Verbesserte empirische Wavelet-Transformation (EWT) und ihre Anwendung in nicht

Wissenschaftliche Berichte Band 12, Artikelnummer: 17533 (2022) Diesen Artikel zitieren

1002 Zugriffe

Details zu den Metriken

Die Resonanzfrequenz des Transformators enthält Informationen über seinen Aufbau. Es ist einfacher, die Resonanzfrequenz im Vibrationssignal während des Hammertests und beim Einschalten zu identifizieren als beim Betrieb des Transformators, da die durch den Laststrom verursachte Vibration beim Hammertest und beim Einschalten nicht berücksichtigt werden muss. Daher ist eine Analysemethode mit einfacher Berechnung, schneller Berechnungsgeschwindigkeit und einfacher Echtzeitüberwachung erforderlich, um mit diesen beiden instationären Schwingungen umzugehen. Die Vibrationsüberwachung kann den Gesundheitszustand des Transformators in Echtzeit erkennen, die Zuverlässigkeit der Stromversorgung verbessern und frühzeitig bei Störungen warnen. In diesem Artikel wird eine neue Methode zur Frequenzbereichssegmentierung vorgeschlagen. Mit dieser Methode kann das Vibrationssignal des Transformators effektiv verarbeitet und seine Resonanzfrequenz ermittelt werden. Am Transformator werden elf verschiedene Lastzustände eingestellt. Die in diesem Artikel vorgeschlagene Methode kann die Resonanzfrequenz des Transformators aus dem Hammertestsignal extrahieren. Im Vergleich zur ursprünglichen empirischen Wavelet-Transformationsmethode kann diese Methode den Frequenzbereich effektiver aufteilen, hat eine höhere Zeit-Frequenz-Auflösung und die Laufzeit der modifizierten Methode wird von 80 auf 2 s verkürzt. Die Universalität dieser Methode wird durch Experimente an drei verschiedenen Transformatortypen nachgewiesen.

Aufgrund der Verbesserung der Anforderungen an die Stabilität der Stromversorgung gibt es immer mehr Untersuchungen zur Bewertung des Zustands von Transformatoren. Zu den gängigen Methoden zur Fehlerdiagnose von Transformatoren gehören regelmäßige Inspektionen, die Analyse gelöster Gase1, die Vibrationsüberwachung2,3, die Teilentladungsüberwachung4, die Ultraschallmessung5, die Frequenzganganalyse6 und andere Methoden. Im Vergleich zu anderen Methoden bietet die Vibrationsmessung die Vorteile einer bequemen Installation, geringerer Umwelteinflüsse und geringer Kosten. Es ist auf fast alle Arten von Transformatoren anwendbar.

Die Vibration des Transformators entsteht hauptsächlich durch Magnetostriktion und magnetische Kräfte. Durch die Echtzeitüberwachung der Transformatorvibrationen wird der Zusammenhang zwischen abnormalen Vibrationen und internen Fehlern des Transformators ermittelt, was hilfreich ist, um rechtzeitig vorbeugende Wartungsarbeiten zu veranlassen und die Lebensdauer des Transformators zu verbessern. Wenn beispielsweise die Befestigungsschraube des Transformatorkerns locker ist, d. h. der Luftspalt zwischen den Eisenkernen verändert, erhöht sich die Vibration des Transformators erheblich.7 Darüber hinaus verringern lose Schrauben auch die Fähigkeit des Transformators, äußeren Stößen standzuhalten. Der mechanische Leistungsabfall des Transformators wurde durch mehrkanalige Vibrationsmessung in8 verfolgt. In9 werden die Schwingungsdaten des Laststufenschalters des Transformators erfasst, um die Identifizierung früher Gerätefehler zu ermöglichen, und das selbstorganisierende Mapping (SOM) wird verwendet, um den Status des Laststufenschalters online zu bewerten. In 10 wurde die Methode zur Überwachung der Wicklungsverformung durch Vibration des Transformatorkastens untersucht. Diese Methode berücksichtigt die von verschiedenen Teilen des Transformators erzeugten Vibrationen und analysiert den Einfluss der Temperatur auf die Vibrationserzeugung, -überlagerung und -übertragung.

Die Schwingungsfrequenz des Transformators hängt von der Resonanzfrequenz und der externen Anregung ab. Die externe Erregung umfasst hauptsächlich Spannung, Strom und Arbeitsumgebung. Diese Faktoren können während des Betriebs des Transformators gemessen werden. Die Resonanzfrequenz ist der interne Faktor, der die Schwingungsfrequenz des Transformators bestimmt. Sie wird durch die Transformatorstruktur bestimmt und ändert sich nicht mit der Änderung der externen Erregung. Es kann durch einen Hämmertest erhalten werden. Je näher die Schwingungskomponente an der Resonanzfrequenz liegt, desto wahrscheinlicher ist es, dass sie eine Transformatorresonanz verursacht. Resonanz ist sehr schädlich und führt zu heftigen Vibrationen des Transformators, die zum Lösen von Schrauben und zum Abfallen von Polsterblöcken führen. Darüber hinaus kann die Struktur durch Überwachung der Resonanzfrequenz des Transformators verfolgt werden, und die Fehlerdiagnose des Transformators kann durch Analyse der Änderung der Transformatorstruktur realisiert werden. In Artikel 11 wurde die Resonanzfrequenz des Transformators mit der Pseudospektralmethode berechnet. Der Zusammenhang zwischen der Schwingungsfrequenz des Transformators und den Spannungs- und Stromoberschwingungen wurde in Artikel 12 abgeleitet. Der Einfluss von Vibrationen auf den Betrieb des großen Transformators und die Maßnahmen zur Vibrationsreduzierung zur Vermeidung von Resonanzen bei elektromagnetischer Kraftanregung wurden in 13 untersucht und ein Prototyp eines Leistungstransformators mit sehr geringem Geräuschpegel mit einer Volllastkapazität von 200 MVA und einem Geräuschpegel von weniger als entwickelt 65 dB. Das nichtlineare Modell des Transformators wurde durch ein neuronales Fourier-Netzwerk erstellt, das aus nichtlinearen Elementen und einem linearen dynamischen Block besteht, und der Effekt der Vibrationsvorhersage und der Systemparameterextraktion wurde durch Tests an mehreren Leistungstransformatoren überprüft14.

