
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于改进多域故障偏差指数的变压器绕组扫频响应分析定量诊断框架
《Scientific Reports》:Multi-domain feature fusion and machine learning-based SFRA diagnosis of transformer winding faults using a novel fault deviation index
【字体: 大 中 小 】 时间:2026年09月27日 来源:Scientific Reports 4.9
编辑推荐:
摘要扫频响应分析(SFRA)是评估变压器绕组完整性的一种常用技术。然而,SFRA结果的解读仍然是定性的,并且依赖于专家评估。本研究提出了一种基于改进的归一化多域故障偏差指数(MFDI)的定量、测量导向的诊断框架。在该方法中,幅值、相位、阻抗和基于谐振的描述子被整合到统一的公式
扫频响应分析(SFRA)是评估变压器绕组完整性的一种常用技术。然而,SFRA结果的解读仍然是定性的,并且依赖于专家评估。本研究提出了一种基于改进的归一化多域故障偏差指数(MFDI)的定量、测量导向的诊断框架。在该方法中,幅值、相位、阻抗和基于谐振的描述子被整合到统一的公式中。所提出的方法结合了频带分解与多域特征融合,以捕捉局部和全局的光谱偏差。该框架通过SFRA测量在相内(U–N)和相间(V–W)故障情景下进行了实验验证。结果表明,所提出的MFDI能够捕捉健康状态与故障状态之间的明显差异。对于相内故障情景,尽管所调查故障条件对应的光谱特征具有高度相似性,所提出的方法仍提供了定量区分。相比之下,相间故障产生了更显著的全局光谱偏差,从而为支持向量机(SVM)和随机森林(RF)分类器提供了高度可分离的特征表示。这些发现表明,所提出的方法将SFRA从以定性解读为主的技术推进为一种定量、可解释且与机器学习兼容的诊断方法,适用于智能变压器状态监测。