多尺度熵在變壓器振動(dòng)信號(hào)特征提取中的應(yīng)用*

李 莉，朱永利，宋亞奇（.華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院 保定，07003）（.華北電力大學(xué)新能源電力系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室 北京，006）

多尺度熵在變壓器振動(dòng)信號(hào)特征提取中的應(yīng)用*

李 莉1，朱永利2，宋亞奇1
（1.華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院 保定，071003）
（2.華北電力大學(xué)新能源電力系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室 北京，102206）

以提取變壓器繞組振動(dòng)信號(hào)有效特征為目的，對(duì)多尺度熵（multiscale entropy，簡(jiǎn)稱(chēng)MSE）適用于非平穩(wěn)非線(xiàn)性振動(dòng)信號(hào)分析的特點(diǎn)和機(jī)理進(jìn)行分析，在此基礎(chǔ)上將其引入變壓器繞組振動(dòng)信號(hào)的特征提取中。利用不同尺度內(nèi)信號(hào)樣本熵的變化來(lái)反映變壓器繞組運(yùn)行狀態(tài)的改變，將其作為一個(gè)能定量描述繞組故障信號(hào)特征的有效特征參數(shù)。實(shí)驗(yàn)數(shù)據(jù)分析表明，與樣本熵相比，多尺度熵能更好地實(shí)現(xiàn)故障信號(hào)特征的定量提取，是表征變壓器繞組不同故障信息的一種有效參數(shù)。

多尺度熵；變壓器繞組；振動(dòng)信號(hào)；特征提??；有效特征參數(shù)

引 言

變壓器振動(dòng)監(jiān)測(cè)是一種便捷的在線(xiàn)狀態(tài)檢測(cè)方法，特別是針對(duì)一些老舊大型電力變壓器抗短路能力較低和電力系統(tǒng)短路電流增大而造成變壓器損壞等事故，通過(guò)分析振動(dòng)信號(hào)可以早期診斷變壓器繞組和鐵芯存在的隱患和故障［1-5］。變壓器振動(dòng)信號(hào)研究的困難在于：a.振動(dòng)信號(hào)在傳遞中經(jīng)過(guò)的環(huán)節(jié)較多（故障點(diǎn)—結(jié)構(gòu)件—絕緣油—箱壁—測(cè)點(diǎn)），特征信息衰減耗損大，在變壓器箱體中各部件振動(dòng)的作用下，信號(hào)中的干擾激勵(lì)多，測(cè)試的振動(dòng)信號(hào)成分復(fù)雜，反映繞組狀態(tài)的特征信息相對(duì)微弱；b.由于變壓器故障的發(fā)生和發(fā)展、設(shè)備工況的變化以及設(shè)備自身的非線(xiàn)性，使得振動(dòng)信號(hào)中包含動(dòng)態(tài)、非線(xiàn)性的成分，信號(hào)表現(xiàn)出非平穩(wěn)、非線(xiàn)性的特點(diǎn)且數(shù)據(jù)量大，通常無(wú)法直接進(jìn)行設(shè)備的狀態(tài)診斷，必須經(jīng)過(guò)信號(hào)處理和特征量提取進(jìn)行分類(lèi)。

