基于振动信号和小波神经网络的变压器故障诊断

doi:10.11930/j.issn.1004-9649.2014.4.75.4

中国电力 ›› 2014, Vol. 47 ›› Issue (4): 75-79.DOI: 10.11930/j.issn.1004-9649.2014.4.75.4

基于振动信号和小波神经网络的变压器故障诊断

王春宁¹, 朱跃光², 马宏忠², 赵宏飞², 陈继宁³

1. 江苏省电力公司南京供电公司,江苏南京 210008；
2. 河海大学可再生能源发电技术教育部工程研究中心,江苏南京 210098；
3. 江苏省电力公司宿迁供电公司,江苏宿迁 223800

收稿日期:2014-01-22 出版日期:2014-04-30 发布日期:2015-12-22
作者简介:王春宁（1976-）,男,江苏南京人,工程师,从事电力设备状态检测与故障诊断研究。E-mail: wangchunning@sina.com
基金资助:
国家电网公司总部重点科技项目（2011-0810-2251）

Fault Diagnosis of Power Transformer Based on Vibration and Wavelet Neural Network

WANG Chun-ning¹, ZHU Yue-guang², MA Hong-zhong², ZHAO Hong-fei², CHEN Ji-ning³

1. Jiangsu Nanjing Power Supply Company, Nanjing 210008, China;
2. Research Center for Renewable Energy Generation Engineering , Hohai University, Ministry of Education, Nanjing 210098, China;
3. Jiangsu Suqian Power Supply Company, Suqian 223800, China

Received:2014-01-22 Online:2014-04-30 Published:2015-12-22
Supported by:
This work is supported by Science and Technology Project of State Grid Corporation (2011-0810-2251)

摘要/Abstract

摘要： 提出一种基于振动信号和小波神经网络的电力变压器故障诊断方法。采用变压器油箱表面的振动信号作为采样信号进行频谱分析提取特征频率信号,并以此特征频率信号乘以电流标么值的平方作为训练样本进行小波神经网络训练,小波神经网络输出量能够反映出频谱特征向量和变压器故障类型之间的映射关系,从而实现变压器的故障诊断。实验结果表明,使用该方法能够有效地对变压器进行故障分类及其诊断,并且小波神经网络具有很好的泛化能力。

关键词: 电力变压器, 故障诊断, 小波神经网络, 振动检测

Abstract: A fault diagnostic method of power transformer based on vibration and wavelet neural network is presented, which gets the characteristics of the vibration in frequency domain from the vibration sampled from the tank of transformers to train for the wavelet neural network(WNN). With the output of the wavelet neural network, we can get the relationship between the faults and the frequency characteristics can be obtained. The experiment results show that the proposed method can be used for diagnosis of power transformer and output the type of the fault, and the wavelet neural has a good generalized performance.

中图分类号:

TM41

王春宁, 朱跃光, 马宏忠, 赵宏飞, 陈继宁. 基于振动信号和小波神经网络的变压器故障诊断[J]. 中国电力, 2014, 47(4): 75-79.

WANG Chun-ning, ZHU Yue-guang, MA Hong-zhong, ZHAO Hong-fei, CHEN Ji-ning. Fault Diagnosis of Power Transformer Based on Vibration and Wavelet Neural Network[J]. Electric Power, 2014, 47(4): 75-79.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.2014.4.75.4

