文献类型：期刊文章

作　　者：耿琪深[1] 王丰华[2] 金霄[3]

GENG Qishen;WANG Fenghua;JIN Xiao(College of Electrical Engineering,Shanghai University of Electric Power,Shanghai 200090,China;Department of Electrical Engineering,Shanghai Jiao Tong University,Shanghai 200240,China;School of Electronic and Electrical Engineering,Shanghai University of Engineering Science,Shanghai 201620,China)

机构地区：[1]上海电力大学电气工程学院,上海200090 [2]上海交通大学电气工程系,上海200240 [3]上海工程技术大学电子电气工程学院,上海201620

出　　处：《电力自动化设备》

年　　份：2020

卷　　号：40

期　　号：8

起止页码：191-196

语　　种：中文

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

摘　　要：为有效提取变压器声音信号中的机械状态信息并识别其典型机械故障,依据人类听觉系统优异的声音识别能力,提出了一种基于Gammatone滤波器倒谱系数(GFCC)和鲸鱼算法优化随机森林(WA-RF)的变压器机械故障声音诊断方法。首先计算了变压器声音信号的GFCC,引入信息熵提取了GFCC中的主要声音特征信息。采用鲸鱼算法通过优化随机森林中决策树基分类器的规模和特征子集,构造了基于优化随机森林的变压器典型机械故障分类模型。对以某10 kV干式变压器正常与典型机械故障下声音信号的计算结果表明,所构建的基于GFCC主要特征参数和鲸鱼算法优化随机森林的变压器典型机械故障模型具有较好的识别效果,准确率可达95%以上,且具有优良的抗噪性能和鲁棒性。

关 键 词：电力变压器  声音信号 故障诊断  Gammatone滤波器倒谱系数  信息熵 鲸鱼算法  随机森林  

分 类 号：TM41]