目前，信號(hào)分析常用譜分析和非線(xiàn)性分析兩種方法。譜分析是將信號(hào)從時(shí)域變換到數(shù)據(jù)量少、特征更明顯的頻域信息，通過(guò)人工觀察信號(hào)頻域的幅度、能量和功率等變化情況來(lái)判斷設(shè)備的狀態(tài)［6］。常用的時(shí)頻轉(zhuǎn)換方法主要有傅里葉變換、小波變換和希爾伯特-黃變換等。譜分析法在研究變壓器振動(dòng)信號(hào)方面已有了廣泛應(yīng)用［1，2，7-8］。在這個(gè)過(guò)程中，僅用頻域特征區(qū)分故障類(lèi)型的方法有很大的局限性，不同類(lèi)型的故障信號(hào)頻譜有一部分甚至大部分是重疊的，在頻域內(nèi)難以區(qū)分［9］。非線(xiàn)性分析將研究對(duì)象看作一個(gè)非線(xiàn)性系統(tǒng)，采用非線(xiàn)性動(dòng)力學(xué)指標(biāo)對(duì)測(cè)得信號(hào)進(jìn)行分析。針對(duì)信號(hào)的非線(xiàn)性、非平穩(wěn)特征，提出了非線(xiàn)性動(dòng)力學(xué)參數(shù)作為故障特征參數(shù)都取得了不錯(cuò)的效果。近似熵［10］是從衡量信號(hào)序列復(fù)雜性角度提出的，能定量描述某信號(hào)序列的復(fù)雜性和不規(guī)則性。信號(hào)序列產(chǎn)生新模式的概率越大，表示序列復(fù)雜性越大，近似熵值越大。樣本熵［11］是在近似熵基礎(chǔ)上經(jīng)過(guò)改進(jìn)的復(fù)雜度測(cè)試方法，避免了近似熵計(jì)算過(guò)程中導(dǎo)致結(jié)果偏差的無(wú)意義的自匹配過(guò)程，且具有所需數(shù)據(jù)少、抗噪聲和干擾能力強(qiáng)、在參數(shù)大取值范圍內(nèi)一致性好等特點(diǎn)［12］。Costa等［13］在樣本熵基礎(chǔ)上提出了多尺度熵理論，最初用于生物性時(shí)間序列的復(fù)雜性研究中。研究人員在機(jī)械設(shè)備狀態(tài)檢測(cè)和故障診斷領(lǐng)域［14-17］探討了多尺度熵的工程應(yīng)用，進(jìn)一步證明了多尺度熵比單一尺度的樣本熵更具優(yōu)越性，它既能在整體上反映其動(dòng)力學(xué)特征，又能從細(xì)節(jié)上揭示其演化特性［18］，包含了更多的信息。多尺度熵衡量了時(shí)間序列在不同尺度上的復(fù)雜性，豐富了熵的含義?？梢?jiàn)，多尺度熵在故障診斷領(lǐng)域是一種很有應(yīng)用前景的新方法，鑒于電氣領(lǐng)域與機(jī)械領(lǐng)域在故障信號(hào)特征提取上有相似性和相通性，且變壓器繞組松動(dòng)或變形本質(zhì)上會(huì)影響到變壓器繞組的機(jī)械動(dòng)力學(xué)特性的變化，筆者將非線(xiàn)性動(dòng)力學(xué)指標(biāo)多尺度熵引入變壓器振動(dòng)信號(hào)的分析中。

筆者以變壓器振動(dòng)信號(hào)有效特征的提取為目的，考慮到振動(dòng)信號(hào)所具有的特征信息衰減耗損大、信號(hào)中的干擾激勵(lì)多和數(shù)據(jù)間相關(guān)性大等特點(diǎn)，在分析多尺度熵的物理本質(zhì)及特點(diǎn)基礎(chǔ)上，提出了利用多尺度熵實(shí)現(xiàn)變壓器振動(dòng)信號(hào)特征提取的方法，并通過(guò)實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證了該方法的可行性和有效性。

1 多尺度熵算法及應(yīng)用分析

1.1 多尺度熵算法

多尺度熵由近似熵、樣本熵逐步發(fā)展而來(lái)，從描述時(shí)間序列在不同尺度上復(fù)雜性的角度提供了一種表征信號(hào)特征的無(wú)量綱指標(biāo)。多尺度熵包含3個(gè)參數(shù)τ，m和r，其中：τ為尺度因子；m為嵌入維數(shù)；r為閾值，也稱(chēng)相似系數(shù)。預(yù)先給定嵌入維數(shù)m和閾值r，其計(jì)算過(guò)程如下。

1）設(shè)原始一維時(shí)間序列為｛x1，…，xi，…，xN｝，共L個(gè)點(diǎn)。

2）構(gòu)建連續(xù)粗?；臅r(shí)間序列｛y（τ）｝

這些矢量代表了在尺度τ下從第i個(gè)點(diǎn)開(kāi)始的連續(xù)m個(gè)y值。

4）定義Y（τ）（i）與Y（τ）（j）之間的距離d［Y（τ）（i），Y（τ）（j）］為尺度τ上矢量Y（τ）（i）和Y（τ）（j）對(duì)應(yīng)元素差值的絕對(duì)值的最大值，即

其中：k=0～m-1；i，j=1～N-m+1，i≠j。

對(duì)每一個(gè)i值計(jì)算Y（τ）（i）與其余矢量Y（τ）（j）間的距離d［Y（τ）（i），Y（τ）（j）］。

5）對(duì)于給定的閾值r，對(duì)每一個(gè)i值統(tǒng)計(jì)d［Y（τ）（i），Y（τ）（j）］小于r的數(shù)目及此數(shù)目與距離總數(shù)的N-m的比值，記為Cτ，mi（r），即

