学术简报︱有载分接开关状态特征提取及异常状态诊断的有效方法
输配电装备及系统安全与新技术国家重点实验室（重庆大学）的研究人员张知先、陈伟根、汤思蕊、王有元、万福，在2019年第21期《电工技术学报》上撰文（论文标题为“基于互补集总经验模态分解和局部异常因子的有载分接开关状态特征提取及异常状态诊断”），为了及时发现和诊断有载分接开关（OLTC）的异常状态，在特征提取方面，结合驱动电机电流信号选取OLTC振动信号的特定时段，以突出状态特征。
利用互补集总经验模态分解（CEEMD）得到振动信号的固有模态函数（IMF），针对OLTC振动信号的特点，提出基于IMF能量特征的降噪算法；设计了时频矩阵划分算法，提取划分线、峭度、包络谱熵、时频矩阵能量密度、时频矩阵变异系数等特征参量。
在异常状态诊断方面，通过多个振动测点，同时实现OLTC本体和传动机构的异常状态诊断；建立了以局部异常因子（LOF）为诊断参量的OLTC异常状态诊断方法，通过待测样本与正常样本集的比较来发现和诊断OLTC的异常状态，具有较好的普适性。
仿真和实验结果表明，基于该文提出的方法能有效发现和诊断OLTC的异常状态。
有载分接开关（On-Load Tap-Changer, OLTC）是调整变压器输出电压的核心设备，也是变压器中唯一频繁操作的机械与电气结合一体的设备，当OLTC存在故障时将会给变压器和电网的安全稳定运行造成严重威胁。由于目前传统交流变压器的OLTC普遍服役时间较长，存在不同程度的老化问题。
同时，近年来大量投运的换流变压器的OLTC具有切换负荷高、调压范围大、调压操作频繁、缺乏长期运行经验等特点。因此，迫切需要一种有效的异常状态诊断方法，来避免OLTC带故障运行。
有关资料统计显示，OLTC的故障约占变压器整体故障的20%以上，其中约93%为机械故障。OLTC的许多电气性能故障（如触头接触不良等）也往往是由于操作机构失灵、切换不到位等机械故障引起的，及时发现和诊断OLTC的机械异常状态，有助于检修工作人员及时开展故障排查工作，对于保障变压器的可靠运行具有重要意义。
目前，OLTC的机械异常状态诊断主要是基于其动作时产生的振动信号，研究工作集中在振动信号特征提取和异常状态诊断两个方面。
在振动信号特征提取方面，Seo等基于OLTC动作过程的阶段性，提出利用小波分析提取OLTC振动信号脉冲的时间和幅值信息作为特征参量，其特征参量的物理意义明确，基于异变的脉冲与OLTC动作时序的关联能够对存在异常状态的具体零部件进行分析。
然而，小波分析计算量较大且不具有自适应性。马宏忠等将经验模态分解（Empirical Mode Decomposition，EMD）引入OLTC振动信号的分析，发现EMD能量熵较小波能量熵在故障存在时的变化更明显。段若晨等利用窄带噪声抑制EMD产生的模式混合，提高了时频分析的精度。然而，目前基于EMD及其改进算法的OLTC振动信号分析所提取的特征参量物理意义较弱，与OLTC动作时序的关联性不强。
在异常状态诊断方面，常用的方法有隐马尔可夫模型（Hidden Markov Model, HMM）、K-means聚类和时频矩阵相似度分析等。基于HHM的诊断需要预先建立状态样本集，但不同厂家不同型号的OLTC结构各有不同，振动信号存在较大差异，且不同分接位置的振动信号也有所不同，难以建立普适的状态样本集。K-means聚类不需建立状态样本集，但K-means算法需预先设置类别数，且在非凸数据集中较难收敛。由于OLTC的振动信号具有一定的随机性，基于时频矩阵相似度的分析需要确定合适的标准信号。
此外，现有研究主要关注OLTC弹簧和触头松动故障等异常状态，即OLTC本体（切换开关、分接选择器等）异常状态的诊断，对于OLTC传动机构（传动轴、驱动电机及其控制电路）的异常状态，特别是传动轴松动、卡滞等故障研究较少，而在实际工程中OLTC传动机构的故障时有发生。
鉴于此，本文采用互补集总经验模态分解（Complementary Ensemble Empirical Mode Decom- position, CEEMD）[9]计算信号的固有模态分量（Intrinsic Mode Function, IMF），该方法是集总经验模态分解（Ensemble Empirical Mode Decom- position, EEMD）[10]的改进形式，具有较高的计算效率。
针对OLTC振动信号的特点，提出基于IMF分量能量特征的降噪算法，滤除白噪声和低频噪声干扰。结合驱动电机电流信号选取OLTC振动信号的特定时段，以突出状态特征。通过多个振动测点，同时实现OLTC本体和传动机构的异常状态诊断，并降低OLTC本体和传动机构状态特征相互间的干扰。
综合考虑目前OLTC振动信号特征提取中小波分析和EMD分析各自的优缺点，对CEEMD分解得到的时频矩阵结合OLTC的动作时序进行划分，设计了基于Teager能量算子的端点提取方法。提取了划分线、峭度、包络谱熵、时频矩阵能量密度、时频矩阵变异系数等特征参量。
鉴于普适的OLTC状态样本集建立较为困难，且OLTC的振动信号存在随机性，采用局部异常因子（Local Outlier Factor, LOF）来发现OLTC的异常状态。
图2 加速度传感器布置方案
图3 电流传感器的安装方式
图4 故障模拟
本文提出基于CEEMD和局部异常因子的OLTC异常状态诊断方法，通过仿真和实验研究，得到的结论如下：
1）结合驱动电机电流信号，确定了用于OLTC状态诊断的信号时段，通过多个测点同时实现了OLTC本体和传动机构的异常状态诊断。
2）提出基于IMF分量能量特征的OLTC振动信号降噪算法，能够抑制白噪声和低频噪声干扰，并提高计算效率。设计了基于Teager能量算子的端点提取算法，建立了特征参量与OLTC动作时序的关联关系。提出时频域划分线、时域峭度及包络谱信息熵平均值、时频矩阵变异系数等特征参量，能够刻画OLTC振动信号能量在时频域分布的变化。
3）设计了实时的OLTC振动信号局部异常因子算法，并基于此提出一种OLTC标准振动信号的确定方法。实验结果表明，局部异常因子综合了多特征参量的变化，能实时跟踪OLTC的机械状态，适合作为OLTC异常状态的诊断参量。