https://www.electricpower.com.cn/CN/Y2014/V47/I4/75

参考文献

[1] 陈玉林,陈允平,孙金莉,等. 电网故障诊断方法综述[J]. 中国电力,2006,39（5）：27-31.
CHEN Yu-lin, CHEN Yun-ping, SUN Jin-li, et al . The overview of power system fault diagnosis methods[J]. Electric Power, 2006, 39(5): 27-31.
[2] 王钰,李彦明,张成良. 变压器绕组变形检测的LVI法和FRA法的比较研究[J]. 高电压技术,1997,23（1）：13-15.
WANG Yu, LI Yan-ming, ZHANG Cheng-liang. The comparisonal study on LVI and FRA method of detecting winding deformation faults in transformers[J]. High Voltage Engineering, 1997, 23(1): 13-15.
[3] 邓宏贵,罗安,曹建,等. 关联度分析在变压器故障诊断中的应用[J]. 电力系统自动化,2005,29（18）：73-75,89.
DENG Hong-gui, LUO An, CAO Jian, et al . Application of three-level dependent degree for transformer fault diagnosis [J]. Automation of Electric Power Systems, 2005, 29(18): 73-75, 89.
[4] 董立新,肖登明,李喆,等. 基于油中溶解气体分析数据挖掘的变压器绝缘故障诊断[J]. 电力系统自动化,2004,28（15）：85-89.
DONG Li-xin, XIAO Deng-ming, LI Zhe, et al . Insulation fault diagnosis for power transformers based on dissolved gas analysis data mining[J]. Automation of Electric Power Systems, 2004, 28(15): 85-89.
[5] 张艳,吴玲. 基于支持向量机和交叉验证的变压器故障诊断[J]. 中国电力,2012,45（11）：52-55.
ZHANG Yan, WU Ling. Transformer fault diagnosis based on C-SVC and cross-validation algorithm[J]. Electric Power, 2012, 45(11): 52-55.
[6] GARCIA B, BURGOS J C, ALONSO A M. Transformer tank vibration modeling as a method of detecting winding deformations—part I: theoretical foundation[J]. IEEE Transactions on Power Delivery, 2006, 21(6): 157-163.
[7] BARTOLETTI C, DESIDERIO M, CARLO D D, et al . Vibro- acoustic techniques to diagnose power transformers [J]. IEEE Transactions on Power Delivery, 2004, 19(1): 221-229.
[8] 汲胜昌,王世山,李清泉,等. 用振动信号分析法监测变压器绕组状况[J]. 高电压技术,2002,28（4）：12-15.
JI Sheng-chang, WANG Shi-shan, LI Qing-quan, et al . The application of vibration method in monitoring the condition of transformer windings[J]. High Voltage Engineering, 2002, 28(4):12-15.
[9] 杨廷方,李景禄,曾祥君,等. 基于多方法组合的大型变压器故障诊断[J]. 电力系统自动化,2009,33（20）：92-95.
YANG Ting-fang, LI Jing-lu, ZENG Xiang-jun, et al . Large power transformer fault diagnosis based on a diagnosis model combined with several methods[J]. Automation of Electric Power Systems, 2009, 33(20): 92-95.
[10] 沈清,胡德文,时春. 神经网络应用技术[M]. 长沙：国防科技大学出版社,1993：10-11.
[11] 王少芳,蔡金锭. GA-BP算法在变压器色谱诊断中的应用[J].高电压技术,2003,29（7）：3-6.
WANG Shao-fang, CAI Jin-ding. Application of hybrid algorithm based on GA-BP in transformer diagnosis using GAS chromatographic method[J]. High Voltage Engineering, 2003, 29(7): 3-6.
[12] 姜益民. 变压器运行中短路损坏的常见部位及原因分析[J]. 变压器,2005,42（4）：34-38.
JIANG Yi-min. Common position and reason analysis of operating transformer damage by short circuit [J]. Transformer, 2005, 42(4): 34-38.
[13] 刘志刚,王晓茹,何正友,等. 小波变换、神经网络和小波网络的函数逼近能力分析与比较[J]. 电力系统自动化,2002, 26（20）：39-44.
LIU Zhi-gang, WANG Xiao-ru, HE Zheng-you, et al . Analysis and comparison of function approximation ability based on wavelet transformation, neural network and wavelet network[J]. Automation of Electric Power Systems, 2002, 26(20): 39-44.
[14] 阎平凡,张长水. 人工神经网络与模拟进化计算[M]. 北京：清华大学出版社,2000：50-52.
[15] 张雨浓,杨逸文,李巍. 神经网络权值直接确定法[M]. 广州：中山大学出版社,2010：14-15.
[16] 马宏忠,耿志慧,陈楷,等. 基于振动的电力变压器绕组变形故障诊断新方法[J]. 电力系统自动化,2013,37（1）：1-7.
MA Hong-zhong, GEN Zhi-hui, CHEN Kai, et al . A new fault method for power transformer winding deformation based on vibration[J]. Automation of Electric Power Systems, 2013, 37(1): 1-7.

