文档名：基于加强灰狼优化VMDDBN的变压器故障检测
摘要：针对当前在线识别变压器运行状态困难、低效的问题,通过提取箱壁的振动信号,提出了基于加强灰狼优化变分模态分解(VariationalModeDecomposition,VMD)深度置信网络(DeepBeliefNetwork,DBN)的检测方法.首先,利用加强灰狼算法以能量误差为适应度函数,优化VMD的重要参数(分解层数k和惩罚因子α),然后分解计算各本征模态分量(IntrinsicModeFunctions,IMF)的能量标值,组成特征数据集,用来表征变压器运行工况.最后使用深度置信网络对特征数据集进行反复学习训练,形成故障诊断模型对变压器状态进行识别.通过实验对比分析VMD能更好地提取信号中有效的特征,提高识别的精准度,同时DBN相较于其他两种经典识别算法,抽象能力更好,学习的能力更强,稳定性更高,能准确识别变压器正常、绕组辐向形变、绕组轴向形变、铁芯故障四种状态.加强灰狼优化VMD-DBN的状态识别率达到了97.45％,均值误差为0.37,相比于其他方法效果最佳.因此,所提方法具有一定的实用价值.
Abstract：Whendiagnosingtheonlineoperationalstatusofpowertransformers,theperformanceandefficiencycanbefur-therimproved.Inlightoftheextractedvibrationsignaloftheboxwall,thispaperproposesadetectionmethodwhichisbasedontheenhancedgraywolfoptimizationvariationalmodedecompositiondeepbeliefnetwork(VMD-DBN).Firstly,theenergyerrorisusedasthefitnessfunctionoftheenhancedgraywolfalgorithm,andthen,allthenecessaryparametersoftheVMD(thenumberofdecompositionlevelskandthepenaltyfactora)areoptimized.Additionally,theintrinsicmodefunctions(IMF)aredecomposedandcalculatedtoformacharacteristicdatasettocharacterizetheoperatingcondi-tionsofthetransformers.Finally,thecharacteristicdatasetistrainedbytheDBN,andafaultdiagnosismodelisgenera-tedtoidentifytheoperationalstatusofthetransformers.ThecasestudyresultsshowthattheproposedVMDcanextracttheeffectivefeaturesinthesignalbetterandimprovetheaccuracyofdiagnosis.Meanwhile,comparedwiththeothertworecognitionalgorithms,theDBNisbetterinfeaturedescription,learning,androbustness.Itcanaccuratelyidentifyfourstatusesofthetransformers,includingthenormal,thewindingradialdeformation,thewindingaxialdeformation,andtheironcorefailure.ThestaterecognitionrateofenhancedgraywolfoptimizationVMD-DBNreaches97.45％,andthemeanerroris0.37,whichisthebestcomparedtoothermethods.Therefore,theproposedmethodhascertainpracticalvalue.
作者：赵一钧 石雷 齐笑 郝成钢 祝晓宏 王昕 Author：ZHAOYijun SHILei QIXiao HAOChenggang ZHUXiaohong WANGXin
作者单位：上海电力大学电气工程学院,上海200090国网吉林省电力有限公司四平供电公司,吉林四平136000上海交通大学电工与电子技术中心,上海200240
刊名：电测与仪表
Journal：ElectricalMeasurement&Instrumentation
年，卷(期)：2024, 61(2)
分类号：TM93
关键词：变压器 振动信号 加强灰狼 VMD 深度置信网络
Keywords：transformer vibrationsignal enhancedgraywolf VMD deepbeliefnetwork
机标分类号：TM407TP183TM771
在线出版日期：2024年3月1日
基金项目：国家自然科学基金基于加强灰狼优化VMD-DBN的变压器故障检测[
期刊论文] 电测与仪表--2024, 61(2)赵一钧 石雷 齐笑 郝成钢 祝晓宏 王昕针对当前在线识别变压器运行状态困难、低效的问题,通过提取箱壁的振动信号,提出了基于加强灰狼优化变分模态分解(VariationalModeDecomposition,VMD)深度置信网络(DeepBeliefNetwork,DBN)的检测方法.首先,利用加强灰...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
基于加强灰狼优化VMD-DBN的变压器故障检测 Transformer fault detection based on enhanced gray wolf optimization VMD-DBN
基于加强灰狼优化VMD-DBN的变压器故障检测.pdf
- 文件大小:
- 5.27 MB
- 下载次数:
- 60
-
高速下载
|
|
