周利軍，周 猛，李沃陽(yáng)，陳田東，吳振宇，王東陽(yáng)

（西南交通大學(xué) 電氣工程學(xué)院，四川 成都 611756）

0 引言

牽引變壓器是高速鐵路牽引供電系統(tǒng)的核心設(shè)備之一，其運(yùn)行狀態(tài)與軌道交通運(yùn)行的安全穩(wěn)定性密切相關(guān)［1?3］。根據(jù)國(guó)際大電網(wǎng)委員會(huì)的統(tǒng)計(jì)，絕緣破損和繞組變形是造成變壓器損壞的常見(jiàn)故障，其中繞組變形故障約占26.6%［4］。變壓器繞組變形在短路沖擊力的作用下具有累積效性，會(huì)造成繞組屈曲、繞組移位、短路等故障，甚至?xí)斐砂踩鹿?。因此，有效診斷變壓器繞組狀態(tài)，從而為變壓器檢修提供參考，對(duì)牽引供電系統(tǒng)的安全可靠運(yùn)行具有重大意義［5］。

目前，國(guó)內(nèi)外學(xué)者陸續(xù)提出了多種變壓器繞組狀態(tài)檢測(cè)方法，例如測(cè)量繞組等效阻抗的短路阻抗法［6］、監(jiān)測(cè)變壓器箱壁振動(dòng)信號(hào)的振動(dòng)法［7］以及通過(guò)變壓器繞組網(wǎng)絡(luò)響應(yīng)特性判斷繞組變化情況的頻率響應(yīng)法FRA（Frequency Response Analysis）［8?10］。其中，短路阻抗法能夠簡(jiǎn)單直觀地反映繞組的狀態(tài)，但其能夠診斷的信息較為有限，對(duì)于繞組的故障類型、故障位置等較難作進(jìn)一步的深入分析；振動(dòng)法能夠?qū)崿F(xiàn)變壓器狀態(tài)在線監(jiān)測(cè)，不干擾牽引供電系統(tǒng)的正常運(yùn)行，但傳感器的布置、變壓器運(yùn)行環(huán)境等在一定程度上會(huì)影響信號(hào)的采集和分析；相比于其他方法，基于FRA 的繞組狀態(tài)檢測(cè)技術(shù)發(fā)展較為成熟，國(guó)內(nèi)外已形成相關(guān)標(biāo)準(zhǔn)，其通過(guò)幅頻曲線在低、中、高3 個(gè)頻段的相似系數(shù)綜合判斷繞組的故障程度。為了進(jìn)一步提高FRA 故障診斷的準(zhǔn)確性，學(xué)者們提出了多種維度提取特征參數(shù)的方法，例如極坐標(biāo)圖［8］、二值化圖像［9］、傳遞函數(shù)［10］方法等。上述研究工作為實(shí)現(xiàn)變壓器繞組變形的有效檢測(cè)做出了重要的貢獻(xiàn)。

為了進(jìn)一步提高繞組變形檢測(cè)的效率，近年來(lái)學(xué)者們提出了一種基于開(kāi)關(guān)過(guò)電壓和脈沖頻率響應(yīng)的振蕩波法［11?14］，該方法不僅能夠反映繞組狀態(tài)變化，而且易實(shí)現(xiàn)高壓等級(jí)測(cè)試，擁有較強(qiáng)的抗干擾能力，是現(xiàn)有檢測(cè)方法的一種有效補(bǔ)充。已有研究建立220 kV 變壓器試驗(yàn)平臺(tái)，開(kāi)展高壓振蕩波試驗(yàn)，試驗(yàn)結(jié)果表明：振蕩波法抗干擾能力強(qiáng)、測(cè)試重復(fù)性高。在此基礎(chǔ)上探究了不同電源參數(shù)下振蕩波的演變規(guī)律，明確了該檢測(cè)方法下的最優(yōu)測(cè)試技術(shù)［11?12］?；谟邢拊抡娼ｉ_(kāi)展了不同繞組狀態(tài)下等效電路參數(shù)與振蕩波變化規(guī)律的關(guān)聯(lián)性研究，同時(shí)搭建繞組故障模擬平臺(tái)，驗(yàn)證了該方法對(duì)繞組故障的高靈敏性［13?14］。但針對(duì)振蕩波特征提取及故障診斷的系統(tǒng)研究尚未開(kāi)展。