當(dāng)τ=1時(shí)，序列｛y（1）｝為原始時(shí)間序列，一般取τmax≥10。

3）根據(jù)尺度τ變化得到長(zhǎng)度為N=L/τ的時(shí)間序列，按連續(xù)序號(hào)構(gòu)成一組m維矢量

7）增加維數(shù)至m+1，重復(fù)步驟3～6，得到尺度τ在m+1維數(shù)下的Cτ，m+1（r）。

理論上，當(dāng)序列長(zhǎng)度N為有限值，尺度τ時(shí)序列的樣本熵估計(jì)值為

多尺度熵定義為樣本熵在多個(gè)尺度下的集合，序列的多尺度熵值為

MSE的值與m，r的取值相關(guān)，一般取m=2，r取原序列｛x1，…，xi，…，xN｝標(biāo)準(zhǔn)差（standard deviation，簡(jiǎn)稱(chēng)SD）的0.1～0.25倍。通常序列長(zhǎng)度N取1 000點(diǎn)以上，這里取m=2，r=0.2SD，τ=10。

1.2 多尺度熵適合變壓器振動(dòng)信號(hào)分析的特點(diǎn)和

機(jī)理

從多尺度熵的算法可以看出，與樣本熵相比，多尺度熵的粗?；^(guò)程是一個(gè)頻率篩分過(guò)程，隨著尺度的變化能反映時(shí)間序列在不同尺度上的規(guī)律性，即能在細(xì)節(jié)上揭示序列演化特性。根據(jù)多尺度熵的原理及綜合相關(guān)文獻(xiàn)論述，筆者總結(jié)出多尺度熵適合于變壓器振動(dòng)信號(hào)分析的主要特點(diǎn)。

1）多尺度熵與信號(hào)序列的幅值無(wú)關(guān)，只與序列復(fù)雜度有關(guān)。由于多尺度熵是近似熵的改進(jìn)算法，反映的是信號(hào)序列在模式上的自相似程度大小，只具有相對(duì)含義而與絕對(duì)的幅值沒(méi)有關(guān)系。在變壓器振動(dòng)監(jiān)測(cè)中，測(cè)點(diǎn)的振動(dòng)響應(yīng)大小與變壓器振動(dòng)能量的傳遞有關(guān)。由于測(cè)點(diǎn)布置位置變壓器內(nèi)部結(jié)構(gòu)不同，即使相鄰測(cè)點(diǎn)的振動(dòng)響應(yīng)幅值也可能存在量級(jí)差異［19］，因此變壓器振動(dòng)信號(hào)中不同測(cè)點(diǎn)的數(shù)據(jù)序列幅值范圍不一樣，進(jìn)行多測(cè)點(diǎn)數(shù)據(jù)融合分析時(shí)，多尺度熵與幅值無(wú)關(guān)的特點(diǎn)很重要。

2）多尺度熵的計(jì)算不需要描述或重建信號(hào)序列的全貌，而只是從統(tǒng)計(jì)的角度衡量序列的復(fù)雜度，對(duì)數(shù)據(jù)量要求不高，較短的數(shù)據(jù)就可以得到合理穩(wěn)健的估計(jì)值。這個(gè)特點(diǎn)使得在較短時(shí)間內(nèi)快速提取

其中：概率Cτ，mi（r）為所有Y（τ）（j）（i≠j）與Y（τ）（i）的關(guān)聯(lián)程度，表示了序列｛Y（τ）（j）｝的規(guī)律程度。

6）求Cτ，mi（r）對(duì)所有i的平均值，即信號(hào)特征信息成為可能，適用于變壓器振動(dòng)信號(hào)的在線(xiàn)實(shí)時(shí)分析。

3）多尺度熵相當(dāng)于求不同尺度上序列維數(shù)變化時(shí)新模式出現(xiàn)的對(duì)數(shù)條件概率均值，以衡量信號(hào)的復(fù)雜度，作為一個(gè)非線(xiàn)性動(dòng)力學(xué)參數(shù)，對(duì)確定性過(guò)程和隨機(jī)過(guò)程都適用。變壓器繞組和鐵芯出現(xiàn)故障時(shí)，其振動(dòng)信號(hào)既包含確定性成分又包含隨機(jī)成分。

