关键词:
干式空心串联电抗器
匝间短路
Maxwell
主成分分析
K近邻算法
摘要:
【目的】针对干式空心串联电抗器微弱匝间短路故障难识别、传统方法缺乏早期预警机制的问题,提出了一种多维特征与智能算法融合的早期故障诊断方法,能够解决单一故障特征量灵敏度不足和易受噪声干扰故障漏判的问题。【方法】首先,提取并联电容器组的不平衡度、功率因数、零序电压及特征阻抗作为故障特征量,分析其在故障后各自的演变规律;其次,利用主成分分析法(principal component analysis,PCA)对原始数据降维去噪,消除干扰信息;随后,将去噪后的高饱和度特征输入至K近邻算法(K-nearest neighbor algorithm,KNN)构建故障识别和分类模型;最后,基于Maxwell建立场路耦合模型,生成单匝、轻微及多匝短路数据集,并设置无噪声与5%噪声工况验证算法的鲁棒性。【结果】仿真表明:所提方法在无噪声和5%噪声下对轻微匝间短路的识别准确率能够达到100%,且无需人工整定动作阈值。【结论】通过“特征提取-数据降噪-智能分类”三级架构,实现了微弱故障的高精度早期辨识;其创新点包括:四维特征协同提升故障灵敏性;PCA-KNN联合抗噪机制;自适应无阈值判别体系。研究成果为电力设备状态监测提供了新思路,后续仍可继续结合现场数据优化模型的泛化能力。