压器绕组松动故障特征分析方法。首先,运用C-C法重构变压器振动信号的相空间,分析变压器振动信号的混沌特性,得到关联维数、Kolmogorov熵作为混沌特征。然后,将蜉蝣优化算法引入K-means聚类分析中,对高维相空间轨迹的簇中心选取进行优化,得到相轨迹的簇中心矩之和、矢径偏移,并作为几何特征。实验结果表明:变压器振动信号的最大Lyapunov指数均大于0,适用于混沌特性分析;由变压器振动信号计算出的混沌特征能够表征变压器绕组的松紧程度;同时,经蜉蝣优化的K-means算法得到的簇中心能够作为特征点提取整个相空间轨迹的几何特征,也能够区分绕组的松动故障;将两种特征结合能够实现变压器绕组状态的准确监测,从而为变压器绕组在线检修提供了一种理论依据。

关键词：变压器绕组松动混沌理论蜉蝣优化K-means算法混沌特征几何特征

来源：评论

学校读者我要写书评

暂无评论

基于ANSYS Workbench的变压器绕组松动分析及判定方法

引用

高电压技术 2016年第1期42卷 192-199页

作者：马宏忠弓杰伟李凯许洪华周宇河海大学能源与电气学院南京211100 江苏省电力公司南京供电公司南京210019

为了判断变压器绕组松动缺陷及进行缺陷定位,通过分析变压器不同位置处的振动信号变化情况,提出基于ANSYS Workbench的绕组松动缺陷诊断方法。将绘制的模型导入Workbench中进行模态分析,并与实验结果进行对比,验证模型的正确性。通过对... 详细信息

为了判断变压器绕组松动缺陷及进行缺陷定位,通过分析变压器不同位置处的振动信号变化情况,提出基于ANSYS Workbench的绕组松动缺陷诊断方法。将绘制的模型导入Workbench中进行模态分析,并与实验结果进行对比,验证模型的正确性。通过对模型施加正弦的加速度来进行谐响应分析,并根据绕组各相的顶部轴向和正面径向的振动信号变化设定松动阈值。对变压器进行绕组松动实验,利用基频分量占总分量的比例值相比于额定预紧力下的比例值的变化率来判断绕组松动相,可初步进行绕组松动缺陷定位。结果表明,试验变压器的C相绕组顶部的基频分量变化率大于顶部阈值0.78,且正面变化率大于正面阈值0.44,从而说明C相绕组出现严重松动。而正常相的顶部和正面的基频分量变化率都要小于各位置处的松动阈值,其中远离松动相的绕组的变化率小于0.03,因此该方法可以进行绕组松动缺陷定位。

关键词：绕组松动缺陷定位有限元模态分析谐响应分析振动信号松动阈值

来源：评论

学校读者我要写书评

暂无评论

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

引用

电机与控制学报 2024年第6期28卷 87-97页

作者：马宏忠肖雨松颜锦孙永腾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

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... 详细信息

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。

关键词：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

来源：评论

学校读者我要写书评

暂无评论

电力变压器的有限元建模与绕组松动分析

引用

电力自动化设备 2016年第10期36卷 78-84页

作者：弓杰伟马宏忠姜宁王春宁李勇周宇河海大学能源与电气学院江苏南京211100 国网江苏省电力公司南京供电公司江苏南京210019

为了研究预紧力大小与变压器绕组松动缺陷的关系,通过有限元分析了不同预紧力对变压器振动信号的影响。利用三维绘图软件Pro/Engineer绘制变压器模型,导入有限元分析软件ANSYS Workbench进行模态分析和谐响应分析,并分别与激振实验和短... 详细信息