Es gibt viele Analysemethoden für den Umgang mit Schwingungsdaten. Die Fourier-Analyse ist eine einfache und effektive Analysemethode, die Fourier-Transformationsmethode kann jedoch nicht gleichzeitig Zeit-Frequenz-Informationen anzeigen15. In der Arbeit16 wurde ein vereinfachter Permutationsentropiealgorithmus vorgeschlagen, der zur Berechnung der Schwingungsmerkmale des Wandlertransformators verwendet wird. Im Vergleich zum herkömmlichen Permutationsentropiealgorithmus bietet der Algorithmus die Vorteile einer stabilen Klassifizierung, einer hohen Flexibilität und einer schnellen Rechengeschwindigkeit. Die Wavelet-Transformationsmethode17,18 hat auch viele Anwendungen bei der Überwachung von Transformatorschwingungen. Das komplexe Morlet-Wavelet wurde verwendet, um die freien Schwingungsdaten des Transformators in17 zu verarbeiten, der verbesserte Crazy Climber-Algorithmus wurde verwendet, um die Wavelet-Kämme des Zeit-Frequenz-Spektrogramms zu extrahieren, und es wurden die Resonanzfrequenzen und Dämpfungsverhältnisse der ersten vier Ordnung der Transformatorwicklung ermittelt . 18 wurde eine neue Methode zur mechanischen Fehlerdiagnose von Transformatorkernen und -wicklungen basierend auf der Frequenzband-Energieverteilung vorgeschlagen. Die mechanischen Fehler des Transformators wurden online anhand der Energieverteilung in jedem Frequenzband der Echtzeit-Vibrationsdaten diagnostiziert. Der verbesserte empirische Moduszerlegungsalgorithmus wurde auf die Fehlerindexextraktion von Vibrationsdaten beim Laststufenwechsel des Transformators angewendet19. EWT wurde erstmals von Professor Jérôme Gilles20 eingeführt. Es entspricht einer Reihe von Bandpassfilterkombinationen und das ursprüngliche Signal wird in mehrere Signalkombinationen in unterschiedlichen Frequenzbereichen zerlegt. In den Aufsätzen21,22 wurde die Anwendung von EWT in seismischen Daten vorgestellt und22 wurde eine verbesserte EWT-Methode basierend auf der Skalenraumdarstellung vorgeschlagen. Paper23 führte die Anwendung von EWT in der zweidimensionalen Bilderkennung ein. Eine verbesserte adaptive Morlet-Wavelet-Transformation und ihre Anwendung auf Vibrationsdaten von Getrieben wurden in Paper24 vorgestellt. EWT findet auch einige Anwendungen in Transformatoren. In Artikel 25 wurde eine auf EWT und Salp-Swarm-Algorithmus basierende Fehlerdiagnosemethode vorgeschlagen, um verschiedene Fehlerzustände von Transformatoren zu diagnostizieren. In Artikel26 wurde die EWT-Methode mit Multiskalen-Entropie kombiniert und die Zählzeiten wurden durch Auswahl der Wavelet-Komponenten verkürzt, die stark mit dem Originalsignal korrelierten.

EWT wird aus vielen instationären Signalverarbeitungsmethoden ausgewählt, hauptsächlich weil es die Auflösung der Zielfrequenzkomponente durch flexibles Festlegen der Frequenzdomänensegmentierungsgrenze verbessern kann und die EWT-Frequenzdomänensegmentierung auf der Fourier-Transformation basiert. Die beiden Methoden überlappen sich daher teilweise Der Signalverarbeitungsprozess ist eine progressive Beziehung, die den Rechenaufwand verringern kann. Noch wichtiger ist, dass durch Festlegen der Grenze in der Nähe der abnormalen Zielfrequenzkomponente gemäß dem Fourier-Ergebnis die Zielkomponente eingehend analysiert werden kann, um die Änderungszeit der Zielfrequenzkomponente zu bestimmen. Dies ist sehr wichtig für die Fehlerdiagnose des Transformators. Die in diesem Artikel vorgeschlagene Spektrumteilungsmethode kombiniert Faktoren wie das Extremum und die Hüllkurve des Frequenzbereichs, wodurch nicht nur die Zielkomponenten verfolgt und analysiert, sondern auch der Spektrumbereich sinnvoll aufgeteilt werden kann. Im Gegensatz zu Paper26 kombiniert dieses Papier keine anderen Methoden, sondern verbessert direkt das Prinzip der Spektrumsteilung bei EWT, vereinfacht den Berechnungsprozess und verbessert die Anpassungsfähigkeit. Im Vergleich zur herkömmlichen Methode, die auf der Skalenebene basiert, entfällt der Schritt der Erstellung der Skalenebene, die Berechnungsgeschwindigkeit wird erheblich verbessert und sie eignet sich besser für die Echtzeitanalyse und -überwachung.

Je nach Ort der Vibration kann die Vibration des Transformators in Eisenkernvibration, Wicklungsvibration und Kühlungsausrüstungsvibration unterteilt werden. Entsprechend den Determinanten der Schwingungsfrequenz kann sie in Schwingungen, die durch die Resonanzfrequenz bestimmt werden, und Schwingungen, die durch die Erregerfrequenz bestimmt werden, unterteilt werden.

Die Vibration der Transformatorwicklung wird durch die Wechselwirkung zwischen Strom und magnetischem Streufluss in der Wicklung verursacht. Die Vibrationskraft der Spule Fw ist proportional zum Quadrat des Stroms I, wie in Gleichung (1) dargestellt. (1). Die Vibration des Transformatorkerns wird durch Magnetostriktion und Magnetkraft verursacht. Die Vibrationskraft des Eisenkerns Fc ist proportional zum Quadrat der Spannung U, wie in Gleichung (1) gezeigt. (2).

Der Strom und die Spannung im Transformator sind Sinuswellen, gemischt mit einer kleinen Menge Oberwellen, die als Gleichungen ausgedrückt werden können: (3) und (4) I0 und U0 repräsentieren die Gleichstromkomponenten von Strom bzw. Spannung und In und Un repräsentieren die Grundkomponenten und harmonischen Komponenten von Strom bzw. Spannung.

Kombinieren Sie Gl. (3) in Gl. (1) zu erhalten

Der dritte Teil von Gl. (5) kann als Gleichung ausgedrückt werden. (6) p und q ist eine Zahl zwischen 1 und den kombinatorischen Zahlen Cn2.

Gemäß den Transformationsregeln der trigonometrischen Gleichung ist der zweite Teil von Gl. (6) kann ausgedrückt werden als:

Die Schwingungsfrequenz des Transformators umfasst die Gleichstromkomponente, die harmonische Frequenzkomponente, die doppelte Frequenz jeder harmonischen Komponente, die Summe zweier beliebiger harmonischer Komponenten und die Differenz zweier beliebiger harmonischer Komponenten, wie in Tabelle 1 dargestellt. Wenn der Transformator arbeitet, Strom und Spannung liegen nahe an den idealen Sinuswellen mit geringem Oberwellengehalt, und aus Tabelle 1 ist ersichtlich, dass die Amplitude jeder Anregungskraft in der gleichen Größenordnung liegt, sodass die durch Oberwellen verursachte Schwingungsamplitude hauptsächlich von der abhängt Die Position des Resonanzfrequenzpunkts ist auch hilfreich, um die Verteilung der Resonanzfrequenz durch Beobachtung der Verteilung der Schwingungsfrequenz zu bestimmen.

