本發(fā)明涉及變壓器故障診斷領(lǐng)域，具體地，涉及一種基于改進層次聚類的變壓器故障診斷方法。
背景技術(shù)：
：變壓器是電網(wǎng)中最重要且貴重的電氣設(shè)備之一，其運行狀態(tài)的安全與否直接關(guān)系到整個電力系統(tǒng)的安全性和穩(wěn)定性。變壓器在運行過程中，受到各種過電壓，大電流的沖擊影響，將導(dǎo)致的繞組鐵芯等部件的松動，伴隨絕緣老化、劣化，必然會引起一些故障的出現(xiàn)。從國內(nèi)外關(guān)于變壓器故障的統(tǒng)計分析得出：因繞組變形、繞組和鐵芯壓緊松動等引起的機械故障是變壓器故障的主要組成部分。因此，為了保證電網(wǎng)安全運行，十分有必要對變壓器繞組及鐵芯的狀態(tài)監(jiān)測與故障診斷方法進行研究。目前，變壓器繞組變形檢測方法有短路阻抗法、頻率響應(yīng)法、低壓脈沖法和振動分析法。其中，振動分析法通過分析變壓器箱體表面的振動信號來監(jiān)測繞組和鐵芯的狀況。振動法檢測變壓器靈敏度高、安全可靠，在線監(jiān)測時整個監(jiān)測系統(tǒng)與電力系統(tǒng)無電氣連接，在檢測變壓器繞組和鐵芯的狀態(tài)時表現(xiàn)出良好的性能。振動檢測法的關(guān)鍵在于如何從振動信號中有效提取特征信息，建立振動特征與故障的對應(yīng)關(guān)系。變壓器振動信號屬于非線性非平穩(wěn)信號，且含有大量噪聲，采用傳統(tǒng)的快速傅里葉變換進行振動信號分析會產(chǎn)生較大的誤差，不能真實準確地表征變壓器振動的自然特征。小波分析可對變壓器振動信號進行時域和頻域綜合分析，能有效在線診斷變壓器機械故障。但其在高頻頻段其頻率分辨率較差，而在低頻頻段其時間分辨率較差，對非線性信號有局限性。希爾伯特-黃分析方法是一種全新的分解方法，可以根據(jù)被分析信號本身的特點，自適應(yīng)地選擇頻帶，確定信號的不同頻帶的分辨率。因此，消除了小波分析的模糊和不清晰，比較適合變壓器振動信號的特點。層次聚類分析是對給定的數(shù)據(jù)對象進行層次的分類，直到滿足條件為止。層次聚類分析算法具有距離和規(guī)則的相似度容易定義，不需要預(yù)先制定聚類數(shù)，層次結(jié)構(gòu)清晰等優(yōu)點，但其在每合并完一個類后，就必須重新計算合并后的類間距離。這對于大量數(shù)據(jù)集合來說，計算量驚人，運行時間長。綜上所述，本申請發(fā)明人在實現(xiàn)本申請發(fā)明技術(shù)方案的過程中，發(fā)現(xiàn)上述技術(shù)至少存在如下技術(shù)問題：在現(xiàn)有技術(shù)中，現(xiàn)有的變壓器故障診斷方法采用傳統(tǒng)的層次聚類分析，存在計算量大，運行時間長的技術(shù)問題。技術(shù)實現(xiàn)要素：本發(fā)明提供了一種基于改進層次聚類的變壓器故障診斷方法，解決了現(xiàn)有的變壓器故障診斷方法采用傳統(tǒng)的層次聚類分析，存在計算量大，運行時間長的技術(shù)問題，實現(xiàn)了對變壓器故障狀態(tài)的快速有效診斷的技術(shù)效果。其中，本申請中的變壓器故障診斷方法，將傳統(tǒng)的層次聚類分析可進為將對象合并后不重新計算距離，而是直接利用初始距離矩陣的數(shù)據(jù)，節(jié)省大量的計算時間，從而提高對象合并速度。為解決上述技術(shù)問題，本申請?zhí)峁┝艘环N基于改進層次聚類的變壓器故障診斷方法，包括步驟：s100：建立變壓器振動信號采集系統(tǒng)，如圖2所示。