关键词：变压器内部机械故障;时变滤波经验模态分解;麻雀搜索优化最小二乘支持向量机;样本熵;故障诊断
摘 要：为了准确有效地识别变压器内部的潜伏性机械故障，提出了一种基于时变滤波经验模态分解(TVFEMD)和麻雀搜索算法优化最小二乘支持向量机(SSA-LSSVM)的变压器内部机械故障诊断方法。首先，对铁心处于不同松动状态的变压器进行振动信号采集；其次，利用时变滤波改进的经验模态分解(EMD)对所得振动信号进行分解，以获取多个本征模态函数(IMF)即模态分量；然后，采用相关系数法计算IMF分量与原始振动信号的相关性，并计算相关性最大的IMF分量的样本熵，以此构建特征向量集；最后，以诊断准确率最高为目标函数，利用SSA对LSSVM的正则化参数和核函数参数进行优化，搭建SSA-LSSVM诊断模型，并利用诊断模型对特征向量集进行诊断识别，实现变压器铁心内部潜伏性机械故障的诊断。试验结果表明，所提方法能够有效识别变压器内部潜伏性机械故障，识别准确率达到了98%以上，比对比算法的识别准确率高出5%以上，达到了高识别准确率的诊断效果。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取