(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111666970.1 (22)申请日 2021.12.31 (71)申请人 国家电网有限公司 地址 100031 北京市西城区西长安 街86号 申请人 国网山东省电力公司超高压公司 (72)发明人 安滨　于柠源　张雷　丁晶　李震　 任庆帅　刘丙伟　王人杰　夏苗　 黎昊　王冬至　潘玉美　张鹏　 刘学谦　李广韬　靳征　安琪　 肖文文　 (74)专利代理 机构 山东济南齐 鲁科技专利事务 所有限公司 37108 代理人 张娟　杨彪 (51)Int.Cl. G06K 9/00(2022.01)G06K 9/62(2022.01) G06F 17/14(2006.01) (54)发明名称 一种基于改进灰色相似关联度的变压器机 械状态诊断方法 (57)摘要 本发明公开了一种基于改进灰色相似关联 度的变压器机械状态诊断方法， 涉及变压器机械 故障诊断技术领域， 该方法包括以变压器正常状 态下的振动信号为参考信号， 未知状态的振动信 号作为待识别信号， 通过对各信号50 ‑1000Hz频 率分组并计算各组幅值占比， 与振动信号的频率 成分复杂度共同构造特征向量， 然后改进灰色相 似关联度的计算方法， 并以此表征待识别信号特 征向量与参考信号特征向量之间的关联度， 通过 其大小来诊断变压器机械状态； 本发 明将变压器 振动信号频率能量特征与频率成分特征相结合 共同反映变压器机械状态， 能够同时反映变压器 振动信号每个频段的特征变化 以及振动信号整 体的频率分布特性， 对变压器机械状态的诊断更 加准确。 权利要求书2页 说明书6页 附图3页 CN 114358073 A 2022.04.15 CN 114358073 A 1.一种基于改进灰色相似关联度的变压器机械状态诊断方法， 其特征在于： 包括以下 步骤： 步骤1.以变压器正常状态下的振动信号作为参考信号， 训练组变压器振动信号作为待 识别信号， 将所述振动信号的时域序列转化成频域序列进行计算处理， 获得信号的能量分 布； 步骤2.根据上述所得 能量分布数据计算频谱 复杂度等特征量元素， 分别构造特征向量 X0和Xi； 步骤3.基于改进的灰色相似关联度计算参考信号X0与待识别信号Xi两个序列之间的灰 色相似关联系数g(0,i)； 步骤4.基于参考信号与待识别信号的相似关联程度建立变压器机械状态诊断模型， 并 利用本模型对变压器机 械状态进行诊断。 2.根据权利要求1所述的一种基于改进灰色相似关联度的变压器机械状态诊断方法， 其特征在于： 步骤1包括以下步骤： 步骤1.1： 将采集到的各组正常状态的变压器振动信号时域序列进行滤波去噪， 再通过 傅里叶变换转换成频域序列， 在50 ‑1000Hz范围内计算50Hz及其倍频信号各自的幅值占总 幅值的比例， 并对相同频率的幅值占比求均值； 步骤1.2： 将采集的变压器振动信号分为两组， 一组作为建立诊断模型的训练数据， 一 组作为估计模型准确 性的测试数据； 训练组振动信号时域序列进行滤波去 噪， 再通过傅里 叶变换转换成频域序列， 在50 ‑1000Hz范围内计算50Hz及其倍频信号各自的幅值占总幅值 的比例， 获得信号的能量分布情况。 3.根据权利要求1所述的一种基于改进灰色相似关联度的变压器机械状态诊断方法， 其特征在于： 步骤2包括以下步骤： 步骤2.1： 将50 ‑1000Hz的频率按照100+200+300+400、 500+600+700+800+900+1000、 50Hz及其奇数倍频分为三组， 分别计算其幅值占比之和， 参考信号和待识别信号分别获得3 个特征量元素； 步骤2.2： 定义频率f的谐波能量： wf＝f/1000  (2) 式中， f＝50,100,150……1000Hz； Af—频率为f的振动谐波幅值大小； wf—频率为f的权重系数； 频率f的谐波比重： 频率成分复杂度：权　利　要　求　书 1/2 页 2 CN 114358073 A 2对参考信号和待识别信号分别计算上述指标， 将频率成分复杂度作为第4个特征量元 素， 构造特 征向量X0和Xi； 其中x(1)＝E100～400、 x(2)＝E500～1000、 x(3)＝E50、 x(4)＝OFCA。 4.根据权利要求1所述的基于改进灰色相似关联度的变压器机械状态诊断方法， 其特 征在于， 所述 步骤3包括以下步骤： 特征向量X0与Xi在m点处的距离： 特征向量X0与Xi在m点处的改进灰色相似关联系数： 其中， 当频率成分复杂度低于阈值时不改变相似关联系数的大小； 特征向量X0与Xi的改进灰色相似关联度： 5.根据权利要求1所述的基于改进灰色相似关联度的变压器机械状态诊断方法， 其特 征在于， 所述 步骤4包括以下步骤： 步骤4.1： 利用训练组振动信号建立变压器机械状态诊断模型， 根据训练组中存在不同 机械故障的变压器振动信号与参考信号之 间的改进灰色相似关联度值划分阈值， 使故障与 非故障状态的变压器能够很好区分； 步骤4.2： 利用步骤4.1所述变压器机械状态诊断模型对测试组的变压器机械状态进行 诊断： 当测试组振动信号与参考信号之间的改进灰色关联相似度gi高于设定阈值时， 表示 待识别信号与参考信号关联度达标， 待识别变压器机械状态正常， 改进灰色关联相似度越 大， 变压器机械状态越好； 改进灰色关联相似度gi低于设定阈值时， 待识别变压器机械状态 产生较大变化， 甚至存在故障， 改进灰色 关联相似度越小， 机 械状态改变越大， 故障越严重 。权　利　要　求　书 2/2 页 3 CN 114358073 A 3