基于多尺度熵分析与改进SVM的变压器故障识别

作者：邵凯旋; 何怡刚^*; 汪磊

来源：电子测量与仪器学报, 2022, 36(06): 161-168.

DOI：10.13382/j.jemi.B2104980

• 变压器故障识别
• 多尺度标准差模糊熵
• 支持向量机
• 哈里斯鹰优化算法

为解决传统变压器故障识别方法提取故障特征难度大、识别准确率低等问题，提出基于多尺度标准差模糊熵(SDMFE)和哈里斯鹰算法(HHO)优化支持向量机(SVM)的故障识别方法。首先，采用基于模糊熵的多尺度分析法量化变压器振动信号复杂的动态特性，提取多时间尺度下的故障特征。随后，将利用SDMFE获得的故障特征输入SVM分类器识别变压器不同的故障。同时，为了提升SVM的识别性能，引入HHO算法以自适应、准确地选择SVM参数。最后，利用变压器实测振动信号进行了对比试验。与不同的信息熵、不同的优化策略和不同的分类器相比，所提方法取得98.56%的最高识别准确度和最好的识别稳定性。结果表明所提方法能够有效提取故障敏感特征和准确识别变压器故障状态。

• 单位
  武汉大学; 自动化学院