對變壓器每相繞組對應(yīng)的箱壁中部、底部以及箱壁側(cè)面位置進行采樣數(shù)據(jù)，以獲取不同狀態(tài)下變壓器振動信號；s200：通過希爾伯特-黃變換中集合經(jīng)驗?zāi)Ｊ椒纸?eemd)方法提取變壓器振動信號的特征向量；s300：計算任意兩個特征值對象之間的距離d(i,j)；s400：存儲在一維數(shù)組d中，并對一維數(shù)組d按升冪的次序進行排序；s500：對d中的當前元素，首先判定這兩個對象是否已合并成一類，如果沒有，就將這兩個對象合成一個類，如果其中一個已被合并到某一類，則將另一個也合并到那個類中。如果它們已分別被合并到兩個不同的類，則將它們所在的那兩個類合并成一個類；s600：取d中的下一個元素，重復(fù)s500，直到數(shù)組d中所有的元素處理完畢；s700：層次分類完成，確定測試變壓器所處的狀態(tài)。在所述步驟s100中，變壓器振動信號采集系統(tǒng)，具體包括步驟：變壓器振動信號采集系統(tǒng)包括加速度傳感器、數(shù)據(jù)采集卡、計算機。采集數(shù)據(jù)時，將3個icp型加速度振動傳感器(靈敏度為100mv/g)經(jīng)永磁體固定在高壓側(cè)箱壁，即每相繞組對應(yīng)的箱壁中部、底部以及箱壁側(cè)面位置進行采樣數(shù)據(jù)。振動數(shù)據(jù)采樣頻率為25.6khz。在所述步驟s200中，通過希爾伯特-黃變換方法處理試驗所得的變壓器振動信號，具體包括步驟：希爾伯特-黃變換分析方法處理變壓器振動信號主要分為兩個部分，前一部分的核心是集合經(jīng)驗?zāi)B(tài)分解(eemd)，把變壓器振動信號分解成若干個本征模態(tài)函數(shù)；后一部分是對本征模態(tài)函數(shù)(imf)進行希爾伯特變換，得到每一個imf隨時間變化的瞬時頻率和振幅，并計算出每個imf分量的能量ej，最終提取到變壓器的狀態(tài)特征向量。在所述步驟s200中，通過集合經(jīng)驗?zāi)B(tài)分解方法提取變壓器狀態(tài)特征向量，具體包括步驟：a1：在檢測到的變壓器原始振動信號x(t)上加入白噪聲序列ω(t)，得到改變后的振動信號x(t)：x(t)＝x(t)+ω(t)(1)a2：運用經(jīng)驗?zāi)B(tài)分解將加入白噪聲后的振動信號x(t)分解為imf分量；式中，hj為x(t)分解的第j個imf分量，rn為對x(t)分解后的余項，n為分解層數(shù)；a3：每次在x(t)加入不同的白噪聲序列ωi(t)(i＝1,2,…,n)，反復(fù)重復(fù)步驟a1、a2，則將第i次改變后的振動信號xi(t)；xi(t)＝x(t)+ωi(t)(3)分解成式中，hij為xi(t)分解的第j個imf分量，rin為對xi(t)分解后的余項；a4：分解得到的各個imf的均值作為最終結(jié)果；式中，hj(t)'表示對變壓器原始振動信號x(t)進行eemd分解得到的第j個imf分量；a5：對eemd分解后的imf分量進行希爾伯特變換，得到每個imf分量隨時間變化的瞬時頻率和振幅，并計算出每個imf分量的能量ej；式中，aj(i)為第j個imf分量的振幅；nimf為每個imf分量的長度；a6：計算第j個imf分量的特征值vj，并由n個vj構(gòu)成變壓器特征向量v，即：v＝[v1,v2,…,vn](8)該特征向量v能綜合表征變壓器繞組的狀態(tài)信息。本申請?zhí)峁┑囊粋€或多個技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點：本發(fā)明提出了一種基于改進層次聚類的變壓器故障診斷方法，對變壓器振動信號特征值進行分類，有效實現(xiàn)了變壓器的在線監(jiān)測與故障診斷。