Während des Betriebs des Transformators sind die Schwingungsamplitude und die Schwingungsgeschwindigkeit sehr klein, was zu einem Mikroamplitudensystem gehört. Daher kann das Transformatorschwingungssystem als lineares System betrachtet werden, indem nur der Term erster Ordnung der Taylor-Reihe verwendet und der Term höherer Ordnung weggelassen wird. Die Bewegungsgleichung der erzwungenen Schwingung eines linearen Systems mit einer Freiheit ist in Gleichung dargestellt. (8) m, c, k sind Masse, Dämpfungskoeffizient bzw. Elastizitätskoeffizient.

Gleichung (8) kann umgeschrieben werden als

Die Parameter in Gl. (9) sind wie folgt definiert:

In Gl. (10) und (11) ist ωn die Resonanzfrequenz und ξ die Dämpfungsrate. Da es sich bei dem Transformatorsystem annähernd um ein lineares System handelt, erfüllt die Schwingung bei jeder Anregung den Superpositionssatz. Zur Vereinfachung der Analyse wird angenommen, dass die Anregungskraft F = fncosωt ist. Einsetzen in Gl. (9) zu erhalten

Die Parameter in Gl. (12) sind wie folgt definiert:

Es ist aus Gl. ersichtlich. (12) dass das erste Element in der Gleichung unter der Wirkung der Transformatordämpfung allmählich gedämpft und auf Null gesetzt wird. Die Wellenform einer bestimmten Frequenz im Hämmertest kann durch eine verbesserte EWT extrahiert werden, und die relevanten Parameter (X, ξ, ωn) können durch Anpassen der Wellenformhüllkurve erhalten werden. Abbildung 1 zeigt den Dämpfungsprozess der 37-Hz-Frequenzkomponente im Hammertest, der der Resonanzfrequenzkomponente von 37 Hz in Abb. 6 entspricht. Die Werte relevanter Parameter werden durch Parameteranpassung erhalten, wie in (15) gezeigt.

Anpassung der Resonanzwellenform.

Für den zweiten Teil von Gl. (12) Die Vibration des Transformators unter Erregungskräften unterschiedlicher Frequenz ist immer noch die Reaktion der entsprechenden Frequenz, aber die Vibrationsamplitude wird durch den Strukturkoeffizienten des Transformators und die Resonanzfrequenz beeinflusst. Sei p wie in Gl. gezeigt. (16) ist p eine nichtnegative Variable. Je kleiner p ist, desto größer ist die Schwingungsamplitude.

Gleichung (16) kann in umgewandelt werden

p ist also eine univariate quartische Gleichung mit ω als Variable

p′ ist eine univariate kubische Gleichung, sei p′ = 0, erhalten wir

Daher hat p den minimalen Wert bei ω2, also in Gl. (12) Je näher ω an ω2 liegt, desto größer ist die Amplitude von x(t). x(t) hat die maximale Schwingungsamplitude, wenn ω = ω2.

EWT ist im Wesentlichen eine Wavelet-Transformation, die die Segmentierungsgrenze flexibel festlegen kann20. Der Kern der EWT-Methode liegt in der Aufteilung des Frequenzbereichs. Die Spektrumsergebnisse variieren stark in verschiedenen Anwendungen, aber der Zweck der Spektrumssegmentierung ist derselbe, nämlich den Änderungsprozess der Zielfrequenzkomponente hervorzuheben. Die empirische Skalierungsfunktion und die empirischen Wavelets werden durch die Gleichungen dargestellt. (20) bzw. (21).

Die Funktion β(x) muss die folgenden Bedingungen erfüllen:

Das τN = γωN, und wenn γ < min[(ωN+1 − ωN)/(ωN+1 + ωN)], erhalten wir einen engen Rahmen. Dann kann das Signal rekonstruiert werden durch:

Aus der vorherigen Analyse geht hervor, dass der Schwerpunkt von EWT auf der Bestimmung der Segmentierungsgrenze des Frequenzbereichs liegt. Bei der Verarbeitung unterschiedlicher Signaltypen müssen deren einzigartige Eigenschaften kombiniert werden. Die Komponenten der Transformatorschwingungsdaten weisen die folgenden Eigenschaften auf.

Im Transformatorbetrieb ist die Hauptkomponente im Frequenzbereich üblicherweise ein ganzzahliges Vielfaches von 50 Hz (die elektrische Frequenz beträgt 50 Hz). Unter normalen Umständen sollte die 100-Hz-Komponente die größte Amplitude haben, aber aufgrund des Einflusses der Resonanzfrequenz kann die 50-Hz-Frequenzverdopplungskomponente, die dem Resonanzfrequenzpunkt am nächsten liegt, die größte Amplitudenkomponente sein.

Wenn der Transformator nicht funktioniert, liegt die Amplitude der Umgebungsstörung unter 0,003 m/s2 und der entsprechende Wert im Fourier-Transformationsergebnis beträgt 0,003*16.384/2 ≈ 25, die Abtastfrequenz des Vibrationssignals beträgt 16384 Hz. Bei der Analyse des Fourier-Ergebnisses des Vibrationssignals kann das Signal unter 25 ignoriert werden.

Während der Hammerprüfung oder dem Umschalten des Transformatorzustands können kontinuierlich Komponenten mit hoher Amplitude auftreten. Diese Komponenten erhöhen die Schwierigkeit der Frequenzbereichssegmentierung.

Einige Frequenzkomponenten mit niedriger Amplitude erscheinen in der Nähe der Komponenten mit hoher Amplitude. Wir sollten den Einfluss dieser Komponenten mit niedriger Amplitude bei der Aufteilung des Frequenzbereichs ignorieren.

Bei der Diagnose von Transformatorfehlern sind die Komponenten mit hoher Amplitude, die auftretenden Frequenzkomponenten und die Komponenten mit großer Änderung wichtig. Die beiden letztgenannten Teile werden zusammenfassend als anormale Frequenzkomponenten bezeichnet. Es ist notwendig, Grenzen in der Nähe dieser Frequenzkomponenten festzulegen.

Abbildung 2 zeigt das Spektrum der Hammerschwingungen des Transformators. Die blaue vertikale Linie in der Abbildung stellt die maximale Komponente im Spektrum dar, die roten Dreiecke stellen die idealen Teilungsergebnisse des Spektrums dar und jedes rote Dreieck stellt einen Teilungsbereich dar. Die Spektralsituation beim Zustandsumschalten ähnelt der beim Hammering-Test. Bei der Aufteilung eines solchen Spektrums sollten wir die folgenden Punkte beachten.

