基于经验模态分解及支持向量机的高压隔离开关机械故障-高压电器.PDFVIP

第54卷 第9期：0012-0018 Vol.54，No.9：0012-0018 2018年9月16日 HighVoltageApparatus Sep.16，2018 DOI:10.13296/j.1001-1609.hva.2018.09.003 基于经验模态分解及支持向量机的高压隔离 开关机械故障诊断方法 1 2 1 3 1 1 郭煜敬 ， 陈士刚 ， 李少华 ， 李洪涛 ， 金光耀 ， 张文涛 ， 1 4 张一茗 ， 关永刚 （1.平高集团有限公司，河南平顶山 467001；2.北京交通大学电气工程学院，北京 100044；3.国网江苏省电力公司电力科 学研究院，南京 211103；4.清华大学电机系电力系统及发电设备控制和仿真国家重点实验室，北京 100084） 摘要：文中将K-means聚类算法和经验模态分解（empiricalmodedecomposition，EMD）相结合，对隔离开关机 械故障进行诊断。为验证方法的有效性，搭建隔离开关运行状态在线监测系统，在某252kV隔离开关的操 动机构上选定位置安装了传感器，采集了机械振动等信号在模拟故障下的大量数据。首先利用小波包降噪 方法对信号进行预处理；其次，应用EMD和谱分析方法对振动信号进行经验模态分解，得到IMF分量并将其 能量熵作为特征量；然后，通过K-means聚类算法验证了特征提取方式的有效性；最后，通过支持向量机算法 （supportvectormachine，SVM）对样本进行训练，实现了机械故障的准确诊断，验证了该方法的有效性。 关键词：高压隔离开关；经验模态分解；能量熵；聚类；支持向量机 MechanicalFaultDiagnosisMethodofHigh⁃voltageDisconnectorBasedonEmpirical ModalDecompositionandSupportVectorMachine 1 2 1 3 1 GUOYujing ，CHENShigang ，LIShaohua ，LIHongtao ，JINGuangyao ， 1 1 4 ZHANGWentao ，ZHANGYiming ，GUANYonggang （1.PinggaoGroupCo.，Ltd.，HenanPingdingshan467001，China；2.SchoolofElectricalEngineering，BeijingJiaotongUniversity， Beijing100044，China；3.StateGridJiangsuElectricPowerResearchInstitute，Nanjing211103，China；4.StateKeyLabofControl andSimulationofPowerSystemsandGenerationEquipments，TsinghuaUniversity，Beijing100084，China） Abstract: K-meansclusteringalgorithmandEMD（empiricalmodedecomposition）areemployedtodiagnoseme⁃ chanicalfaultofisolatingswitch.Tov