【技术实现步骤摘要】
本专利技术属于有载分接开关故障识别领域，特别是一种基于改进vmd的特征频率的有载分接开关故障识别方法。
技术介绍
1、变压器有载分接开关(oltc)是有载调压变压器唯一需要机械动作的部件，与变压器安全运行关系密切，是电力系统调压、联网、提高调度灵活性的关键环节。据统计，oltc故障在变压器总体故障中占比高达27.8％，因此研究oltc的在线监测与故障识别方法，及时防范风险开展检修是确保电力系统的安全、稳定、可靠运行的重要手段。
2、oltc振动信号是不具有周期性的非平稳信号，传统的时域和频域分析方法并不适合分析此类信号。因此目前在进行oltc故障诊断时通常采用时频分析方法。
3、常见的时频分析方法有相空间重构、经验模态分解(emd)、变分模态分解(vmd)。oltc多个测点处的振动信号相空间分布可基于相空间重构表示，并将其核心张量分为训练集和测试集，最后依托cnn模型进行了故障诊断。但是相空间重构方法在评估标准的制定过程中忽略了重构信号的矢量特性，诊断oltc故障的能力有限。emd是常见的模态分析法，现有研究将emd和希尔伯特黄变换结合，通过提取oltc振动信号的特征来诊断oltc机械故障。但emd在处理非平稳瞬时信号时，容易出现模态混叠、端点效应等问题，诊断结果准确性较差。变分模态分解(vmd)是一种完全非递归的自适应信号处理方法，克服了emd模态混叠、端点效应等问题，在信号分解和去噪方面有更加出色的噪声鲁棒性，但是使用vmd进行最优模态分解时，k值的选取对最终信号分解的效果影响较大。基于vmd对olt
技术实现思路
1、为了解决上述问题，提出了本专利技术，本专利技术的目的在于，提供一种基于改进vmd的特征频率的有载分接开关故障识别方法，用于解决有载分接开关的故障识别问题。
2、为了实现上述技术目的，本专利技术提供了一种基于改进vmd的特征频率的有载分接开关故障识别方法，包括以下步骤：
3、搭建有载分接开关典型机械故障试验平台，基于上述试验平台模拟有载分接开关故障情况，模拟电机卡涩、动触头松动和静触头松动3类故障；
4、基于正常及各类故障状态采集振动信号，依据相关系数法选取信号进行vmd分解的k值，其参数设置为：判别精度ε设为0，惩罚因子α设为2000，噪声容限τ设为10-7。
5、基于确定的k值将各振动信号进行vmd最优模态分解，得到对应的各模态分量，以动触头松动故障下采集的信号为例进行分析，由vmd分解得到5个模态分量，并求得各模态分量对应频谱。
6、基于各模态分量，选取其信息熵、峭度和相关系数作为评估指标，构造评估各模态分量的原始评估矩阵x，对各模态分量进行综合评估，得到最优特征模态。
7、基于最优特征模态绘制其对应希尔伯特时频谱，基于希尔伯特时频谱，将其取得最大幅值处的频率定义为特征频率，基于特征频率，得到本专利技术不同状态下振动信号的特征频率对比分布。
8、优选地，有载分接开关典型机械故障试验平台包括有载分接开关控制系统、信号采集及调理模块、示波器模块，选用utl2001型单轴向压电加速度传感器采集振动信号。
9、优选地，采用增大电机转轴阻力的方式模拟电机卡涩故障；采用去除固定螺钉的方式模拟动触头松动故障；采用去除固定弹簧的方式模拟静触头松动故障。
10、优选地，将压电加速度传感器布置于靠近oltc的变压器油箱壁的顶面，以减小触头干扰，获取经绝缘油和油箱外壳传递后的oltc振动信号。
11、优选地，在确定各振动信号进行vmd分解的k值时，具体步骤如下：
12、(1)初始化k值，令k＝2；
13、(2)对信号进行vmd分解，得到k个模态分量；
14、(3)计算相邻模态分量的相关系数：
15、(4)对比相邻模态分量的相关系数，若其数值大于判定阈值(一般认为阈值为0.5)，则认为相邻两模态分量具有特征相似性，出现了过分解现象。则选取分解最优模态数为上一次k取值；