Die Komponente mit niedriger Amplitude in der Nähe der hohen Amplitude entspricht Bereich 1 in Abb. 2.

Benachbarte Komponenten mit ähnlicher Amplitude entsprechen dem Bereich 2 in Abb. 2.

Die Komponente mit geringer Amplitude entspricht Bereich 3 in Abb. 2.

Die Teilungsgrenze kann nicht auf die maximale Komponente fallen.

Die Grenze des Bereichs mit hoher Amplitude sollte dichter sein, wie zum Beispiel der Bereich von 400–800 Hz in Abb. 2, und die Grenze des Bereichs mit niedriger Amplitude sollte dünner sein, wie zum Beispiel der Bereich von 900–1100 Hz.

Spektrum des Transformator-Hämmertests.

Die vorgeschlagene Frequenzdomänen-Segmentierungsmethode ist in Abb. 3 dargestellt. Das Verfahren der vorgeschlagenen Frequenzdomänen-Segmentierungsmethode umfasst die folgenden vier Schritte.

Schritt 1: Das Fourier-Spektrum des analysierten Signals wird analysiert, um die abnormalen Frequenzkomponenten des Signals zu ermitteln. Und die Extremwerte im Frequenzbereich werden extrahiert.

Schritt 2: Entfernung von Interferenzsignalen, die die Grenzsegmentierung beeinflussen, einschließlich der Clutter-Komponenten mit niedriger Amplitude um die Komponente mit hoher Amplitude, der mehreren benachbarten Komponenten mit ähnlich hohen Amplituden und der Komponenten mit kleiner Amplitude im Frequenzbereich.

Schritt 3: Die Teilungsgrenze wird anhand der Hüllkurve der verbleibenden Hauptfrequenzkomponenten nach Entfernung der Störsignale bestimmt, und die abnormalen Komponenten in Schritt 1 müssen nachdrücklich analysiert werden.

Schritt 4: Überprüfen Sie die Segmentierungsgrenze, um zu verhindern, dass sie auf die Hauptkomponenten des Frequenzbereichs fällt, da diese Komponenten sonst im nachfolgenden Analyseprozess gedämpft werden.

Verbesserter Frequenzbereich-Segmentierungsprozess.

Wir verwenden Gl. (24), um die Komponenten mit niedriger Amplitude um Komponenten mit hoher Amplitude zu entfernen, und verwenden Sie Formel (25), um mit den mehreren benachbarten Komponenten mit hoher Amplitude umzugehen. f(a) und f(b) repräsentieren die Amplituden der beiden Komponenten im Frequenzbereich und a und b repräsentieren die Frequenzen der beiden Komponenten. Die Gleichungen (24) und (25) sind zwei einfache und effektive Methoden zur Entfernung von Störkomponenten. Die Auswahl relevanter Koeffizienten in der Formel ist sehr wichtig. Der in dieser Arbeit verwendete Transformator ist ein Trockentransformator mit einer Leistung von 100 kVA. Während des Experiments werden kp und r mit 20 bzw. 100 angenommen, kq und s mit 0,15 bzw. 30. Die oben genannten vier Parameter sind empirische Parameter im experimentellen Prozess. Da die Arbeitsfrequenz des Transformators 50 Hz beträgt, betragen für eine maximale Frequenzkomponente die linke und rechte Seite 50 Hz und die Frequenzbandbreite beträgt 100 Hz, d. h. r = 100. Bei Berücksichtigung der benachbarten Frequenzkomponenten beträgt die Bandbreite Nehmen Sie die Hälfte von 50, 50/2 = 25, das heißt, s = 25, r und s sind zwei Parameter, die sich nur auf die Stromversorgungsfrequenz des Transformators beziehen. Die Bestimmung von kp und kq sollte mit der Vibration des Transformators kombiniert werden . Im Experiment beträgt die maximale Amplitude des Frequenzbereichs grundsätzlich etwa 500 (wie in den Abbildungen 5 und 7 dargestellt), 500/25 = 20, d. h. kp = 20, (25 bezieht sich hier auf den Wert des Umgebungsgeräuschs in Schritt 3). , 0,003*16.384/2 ≈ 25) und kq = 0,15 wird aus mehreren Experimenten erhalten.

Für die Frequenzkomponente mit plötzlicher Änderung können wir auf beiden Seiten Segmentierungslinien hinzufügen. Um zu verhindern, dass die Frequenzsegmentierung zu dicht oder zu spärlich ist, können Anzahl und Position der Grenzlinien flexibel entsprechend dem Mittelwert der Frequenzkomponenten innerhalb dieses Bereichs angepasst werden. Wenn die Unterteilung zu dicht ist, kann der Durchschnittswert der beiden Grenzen oder die Grenze mit niedriger Frequenzamplitude oder die Grenze nahe der Zielfrequenz genommen werden. Die letzte Methode kann die Auflösung der Zielfrequenzamplitude verbessern. Für einen Bereich mit geringer Teilung kann bei einigen Mindestwerten des Frequenzbereichs eine Teilungsgrenzlinie entsprechend hinzugefügt werden.

Der Vibrationssensor verwendet den piezoelektrischen Beschleunigungssensor CA-YD-188T der Firma Jiangsu Lianneng mit einer Empfindlichkeit von 500 mv/g, einem Frequenzbereich von 0–5000 Hz, einem Messbereich von ± 10 g, einer Stoßgrenze von 2000 g und einem Arbeitstemperaturbereich von − 40 bis 120 ℃. Das Vibrationserfassungsgerät nutzt die High Dynamic Range-Erfassungseinheit der Firma Dewesoft. Wie in Abb. 4 dargestellt, verfügt der Versuchstransformator über 14 Befestigungsschrauben, 6 Querschrauben (A–F) und 8 Längsschrauben (1–8). Es gibt fünf Einbaupositionen (oben links, oben mitte, oben rechts, unten links, unten rechts) von Vibrationssensoren am Transformator. Der Hämmertest besteht aus vier Schlägen in jeder Gruppe, stehend auf der Seite der Hochspannungswicklung und mit Blick auf den Transformator, der erste Hämmerversuch (K1) erfolgt von links nach rechts an der Oberseite des Transformators, der zweite Hämmerversuch (K2) erfolgt von vorne nach hinten in Blickrichtung, der dritte Schlag (K3) erfolgt von rechts nach links an der Oberseite des Transformators und der vierte Schlag (K4) erfolgt von der Mitte der Oberseite nach unten. Die in diesem Artikel vorgeschlagene Methode wird hauptsächlich zur Analyse der transienten Schwingungen des Transformators verwendet, einschließlich der Schwingungen des Transformators beim Ein- und Ausschalten und beim Lastwechsel zwischen verschiedenen Lasten, wie in Tabelle 2 dargestellt. Die in diesem Artikel vorgeschlagenen Methoden sind Gilt für die Übergangssituation, wenn der Zustand umgeschaltet wird, zeigt jedoch nur die Ergebnisse des Hammertests, des Einschaltens und des Lastwechsels von 60 auf 100 kW.

