基于ICEEMDAN多尺度模糊熵和MVO-KELM的变压器绕组铁心机械故障诊断

作者：崔星; 陈静; 孙婧琪; 杜瑞; 毛瑞新; 吴金利

来源：电机与控制应用, 2023, 50(10): 81-90.

• 电力变压器
• 绕组铁心
• 故障诊断
• 多元宇宙优化算法
• 核极限学习机

针对变压器绕组铁心机械故障诊断精度不足的问题，提出了一种基于改进自适应白噪声完整集成经验模态分解(ICEEMDAN)多尺度模糊熵(MFE)和多元宇宙优化算法优化核极限学习机(MVO-KELM)的变压器绕组铁心机械故障诊断方法。首先，为了避免虚假模态分量的产生，采用改进的ICEEMDAN对变压器原始振动信号进行分解。其次，利用Pearson相关系数法选取相关性最高的模态分量，并计算其MFE值。然后，将MFE值作为特征量构建特征数据集，并利用MVO优化KELM的核参数和正则化系数。最后，将特征数据集输入所建MVO-KELM模型进行分类识别，实现高准确率诊断目标。试验结果表明，所提方法具有优秀的诊断精度和稳定性，能够精确诊断变压器绕组铁心不同松动程度的故障，诊断准确率达到了99%以上，可为变压器现场检修策略的制定提供一定的指导。

• 单位
  河海大学; 电气学院