-1 m
[0051 ]其中cj(t)U·/(/) = ZtV/??)为原始信号进行EEMD后所得的第j个頂F分量，r(t) 为剩余分量。
[0052] 第2个步骤是根据归一化相关系数提取有效分量。为了去除伪分量或与故障无关 的干扰项，计算振动信号与分解产生的本征模式函数之间的归一化相关系数^(j = l， 2,…，η)为：
[0053] .
. (4)
[0054] 然后通过设定合适的阈值筛选能有效反映变压器绕组振动特性的MF分量，经多 次试验发现设置阈值为剩余分量相关系数值1.2倍较为合适。
[0055] 第3个步骤是构造表征变压器绕组振动状态的特征矢量。变压器振动信号中绕组 状态的变化在各个MF分量的能量中能准确地反映出来。因此，对变压器振动信号进行EEMD 分解并选择有效頂F分量后，计算每个MF分量的能量，在此基础上构造表征变压器绕组振 动状态的特征矢量，用其定量地表征变压器绕组的振动状态。计算步骤如下：
[0056] (1)求筛选出的各有效IMF分量的能量Ej:
[0057] Ej = J |cj(t) |2dt (5)
[0058] (2)采用有效頂F分量的能量构造表征变压器绕组振动状态的特征矢量V:
[0059] V=[vi,V2,---,vm] (6)
[0060] 其中，用特征矢量V来表征变压器绕组的状态信息。
[0061] 本专利针对变压器振动信号EEMD产生干扰及伪分量的问题，提出了利用相关系数 法去除干扰及伪分量的方法。振动信号与分解产生的本征模式函数之间归一化相关系数的 大小能够表征不同本证模式函数对振动信号的相关程度，即相关程度较高的分量应为有效 分量。下述实验表明该方法能够有效去除伪分量，保留有效分量，并获得了非常高的状态识 别率。
[0062] 验证分析：
[0063]为了说明以上优点，采用实验方法加以验证。在实验室中对一台型号为S9-M-100/10,联接组号为YynO,电压比为10kV/0.4kV的变压器进行短路实验。对变压器在不同负 载下绕组正常和松动的状况分别测量表面的振动信号。
[0064]振动信号采集系统主要包括ULT2008型压电加速度传感器，传感器采集到变压器 表面的振动信号后转换成电荷信号输出。振动信号采集系统的采样频率为10kHz，每隔5分 钟采样一次，每次采样1秒钟。测点位置选择离绕组故障设置点较近位置，信号的振动幅值 较大。本实验在相同负载工况下进行。图1和图2分别描绘了负载电流为130A时正常和故障 状态的绕组振动信号。
[0065]虽然从时域图可以看到绕组松动与正常情况下幅值有些变化，但是不是很明显， 因此，需要对原始信号进行处理，提取对故障状态反应灵敏的特征量来诊断绕组发生松动 故障的严重程度。
[0066] 变压器本体振动信号的频率集中在1000Hz以下，对滤波后的变压器振动信号做集 合经验模态分解(EEMD)，图3，图4分别是变压器正常状态下和绕组松动状况下的EEMD分解 结果。
[0067] 经过集合经验模态分解后，变压器振动信号被自适应地分解为一系列本征模式函 数，且由上至下按频率从高到低排列，得到7个MF分量和一个剩余分量。接下来求各MF分 量及剩余分量与原振动信号的归一化相关系数，各个相关系数如表1所示
[0068] 表1变压器振动信号和分解量的归一化相关系数
[0069]
[0070]
[0071] 信号r(t)是一个单调函数，它反映了信号x(t)变化趋势。经多次试验得出设置阈 值为剩余分量相关系数值1.2倍较为合适，可去除干扰及一些低频伪分量。此时设置变压器 正常状态下阈值为〇. 31188，绕组松动时阈值为0.25824，所以只有頂F2-MF5被留下来，可 选为表征绕组振动状态的特征量。重构去掉无关及伪分量的变压器振动信号，并计算其与 原振动信号的相关系数，正常时为0.9328,松动时为0.9566,进一步说明了选取特征的模式 完备性，能够准确表现绕组状态变化。
[0072] 在实验室中采集变压器正常和绕组松动2种状态下各10组短路试验振动数据。采 用步骤3所述的故障特征提取方法计算得到两种状态下的特征矢量，用k-means算法得到聚 类中心如下所示(分别在负载为130A，110A和140A时），得到的2个聚类中心即变压器处于2 种模式下的特征值。 10.0014 0.0012 00010 0.0018 ]
[0073] cl 30 =
[0.0015 0.0014 00017 0.002 51