为了研究预紧力大小与变压器绕组松动缺陷的关系,通过有限元分析了不同预紧力对变压器振动信号的影响。利用三维绘图软件Pro/Engineer绘制变压器模型,导入有限元分析软件ANSYS Workbench进行模态分析和谐响应分析,并分别与激振实验和短路试验的结果进行比较,得到了变压器固有频率随着预紧力降低而减小的结论。进一步研究发现,施加激励力后预紧力的变化对振动信号也有较大的影响,变化趋势由不同位置处的结构决定。将100 Hz基频振动信号作为分析对象,研究其随预紧力变化的规律,并分析绕组的松动程度。仿真和实验结果的对比验证了所建模型的正确性及通过有限元模型对变压器绕组松动进行仿真的可行性。

关键词：变压器绕组松动有限元模态分析固有频率谐响应分析短路试验

来源：评论

学校读者我要写书评

暂无评论

基于VMD与优化SVM的变压器绕组松动缺陷振动信号诊断方法

引用

高压电器 2023年第1期59卷 117-125页

作者：顾仲翔马宏忠张勇陈冰冰李勇河海大学能源与电气学院南京211100 国网江苏省电力有限公司南京供电分公司南京210008

随着电力系统中变压器容量的不断增加,变压器绕组松动缺陷引起的影响也愈发严重,故需进行故障诊断。针对利用振动信号进行变压器绕组松动缺陷诊断问题,提出基于变分模态分解(VMD)排列熵(PE)的变压器振动信号特征提取方法与天牛须搜索(B... 详细信息

随着电力系统中变压器容量的不断增加,变压器绕组松动缺陷引起的影响也愈发严重,故需进行故障诊断。针对利用振动信号进行变压器绕组松动缺陷诊断问题,提出基于变分模态分解(VMD)排列熵(PE)的变压器振动信号特征提取方法与天牛须搜索(BAS)优化支持向量机(SVM)的变压器绕组松动缺陷诊断方法。首先对一台实际110 kV变压器设置不同松动状态,采集绕组正常与不同松动程度状态下振动信号;其次,采用变分模态分解结合排列熵进行变压器绕组松动缺陷特征提取;再次,采用天牛须搜索优化支持向量机算法进行绕组松动状态模式识别。最后将该方法与传统方法进行对比,结果表明,VMD分解效果优于当前主要采用的经验模态分解,排列熵量化故障特征效果优于多尺度排列熵、近似熵等时间序列复杂度计算指标,BAS⁃SVM运算时间及诊断正确率优于网格搜索优化SVM、遗传算法优化SVM等优化算法;所提方法在所进行的60%~110%额定电流状态试验下变压器绕组松动故障诊断准确率达到98.7%以上。

关键词：变压器绕组松动振动信号变分模态分解排列熵天牛须搜索

来源：评论

学校读者我要写书评

暂无评论

基于奇异谱熵和支持向量机的变压器绕组松动识别及定位

引用

电力系统保护与控制 2017年第18期45卷 69-75页

作者：张琳马宏忠姜宁高拓宇许宏华国网泰州供电公司江苏泰州225000 河海大学能源与电气学院江苏南京211100 江苏省电力公司检修分公司江苏南京211102 江苏省电力公司南京供电公司江苏南京210008

绕组压紧状态影响着变压器的机械性能和绝缘性能。为此,提出一种基于奇异谱熵和支持向量机的变压器绕组松动诊断及定位方法。首先进行110 k V变压器绕组松动实验并测取不同绕组状态下的振动信号,对信号进行时间序列重构,通过奇异值分解... 详细信息

绕组压紧状态影响着变压器的机械性能和绝缘性能。为此,提出一种基于奇异谱熵和支持向量机的变压器绕组松动诊断及定位方法。首先进行110 k V变压器绕组松动实验并测取不同绕组状态下的振动信号,对信号进行时间序列重构,通过奇异值分解提取重构空间的最优特征序列,结合信息熵得出绕组松动的特征量——奇异谱熵,并作为诊断模型的输入,利用粒子群算法对多分类支持向量机进行参数优化。并将其测试结果与BP和PNN神经网络的诊断效果进行对比。实验结果证明,该方法能有效地判断绕组是否发生松动并正确识别绕组松动相,验证了上述方法的可行性和准确性。

关键词：变压器绕组松动奇异谱熵支持向量机松动定位

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：