-
公开(公告)号:CN114065813B
公开(公告)日:2024-09-17
申请号:CN202111336090.8
申请日:2021-11-12
申请人: 国网山东省电力公司滨州供电公司
IPC分类号: G06F18/2413 , G06N3/006
摘要: 一种改进G‑means向量元的变压器绕组故障诊断方法,提高变压器故障诊断准确度。它包括以下步骤:1、采集变压器绕组振动信号,对实际测得的变压器绕组振动信号进行G‑means向量元分解VED,引入偏差系数γ,得到K个偏差向量函数IMγ;2、构造信号特征向量(能量熵和均方根值);3、通过人工沙丁鱼群算法,优化选取G‑means算法初始向量元中心;4、运行人工沙丁鱼群算法优化后的G‑means算法,利用训练样本确定向量元中心;5、故障诊断;计算测试样本与不同向量元中心最小欧式距离,依据最小欧式距离原则实现故障识别。本发明通过改进后的沙丁鱼群算法避免G‑means算法陷入局部最优的情况,提高了向量元分类准确度和故障诊断准确度。
-
公开(公告)号:CN113673471B
公开(公告)日:2024-04-09
申请号:CN202111010400.7
申请日:2021-08-31
申请人: 国网山东省电力公司滨州供电公司
发明人: 吕学宾 , 毛惠卿 , 陈翼 , 李蓬 , 王晖 , 高涛 , 牛健飞 , 朱洪防 , 郭增民 , 杨超 , 吴晓东 , 王官涛 , 鲍国华 , 刘博 , 夏瑞瑞 , 闫志伟 , 胡凯 , 刘延清 , 杨锟 , 杨洪波 , 苏同斐
IPC分类号: G06F18/213 , G06N3/006
摘要: 一种变压器绕组振动信号特征提取方法,实现分解模态数和惩罚因子的最优化选取,提出利用各模态量的能量分布作为振动信号的特征值的方法。它包括以下步骤:一、对获得的变压器绕组振动信号在初始分解模态数K和惩罚因子α下进行VMD预分解;二、通过改进人工蜂群算法实现变分模态分解参数(K,α)的优化选取;三、计算信号能量分布得到表征绕组机械状态特征值。本发明可以实现分解模态数和惩罚因子的最优化选取。
-
公开(公告)号:CN114065813A
公开(公告)日:2022-02-18
申请号:CN202111336090.8
申请日:2021-11-12
申请人: 国网山东省电力公司滨州供电公司
摘要: 一种改进G‑means向量元的变压器绕组故障诊断方法,提高变压器故障诊断准确度。它包括以下步骤:1、采集变压器绕组振动信号,对实际测得的变压器绕组振动信号进行G‑means向量元分解VED,引入偏差系数γ,得到K个偏差向量函数IMγ;2、构造信号特征向量(能量熵和均方根值);3、通过人工沙丁鱼群算法,优化选取G‑means算法初始向量元中心;4、运行人工沙丁鱼群算法优化后的G‑means算法,利用训练样本确定向量元中心;5、故障诊断;计算测试样本与不同向量元中心最小欧式距离,依据最小欧式距离原则实现故障识别。本发明通过改进后的沙丁鱼群算法避免G‑means算法陷入局部最优的情况,提高了向量元分类准确度和故障诊断准确度。
-
公开(公告)号:CN113673471A
公开(公告)日:2021-11-19
申请号:CN202111010400.7
申请日:2021-08-31
申请人: 国网山东省电力公司滨州供电公司
发明人: 吕学宾 , 毛惠卿 , 陈翼 , 李蓬 , 王晖 , 高涛 , 牛健飞 , 朱洪防 , 郭增民 , 杨超 , 吴晓东 , 王官涛 , 鲍国华 , 刘博 , 夏瑞瑞 , 闫志伟 , 胡凯 , 刘延清 , 杨锟 , 杨洪波 , 苏同斐
摘要: 一种变压器绕组振动信号特征提取方法,实现分解模态数和惩罚因子的最优化选取,提出利用各模态量的能量分布作为振动信号的特征值的方法。它包括以下步骤:一、对获得的变压器绕组振动信号在初始分解模态数K和惩罚因子α下进行VMD预分解;二、通过改进人工蜂群算法实现变分模态分解参数(K,α)的优化选取;三、计算信号能量分布得到表征绕组机械状态特征值。本发明可以实现分解模态数和惩罚因子的最优化选取。
-
-
-