為此，本文針對(duì)變壓器繞組的振蕩波信號(hào)特征提取以及故障診斷方法進(jìn)行研究與討論。首先基于振蕩波曲線特點(diǎn)提取波形特征；然后通過(guò)小波包變換將振蕩波轉(zhuǎn)化為時(shí)頻圖，提取顏色矩特征和顏色聚合向量CCV（Colour Coherence Vector）特征；結(jié)合故障屬性相關(guān)特征，通過(guò)多特征融合進(jìn)行繞組故障類型、故障程度以及故障位置的識(shí)別；最后在一臺(tái)等比例牽引變壓器模型上模擬軸向移位故障、餅間電容故障以及餅間短路故障，使用提出的多特征融合方法進(jìn)行分析，并通過(guò)粒子群優(yōu)化-支持向量機(jī)PSO-SVM（Particle Swarm Optimization-Support Vec?tor Machine）算法識(shí)別繞組故障驗(yàn)證了方法的可行性。本文所提方法可為進(jìn)一步的牽引變壓器繞組故障診斷提供參考。

1 振蕩波原理

當(dāng)頻率大于1 kHz 時(shí)變壓器繞組可視為由電阻、電容、電感等分布參數(shù)構(gòu)成的無(wú)源非線性電路網(wǎng)絡(luò)，如附錄A 圖A1所示。振蕩波法是在繞組一端連接高壓直流電源對(duì)系統(tǒng)進(jìn)行充放電，在繞組間電容電感效應(yīng)下電荷無(wú)法立即儲(chǔ)存或釋放，可在繞組另一端獲取振蕩波信號(hào)［11?12］。

振蕩波測(cè)試原理圖如圖A1 所示。圖中高壓直流電源電源系統(tǒng)由高壓電容、高壓直流電源、限流電阻以及絕緣柵雙極型晶體管IGBT（Insulated Gate Bipolar Transistor）高頻開(kāi)關(guān)組成，具體的充電和放電過(guò)程如下［13?14］。

1）充電過(guò)程：IGBT 高頻開(kāi)關(guān)斷開(kāi)，高壓直流電源通過(guò)高壓電容與繞組形成充電回路產(chǎn)生振蕩波，一旦充滿電，采集端電壓就會(huì)穩(wěn)定。

2）放電過(guò)程：IGBT高頻開(kāi)關(guān)接通，高壓直流電源和限流電阻對(duì)地短路；高壓電容的一個(gè)端口直接接地，與電源形成直流回路，另一個(gè)端口與變壓器繞組串聯(lián)形成放電回路產(chǎn)生振蕩波。根據(jù)IEC 60071-2標(biāo)準(zhǔn)可知，相同激勵(lì)下的暫態(tài)響應(yīng)（即振蕩波）與變壓器繞組自身屬性相關(guān)［15］，因此，振蕩波可用于變壓器繞組的故障診斷。

現(xiàn)場(chǎng)試驗(yàn)所得振蕩波如圖1所示。由圖可見(jiàn)，變壓器在周期性的充放電過(guò)程中會(huì)產(chǎn)生規(guī)律性的振蕩波，充電與放電過(guò)程中的振蕩波形具有良好的對(duì)稱性。本文只針對(duì)放電過(guò)程的振蕩波信號(hào)開(kāi)展研究。

圖1 現(xiàn)場(chǎng)試驗(yàn)所得振蕩波Fig.1 Oscillating waves of field test

2 多特征融合故障診斷方法

振蕩波法是一種比較方法，其利用不同狀態(tài)下振蕩波特征的變化作為故障診斷的依據(jù)，為了消除電壓等級(jí)影響，根據(jù)式（1）對(duì)振蕩波進(jìn)行歸一化處理。