4）多尺度熵的分析效果比均值、方差和標(biāo)準(zhǔn)差等統(tǒng)計(jì)參數(shù)要好。這是由于多尺度熵更多考慮了序列分布模式的信息，能反映序列在結(jié)構(gòu)分布上的復(fù)雜性，使之能全面有效地提取出蘊(yùn)含在變壓器振動(dòng)信號(hào)中的特征。

5）多尺度熵比近似熵和樣本熵在分析復(fù)雜時(shí)間序列時(shí)更具優(yōu)越性。它既能從整體上反映其動(dòng)力性特征，又能從細(xì)節(jié)上揭示序列演化特性。多尺度熵不僅反映了時(shí)間序列本身的復(fù)雜性尺度，還包含了序列在多個(gè)尺度上的信息，這是近似熵和樣本熵?zé)o法反映的。

2 基于多尺度熵的變壓器振動(dòng)信號(hào)實(shí)驗(yàn)

為了驗(yàn)證基于多尺度熵的變壓器振動(dòng)信號(hào)特征提取方法的可行性和有效性，利用上海電力公司提供的一臺(tái)三相變壓器在4種工況下獲取的振動(dòng)數(shù)據(jù)進(jìn)行分析。振動(dòng)信號(hào)一般為非線(xiàn)性和非平穩(wěn)的信號(hào)，含有干擾和噪聲，但多尺度熵算法有較好的抗噪能力。因此，筆者直接將原始信號(hào)的多尺度熵值作為變壓器繞組狀態(tài)判斷指標(biāo)和信號(hào)特征參數(shù)，實(shí)現(xiàn)變壓器繞組故障類(lèi)別的診斷。

2.1 實(shí)驗(yàn)環(huán)境和條件

在實(shí)驗(yàn)室對(duì)一臺(tái)三相繞組變壓器進(jìn)行短路實(shí)驗(yàn)，型號(hào)為SZ-20000/35。實(shí)驗(yàn)在低壓側(cè)短路情況下，繞組在額定電流范圍內(nèi)，電流分10次加載升至實(shí)驗(yàn)條件所能加載的最大電流，同時(shí)采集了變壓器在正常狀態(tài)和3種繞組故障狀態(tài)下的振動(dòng)數(shù)據(jù)。

振動(dòng)傳感器布置參考了文獻(xiàn)［19］的分析結(jié)論，將6個(gè)ICP型加速度振動(dòng)傳感器（100 m V/g）分別放置在變壓器低壓側(cè)三相繞組對(duì)應(yīng)箱壁上，每相繞組對(duì)應(yīng)的箱壁中部和底部各布置1個(gè)，獲取6個(gè)通道的采樣數(shù)據(jù)。振動(dòng)數(shù)據(jù)采樣頻率為10 240 Hz。

2.2 繞組故障模擬和設(shè)置

變壓器正常運(yùn)行時(shí)，采集箱體表面的振動(dòng)信號(hào)標(biāo)記為正常信號(hào)。實(shí)驗(yàn)中除獲取變壓器正常狀態(tài)下振動(dòng)信號(hào)外，還模擬了變壓器繞組的3種故障狀態(tài)，包括繞組軸向變形故障、繞組徑向變形故障和繞組混合故障。故障均人為設(shè)置，設(shè)置方法如下：繞組軸向變形故障是抽取低壓繞組頂部2層繞組墊塊，模擬繞組墊塊脫落；繞組徑向變形故障是指低壓繞組上端的側(cè)繞面發(fā)生內(nèi)凹變形，徑向變形量不超過(guò)1cm；繞組混合故障是指繞組同時(shí)發(fā)生內(nèi)凹變形故障及繞組墊塊脫落故障。變壓器繞組在4種工況下的振動(dòng)信號(hào)時(shí)域波形如圖1所示。

圖1 變壓器繞組振動(dòng)信號(hào)時(shí)域波形圖Fig.1 Vibration signal time-domain waveform of transformer winding

