文献类型：期刊文章

作　　者：崔凤新[1] 卢思佳[2] 邱仕达[2]

CUI Fengxin;LU Sijia;QIU Shida(Department of Electrical Engineering,Zhicheng College,Fuzhou University,Fuzhou,Fujian 350002,China;College of Electric Engineering and Automation,Fuzhou University,Fuzhou,Fujian 350108,China)

机构地区：[1]福州大学至诚学院电气工程系,福建福州350002 [2]福州大学电气工程与自动化学院,福建福州350108

出　　处：《福州大学学报（自然科学版）》

基　　金：福建省自然科学基金资助项目(2021J01633)。

年　　份：2022

卷　　号：50

期　　号：6

起止页码：760-766

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：为识别配电变压器运行过程中存在的潜伏性故障,提出一种基于改进经验小波变换(improve empirical wavelet transform,IEWT)及堆栈自编码器(stacked auto-encoder,SAE)算法的故障诊断新方法.首先,利用顺序统计滤波包络法来改进经验小波变换完成对振动信号的分解,得到一组经验小波分量并计算其与原始信号之间的K-L散度值,以剔除干扰分量.然后,选取K-L散度值低的经验小波分量作为SAE的输入数据进行特征的自适应提取,再用Softmax分类器完成故障诊断,并在堆栈自编码器训练过程中引入樽海鞘群算法实现参数寻优.最后,在10 kV油浸式变压器上搭建数据采集平台进行故障模拟及分类测试.实验结果表明,所提方法的分类精度达99.5%,在识别准确率、诊断时间上均优于对比方法.

关 键 词：配电变压器 故障诊断  改进经验小波变换  K-L散度  樽海鞘群算法  堆栈自编码器  

分 类 号：TM41]