文献类型：期刊文章

作　　者：武立平[1] 吴强[1] 丰遥[2] 要智宇[1] 王仲[2] 赵莉华[2]

WU Liping;WU Qiang;FENG Yao;YAO Zhiyu;WANG Zhong;ZHAO Lihua(Status Grid Shanxi Yangquan Power Supply Company,Shanxi Yangquan 045000,China;College of Electrical Engineering and Information Technology,Sichuan University,Chengdu 610065,China)

机构地区：[1]国网山西省电力公司阳泉供电公司,山西阳泉045000 [2]四川大学电气信息学院,成都610065

出　　处：《高压电器》

基　　金：国家电网公司科技项目(SGSXYQ00XTJS1800265)~~

年　　份：2019

卷　　号：55

期　　号：11

起止页码：232-238

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

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。

关 键 词：变压器 振动 支持向量机 状态识别  

分 类 号：TM4]