2.3 基于多尺度熵的變壓器振動(dòng)信號(hào)特征提取

實(shí)驗(yàn)獲取了6個(gè)通道的振動(dòng)數(shù)據(jù)，由于測(cè)點(diǎn)所在位置的變壓器結(jié)構(gòu)不同，獲取的各通道振動(dòng)信號(hào)幅值各不相同。響應(yīng)幅值大的測(cè)點(diǎn)一般線(xiàn)性度偏差較小，信號(hào)的信噪比較高［19］。表1為變壓器在正常狀態(tài)下，短路實(shí)驗(yàn)中達(dá)到加載的最大電流時(shí)，各測(cè)點(diǎn)的二倍頻響應(yīng)幅值，反映了各測(cè)點(diǎn)的振動(dòng)量級(jí)大小。變壓器在其他故障狀態(tài)下各測(cè)點(diǎn)二倍頻響應(yīng)幅值存在與表1一致的排序。筆者選擇實(shí)驗(yàn)中第5通道數(shù)據(jù)，其信號(hào)振動(dòng)幅值最大（0.054 6），也是最靠近繞組故障點(diǎn)的傳感器采集的數(shù)據(jù)，能較好反映繞組故障特征。對(duì)4種工況下所有信號(hào)特征提取和分析均取同一個(gè)電壓電流下的測(cè)量值。

表1 各測(cè)點(diǎn)二倍頻響應(yīng)幅值Tab.1 Double frequency response amplitude of measurement points

從圖1可以看出，故障后的振動(dòng)加速度信號(hào)幅值比正常狀態(tài)有了一些變化，但僅從時(shí)域圖上不能直接判斷是哪一些頻段信號(hào)發(fā)生了變化，難以明確識(shí)別變壓器發(fā)生故障的類(lèi)型。筆者引入多尺度熵定量表征振動(dòng)信號(hào)的特征，將其作為特征矢量判別變壓器繞組的故障類(lèi)型。

計(jì)算變壓器4種工況下振動(dòng)信號(hào)的樣本熵值，如表2所示?？梢钥闯?，繞組不同狀態(tài)下的振動(dòng)信號(hào)樣本熵值相對(duì)較小，這說(shuō)明變壓器繞組的振動(dòng)信號(hào)復(fù)雜度較低，序列的自相似性一般較高。此結(jié)論與繞組振動(dòng)信號(hào)的特點(diǎn)吻合，即振動(dòng)信號(hào)以2倍電流頻率為基頻，伴隨著其他高次諧波成份。繞組出現(xiàn)故障時(shí)，振動(dòng)信號(hào)包含確定性成分和隨機(jī)成分。設(shè)繞組正常、軸向變形、徑向變形和混合故障信號(hào)的樣本熵分別為SE1，SE2，SE3和SE4，故障狀態(tài)與正常狀態(tài)的繞組振動(dòng)信號(hào)按熵值大小關(guān)系為SE3＞SE4＞SE1＞SE2。

表2 繞組4種工況信號(hào)的樣本熵值Tab.2 Winding sample entropy of four kinds of condition

實(shí)驗(yàn)分析得知，在分析正弦類(lèi)信號(hào)時(shí)，樣本熵值大小受信號(hào)頻率組成的影響，能反映出信號(hào)中各頻率分量的變化，且信號(hào)頻率越單一越小，其樣本熵值越小。根據(jù)文獻(xiàn)分析結(jié)論［20-23］，變壓器繞組正常運(yùn)行工況下，基頻分量（100 Hz）為主要頻率分量，其幅值最大。當(dāng)繞組出現(xiàn)軸向變形故障時(shí)，振動(dòng)信號(hào)中除100 Hz分量變化外，50，150，200和300 Hz等分量幅值也發(fā)生明顯變化，因此繞組發(fā)生軸向變形時(shí)的振動(dòng)信號(hào)樣本熵應(yīng)小于正常狀態(tài)信號(hào)樣本熵。當(dāng)繞組出現(xiàn)徑向變形故障時(shí)，振動(dòng)信號(hào)中的各頻率分量幅值也會(huì)發(fā)生變化。當(dāng)繞組同時(shí)發(fā)生軸向和徑向變形時(shí)，不同方向上的物理形變對(duì)振動(dòng)信號(hào)中不同頻率分量變化有抑制或增強(qiáng)作用。3種故障狀態(tài)與正常狀態(tài)的繞組振動(dòng)信號(hào)樣本熵值的關(guān)系印證了以上結(jié)論，與實(shí)際情況相符，因此樣本熵可用于繞組狀態(tài)的判別。

