基于EEMD的有载分接开关触头松动故障诊断

华电技术 ›› 2012, Vol. 34 ›› Issue (1): 12-15.

基于EEMD的有载分接开关触头松动故障诊断

洪祥1，马宏忠1，高鹏1，陈楷2，王春宁2

1.河海大学能源与电气学院,江苏南京210098； 2.江苏省电力公司南京供电公司，江苏南京210008

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-01-25 发布日期:2012-01-25

Diagnosis of contacts loosening fault of onload tap changer based on EEMD

HONG Xiang1, MA Hongzhong1, GAO Peng1, CHEN Kai2, WANG Chunning2

1.College of Energy and Electrical Engineering, Hohai University, Nanjing 210098, China; 2.Nanjing Power Supply Company, Jiangsu Province Electric Power Corporation, Nanjing 210008, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-01-25 Published:2012-01-25

摘要/Abstract

摘要： 针对基于经验模态分解(EMD)的希尔伯特黄变换(HHT)在变压器有载分接开关(OLTC)振动信号故障检测方面的模态混叠问题，提出了集合经验模态分解(EEMD)方法，有效解决了EMD模态混叠的缺点。在EEMD的基础上对振动信号进行HHT，提取信号的边际谱，实现对触头松动故障的检测。仿真与实际试验表明，将该方法应用于分接开关振动信号的分析，可有效地提取故障特征量，有利于对触头故障的诊断。

关键词: 有载分接开关, 振动信号, 故障诊断, 集合经验模态分解, 希尔伯特黄变换, 边际谱

Abstract: Aiming at the mode mixing problem, which is exists in the vibration signal fault detection for transformer onload tap changer (OLTC) using HilbertHuang transform (HHT) based on empirical mode decomposition (EMD), the ensemble empirical mode decomposition (EEMD) method was put forward; and the mode mixing problem of EMD had been proved effectively. Based on the EEDM, the vibration signal can be HilbertHuang transformed; the marginal spectrum can be drawn from the HHT result; then the detection of the contacts loosening fault can be realized. The simulation and practical experiment show that to use this method in analysis of vibration signal of the tap changer can draw the values of the fault characteristic parameters effectively; and this is useful for contacts fault diagnosis.


Key words: on-load tap changer, vibration signal, fault diagnosis, ensemble empirical mode decomposition (EEMD), Hilbert-Huang transform (HHT), marginal spectrum

洪祥;马宏忠;高鹏;陈楷;王春宁. 基于EEMD的有载分接开关触头松动故障诊断[J]. 华电技术, 2012, 34(1): 12-15.

HONG Xiang;MA Hongzhong;GAO Peng;CHEN Kai;WANG Chunning. Diagnosis of contacts loosening fault of onload tap changer based on EEMD[J]. Huadian Technology, 2012, 34(1): 12-15.

[1]	龙思成, 黄志鸿. 基于多尺度极限融合网络的电力变压器故障诊断方法研究[J]. 综合智慧能源, 2022, 44(9): 78-83.
[2]	贾志军, 白德龙, 宋燕杰, 王剑飞, 李春新. 基于KPCA算法的电厂设备在线故障诊断研究[J]. 华电技术, 2021, 43(8): 48-53.
[3]	姜寅，任荭葳，陈凯，朱长江. 基于BP神经网络的风电系统控制器I/O硬件故障自诊断方法[J]. 华电技术, 2020, 42(5): 55-60.
[4]	胡杰，唐静，谢仕义，王云. 基于大数据技术的电厂设备状态评估和预警应用研究[J]. 华电技术, 2020, 42(2): 1-6.
[5]	黄绍伟. 自适应调频模式分解在轴承故障诊断中的应用[J]. 华电技术, 2020, 42(1): 54-57.
[6]	吴昌浩，曹景芳. 低速钢球磨煤机减速机齿轮断齿故障诊断及分析[J]. 华电技术, 2019, 41(5): 69-72.
[7]	冯坤. 1000 MW超超临界机组发电机调试期间振动问题的分析及处理[J]. 华电技术, 2019, 41(12): 41-45.
[8]	王佳梓1，王桂玲2. "云+端"大数据驱动的预见性电厂设备维护[J]. 华电技术, 2019, 41(11): 40-45.
[9]	倪新宇1，茅大钧2. 基于数据融合的超临界机组设备故障诊断研究[J]. 华电技术, 2018, 40(7): 5-9.
[10]	刘琳，郭鹏. 变速恒频风力机叶轮不平衡故障仿真研究[J]. 华电技术, 2018, 40(6): 1-6.
[11]	谢小鹏1，林玥廷2，林英明2. 火电厂设备状态监测与故障预警的研究[J]. 华电技术, 2018, 40(6): 7-9.
[12]	运红丽，张涛，宋小娜. 风电齿轮箱润滑状态监测与故障诊断系统开发[J]. 华电技术, 2018, 40(2): 4-6.
[13]	罗婵纯1，李德忠2，杨柳2，胡蓉2，任资龙2，谢小鹏2，向春波2. 基于高斯混合模型的汽轮机转轴故障诊断方法[J]. 华电技术, 2017, 39(10): 6-9.
[14]	马奔腾，徐涛，魏修忱. 某330MW汽轮发电机组轴系振动故障分析与处理[J]. 华电技术, 2016, 38(7): 56-57.
[15]	王天品1，孔德同2,刘庆超2. 风力发电机转速对齿轮箱振动的影响规律研究[J]. 华电技术, 2016, 38(12): 67-69.