[0.0014 0.0011 0000 9 0.0015 1
[0074] cl 10 - \
[0.0014 0.0012 0.0015 0.002 3 J ?θ.0014 0.0012 00012 0.0019]
[0075] g140 = ·
[0.0014 0.0012 00019 0.0025J
[0076] 进行故障识别时，计算监测到的数据与这2个特征值的欧式距离，对应较小值的特 征值所对应的状态即为待测样本数据所处的状态。对变压器的上述2种状态在不同负载下 分别进行了 10次测试，准确区分率均达到100%。
[0077] 若利用现有的集合经验模态分解法，因绕组正常时前5个頂F分量能量总和占原始 信号能量83.3%，绕组故障时占到85.98% (除剩余分量能量外），依此应选取前5个頂F分量 作为研究对象。显然，本专利所提方法剔除了第一个干扰伪分量，提高了特征量的有效性。
【主权项】
1. 一种变压器振动信号绕组状态特征提取方法，其特征是，所述方法首先对采集的变 压器振动信号进行集合经验模态分解;然后计算变压器振动信号与分解的本征模式函数的 归一化相关系数，继而根据计算出的归一化相关系数筛选出有效的本征模式分量即有效 IMF分量;最后利用筛选出的有效本征模式分量来构造特征矢量，并将特征矢量作为识别变 压器绕组状态的依据。2. 根据权利要求1所述的一种变压器振动信号绕组状态特征提取方法，其特征是，具体 处理步骤如下： a. 对采集的变压器振动信号进行集合经验模态分解巧EMD): ① 在待分析的振动信号中加入随机高斯白噪声序列： Xi(t) = x(t)+rru(t) 式中Xi(t)为加入白噪声处理的信号，x(t)为待分析信号序列，r为白噪声的幅值系数， ηι(υα = 1，2，···，πι)为随机高斯白噪声序列，m为信号序列个数； ② 对每组加入白噪声处理的信号Xi(t)进行EMD分解，得出各自的IMF分量部分和余项部 分，即：式中，CU为对振动信号第i次加入高斯白噪声后的Xi(t)进行分解得到的第j个IMF分 量，r in为第i次对Xi (t)进行分解后的余项，η为分解层数； ③ 每一次加入互不相同的高斯白噪声序列，继而按照步骤①和步骤②分解信号，最终 得到EEMD的结果为：其中c^t)为原始信号进行集合经验模态分解化EMD)后所得的第j个IMF分量，r(t)为剩余分量； b. 根据归一化相关系数提取有效分量： 对x(tWPc^t)进行N次采样，计算振动信号与分解产生的本征模式函数之间的归一化 相关系数rj( j = l，2，···，n)为：其中，xk为x(t)第k次采样的样值，；为x(t)N个样值的平均值，〇^为〇加)第k次采样的 样值，为N个样值的平均值(3^〇,然后将rj与设定的阔值进行比较，若rj大于设定的阔值， 贝喊IMF分量cj (t)为有效IMF分量，否则C j (t)为伪分量； C .构造表征变压器绕组振动状态的特征矢量： ① 求筛选出的各有效IMF分量的能量Ej: Ej = J|cj(t)阿t ② 采用有效IMF分量的能量构造表征变压器绕组振动状态的特征矢量V: V= [V1,V2, ... ,VM] 其中ν',. := ，M为筛选出的有效IMF分量个数，用特征矢量V来表征变压器绕组的状态 信息。3.根据权利要求2所述的一种变压器振动信号绕组状态特征提取方法，其特征是，所述 归一化相关系数η的阔值为振动信号与剩余分量相关系数值的1.2倍。
【专利摘要】一种变压器振动信号绕组状态特征提取方法，用于解决变压器绕组的在线监测问题。其技术方案是，首先对采集的变压器振动信号进行集合经验模态分解；然后计算变压器振动信号与分解的本征模式函数的归一化相关系数，继而根据计算出的归一化相关系数筛选出有效的本征模式分量（有效IMF分量）；最后利用筛选出的有效本征模式分量来构造特征矢量，并将特征矢量作为识别变压器绕组状态的依据。本发明利用相关系数法去除干扰项及伪分量。实验表明，该方法能够有效去除伪分量，保留有效分量，可获得非常高的状态识别率，为实现变压器绕组故障的在线监测提供了有利条件。
【IPC分类】G01H17/00
【公开号】CN105547465
【申请号】CN201510900903
【发明人】张珂, 李中, 丁巧林
【申请人】华北电力大学（保定）
【公开日】2016年5月4日
【申请日】2015年12月8日