电工电能新技术

作者：陈康裕1， 王飞1， 曾龙兴2， 陈尔佳2

单位：1. 佛山大学机电工程与自动化学院， 广东 佛山 528231；
2. 广东立胜综合能源服务有限公司， 广东 佛山 528200

关键词：变压器局部放电； 变分模态分解； 多尺度排列熵； Transformer Encoder； 一维卷积神经网络； 挤压与激励网络； 故障诊断

基金：国家自然科学基金项目（52377139）

针对变压器局部放电信号的非平稳性和非线性特点，本文提出了一种基于变分模态分解(VMD)和多尺度排列熵(MPE)以及并行双支路的变压器局部放电模式识别方法。首先，利用VMD技术对局部放电波形进行层次分解，分离出若干带限本征模态函数(IMF)，并基于MPE提取各阶IMF分量的深层特征信息，构建特征向量样本集。接着，设计了一个并行双支路模型，其中支路一通过Transformer Encoder的多头注意力机制提取全局特征，支路二利用堆叠的一维卷积神经网络(1D-CNN)结合挤压与激励网络(SENet)进一步提取局部特征信息。通过特征融合拼接策略，将双支路提取的全局与局部特征信息有效融合，从而增强模式识别的表现力。实验结果表明，本文所提出的方法在变压器局部放电模式识别中的准确率达到96.37%，且具有较高的识别效率，能够有效提升变压器局部放电故障的诊断性能，为变压器设备的维护工作提供了坚实的技术保障。

来源：2025年第9期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2025年第9期