Vibrationsprüftransformator.

Beim Klopftest gibt es nur den Effekt einer sofortigen Anregung und keine anderen Vibrationsinterferenzen, sodass die Resonanzfrequenz leicht beobachtet werden kann. Die Schwingungswellenform des Transformator-Hämmertests im Normalzustand ist in den Abbildungen dargestellt. 5 und 6. Für die Resonanzfrequenzkomponente müssen wir auf die harmonischen Komponenten des ganzzahligen Vielfachen von 50 Hz achten. Diese Komponenten verursachen mit größerer Wahrscheinlichkeit Resonanzen im Transformator. Die „Jet“-Farbkarte wird in Abb. 5 und allen folgenden Zeit-Frequenz-Abbildungen verwendet.

Spektrumsegmentierung und Zeit-Frequenz-Anzeige von Hämmertestdaten (K1) basierend auf der traditionellen Methode (a1–a3) sind die Ergebnisse der Fourier-Spektrumsegmentierung (obere linke Position, Farbkarte, „Jet“).

Spektrumsegmentierung und Zeit-Frequenz-Anzeige von Hämmertestdaten (K1) basierend auf der in diesem Dokument vorgeschlagenen Methode. (a) sind die Ergebnisse der Fourier-Spektrumsegmentierung (oben links, Farbkarte, „Jet“).

Abbildung 5 zeigt die Ergebnisse von drei traditionellen EWT-Methoden basierend auf der Extremum-, der adaptiven und der Gaußschen Ebene20. In Abb. 5 werden links die Ergebnisse der Fourier-Transformation und die Segmentierung des Frequenzbereichs angezeigt. Die Längsdarstellung soll den Vergleich mit den Frequenzkomponenten der Zeit-Frequenz-Ebene erleichtern, und die Änderung jeder Frequenzkomponente mit der Zeit wird auf der linken Seite angezeigt Rechts. Die folgenden Abbildungen. 6, 8 und 9 sind ebenfalls gleich.

Die auf Extremwerten basierende Methode muss die Anzahl der Extremwerte im Voraus angeben. Wenn die Anzahl der angegebenen Extremwerte gering ist, reicht die Division möglicherweise nicht aus, was den Divisionsergebnissen auf Basis der adaptiven Methode ähnelt. Wenn die Anzahl der Extremwerte groß ist, sind einige Frequenzbänder möglicherweise zu schmal, zu viele Bänder erhöhen den Berechnungsaufwand und zu schmale Bänder führen zu Anzeigeverzerrungen auf der Zeit-Frequenz-Ebene, und einige helle Linien mit unveränderter Farbe werden angezeigt B. 250 Hz und 700 Hz in Unterabbildung (1) von Abb. 5. Die konstante Farbe bedeutet, dass die Amplitude dieser Frequenzkomponenten konstant ist. Tatsächlich sind diese Komponenten jedoch nicht immer konstant, da es sich um einen Hammertest handelt , die Schwingung wird schnell abklingen, sodass keine Frequenzkomponente unverändert bleiben kann. Bei der adaptiven Methode gibt es nur eine Grenze im Bereich von 0–1000 Hz, die zu analysierenden Komponenten werden aufgeteilt, was für die Schwingungsanalyse von Transformatoren nicht hilfreich ist. Die auf der Gaußschen Ebene basierende Methode ist die beste der drei Methoden. Zusätzlich zu den Resonanzfrequenzkomponenten, die in der auf der Gaußschen Skalenebene20 basierenden Methode zu sehen sind, kann die in diesem Artikel vorgeschlagene Methode reichere Resonanzfrequenzen liefern, wie etwa etwa 20 Hz, 550 Hz, 750 Hz und 850 Hz in Abb. 6. Die vorgeschlagene Segmentierungsmethode kann auch die Resonanzfrequenzen genauer angeben, d. h. die Linie der Zeit-Frequenz-Ebene ist gerader. Die auf der Gaußschen Ebene basierende Methode muss beim Teilen des Frequenzbereichs eine Gaußsche Ebene zeichnen, daher ist der Rechenaufwand sehr hoch. Die Zeit-Frequenz-Analyse der auf der Gaußschen Ebene basierenden Methode dauert etwa 80 s, während die vorgeschlagene Methode etwa 80 s dauert 2 s. Wenn eine Zeit-Frequenz-Analyse für mehrere Kanäle, mehrere Hämmerungen oder Fehler durchgeführt wird, erfordert die auf der Gaußschen Ebene basierende Methode hohe Rechenressourcen. Am wichtigsten ist, dass die oben genannten drei herkömmlichen Methoden die auftretenden Frequenzkomponenten nicht verfolgen und analysieren können.

In jedem Fall ist die EWT-Methode immer noch eine gute Zeit-Frequenz-Analysemethode, insbesondere die EWT-Methode basierend auf der Gaußschen Ebene. Die in diesem Artikel vorgeschlagene Methode ist eine verbesserte EWT-Methode. Verglichen mit der auf der Gaußschen Ebene basierenden Methode ist die verbesserte Frequenzbereichssegmentierungsmethode einfach in der Berechnung und klar in der Zeit-Frequenz-Anzeige wichtiger Frequenzkomponenten, was sich besser für die Analyse von Transformatorschwingungsdaten eignet.

Tabelle 3 zeigt die Identifizierungsergebnisse von Resonanzfrequenzen und Dämpfungskoeffizienten entsprechend mehreren Resonanzfrequenzpunkten in Abb. 6. Die Änderung des Transformatordämpfungskoeffizienten mit der Resonanzfrequenz ist in Abb. 7 dargestellt. Mit zunehmender Resonanzfrequenz wird der Dämpfungskoeffizient angezeigt ein Abwärtstrend. Bei Resonanzfrequenzpunkten über 400 Hz sind die Dämpfungskoeffizienten sehr klein.

Variation des Dämpfungskoeffizienten mit der Resonanzfrequenz.