由表2可知，繞組4種工況下振動(dòng)信號(hào)在單一尺度上的樣本熵值雖然能夠區(qū)分繞組的故障類(lèi)型，但是樣本熵值相差不大，區(qū)分效果并不明顯?？紤]變壓器繞組各種狀態(tài)下振動(dòng)信號(hào)在不同尺度下的樣本熵，即多尺度熵，將多尺度熵應(yīng)用于繞組故障類(lèi)型的診斷?？紤]4種狀態(tài)下的變壓器繞組振動(dòng)信號(hào)，分別求尺度從1到10的多尺度熵，如表3所示。多尺度熵與尺度因子的函數(shù)關(guān)系如圖2所示。由表3和圖2可以得出如下結(jié)論。

表3 繞組4種工況信號(hào)的多尺度樣本熵Tab.3 Winding multiscale entropy of four kinds of condition

圖2 繞組4種狀態(tài)下的多尺度熵Fig.2 Winding multiscale entropy of four kinds of condition

1）與樣本熵相比，多尺度熵能更好地實(shí)現(xiàn)變壓器繞組故障振動(dòng)信號(hào)特征的定量提取。由于引入了尺度因子，繞組不同狀態(tài)下的多尺度熵值之間差值更加明顯，能直觀地識(shí)別繞組不同狀態(tài)。除了分辨繞組的正常與故障狀態(tài)，還能將繞組的軸向變形故障、徑向變形故障以及軸向和徑向同時(shí)變形故障明顯區(qū)分開(kāi)，這是目前其他特征提取方法難以達(dá)到的。

2）多尺度熵粗?；^(guò)程實(shí)際上是一個(gè)頻率篩分的過(guò)程，隨著尺度增大，頻率逐漸降低。變壓器繞組4種工況下的振動(dòng)信號(hào)在低尺度（1，2，3）時(shí)熵值接近，即信號(hào)在高頻部分具有相似的特征頻率，不易區(qū)分；而在高尺度情況下熵值區(qū)分明顯，即當(dāng)繞組發(fā)生不同故障時(shí)，振動(dòng)信號(hào)在低頻部分的特征頻率變化較大。此結(jié)論與變壓器繞組振動(dòng)信號(hào)研究中多采用700Hz以下低頻信號(hào)進(jìn)行分析診斷的現(xiàn)狀一致。這也是單一尺度樣本熵所無(wú)法反映的，說(shuō)明了多尺度熵較樣本熵的優(yōu)越性。

3）設(shè)繞組正常、軸向變形、徑向變形和混合故障信號(hào)的多尺度熵分別對(duì)應(yīng)為MSE1，MSE2，MSE3和MSE4，計(jì)算繞組4種狀態(tài)下多尺度熵的簡(jiǎn)單相關(guān)系數(shù)，如表4所示?？梢?jiàn)，MSE1與MSE4顯著正相關(guān)（0.613 6），即繞組混合故障多尺度熵與繞組正常狀態(tài)多尺度熵相關(guān)性大，繞組混合故障也是繞組各狀態(tài)中最不易識(shí)別的情況；MSE1與MSE3弱負(fù)相關(guān)（-0.043 0），繞組徑向變形特征明顯，最容易與繞組正常狀態(tài)區(qū)分，這從表1可以看出；MSE2與MSE3顯著負(fù)相關(guān)（-0.675 4），反映了繞組的軸向變形與徑向變形互相“制約”；MSE2與MSE4弱正相關(guān)（0.101 1），而MSE3與MSE4顯著正相關(guān)（0.601 5），反映在繞組發(fā)生混合故障時(shí)，徑向變形對(duì)混合故障振動(dòng)信號(hào)的影響大于軸向變形。

以上分析與變壓器繞組振動(dòng)產(chǎn)生的原理以及目前常見(jiàn)的研究方法結(jié)論一致，表明了多尺度熵用于表征變壓器繞組不同故障特征量的可行性和有效性。

表4 繞組4種狀態(tài)下多尺度熵相關(guān)系數(shù)Tab.4 Winding multiscale entropy of four kinds of condition

3 結(jié)束語(yǔ)

