一种基于SVM算法的电力变压器机械故障智能诊断模型

• 作者: 臧春艳 曾军 李鹏 刘宏亮 张仲程 孙路 刘耀云
• 来源期刊: 高压电器
• 关键词: 电力变压器 振动信号 支持向量机 智能故障诊断
• 年，卷（期）: 2024,（12）
• 所属期刊栏目: 技术讨论
• 页码范围: 216-222,229
• 页数: 8页
• 语种: 中文
• DOI: 10.13296/j.1001-1609.hva.2023.12.026

摘要

振动分析法是一种变压器机械故障的非电量诊断方法，该方法通过分析变压器油箱表面的振动特征，可以诊断变压器内部的绕组变形或铁心松动等故障。SVM是一种新型的机器学习方法，能够在小样本的情况下训练得到泛化能力强的分类模型。文中基于振动信号和SVM算法构建了一种变压器智能诊断模型，通过对试点变压器的上百组振动信号数据进行采集和频谱特征提取，在此基础上构建了SVM训练数据集，训练了单值υ-SVM故障诊断模型并取得了较好的效果，从而验证了该模型的有效性，可为相关研究者提供一定参考。