Wenn der Hammertest des Transformators unpraktisch oder unmöglich ist, ist die Methode zur Bestimmung der Resonanzfrequenz des Transformators anhand der Vibrationsdaten beim Einschalten sehr nützlich. Insbesondere bei großen Leistungstransformatoren kann es schwierig sein, einen Hammertest durchzuführen. Da beim Einschalten des Transformators kein Strom in der Transformatorwicklung fließt, müssen die durch den Laststrom verursachten Vibrationen nicht berücksichtigt werden, sodass das Störsignal bei der Vibrationsmessung gering ist. Wenn der Transformator eingeschaltet ist, ist dies gleichbedeutend damit, dass er sich selbst physikalisch erregt. Zwar entstehen durch die Erregung des Transformators im Leerlaufbetrieb des Transformators einige Schwingungskomponenten, jedoch werden die Frequenzspektren des Erregerstroms ermittelt, sodass auch die durch den Erregerstrom erzeugten Schwingungskomponenten ermittelt werden. Daher kann die Änderung der Resonanzfrequenz durch Vergleich des Schwingungsspektrums beim Einschalten des Transformators beobachtet werden.

Die Abbildungen 8 und 9 zeigen die Analyseergebnisse der Vibrationsdaten, wenn der Transformator eingeschaltet ist und die Einschaltzeit des Transformators 0,36 s beträgt. Die auf der Gaußschen Ebene basierende Methode hebt Teile mit einer großen Frequenzamplitude wie 100 Hz, 250 Hz usw. nicht hervor. Die verbesserten Ergebnisse der Frequenzbereichssegmentierung sind in Abb. 9 dargestellt. Es ist ersichtlich, dass die neue Segmentierungsmethode legt die Grenze für die Teile mit großer Amplitude (100 Hz, 250 Hz) fest. Verglichen mit den Ergebnissen der Zeit-Frequenz-Ebene in Abb. 8 sind die Zeit-Frequenz-Informationen der in diesem Artikel vorgeschlagenen Methode offensichtlicher.

Vibrationsdatenanalyse der Transformatorleistung basierend auf der Gaußschen Ebene6, (a) ist das Fourier-Spektrum-Segmentierungsergebnis (oben links, Farbkarte, „Jet“).

Die Vibrationsdatenanalyse der Transformatorleistung basiert auf der in diesem Artikel vorgeschlagenen Methode. (a) ist das Fourier-Spektrum-Segmentierungsergebnis (oben links, Farbkarte, „Jet“).

In Abb. 10 und 11, K1–K4 sind Ergebnisse der Fourier-Analyse der Schwingungen des Transformator-Hämmertests. Es ist ersichtlich, dass die durch die vier Hämmertests angeregten Resonanzfrequenzen zwar nicht genau gleich sind, der Verteilungsbereich der Resonanzpunkte jedoch grundsätzlich derselbe ist. und die Resonanzfrequenzen des Transformators können durch Hämmern in verschiedene Richtungen vollständiger erhalten werden. Die erste dunkelblaue Linie ist das Analyseergebnis, wenn der Transformator eingeschaltet ist. Es ist ersichtlich, dass die Schwingungskomponenten des Transformators alle Frequenzverdopplungskomponenten von 50 Hz im Bereich von 0–1000 Hz sowohl in Quer- als auch in Längsrichtung umfassen. Wenn daher ein Resonanzpunkt innerhalb von 1000 Hz auftritt, verursacht er eine Resonanz auf der benachbarten Frequenzverdopplungskomponente von 50 Hz. Mit Ausnahme des durch die Hysterese verursachten 100-Hz-Frequenzpunkts sind die durch den Hammertest angeregten Resonanzfrequenzpunkte grundsätzlich dieselben wie die Vibrationsfrequenzpunkte beim Einschalten. Es ist ersichtlich, dass der Transformator bei einigen Frequenzen mitschwingt, z. B. 350 Hz, 600 Hz und 800 Hz in Abb. 10 und 200 Hz, 400 Hz, 600 Hz ~ 800 Hz und 900 Hz in Abb. 11.

Ergebnisse der Vibrationsdatenanalyse von vier Hämmertests und Einschalten (Position oben links).

Ergebnisse der Vibrationsdatenanalyse von vier Hämmertests und Einschalten (Position oben rechts).

Abbildung 12 zeigt das Frequenzspektrum der stationären Vibration des Transformators bei 60 kW bzw. 100 kW Last. Abbildung 13 zeigt die Schwingungsänderungen vor und nach dem Transformatorlastsprung, die Last wird von 60 auf 100 kW umgeschaltet, die Lastsprungzeit beträgt ca. 0,39 s. Durch den Vergleich des Frequenzspektrums der stationären Schwingung vor und nach dem Lastschritt des Transformators ist ersichtlich, dass sich die Komponenten von 200 Hz, 400 Hz, 700 Hz und 1000 Hz stark ändern, wobei die 1000-Hz-Komponente eine auftretende Frequenzkomponente ist. Durch Festlegen der Frequenzbereichsteilungsgrenze in der Nähe dieser Komponenten ist es offensichtlich, dass sich die vier Frequenzkomponenten unmittelbar nach dem Lastschritt ändern, sodass der Lastschritt der Grund für die Änderung dieser Frequenzkomponenten ist.

Frequenzbereichsvergleich vor und nach dem Lastschritt des Transformators (Position oben links).

Vibrationsdaten und Zeit-Frequenz-Anzeige vor und nach dem Lastsprung des Transformators (Position oben links).

Wenn sich die Vibrationsdaten des Transformators stark ändern, werden die Komponenten mit großer Amplitudenänderung durch Vergleich jeder Signalkomponente im Frequenzbereich bestimmt und dann eine Grenze in der Nähe der Zielfrequenzkomponente festgelegt, um die Zeit-Frequenz-Auflösung der Zielfrequenz zu verbessern und zu bestimmen der Zeitpunkt des Auftretens der Zielfrequenz. In Kombination mit den Spannungs- und Stromsignalen der Transformatorlaststufe kann festgestellt werden, ob die Änderung des Zielfrequenzsignals durch Transformatorfehler oder Laststufe verursacht wird.

Die Abbildungen 14 und 15 zeigen die Analyseergebnisse des Hammertests eines 25-kV-Öl-Bordtransformators für elektrische Triebzüge (EMU). Abbildung 14 ist das Ergebnis basierend auf der hier vorgeschlagenen Methode und Abbildung 15 ist das Ergebnis basierend auf der herkömmlichen Gaußschen Ebene. Die Spektralverteilung des 25-kV-Öl-Bordtransformators ist sehr breit und es gibt viele Resonanzfrequenzpunkte im Bereich von 0–3000 Hz. Die Ergebnisse der Zeit-Frequenz-Analyse des Hochfrequenzteils und des Niederfrequenzteils sind in Abb. 14 dargestellt. Es ist ersichtlich, dass für den Niederfrequenzteil beide Methoden eine bessere Zeit-Frequenz-Auflösung und die vorgeschlagene Methode aufweisen ist dichter geteilt; Für den Hochfrequenzteil hat die in diesem Artikel vorgeschlagene Methode offensichtliche Vorteile, insbesondere für die 3000-Hz-Komponente ist die Amplitude der Frequenzkomponente sehr hoch und die auf der Gaußschen Ebene basierende Methode zeigt keine Frequenzänderung Bauteil gut.