該方法首先建立了變壓器振動信號采集系統(tǒng)，對變壓器每相繞組對應(yīng)的箱壁中部、底部以及箱壁側(cè)面位置進行采樣數(shù)據(jù)，獲得變壓器振動信號。其次，運用希爾伯特-黃變換方法處理試驗所得的變壓器振動信號。本方法運用集合經(jīng)驗?zāi)Ｊ椒纸?eemd)方法提取了變壓器狀態(tài)特征向量，得到變壓器正常狀態(tài)、繞組軸向變形、繞組徑向變形、鐵芯故障這4種狀態(tài)特征向量，以確定變壓器故障狀態(tài)分類。最后，運用改進的凝聚層次聚類算法對測試變壓器的振動信號特征值進行層次分類。實驗結(jié)果證明了該方法能直觀識別該測試變壓器所處的狀態(tài)，實現(xiàn)對變壓器故障狀態(tài)的快速有效診斷。附圖說明此處所說明的附圖用來提供對本發(fā)明實施例的進一步理解，構(gòu)成本申請的一部分，并不構(gòu)成對本發(fā)明實施例的限定；圖1為基于改進層次聚類的變壓器故障診斷方法步驟流程示意圖；圖2為變壓器振動信號采集系統(tǒng)結(jié)構(gòu)示意圖；圖3為變壓器故障診斷方法流程示意圖；圖4為變壓器四種狀態(tài)聚類示意圖；圖5為基于改進層次聚類算法的變壓器狀態(tài)聚類示意圖；圖6為變壓器故障診斷結(jié)果示意圖。具體實施方式本發(fā)明提供了一種基于改進層次聚類的變壓器故障診斷方法，解決了現(xiàn)有的變壓器故障診斷方法采用傳統(tǒng)的層次聚類分析，存在計算量大，運行時間長的技術(shù)問題，實現(xiàn)了對變壓器故障狀態(tài)的快速有效診斷的技術(shù)效果。為了能夠更清楚地理解本發(fā)明的上述目的、特征和優(yōu)點，下面結(jié)合附圖和具體實施方式對本發(fā)明進行進一步的詳細描述。需要說明的是，在相互不沖突的情況下，本申請的實施例及實施例中的特征可以相互組合。在下面的描述中闡述了很多具體細節(jié)以便于充分理解本發(fā)明，但是，本發(fā)明還可以采用其他不同于在此描述范圍內(nèi)的其他方式來實施，因此，本發(fā)明的保護范圍并不受下面公開的具體實施例的限制。請參考圖1-圖3，本申請?zhí)峁┝艘环N基于改進層次聚類的變壓器故障診斷方法，其流程圖如圖1所示，包括如下步驟：s100：建立變壓器振動信號采集系統(tǒng)：變壓器的振動是由變壓器本體(鐵芯、繞組)的振動及冷卻裝置的振動產(chǎn)生的。由于如風(fēng)扇等冷卻裝置引起的振動信號頻率均小于100hz，與變壓器本體振動特性明顯不同，本發(fā)明主要針對的是變壓器本體振動。研究表明，變壓器的鐵芯振動絕大多數(shù)都是硅鋼片的磁致伸縮效應(yīng)導(dǎo)致的，通常用磁致伸縮率ε來表征，如式(9)所示。式中，l和δl分別表示鐵芯硅鋼片線性長度和發(fā)生磁致伸縮時最大變形量。可知，變壓器鐵芯振動劇烈程度隨著硅鋼片的磁致伸縮率ε的增大而增大。磁致伸縮使得鐵芯按兩倍于勵磁電流的頻率振動，即100hz。由于磁致伸縮的非線性以及多級鐵芯中心柱和鐵軛截面的不同,導(dǎo)致鐵芯內(nèi)磁通不為正弦波，使鐵芯振動信號還包含高頻分量。變壓器鐵芯與繞組之間由于繞組中的負載電流而存在漏磁通，繞組中的載流導(dǎo)體在漏磁場中會受到電磁力f的作用，該電磁力是引發(fā)變壓器繞組振動的主要原因，可表示為：f＝bi2(10)式中，b表示變壓器繞組所受的電磁力的系數(shù)，i為繞組電流?？煽闯鲭姶帕Φ念l率是電網(wǎng)頻率的兩倍。