基于k-nearsneighbour算法的换流变压器故障诊断方法.docxVIP

基于k-nearsneighbour算法的换流变压器故障诊断方法 0 局部放电机制设计原理 随着特高压直接供电技术的快速发展，永交能源装置的绝缘状况的质量直接影响着永交能源装置的可靠性。换流变压器阀侧绕组承受着交、直流和脉冲电压的共同作用，随着直流输电电压等级的不断提高，换流变压器内部油纸绝缘结构的某些薄弱环节就会产生甚至加剧局部放电，这会导致换流变压器的运行出现故障。传统局部放电检测方法易受脉冲电压的干扰，而超高频局部放电检测能够有效避开这些干扰的影响。因此，基于超高频局部放电信号的换流变压器故障诊断系统的建立，对建立换流变压器多参数故障诊断与安全评估体系及标准具有重要的学术意义和应用价值。 局部放电模式识别可分为统计图谱及灰度图像的识别与脉冲信号的识别，局部放电模式识别的2个基本问题是提取放电特征量与设计分类器。文献提出了人工神经网络用于局部放电信号的模式识别，但人工神经网络在学习训练过程中易陷入于局部极小点，导致无法收敛；文献提出了使用支持向量机对局部放电信号进行模式识别，但支持向量机在计算时需要进行核变换，当数据量很大时计算速度会非常慢。 本文提出了一种基于K近邻KNN(K-Neares Neighbour）算法的换流变压器故障诊断方法。在实验室设计了4种人工油纸绝缘缺陷，采用超高频天线采集局部放电信号；通过对局部放电超高频信号进行小波包多尺度变换，计算其多尺度小波系数的