Analyseergebnisse der Hämmertestdaten eines in Öl getauchten 25-kV-Bordtransformators (a) sind die Segmentierungsergebnisse des Fourier-Spektrums (in diesem Artikel vorgeschlagene Methode, Position oben links, Farbkarte, „Jet“).

Analyseergebnisse der Hämmertestdaten eines in Öl getauchten 25-kV-Bordtransformators (a) sind die Segmentierungsergebnisse des Fourier-Spektrums (Methode basierend auf der Gaußschen Skalenebene, Position oben links, Farbkarte, „Jet“).

Die Abbildungen 16 und 17 sind die Analyseergebnisse des Hammertests eines 35-kV-Metro-Traktionstransformators. Abbildung 16 ist das Ergebnis basierend auf der hier vorgeschlagenen Methode und Abbildung 17 ist das Ergebnis basierend auf der herkömmlichen Gaußschen Ebene. Es ist ersichtlich, dass die Resonanzfrequenzverteilung des Trockentransformators für 35-kV-Metro sehr konzentriert ist, hauptsächlich im Bereich von 200–400 Hz, und beide Methoden eine gute Zeit-Frequenz-Auflösung aufweisen.

Analyseergebnisse der Hämmertestdaten eines 35-kV-Metro-Traktionstransformators (a) sind die Fourier-Spektrum-Segmentierungsergebnisse (in diesem Dokument vorgeschlagene Methode, Position oben links, Farbkarte, „Jet“).

Analyseergebnisse der Hämmertestdaten eines 35-kV-U-Bahn-Trockentransformators (a) sind die Fourier-Spektrum-Segmentierungsergebnisse (Methode basierend auf der Gaußschen Skalenebene, Position oben links, Farbkarte, „Jet“).

Es ist ersichtlich, dass die in diesem Artikel vorgeschlagene Methode für diese beiden Transformatortypen eine hohe Zeit-Frequenz-Auflösung bietet. Die in diesem Artikel vorgeschlagene Methode ist sowohl für Niederfrequenzkomponenten als auch für Hochfrequenzkomponenten gut anwendbar, und die Verarbeitungszeit für die Vibrationssignale der beiden Transformatortypen beträgt weniger als 2 s. Die auf der Gaußschen Ebene basierende Methode hat jedoch eine Laufzeit von etwa 80 s.

In Kombination mit den Analyseergebnissen von drei Transformatoren ergeben sich folgende Vorteile der vorgeschlagenen Methode.

Mit dieser Methode kann die plötzliche Änderungskomponente verfolgt und analysiert werden. Wenn die Vibration des Transformators schwankt, kann die Ursache der Vibrationsschwankung durch die Ermittlung der Frequenzänderungszeit und der Lastschrittzeit ermittelt werden, was für die Online-Fehlerdiagnose des Transformators von großer Bedeutung ist.

Durch das vorgeschlagene Verfahren werden die Schwingungswellenformen bei Resonanzfrequenzen getrennt und die Dämpfungskoeffizienten und andere Korrelationskoeffizienten bei verschiedenen Resonanzfrequenzen extrahiert.

Bei großen Leistungstransformatoren kann es schwierig sein, einen Hammertest durchzuführen. Wenn der Hammertest des Transformators unpraktisch oder unmöglich ist, können die Resonanzfrequenzen des Transformators anhand der Vibrationsdaten beim Einschalten ohne Last bestimmt werden.

Der Nachteil dieser Methode besteht darin, dass für verschiedene Transformatortypen die Bestimmung von kp (in Gleichung 24) und kq (in Gleichung 25) mit der Vibration des Transformators kombiniert und entsprechend den Analysezielen angepasst werden muss.

In diesem Artikel wird eine verbesserte EWT-Methode vorgeschlagen. Durch die Analyse der Vibrationssignale von 380-V-Trockentransformatoren, 35-kV-U-Bahn-Trockentransformatoren und 25-kV-Öl-Bordtransformatoren von EMU wurde die Anwendbarkeit dieser Methode für Transformatoren mit unterschiedlichen Spannungsniveaus und unterschiedlichen Kapazitäten nachgewiesen.

Die in diesem Artikel vorgeschlagene Methode kann den Einfluss von Interferenzkomponenten wie Komponenten mit kleiner Amplitude und mehreren benachbarten Komponenten mit hoher Amplitude wirksam eliminieren und die Bedeutung von Komponenten mit hoher Amplitude und Komponenten mit großen Änderungen im Frequenzbereich hervorheben. Am wichtigsten ist, dass die vorgeschlagene Methode im Vergleich zu herkömmlichen Methoden die neuen Frequenzkomponenten verfolgen und analysieren kann. Durch die Analyse der Hammerschwingungsdaten des Transformators und der Leistungsschwingungsdaten verfügt diese Methode über eine höhere Zeit-Frequenz-Auflösung und die Berechnungszeit wird von 80 s auf etwa 2 s verkürzt, was die Überlegenheit dieser Methode beweist.

Alle während dieser Studie generierten Daten sind in diesem veröffentlichten Artikel [und seinen ergänzenden Informationsdateien] enthalten.

Dai, J., Song, H., Sheng, G. & Jiang, X. Analyse gelöster Gase von Isolieröl zur Fehlerdiagnose von Leistungstransformatoren mit Deep-Glaubens-Netzwerk. IEEE T. Dielect. El. In. 24(5), 2828–2835 (2017).

Artikel CAS Google Scholar

Zhang, B., Yan, N., Du, J., Han, F. & Wang, H. Ein neuartiger Ansatz zur Untersuchung der Kernvibration in Leistungstransformatoren. IEEE T. Magn. 54(11), 1–4 (2018).

Google Scholar

Bagheri, M., Zollanvari, A. & Nezhivenko, S. Prognose des Transformatorfehlerzustands mithilfe von Vibrationssignalen über einer Wolkenumgebung. IEEE Access 6, 9862–9874 (2018).

Artikel Google Scholar

Lee, SH, Jung, SY & Lee, BW Teilentladungsmessungen von kryogenen dielektrischen Materialien in einem HTS-Transformator mittels HFCT. IEEE T. Appl. Supercon. 20(3), 1139–1142 (2010).

Artikel ADS CAS Google Scholar

Yang, Z., Zhou, Q., Wu, X. & Zhao, Z. Eine neuartige Messmethode der Grenzflächenspannung von Transformatoröl kombiniert PSO-optimiertes SVM und Mehrfrequenz-Ultraschalltechnologie. IEEE Access 7, 182624–182631 (2019).