為了簡化問題，假設(shè)在振動信號處理之前已將100hz以下的振動信號濾除，此時變壓器油箱表面的振動可認為是繞組與鐵芯各個方向的振動信號通過固體或液體的傳遞、衰減在箱體表面的疊加，因此油箱表面振動大小vtank可表示為繞組振動vwinding和鐵芯振動vcore與其各自衰減系數(shù)的乘積之和，即：vtank＝c1vwinding+c2vcore(11)式中，c1和c2分別表示繞組和鐵芯振動的傳遞系數(shù)。變壓器振動信號采集系統(tǒng)的主要目的是通過對變壓器油箱表面振動信號的檢測來研究箱體表面不同位置的振動情況。如圖2所示，變壓器振動信號采集系統(tǒng)包括加速度傳感器、數(shù)據(jù)采集卡、計算機。采集數(shù)據(jù)時，將3個icp型加速度振動傳感器(靈敏度為100mv/g)經(jīng)永磁體固定在高壓側(cè)箱壁，即每相繞組對應(yīng)的箱壁中部、底部以及箱壁側(cè)面位置進行采樣數(shù)據(jù)。振動數(shù)據(jù)采樣頻率為25.6khz。s200：通過希爾伯特-黃變換方法處理試驗所得的變壓器振動信號；變壓器振動信號屬于非線性非平穩(wěn)信號，且含有大量噪聲，采用傳統(tǒng)的快速傅里葉變換進行振動信號分析會產(chǎn)生較大的誤差，不能真實準確地表征變壓器振動的自然特征。上世紀末，美國nasa的nordene.huang提出了適用于非穩(wěn)態(tài)、非線性信號處理的希爾伯特-黃變換(hilbert-huangtransform，htt)。htt由經(jīng)驗?zāi)B(tài)分解(emd)和希爾伯特變換(ht)組成。emd指把復(fù)雜的原始信號分解成若干個本征模態(tài)函數(shù)(imf)和一個殘余信號的和的過程，但emd在分析過程中會由于信號極值點分布不均勻而產(chǎn)生嚴重的模態(tài)混疊現(xiàn)象。huang提出了emd的改進方法-集合經(jīng)驗?zāi)B(tài)分解(eemd)，通過添加強度相同但序列不同的白噪聲來補充有缺失的信號，并對其進行分解。本發(fā)明運用希爾伯特-黃變換分析方法處理變壓器振動信號主要分為兩個部分，前一部分的核心是集合經(jīng)驗?zāi)B(tài)分解(eemd)，把變壓器振動信號分解成若干個本征模態(tài)函數(shù)；后一部分是對本征模態(tài)函數(shù)(imf)進行希爾伯特變換，得到每一個imf隨時間變化的瞬時頻率和振幅，并計算出每個imf分量的能量ej，最終提取到變壓器的狀態(tài)特征向量。通過集合經(jīng)驗?zāi)B(tài)分解方法提取變壓器狀態(tài)特征向量，具體包括步驟：a1：在檢測到的變壓器原始振動信號x(t)上加入白噪聲序列ω(t)，得到改變后的振動信號x(t)：x(t)＝x(t)+ω(t)(1)a2：運用經(jīng)驗?zāi)B(tài)分解將加入白噪聲后的振動信號x(t)分解為imf分量；式中，hj為x(t)分解的第j個imf分量，rn為對x(t)分解后的余項，n為分解層數(shù)；a3：每次在x(t)加入不同的白噪聲序列ωi(t)(i＝1,2,…,n)，反復(fù)重復(fù)步驟a1、a2，則將第i次改變后的振動信號xi(t)；xi(t)＝x(t)+ωi(t)(3)分解成式中，hij為xi(t)分解的第j個imf分量，rin為對xi(t)分解后的余項；a4：分解得到的各個imf的均值作為最終結(jié)果；式中，hj(t)'表示對變壓器原始振動信號x(t)進行eemd分解得到的第j個imf分量；a5：對eemd分解后的imf分量進行希爾伯特變換，得到每個imf分量隨時間變化的瞬時頻率和振幅，并計算出每個imf分量的能量ej；式中，aj(i)為第j個imf分量的振幅；nimf為每個imf分量的長度；a6：計算第j個imf分量的特征值vj，并由n個vj構(gòu)成變壓器特征向量v，即：v＝[v1,v2,…,vn](8)該特征向量v能綜合表征變壓器繞組的狀態(tài)信息。