- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第33卷 第1期 仪 器 仪 表 学 报 Vol33No1
2012年1月 ChineseJournalofScientificInstrument Jan.2012
基于重构贡献和灰关联熵的变压器诊断方法
1,2 1 1 3
唐勇波 ,桂卫华 ,彭 涛 ,欧阳伟
(1中南大学信息科学与工程学院 长沙 410083;2宜春学院物理科学与工程技术学院 宜春 336000;
3中国瑞林工程技术有限公司 南昌 330002)
摘 要:提出了一种基于重构贡献和灰关联熵相结合的变压器故障诊断新方法。该方法在利用油中溶解气体分析数据建立主
元模型后,基于故障重构的思想,计算样本各变量重构贡献率作为特征量,规格化处理来提取变压器油中溶解气体的故障特征
信息。为了克服单一灰关联分析中易造成局部关联及信息损失等缺陷,采用灰关联熵方法进行变压器故障类型诊断。实例研
究结果表明,该方法具有良好的故障识别能力,提高了故障诊断的准确性。
关键词:主元分析;重构贡献;灰关联熵;变压器;故障诊断
A 国家标准学科分类代码:520.2040
中图分类号:TM411 TP277 文献标识码:
Transformerfaultdiagnosismethodbasedonreconstructionbased
contributionandgreyrelationentropy
1,2 1 1 3
TangYongbo ,GuiWeihua,PengTao,OuyangWei
(1SchoolofInformationScienceandEngineering,CentralSouthUniversity,Changsha410083,China;
2SchoolofPhysicalScienceandEngineering,YichunUniversity,Yichun336000,China;
3ChinaNerinEngineeringCo.,Ltd,Nanchang330002,China)
Abstract:Anewtransformerfaultdiagnosismethodbasedonreconstructionbasedcontribution(RBC)andgreyre
lationentropyisproposed.Afterestablishingtheprincipalcomponentanalysis(PCA)modelofdissolvedgasinoil,
basedontheideaoffaultreconstruction,theproposedmethodextractsthefeatureinformationofdissolvedgasinoil
throughcalculatingRBCsandnormalization.Inordertoovercometheshortcomingsoforiginalgreyrelationanalysis,
suchaspartialrelationandinformationlosing,theproposedmethodadoptsgreyrelationentropytocarryouttrans
formerfaultdiagnosis.Experimentalresultsshowthattheproposedmethodhasverygoodfaultdistinguishingability
andenhancesfaultdiagnosisaccuracy.
Keywords:principalcomponentanalysis(PCA);re
原创力文档


文档评论(0)