基于改进VMD去噪和优化ELM方法的变压器早期故障诊断
文档名：基于改进VMD去噪和优化ELM方法的变压器早期故障诊断
摘要：变压器内部漏磁场是判断变压器绕组早期故障的重要依据.实际运行中噪声会对漏磁场检测产生干扰从而影响对故障状态的判断.为此,首先使用遗传算法以样本熵作为适应度函数来优化变分模态分解(VMD)参数,然后将VMD分解后的相关模态使用小波阈值法去除残余噪声;其次,选择并提取降噪漏磁场信号的特征向量,将特征向量输入到改进极限学习机(ELM)中进行训练和分类,实现变压器绕组的早期故障诊断.仿真及动模实验表明:该方法去噪效果良好,能有效地还原原漏磁场信号,最终能实现变压器绕组早期故障的准确识别.
Abstract：Theinternalleakagemagneticfieldoftransformerisanimportantcriterionfordeterminingtheearlyfaultoftransformerwinding.Inactualoperation,noisecaninterferewiththedetectionoftheleakagemagneticfield,therebyaffectingthejudgmentofthefaultstatus.Therefore,firstly,geneticalgorithmsareusedwithsampleentropyasthefitnessfunctiontooptimizetheparametersofvariationalmodedecomposition(VMD).Subsequently,therelevantmodesobtainedfromVMDareprocessedusingwaveletthresholdingtoeliminateresidualnoise.Next,featurevectorsareselectedandextractedfromthedenoisedleakagemagneticfieldsignals.Thesefeaturevectorsaretheninputintoanimprovedextremelearningmachine(ELM)fortrainingandclassification,achievingearlyfaultdiagnosisoftransformerwindings.Theresultsofsimulationanddynamicexperimentshowthatthismethodexhibitsagooddenoisingperformance,effectivelyrestoringtheoriginalleakagemagneticfieldsignal.Ultimately,itenablesaccurateidentificationofearlyfaultsintransformerwindings.
作者：刘建锋刘梦琪董倩雯梅智聪周海Author：LIUJianfengLIUMengqiDONGQianwenMEIZhicongZHOUHai
作者单位：上海电力大学电气工程学院,上海200090
刊名：电力科学与技术学报 ISTICPKU
Journal：JournalofElectricPowerScienceandTechnology
年，卷(期)：2023, 38(6)
分类号：TM41
关键词：变压器早期故障变分模态分解遗传算法小波阈值法极限学习机
Keywords：transformerearlyfaultvariationalmodedecomposition(VMD)geneticalgorithmwaveletthresholdmethodextremelearningmachine
机标分类号：
在线出版日期：2024年3月6日
基金项目：国家自然科学基金基于改进VMD去噪和优化ELM方法的变压器早期故障诊断[
期刊论文]电力科学与技术学报--2023, 38(6)刘建锋刘梦琪董倩雯梅智聪周海变压器内部漏磁场是判断变压器绕组早期故障的重要依据.实际运行中噪声会对漏磁场检测产生干扰从而影响对故障状态的判断.为此,首先使用遗传算法以样本熵作为适应度函数来优化变分模态分解(VMD)参数,然后将VMD分解后的相...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
基于改进VMD去噪和优化ELM方法的变压器早期故障诊断Transformer early fault diagnosis based on improved VMD denoising and optimized ELM method
基于改进VMD去噪和优化ELM方法的变压器早期故障诊断.pdf
页:
[1]