層次聚類分析是對給定的數(shù)據(jù)對象進行層次的分類，直到滿足條件為止。按照層次形成方式，可分為凝聚和分裂的層次聚類算法。凝聚的層次聚類是一種自底向上的策略。首先，將每個對象自為一類，然后這些類根據(jù)某種準則逐步合并，直到所有對象最終合并形成一個類。分裂的層次聚類則相反，采取的自頂向下的策略。然而，分裂方法的效率和性能較凝聚方法低。因此，本發(fā)明采用凝聚的層次聚類算法。層次聚類算法需要從以下兩方面進行分析：(1)距離度量準則的選擇計算對象間的距離d(i,j)是經(jīng)常采用的求相異度的方法?？刹捎瞄h可夫斯基距離度量準則，如式(12)所示。式中，假設(shè)i＝(xi1,xi2,…,xip)和j＝(xj1,xj2,…,xjp)是兩個p維的數(shù)據(jù)對象。當m＝1時為城市街區(qū)(city-block)距離，m＝2時為歐幾里得(euclid)距離。(2)類間距離度量算法的選擇對于任意兩個類之間的距離度量，廣泛采用以下四種方法：a)最短距離法(single-link)：b)最長距離法(complete-link)：c)平均值距離法：dmean(ci,cj)＝|mi-mj|(15)d)平均距離法(average-link)：式中，|q-q'|是兩個對象q和q’之間的距離，ci和cj是類對象，mi、mj分別是類ci、cj的平均值，ni、nj分別是類ci、cj中對象的數(shù)目。層次聚類算法的距離和規(guī)則容易定義，限制少，不需要預(yù)先制定聚類數(shù)，但運用上述方法時各有缺陷。比如，最短距離法容易受鏈式結(jié)構(gòu)的影響，平均距離法和最長距離法傾向于集中在內(nèi)部集合上形成同種的緊密類，平均值距離法聚類可能導(dǎo)致逆增。因此，還需結(jié)合實際情況選擇層次聚類算法。本發(fā)明通過對層次聚類算法距離度量準則和類間距離度量算法進行選擇、對比，并從運行時間和相關(guān)系數(shù)考察，從而找出聚類效果最好的算法。相關(guān)系數(shù)是用來檢驗層次聚類算法下產(chǎn)生的聚類樹和實際情況的相符程度，這個值越大說明與實際相符程度越高。算法對比結(jié)果如表1所示。表1層次聚類算法對比算法運行時間相關(guān)系數(shù)故障診斷結(jié)果cityblock-average0.3666500.9518繞組軸向以及徑向變形euclid-average0.3223640.9518繞組軸向以及徑向變形euclid-single0.3410010.9497繞組軸向以及徑向變形、鐵芯故障改進euclid-single0.2623060.9502繞組軸向以及徑向變形、鐵芯故障(1)距離度量準則的選擇從表1可以看出，cityblock距離和euclid距離算法聚類效果相同，即分類得出兩種變壓器故障狀態(tài)，相關(guān)系數(shù)也相同。但euclid距離算法的運行時間較短，故本發(fā)明選擇euclid距離算法。(2)類間距離度量算法的選擇從表1可以看出，single算法比average算法多分類出一種故障，說明single算法的聚類效果好。本發(fā)明選擇single算法。