筆者將多尺度熵概念引入變壓器繞組振動(dòng)信號(hào)分析中，將其作為診斷繞組各種變形故障的特征參數(shù)，找出了一種基于多尺度熵的變壓器繞組故障診斷新方法。實(shí)驗(yàn)表明，多尺度熵在短數(shù)據(jù)、不同幅值范圍、同時(shí)存在確定性過(guò)程和隨機(jī)過(guò)程等不利條件下，能有效提取隱藏在變壓器繞組振動(dòng)信號(hào)序列中的特征信息，并能定量表征繞組各種工況下振動(dòng)信號(hào)的復(fù)雜程度。從整體上反映了繞組振動(dòng)的動(dòng)力性特征，也從細(xì)節(jié)上揭示了繞組各種狀態(tài)下振動(dòng)信號(hào)的演化特性，并以此區(qū)分繞組正常狀態(tài)與各種變形故障類(lèi)型。可見(jiàn)，多尺度熵是利用樣本序列的復(fù)雜程度描述信號(hào)特征的非線(xiàn)性方法，在提取變壓器繞組振動(dòng)信號(hào)的特征方面具有一定的優(yōu)勢(shì)。

［1］ 汲勝昌，劉味果，單平，等.小波包分析在振動(dòng)法監(jiān)測(cè)變壓器鐵芯及繞組狀況中的應(yīng)用［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2001，21（12）：24-27.Ji Shengchang，Liu Weiguo，Shan Ping，et al.The application of the wavelet packet to the monitoring of the core and winding condition of transformer［J］.Proceedings of the CSEE，2001，21（12）：24-27.（in Chinese）

［2］ 陳祥獻(xiàn)，王婧■，黃海，等.基于Hilbert-Huang變換的電力變壓器鐵心壓緊力監(jiān)測(cè)方法［J］.振動(dòng)與沖擊，2010，29（9）：9-12.Chen Xiangxian，Wang Jingdi，Huang Hai，et al.A HHT based method for monitoring core clamping pressure of power transformers［J］.Journal of Vibration and Shock，2010，29（9）：9-12.（in Chinese）

［3］ García B，Burgos J C，Alonso A M.Winding deformations detection in power transformers by tank vibrations monitoring［J］.Electric Power Systems Research，2005，74（1）：129-138.

［4］ García B，Burgos J C，Alonso A M.Transformer tank vibration modeling as a method of detectiong winding deformations-part II：experimental verification［J］.IEEE Transaction Power Delivery，2006，21（1）：164-169.

［5］ 周求寬，萬(wàn)軍彪，王豐華，等.電力變壓器振動(dòng)在線(xiàn)監(jiān)測(cè)系統(tǒng)的開(kāi)發(fā)與應(yīng)用［J］.電力自動(dòng)化設(shè)備，2014，34（3）：162-166.Zhou Qiukuan，Wan Junbiao，Wang Fenghua，et al.Design and implementation of online vibration monitoring system for power transformer［J］.Electric Power Automation Equipment，2014，34（3）：162-166.（in Chinese）

［6］ Roy A，Wen C H，Doherty J F，et al.IEEE signal feature extraction from microbarograph observations using the Hilbert-Huang transform［J］.Geoscience and Remote Sensing，2008，46（5）：1442-1447.

［7］ 馬宏忠，耿志慧，陳楷，等.基于振動(dòng)的電力變壓器繞組變形故障診斷新方法［J］.電力系統(tǒng)自動(dòng)化，2013，37（8）：89-95.Ma Hongzhong，Geng Zhihui，Chen Kai，et al.A new fault diagnosis method for power transformer winding deformation based on vibration［J］.Automation of E-lectric Power Systems，2013，37（8）：89-95.（in Chinese）

［8］ 熊衛(wèi)華，趙光宙.基于希爾伯特-黃變換的變壓器鐵心振動(dòng)特性分析［J］.電工技術(shù)學(xué)報(bào)，2006，21（8）：9-13.Xiong Weihua，Zhao Guangzhou.Analysis of transformer core vibration characteristics using Hilbert-Huang transformation［J］.Transactions of China Electrotechnical Society，2006，21（8）：9-13.（in Chinese）

［9］ 李燕青，律方成，劉國(guó)平，等.我國(guó)電氣設(shè)備狀態(tài)維修的發(fā)展與實(shí)現(xiàn)［J］.中國(guó)電力，2003，36（2）：16-19.Li Yanqing，Lu Fangcheng，Liu Guoping，et al.Development and implementation of condition based maintenance for electrical equipments in China［J］.Electric Power，2003，36（2）：16-19.（in Chinese）

［10］Pincus S M.Approximate entropy as a measure of system complexity［J］.Proceeding of the National A-cademy Sciences USA，1991，88（6）：2297-2301.

［11］Richman J S，Moorman J R.Physiological time-series analysis using approximate entropy and sample entropy ［J］.American Journal of Physiological Society，2000，278（6）：2039-2049.

