文献类型：期刊文章

作　　者：曹宏[1]

CAO Hong(Henan Senyuan Electric Co.,Ltd.,Henan Xuchang 461500,China)

机构地区：[1]河南森源电气股份有限公司,河南许昌461500

出　　处：《高压电器》

年　　份：2020

卷　　号：56

期　　号：4

起止页码：215-221

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了对变压器有载分接开关的运行状态进行识别,该研究首先对其运行状态和故障特征进行总结分析,针对分接开关运行过程中产生的振动信号,利用集合经验模态(EEMD)分解为多个固有模态函数分量(IMF),再经过希尔伯特变换法,结合能量熵提取得到基于时频分析的特征向量。将特征向量输入自适应遗传算法(AGA)优化的BP神经网络模型中进行故障识别,并进行数据仿真,与相空间重构后提取的特征向量(PPDC)进行对比,验证不同网络模型下,所提方法的识别准确率和收敛速度。结果表明,以PPDC故障样本作为模型输入时,AGA算法优化前后的BP神经网络模型的识别准确率分别为81.68%和88.32%,收敛次数为981和363,当以基于时频特征提取的故障样本作为模型输入时,AGA算法优化前后的BP神经网络模型的识别准确率分别为91.66%和96.68%,收敛次数为349和159,AGA算法可显著提高BP神经网络模型的性能。由此可见,可将时频特征提取方法与AGA-BP神经网络结合,实现有载分接开关运行状态的有效识别。

关 键 词：有载分接开关 时频特征分析  集合经验模态分解  自适应遗传算法 希尔伯特变换

分 类 号：TM403.4]