基于EMD-PCA-DeepConvLSTM的变压器智能故障诊断方法

doi:10.13599/j.cnki.11-5130.2025.05.024

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于EMD-PCA-DeepConvLSTM的变压器智能故障诊断方法

更新时间：2025-11-07

- 基于EMD-PCA-DeepConvLSTM的变压器智能故障诊断方法
- Vol. 48, Issue 5, Pages: 89-92(2025)
- 作者机构：
  
  杭州水利水电勘测设计院有限公司
- 作者简介：
- 基金信息：
- DOI：10.13599/j.cnki.11-5130.2025.05.024
  CLC： TM407
- Published：2025
- 稿件说明：
移动端阅览
[J]. 2025, 48(5): 89-92.
DOI：

[J]. 2025, 48(5): 89-92. DOI： 10.13599/j.cnki.11-5130.2025.05.024.

摘要

随着变压器在电力系统中的重要性不断提升，故障检测和诊断技术的高效性已成为保障电力系统稳定运行的关键因素。为此，本文提出了结合经验模态分解(Empirical Mode Decomposition，EMD)、主成分分析(Principal Component Analysis，PCA)和深度卷积长短时记忆网络(Deep Convolutional Long Short-Term Memory，DeepConvLSTM)相结合的智能故障诊断方法。该方法首先利用EMD对变压器监测信号进行分解，将原始信号分解为多个本征模态函数(IMF)和残余项，从而提取出不同频段的故障信息。随后，应用PCA对每个IMF分量进行降维，去除冗余特征并保留最具代表性的故障信息，进而将不同频段的特征进行拼接，形成样本的主要特征。最后，将降维后的特征输入DeepConvLSTM网络进行状态识别与分类。实验结果表明，基于EMD-PCA-DeepConvLSTM的智能故障诊断方法能够实现超过99%的准确率，显著优于传统方法。该方法为变压器故障检测提供了一种高效、智能的解决方案，有效提升了电力系统的可靠性与安全性。

Abstract

关键词

Keywords

references

袁科研,兰媛,黄家海,马晓宝,王君,李国彦,李利娜.基于GADF和ResNet的轴向柱塞泵复合故障诊断研究[J].机电工程,2023(06).

唐克银,姜泽伟,于文蓬.山区长距离供水工程提水泵站高压直配供电方案设计[J].水利技术监督,2021(06).

乔志城,刘永强,廖英英.改进经验小波变换与最小熵解卷积在铁路轴承故障诊断中的应用[J].振动与冲击,2021(02).

任浩,屈剑锋,柴毅,唐秋,叶欣.深度学习在故障诊断领域中的研究现状与挑战[J].控制与决策,2017(08).

余文辉,王沾,曾祥君,刘楚.基于贝叶斯网络的多状态变压器可靠性跟踪分析[J].电力系统保护与控制,2015(06).

刘冬生,赵辉,王红君,岳有军.基于小波分析和神经网络的电机故障诊断方法研究[J].天津理工大学学报,2009(01).

梁立生.虹吸式雨量计常见故障诊断及其排除方法[J].水利技术监督,2009(01).

李东海.继电保护在小水电系统中的应用及发展[J].水利技术监督,2008(03).

赵月明,陈在平.基于遗传-神经网络的电机故障诊断[J].天津理工大学学报,2006(05).

袁科研.基于图神经网络的轴向柱塞泵故障诊断方法研究[D].太原理工大学,2023(02).

Yongshuang Jin,Hang Wu,Jianfeng Zheng,Ji Zhang,Zhi Liu.Power Transformer Fault Diagnosis Based on Improved BP Neural Network[J].Electronics,2023.

Shaohua Yang,Zhiliang Liu,Guoliang Lu.Early Change Detection in Dynamical Bearing Degradation Process Based on Hierarchical Graph Model and Adaptive Inputs Weighting Fusion[J].IEEE Transactions on Industrial Informatics,2020.

Wang Teng,Liu Zheng,Lu Guoliang,Liu Jie.Temporal-Spatio Graph Based Spectrum Analysis for Bearing Fault Detection and Diagnosis[J].IEEE Transactions on Industrial Electronics,2020.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

66 kV变压器油色谱数据异常原因分析及处理

电力系统铁磁谐振检测技术综述及展望

变压器油中溶解气体异常分析

腐蚀性硫导致变压器故障的分析与研究

光伏电站低倍聚光增发系统技术应用

Related Author

杨成旺

陈树峰

刘持源

翟志亮

朱理想

姬生飞

马国梅

张建所

Related Institution

吉林松江河水力发电有限责任公司

南京工业大学电气工程与控制科学学院

南京南瑞继保电气有限公司

国网宁夏电力公司吴忠供电公司

黄冈职业技术学院

AI问答

⁰