基于振动分布特征的电力变压器绕组故障诊断

振动分析法是实现电力变压器带电监测与故障诊断的重要手段,而基于振动分析法的故障诊断方法的关键在于从复杂的油箱壁振动信号中提取出状态特征(值或矢量)。传统的状态特征提取方法大多选取单个测点的振动信号进行时域或频域特征的提取,往往忽略了各测点间的振动分布特征。从振动重心的角度对振动分布的幅值重心及重心轨迹进行研究与分析,能够提出四个量化参数。在四个量化参数的基础上结合支持向量机分类算法提出基于振动分布特征的变压器绕组故障诊断模型。实际变压器的绕组故障实验以及十余台台电力变压器现场实测数据样本的分析与测试结果均表明,提出的振动分布特征及量化参数能够有效反映变压器绕组变形、压紧力松弛等机械结构变化,而基于振动分布特征的绕组故障诊断模型也可准确的对变压器绕组机械结构状态进行检测与诊断。

快速DOA估计算法研究

针对传统多信号分类(MUISC)算法运算量大、复杂度高、不利于工程实现的问题,对MUSIC算法的快速到达方向(DOA)估计进行了研究。使用传播算子(PM)算法与对称压缩谱相结合的测向方式实现快速DOA估计,首先通过协方差矩阵划分的方式,直接求出与噪声子空间等价的传播算子矩阵,避免了特征分解较高的计算复杂度和运算量,然后再通过对称压缩谱算法优化谱峰搜索,使得谱峰搜索的运算量减半。通过谱压缩的求解方法会产生镜像对称的入射角,最后对模糊值进行解模糊即可获得正确的入射角。通过仿真验证,该算法具有较好的估计性能。