基于CNN算法的并联电抗器机械故障诊断方法

来源：电工电能新技术杂志2022年第12期北京时间：

作者：吴经锋， 王文森， 张璐， 韩彦华， 李祎， 张玉焜， 汲胜昌

单位：1. 国网陕西省电力有限公司电力科学研究院， 陕西 西安 710100；
\r\n2. 西安交通大学电力设备电气绝缘国家重点实验室， 陕西 西安 710049

摘要：为解决并联电抗器的机械故障诊断问题，本文提出了一种基于卷积神经网络算法的机械故障诊断方法。首先以一台10 kV并联电抗器为研究对象搭建了振动实验平台，在油箱表面采集了5种机械状态下的振动信号，将原始振动信号进行预处理得到其时域波形与频谱，然后分析了振动时频特性并验证了其区分机械状态的可行性，因此将振动信号输入分类模型中进行特征自适应提取和训练，最终通过分类器输出结果达到诊断的目的。该方法与传统的故障诊断方法相比，不但省略了人工提取特征环节，并且减少了误判问题，最终可以以较高的精度诊断电抗器机械故障。因此，本文提出的方法对并联电抗器的安全可靠运行具有重要意义。

关键词：并联电抗器, 振动信号, 机械故障, 卷积神经网络

基金资助：国网陕西省电力公司科技项目（5226KY20001A）、 国家自然科学基金项目（U1766223）