基于振动噪声SC与SVM的变压器局部过热故障诊断

摘要

为了更加及时准确地诊断变压器内部局部过热故障,提出了基于振动噪声SC与SVM的变压器过热故障诊断方法。首先,以稀疏编码(SC)算法为工具,对不同过热故障模型的频率信号进行预处理,提取出识别特征量,并作为后续支持向量机(SVM)学习输入量。然后,因SVM泛化能力受参数C和δ影响较大,以均分训练样本所得多个模型的平均准确率作为评价函数,为SVM参数优选提供评价标准。通过10 kV配电变压器过热模拟实验,生成训练样本和测试样本,并对SVM进行训练和测试。试验结果表明,采用]0,1]作为归一化方式,径向基函数作为核函数以及交叉验证(CV)寻优的CV-SVM模型,经学习后能够对局部过热不同故障程度与故障模型进行准确区分。该研究为基于振动噪声在线监测变压器状态提供了参考。