基于振动信号和小波神经网络的变压器故障诊断

Fault Diagnosis of Power Transformer Based on Vibration and Wavelet Neural Network

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	刘贺千, 张健, 张海月, 杨洪达, 陈世玉, 申昱博, 王磊. 基于高频阻抗谱的干式空心电抗器匝间短路故障诊断方法[J]. 中国电力, 2024, 57(10): 218-224.
[2]	黎燕, 程馨, 黄祖梁, 杨琢. 高可靠性三相多功能并网变换器研究[J]. 中国电力, 2023, 56(5): 172-181.
[3]	辛全金, 李晓华, 杨义, 李俊聪, 夏能弘. 基于冗余卷积编解码器的变压器噪声抑制[J]. 中国电力, 2023, 56(4): 112-118.
[4]	李刚, 孟坤, 贺帅, 刘云鹏, 杨宁. 考虑特征耦合的Bi-LSTM变压器故障诊断方法[J]. 中国电力, 2023, 56(3): 100-108,117.
[5]	韩伟, 段文岩, 杜兴伟, 姚峰, 马伟东, 刘磊. 基于数字孪生的在运安控系统故障诊断方法[J]. 中国电力, 2023, 56(11): 121-127.
[6]	马海飞, 滕伟, 彭迪康, 柳亦兵, 靳涛. 基于DRS与改进Autogram的风电齿轮箱复合故障特征提取[J]. 中国电力, 2023, 56(10): 71-79.
[7]	王爽, 罗倩, 唐波, 姜岚, 李锦. 考虑样本类内不平衡的CHPOA-DBN变压器故障诊断方法[J]. 中国电力, 2023, 56(10): 133-144.
[8]	张宏杰, 陈贵凤, 闫宏伟, 杨晓龙, 侯天仁, 张伟. 基于SMOTE与Bayes优化的LSTM网络变压器故障诊断[J]. 中国电力, 2023, 56(10): 164-170.
[9]	陈铁, 冷昊伟, 李咸善, 陈一夫. 基于油中气体分析与类重叠特征的变压器分层故障诊断模型[J]. 中国电力, 2022, 55(7): 22-32,41.
[10]	李天辉, 庞先海, 范辉, 甄利, 顾朝敏, 董驰. 基于IEMD和GA-WNN的断路器分合闸线圈故障诊断方法[J]. 中国电力, 2022, 55(5): 111-121.
[11]	郝玲玲, 朱永利, 王永正. 基于DCAE-KSSELM的变压器故障诊断方法[J]. 中国电力, 2022, 55(2): 125-130.
[12]	余斌, 宋兴荣, 周挺, 罗林波, 李辉, 车亮. 基于梅尔倒谱系数特征集的储能变流器开路故障诊断方法[J]. 中国电力, 2022, 55(12): 34-42.
[13]	李福志, 郑卫宾, 张文海, 张智勇, 林德锋, 张旭波, 张荣建. 基于回路直流电阻测量的输电线路单相接地故障离线故障定位[J]. 中国电力, 2021, 54(2): 140-146.
[14]	陈宏山, 余江, 姜淼, 石勇, 侯炜. 基于GOOSE通信的分布式接地选线应用[J]. 中国电力, 2020, 53(10): 192-199.
[15]	姜锐, 滕伟, 刘潇波, 唐诗尧, 柳亦兵. 风电机组发电机轴承电腐蚀故障的分析诊断[J]. 中国电力, 2019, 52(6): 128-133.

模态框（Modal）标题

基于振动信号和小波神经网络的变压器故障诊断

Fault Diagnosis of Power Transformer Based on Vibration and Wavelet Neural Network

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics