变压器故障的多参数智能诊断方法PDF电子书下载

第1章 绪论 1

1.1 引言 1

1.2 变压器常见故障类型 2

1.3 变压器常用监测/检测手段 4

1.4 基于多监测参量融合诊断的意义与诊断框架 6

1.5 本书的内容安排 8

参考文献 8

第2章 非平稳信号的典型处理方法及其在去噪中的应用 10

2.1 非平稳信号的特点和处理用途 10

2.2 基于小波变换的非平稳信号分析方法及其在去噪中的应用 11

2.2.1 连续小波变换 11

2.2.2 离散小波变换 12

2.2.3 基于小波变换的多分辨率分析 13

2.2.4 小波变换在信号处理中的应用 17

2.2.5 小波应用的总结 29

2.3 基于EEMD的非平稳信号分析方法及其在去噪中的应用 29

2.3.1 EMD方法简介 29

2.3.2 EEMD方法简介 33

2.3.3 EEMD方法在非平稳信号去噪中的应用 34

2.3.4 结论 39

2.4 基于ITD的非平稳信号分析方法及其在去噪中的应用 40

2.4.1 ITD方法简介 40

2.4.2 ITD方法的改进及其在去噪中的应用 45

2.4.3 结论 54

2.5 变分模态分解分析方法及其在去噪中的应用 54

2.5.1 变分模态分解算法 54

2.5.2 基于双阈值筛选法的VMD算法分解模态数K的确定 57

2.5.3 VMD算法在去噪中的应用 61

2.5.4 结论 66

2.6 非平稳信号的模式识别方法概述 66

参考文献 67

第3章 基于油色谱数据的变压器故障诊断 70

3.1 变压器油中溶解气体含量与变压器状态的对应关系 70

3.1.1 油中溶解气体的组分 70

3.1.2 正常运行变压器的油中气体含量 70

3.1.3 变压器内部故障与特征气体含量对应关系 71

3.2 油色谱故障诊断研究现状 73

3.2.1 油中气体色谱分析方法 73

3.2.2 故障诊断研究现状 74

3.3 相关向量机算法介绍 76

3.3.1 相关向量机理论简介 76

3.3.2 RVM分类模型 80

3.4 MKL-RVM算法及其改进 80

3.4.1 MKL-RVM算法介绍 81

3.4.2 MKL-RVM算法核函数参数获取 82

3.5 基于MKL-RVM的变压器故障诊断分析 87

3.5.1 变压器故障类型的划分及其表示方法 87

3.5.2 MKL-RVM融合诊断模型特征变量的确定 87

3.5.3 核函数选取和核函数参数优化 88

3.5.4 诊断输出 89

3.5.5 基于MKL-RVM的变压器故障诊断过程 90

3.6 MKL-RVM算法的实现 91

3.7 变压器故障诊断方法的测试和比较分析 92

参考文献 97

第4章 变压器振动信号的特征提取和故障诊断方法 99

4.1 变压器振动信号研究意义及现状 99

4.2 变压器本体振动分析 100

4.2.1 变压器铁心振动机理及其与振动信号的关系 100

4.2.2 变压器绕组振动机理及与振动信号的关系 101

4.2.3 变压器振动信号分析 102

4.3 基于傅里叶变换和小波包分析的振动信号特征提取 104

4.3.1 傅里叶变换与小波包算法 104

4.3.2 基于傅里叶和小波包分析的信号特征提取方法 106

4.4 基于EEMD的振动信号特征提取 107

4.4.1 EEMD方法概述 107

4.4.2 基于EEMD的振动信号特征提取方法 108

4.5 变压器铁心和绕组故障诊断实例 108

4.5.1 试验环境与条件 108

4.5.2 基于FFT和小波包的特征提取和诊断 109

4.5.3 基于EEMD的特征提取和诊断 117

4.5.4 实例分析和比较 123

4.6 本章小结 125

参考文献 126

第5章 宽频带脉冲电流特征提取和放电类型识别 128

5.1 研究背景及意义 128

5.2 国内外研究现状 128

5.2.1 脉冲电流法研究现状 128

5.2.2 局部放电脉冲电流特征提取的研究现状 129

5.2.3 局部放电类型识别的研究现状 130

5.3 油纸绝缘放电试验 131

5.3.1 局部放电试验环境 131

5.3.2 局部放电波形初步分析 133

5.4 基于PRPD的局部放电信号统计特征提取 136

5.4.1 局部放电相位分布分析 136

5.4.2 基础放电参数提取 137

5.4.3 局部极值点双阈值过滤法 138

5.4.4 自适应阈值选取方案 140

5.4.5 阈值方案的优化 144

5.4.6 基础参数自适应提取流程 144

5.4.7 谱图绘制与谱图特征提取 145

5.5 基于变分模态分解和多尺度熵的局部放电信号特征提取与类型识别 147

5.5.1 MSE理论 148

5.5.2 基于VMD-MSE特征提取 150

5.5.3 局部放电实验数据分析 151

5.6 基于变量预测模型模式识别方法的局部放电信号类型识别 154

5.6.1 变量预测模型模式识别方法基本原理 154

5.6.2 VPMCD方法存在的问题 157

5.6.3 VPMCD方法的改进 158

5.6.4 基于PLS-VPMCD方法的局部放电信号类型识别 160

参考文献 162

第6章 基于超声信号的变压器绝缘放电故障诊断 164

6.1 变压器放电的超声信号检测现状 164

6.2 超声波检测法原理 165

6.3 基于超声信号的变压器绝缘放电判别方法 166

6.3.1 局部放电超声信号频谱分析 166

6.3.2 基于超声信号频域内累计越限次数的放电判别方法 168

6.4 超声信号放电故障判别案例 168

6.4.1 实验室超声信号的判别 168

6.4.2 现场实测超声信号的判别 171

参考文献 173

第7章 变压器多检测手段的融合诊断及系统开发 174

7.1 融合诊断研究现状 174

7.2 变压器融合诊断 175

7.2.1 多专家协同诊断结构 175

7.2.2 协同诊断规则 176

7.3 基于可信度的变压器综合状态的多监测参量的融合确定 178

7.3.1 基于可信度的变压器综合诊断不确定性的表示 178

7.3.2 基于可信度的变压器综合诊断的推理算法 181

7.4 基于多监测参数的变压器融合诊断系统开发 184

7.4.1 系统开发模式 184

7.4.2 变压器监测/检测数据的设计与管理 186

7.4.3 变压器综合诊断系统的功能设计 190

7.5 故障诊断案例分析 191

参考文献 194