基于单测点振动信号的电抗器故障诊断方法研究.pdf

华中科技大学硕士学位论文

摘要

高压电抗器（简称电抗器）是保障电力系统安全运行的关键部件之一，其表面

振动信号能反映设备的运行状态。研究过程中为全面分析故障信息，电抗器表面会

被布置多个测点采集振动信号，但采用单个测点进行故障诊断可以简化实际应用流

程。然而，从单个测点提取的特征难以泛化到其它测点，会降低其它测点的故障诊

断精度。其次，重新布置测点等原因可能会使测点位置发生偏移，导致原测点和现

测点采集的振动信号数据分布产生差异，降低了电抗器故障诊断精度。本文对基于

单测点振动信号的电抗器故障诊断展开研究，主要研究内容及创新点如下：

（1）针对仅从单测点振动信号中提取的特征组合难以泛化到其他测点的问题，

本文提出了基于共性特征选择的电抗器单测点故障诊断方法，该共性特征适用于所

有测点。本方法利用基于支持向量机的递归消除算法对单个测点的84维特征进行初

步筛选，再综合考虑所有测点，利用遗传算法选出其共性特征。在凯斯西储大学轴

承数据集和实验室私有电抗器数据集进行实验，所有测点的平均故障诊断精度分别

达到99.96%和100%，其中电抗器数据集的特征按照重要性从高到低排序为200Hz

谐波与100Hz基频幅值比、700Hz的频率比重和300Hz的频率比重。

（2）针对测点位置发生偏移导致电抗器故障诊断精度下降的问题，本文提出

了一种基于域适应的单测点振动信号故障诊断方法，该方法基于软标签的故障分类

器降低了目标域样本的误分类风险。首先通过特征提取器将振动信号和对应频谱信

号拼接成的信号映射到特征空间，然后联合边缘分布和条件分布对齐策略，缩小原

测点和偏移测点的振动信号数据分布差异，最后采用基于软标签的故障分类器对故

障状态进行预测。分别在轴承数据集和电抗器数据集进行了充分的对比实验和消融

实验，与DASAN（DeepAdversarialSubdomainAdaptationNetwork）等共6种域适

应方法相比，故障诊断精度至少分别提高了22.39%和7.6%。

关键词：高压电抗器；振动故障诊断；特征选择；域适应

I

华中科技大学硕士学位论文

Abstract

Highvoltagereactor(reactorforshort),whosesurfacevibrationsignalscanreflectits

operatingconditions,playsanimportantroletoensurethesafetyoftheelectricpower

system.Tocomprehensivelyminethefaultinformation,researchersusuallydeploymultiple

measuringpointsonthereactorsurface.However,thesinglepointfaultdiagnosisstrategy

cangreatlysimplifythepracticalapplications.Twochallengesexistinthesinglepointfault

diagnosisstrategy.Oneisthatthefeaturesextractedfromasinglemeasuringpointhasa

poorgeneralization,whichmayperformbadlyonothermeasuringpoints.Theother

challengeisthattheoffsetofmeasuringlocationusuallyoccurs,resultingthedistribution

discrepancybetweenthetwolocationsignals.Thereactorfaultdia