16、优选地，选取vmd分解后各模态分量的信息熵、峭度和相关系数作为评估指标，构造评估各模态分量的原始评估矩阵x：信息熵越小，提供的信息量越大，则该指标对综合评价的作用越大。峭度值描述数据分布的尖峰程度，峭度值越大表明数据分布越尖峭，可能存在较多非正常信号；反之表明数据较平坦，信号较正常。相关系数是描述变量之间线性相关程度的统计量，相关系数越接近于1表明变量间相关性越强。
17、优选地，对原始评估矩阵x进行正向化及标准化处理，基于critic法计算各指标的权重，之后得到加权标准化矩阵z。
18、优选地，取z中特征量指标的最大值和最小值的集合作为正、负母序列z+和z-，提出灰色关联距离-topsis法，计算各模态分量与正、负母序列间的灰色距离，计算各模态分量与原始信号的贴近度，若贴近度越大，说明该模态分量可以更好地贴近原始信号，则选取此特征模态即为最优特征模态。
19、优选地，绘制最优特征模态的希尔伯特时频谱，将其取得最大幅值处的频率定义为特征频率，最后得到本专利技术不同状态下振动信号的特征频率，之后对比特征频率数据，将特征量进行区间划分，划分为对应四种不同状态的四个区间范围，特征频率的区间划分范围如下表所示：
20、表1不同状态类型下的特征量区间划分
21、
22、依据灰色关联距离-topsis法确定的振动信号特征频率进行故障识别，可以将不同信号对应到不同状态，实现振动信号所处状态的准确识别。
23、本专利技术公开了以下技术效果：
24、本专利技术基于有载分接开关典型机械故障试验平台；基于上述试验平台模拟三类故障，并采集不同状态下的振动信号，作为原始信号。
25、本专利技术基于相关系数法确定各振动信号进行vmd分解时的k值，对vmd分解后的各模态分量进行综合评估，选取与原始信号贴近度最大的作为最优模态分量。
26、本专利技术基于最优模态分量绘制对应的希尔伯特时频谱，将其最大幅值处对应的频率记为特征频率，基于确定的特征频率进行区间划分，从而识别信号对应状态，实现故障准确识别。
本文档来自技高网...【技术保护点】
1.一种基于改进VMD的特征频率的有载分接开关故障识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于改进VMD的特征频率的有载分接开关故障识别方法，其特征在于，所述有载分接开关典型机械故障试验平台具体包括：
3.根据权利要求2所述一种基于改进VMD的特征频率的有载分接开关故障识别方法，其特征在于：
4.根据权利要求3所述一种基于改进VMD的特征频率的有载分接开关故障识别方法，其特征在于，所述K值选取基于如下步骤确定：
5.根据权利要求4所述一种基于改进VMD的特征频率的有载分接开关故障识别方法，其特征在于，基于最优模态数K进行VMD分解时其余参数设置包括：
6.根据权利要求5所述一种基于改进VMD的特征频率的有载分接开关故障识别方法，其特征在于：
7.根据权利要求6所述一种基于改进VMD的特征频率的有载分接开关故障识别方法，其特征在于，信号的特征模态基于如下步骤确定：
8.根据权利要求7所述一种基于改进VMD的特征频率的有载分接开关故障识别方法，其特征在于：
【技术特征摘要】
1.一种基于改进vmd的特征频率的有载分接开关故障识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于改进vmd的特征频率的有载分接开关故障识别方法，其特征在于，所述有载分接开关典型机械故障试验平台具体包括：
3.根据权利要求2所述一种基于改进vmd的特征频率的有载分接开关故障识别方法，其特征在于：
4.根据权利要求3所述一种基于改进vmd的特征频率的有载分接开关故障识别方法，其特征在于，所述k值选取基于如下步骤确定：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。