［12］趙志宏，楊紹普.基于小波包變換與樣本熵的滾動(dòng)軸承故障診斷［J］.振動(dòng)、測(cè)試與診斷，2012，32（4）：640-644.Zhao Zhihong，Yang Shaopu.Roller bearing fault diagnosis based on wavelet packet transform and sample entropy［J］.Journal of Vibration，Measurement＆amp；Diagnosis，2012，32（4）：640-644.（in Chinese）

［13］Costa M，Goldberger A L，Peng C K.Multiscale entropy analysis of complex physiologic time series［J］.Physical Review Lettersec，2002，89（6）：068102.

［14］何亮，杜磊，莊奕琪，等.金屬互連電遷移噪聲的多尺度熵復(fù)雜度分析［J］.物理學(xué)報(bào)，2008，57（10）：6545-6550.He Liang，Du Lei，Zhuang Yiqi，et al.Multiscale entropy complexity analysis of metallic interconnection electromigration noise［J］.Acta Physica Sinica，2008，57（10）：6545-6550.（in Chinese）

［15］謝平，江國(guó)乾，武鑫，等.基于多尺度熵和距離評(píng)估的滾動(dòng)軸承故障診斷［J］.計(jì)量學(xué)報(bào)，2013，34（6）：548-553.Xie Ping，Jiang Guoqian，Wu Xin，et al.Rolling bearing fault diagnosis based on multiscale entropy and distance evaluation［J］.Acta Metrologica Sinica，2013，34（6）：548-553.（in Chinese）

［16］鄭近德，程軍圣，胡思宇.多尺度熵在轉(zhuǎn)子故障診斷中的應(yīng)用［J］.振動(dòng)、測(cè)試與診斷，2013（2）：294-297.Zheng Jinde，Cheng Junsheng，Hu Siyu.Rotor fault diagnosis based on multiscale entropy［J］.Journal of Vibration，Measurement＆amp；Diagnosis，2013（2）：294-297.（in Chinese）

［17］解曉琴.基于多尺度熵法對(duì)鋼管中電磁導(dǎo)波缺陷信號(hào)的分析研究［D］.石家莊：河北科技大學(xué)，2013.

［18］鄭桂波，金寧德.兩相流流型多尺度熵及動(dòng)力學(xué)特性分析［J］.物理學(xué)報(bào)，2009，58（7）：4485-4491.Zheng Guibo，Jin Ningde.Multiscale entropy and dynamic characteristics of two-phase flow patterns［J］.Acta Physica Sinica，2009，58（7）：4485-4491.（in Chinese）

［19］徐方，邵宇鷹，金之儉，等.變壓器振動(dòng)測(cè)點(diǎn)位置選擇試驗(yàn)研究［J］.華東電力，2012，40（2）：274-277.Xu Fang，Shao Yuying，Jin Zhijian，et al.Experimental study of measuring point selection for transformer vibration detection［J］.East China Electric Power，2012，40（2）：274-277.（in Chinese）

［20］García B，Burgos J C，Alonso A M.Transformer tank vibration modeling as a method of detecting winding deformations-part I：theoretical foundation［J］.IEEE Transaction Power Delivery，2006，21（1）：157-163.

［21］Yen G G，Lin K C.Wavelet packet feature extraction for vibration monitoring［J］.Industrial Electronics，IEEE Transactions on，2000，47（3）：650-667.

［22］Wu S，Huang W，Kong F，et al.Extracting power transformer vibration features by a time-scale-frequency analysis method［J］.Journal of Electromagnetic A-nalysis＆amp；Applications，2010，2：31-38.

［23］謝坡岸.振動(dòng)分析法在電力變壓器繞組狀態(tài)監(jiān)測(cè)中的應(yīng)用研究［D］.上海：上海交通大學(xué)，2008.

TM41；TN911.7；TH113.1

10.16450/j.cnki.issn.1004-6801.2015.04.026

李莉，女，1980年1月生，講師。主要研究方向?yàn)楝F(xiàn)代信號(hào)處理方法在電力系統(tǒng)故障診斷方面的應(yīng)用。曾發(fā)表《變壓器繞組多故障條件下的振動(dòng)信號(hào)特征提取》（《電力自動(dòng)化設(shè)備》2014年第34卷第8期）等論文。

E-mail：haolily12@163.com

*中央高校基本科研業(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金資助項(xiàng)目（13XS30；13MS88）

2014-06-08；

2014-09-01