為了識別變壓器狀態(tài)類型，本發(fā)明應(yīng)用eemd提取變壓器正常狀態(tài)、繞組軸向變形、繞組徑向變形和鐵芯故障的狀態(tài)特征向量，并對其進行層次聚類，如圖4所示。得到了變壓器四種狀態(tài)分類結(jié)果，以便實現(xiàn)對變壓器狀態(tài)的直觀分類和識別。實際上，層次聚類算法在每合并完一個類后，就必須重新計算合并后的類間距離。這對于大量數(shù)據(jù)集合來說，計算量驚人，運行時間長。若能使對象合并后不需重新計算距離，而是直接利用初始距離矩陣的數(shù)據(jù)，那么就可以節(jié)省大量的計算時間，從而提高對象合并速度。因此，本發(fā)明還需對層次聚類算法進行改進來提高層次聚類的速度。改進的凝聚層次聚類算法步驟如下：s300：計算任意兩個特征值對象之間的距離d(i,j)；s400：存儲在一維數(shù)組d中，并對一維數(shù)組d按升冪的次序進行排序；s500：對d中的當前元素，首先判定這兩個對象是否已合并成一類，如果沒有，就將這兩個對象合成一個類，如果其中一個已被合并到某一類，則將另一個也合并到那個類中。如果它們已分別被合并到兩個不同的類，則將它們所在的那兩個類合并成一個類；s600：取d中的下一個元素，重復(fù)s500，直到數(shù)組d中所有的元素處理完畢；s700：層次分類完成，確定測試變壓器所處的狀態(tài)。為了提高層次聚類算法的速度，本發(fā)明對euclid-single算法進行改進，并與原算法進行對比。從表1可以看出，改進后的算法和原算法聚類結(jié)果相同，但其運行時間更短，相關(guān)系數(shù)更高。本發(fā)明采用改進euclid-single層次聚類算法對測試變壓器的振動信號特征值進行分類，得出了最終的故障診斷結(jié)果，如圖5和圖6所示。實驗結(jié)果直觀地顯示出測試變壓器有鐵芯故障、繞組軸向變形和徑向變形故障，與實際故障相同，可見改進的層次聚類算法故障診斷變壓器狀態(tài)的效果好。上述本申請實施例中的技術(shù)方案，至少具有如下的技術(shù)效果或優(yōu)點：本發(fā)明提出了一種基于改進層次聚類的變壓器故障診斷方法，對變壓器振動信號特征值進行分類，有效實現(xiàn)了變壓器的在線監(jiān)測與故障診斷。該方法首先建立了變壓器振動信號采集系統(tǒng)，對變壓器每相繞組對應(yīng)的箱壁中部、底部以及箱壁側(cè)面位置進行采樣數(shù)據(jù)，獲得變壓器振動信號。其次，運用希爾伯特-黃變換方法處理試驗所得的變壓器振動信號。本方法運用集合經(jīng)驗?zāi)Ｊ椒纸?eemd)方法提取了變壓器狀態(tài)特征向量，得到變壓器正常狀態(tài)、繞組軸向變形、繞組徑向變形、鐵芯故障這4種狀態(tài)特征向量，以確定變壓器故障狀態(tài)分類。最后，運用改進的凝聚層次聚類算法對測試變壓器的振動信號特征值進行層次分類。實驗結(jié)果證明了該方法能直觀識別該測試變壓器所處的狀態(tài)，實現(xiàn)對變壓器故障狀態(tài)的快速有效診斷。盡管已描述了本發(fā)明的優(yōu)選實施例，但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造性概念，則可對這些實施例作出另外的變更和修改。所以，所附權(quán)利要求意欲解釋為包括優(yōu)選實施例以及落入本發(fā)明范圍的所有變更和修改。顯然，本領(lǐng)域的技術(shù)人員可以對本發(fā)明進行各種改動和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動和變型在內(nèi)。當前第1頁12