Artikel Google Scholar

Kim, JW, Park, B., Jeong, SC, Kim, SW & Park, P. Fehlerdiagnose eines Leistungstransformators mithilfe einer verbesserten Frequenzganganalyse. IEEE T. Stromversorgung. 20(1), 169–178 (2005).

Artikel Google Scholar

Zhang, P., Li, L., Cheng, Z., Tian, ​​C. & Han, Y. Studie zur Vibration des Eisenkerns von Transformator und Reaktor basierend auf Maxwell-Spannung und anisotroper Magnetostriktion. IEEE T. Magn. 55(2), 1–5 (2019).

Artikel Google Scholar

Saponara, S., Fanucci, L., Bernardo, F. & Falciani, A. Prädiktive Diagnose von Hochleistungstransformatorfehlern durch Vernetzung von Schwingungsmessknoten mit integrierter Signalverarbeitung. IEEE T. Instrument. Mess. 65(8), 1749–1760 (2016).

Artikel Google Scholar

Kang, P. & Birtwhistle, D. Zustandsüberwachung von Leistungstransformator-Laststufenschaltern. Teil 2: Erkennung der Alterung anhand von Schwingungssignaturen. IEE Proc. Verteilung der Erzeugungsübertragung. 148(4), 307 (2001).

Artikel Google Scholar

Garcia, B., Burgos, JC & Alonso, A. Schwingungsmodellierung von Transformatortanks als Methode zur Erkennung von Wicklungsverformungen – Teil I: Theoretische Grundlagen. IEEE T. Stromversorgung. 21(1), 157–163 (2006).

Artikel Google Scholar

Shin, PS, Lee, J. & Ha, JW Eine freie Schwingungsanalyse von Spiralwicklungen eines Leistungstransformators mittels pseudospektraler Methode. IEEE T. Magn. 43(6), 2657–2659 (2007).

Artikel ADS Google Scholar

Shengchang, J., Yongfen, L. & Yanming, L. Forschung zur Extraktionstechnik der Grundfrequenzschwingung des Transformatorkerns basierend auf OLCM. IEEE T. Stromversorgung. 21(4), 1981–1988 (2006).

Artikel Google Scholar

Hsu, C. et al. Reduzierung von Vibrationen und Geräuschpegel für einen Einphasen-Leistungstransformator mit großer Kapazität. IEEE T. Magn. 51(11), 1–4 (2015).

Google Scholar

Jing, Z., Hai, H., Pan, J. & Yanni, Z. Identifizierung des nichtlinearen Schwingungssystems von Leistungstransformatoren. Mess. Wissenschaft. Technol. 28(1), 15005 (2016).

Artikel Google Scholar

Bartoletti, C. et al. Vibroakustische Techniken zur Diagnose von Leistungstransformatoren. IEEE T. Stromversorgung. 19(1), 221–229 (2004).

Artikel Google Scholar

X. Zhang, R. Huang, D. Zhou, F. Wang (2018) Vibrationsüberwachung von Konvertertransformatoren durch vereinfachte Permutationsentropie, 2018. IEEE, 864–869. https://doi.org/10.1109/CAC.2018.8623221

Luo, Bo., Wang, F., Liao, T. & He, Z. Modale Parameteridentifikation der Leistungstransformatorwicklung basierend auf dem verbesserten komplexen Morlet-Wavelet. J. Vib. Shock 33(06), 131–136 (2014).

Google Scholar

Yan, O., Lin, X. & Yin, J. Merkmale von Schwingungsdaten von Leistungstransformatoren unter Verwendung der Wavelet-Theorie. Hochspannungsingenieur. 01, 165–168 (2007).

Google Scholar

Duan, R. & Wang, F. Fehlerdiagnose eines Laststufenschalters im Wandlertransformator basierend auf einer Zeit-Frequenz-Schwingungsanalyse. IEEE T. Ind. Electron. 63(6), 3815–3823 (2016).

Artikel Google Scholar

Gilles, J. Empirische Wavelet-Transformation. IEEE T. Signalprozesse. 61(16), 3999–4010 (2013).

Artikel ADS MathSciNet Google Scholar

Liu, W., Cao, S. & Chen, Y. Seismische Zeit-Frequenz-Analyse mittels empirischer Wavelet-Transformation. IEEE Geosci. Remote S. 13(1), 28–32 (2016).

Artikel CAS Google Scholar

Liu, N., Li, Z., Sun, F., Wang, Q. & Gao, J. Die verbesserte empirische Wavelet-Transformation und Anwendungen auf seismische Reflexionsdaten. IEEE Geosci. Remote S. 16(12), 1939–1943 (2019).

Artikel Google Scholar

Parashar, D. & Agrawal, DK Automatische Klassifizierung von Glaukomstadien mithilfe der zweidimensionalen empirischen Tensor-Wavelet-Transformation. IEEE-Signalverarbeitung. Lassen. 28, 66–70 (2021).

Artikel ADS Google Scholar

Xin, Y., Li, S., Zhang, Z., An, Z. & Wang, J. Adaptive verstärkte empirische Morlet-Wavelet-Transformation und ihre Anwendung bei der Fehlerdiagnose rotierender Maschinen. IEEE Access 7, 65150–65162 (2019).

Artikel Google Scholar

Lu, S., Gao, W., Hong, C. & Sun, Y. Eine neu entwickelte Fehlerdiagnosemethode für Transformatoren mittels verbesserter empirischer Wavelet-Transformation und extremer Kernel-Lernmaschine. Adv. Ing. Informieren. 49, 101320 (2021).

Artikel Google Scholar

Zhao, M. & Xu, G. Feature-Extraktion von Leistungstransformator-Schwingungssignalen basierend auf empirischer Wavelet-Transformation und Multiskalen-Entropie. IET Sci. Mess. Technol. 12(1), 63–71 (2018).

Artikel Google Scholar

Referenzen herunterladen

Fakultät für Elektrotechnik, Beijing Jiaotong University, Peking, 100044, China

Ruizheng Ni, Ruichang Qiu, Zheming Jin, Jie Chen und Zhigang Liu

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

RN: Schreiben, Überprüfen und Bearbeiten. ZJ: Methodik. JC: Finanzierungsakquise. RQ: Projektverwaltung. ZL: Aufsicht.

Korrespondenz mit Ruichang Qiu.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Ni, R., Qiu, R., Jin, Z. et al. Verbesserte empirische Wavelet-Transformation (EWT) und ihre Anwendung im instationären Schwingungssignal eines Transformators. Sci Rep 12, 17533 (2022). https://doi.org/10.1038/s41598-022-22519-z

Zitat herunterladen

Eingegangen: 08. April 2022

Angenommen: 17. Oktober 2022

Veröffentlicht: 20. Oktober 2022

DOI: https://doi.org/10.1038/s41598-022-22519-z

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.