论文摘要
为提高基于振动信号的变压器状态识别准确率,提取振动信号的峰峰值、均值、偏度等时域特征量和主频率幅值占比、基频幅值占比、50 Hz及其奇次倍频幅值占比等频域特征量构成特征向量,运用支持向量机(SVM)分类方法对变压器进行状态识别。采集了变压器正常与故障运行状态下的振动信号,结合实测信号分析了各特征量随变压器状态的变化,最后对比了单个特征量与多特征量结合对变压器正常短路、正常空载、故障短路、故障空载4种状态的识别准确率。结果表明,结合振动信号多个特征量的SVM分类对变压器的状态识别准确率显著高于单个特征量的识别准确率。
论文目录
文章来源
类型: 期刊论文
作者: 武立平,吴强,丰遥,要智宇,王仲,赵莉华
关键词: 变压器,振动,支持向量机,状态识别
来源: 高压电器 2019年11期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 国网山西省电力公司阳泉供电公司,四川大学电气信息学院
基金: 国家电网公司科技项目(SGSXYQ00XTJS1800265)~~
分类号: TM41
DOI: 10.13296/j.1001-1609.hva.2019.11.034
页码: 232-238
总页数: 7
文件大小: 1764K
下载量: 170