式中：xstd為歸一化處理后的振蕩波信號(hào)；X為測(cè)試的振蕩波信號(hào)；U為電源幅值。

2.1 波形特征

波形特征能夠準(zhǔn)確描述振蕩波曲線特征［16］，如諧振點(diǎn)的振幅、波形形狀等，可以有效提取振蕩波信息。

1）峰峰值。

峰峰值Vpk是振蕩波信號(hào)最高值和最低值的差值，它描述了振蕩波諧振點(diǎn)振蕩的變化范圍，具體如式（2）所示。

2）峰值因子。

峰值因子VC是振蕩波信號(hào)峰峰值與有效值的比值，它描述了振蕩波振幅在波形中的極端程度，具體如式（3）所示。

式中：Vrm為振蕩波的有效值。

3）波形因子。

波形因子VS是有效值與平均值的比值，它描述的是振蕩波整體幅值的變化情況，具體如式（5）所示。

式中：n為采樣點(diǎn)數(shù)；Vav為振蕩波的平均值。

2.2 顏色特征

振蕩波是一種非平穩(wěn)暫態(tài)信號(hào)，當(dāng)變壓器繞組的故障程度或故障位置發(fā)生改變時(shí)，振蕩波不僅時(shí)域波形發(fā)生改變，頻域信息也會(huì)發(fā)生相應(yīng)的變化，聯(lián)合時(shí)域和頻域2 個(gè)維度進(jìn)行分析，可以進(jìn)一步提取振蕩波的有效特征。

小波包變換是一種精細(xì)、靈活的信號(hào)分析技術(shù)，可以同時(shí)對(duì)信號(hào)的低頻部分和高頻部分進(jìn)行分解，擁有良好的時(shí)頻分析能力，能夠有效提取非平穩(wěn)暫態(tài)信號(hào)的時(shí)頻特征［17］。繞組正常情況下的小波包時(shí)頻圖見(jiàn)附錄A 圖A2，振蕩波信號(hào)各頻帶的能量分布情況可通過(guò)顏色的深淺反映，且隨著頻率的升高，各頻段的顏色變化逐漸強(qiáng)烈，能夠反映振蕩波時(shí)頻信息。

小波包時(shí)頻圖體現(xiàn)為顏色深淺以及顏色分布情況，由圖像顏色特征能有效提取小波包時(shí)頻圖信息。顏色特征的優(yōu)勢(shì)在于對(duì)圖像尺寸、方向以及視角的依賴性較弱，具有較高的穩(wěn)定性，常用的顏色特征有顏色矩、顏色聚合向量特征［18?19］。

顏色矩能夠全面描述圖像的整體信息，圖像顏色信息主要集中在一階矩、二階矩和三階矩，一階矩描述顏色平均程度，二階矩描述顏色方差，三階矩描述顏色偏斜度［18］。

綜合圖像3 個(gè)顏色通道的顏色矩定義特征參數(shù)Ci如式（7）—（9）所示。

式中：pij為第j種顏色分量的第i個(gè)像素值；N為圖像總像素?cái)?shù)；Ej為第j種顏色分量的像素平均值。

顏色聚合向量根據(jù)像素間的連通性劃分連通區(qū)域，然后通過(guò)比較每個(gè)獨(dú)立的連通區(qū)域總像素?cái)?shù)與定義閾值劃分聚合和非聚合像素，從而構(gòu)建聚合向量，具體計(jì)算步驟如下［19］。

1）量化：針對(duì)任一顏色分量均勻量化為k個(gè)顏色區(qū)間，得到k級(jí)顏色像素值矩陣。

2）劃分連通區(qū)域：將重新量化的顏色像素值矩陣根據(jù)像素間的連通性劃分成若干個(gè)連通區(qū)域，即如果一個(gè)區(qū)域C 中所有像素的量化值相等，且區(qū)域C 中任意2 個(gè)像素點(diǎn)P和P'之間都存在1 條通路，則稱C為連通區(qū)域。

3）判斷聚合性：將顏色像素矩陣劃分為多個(gè)連通區(qū)域，統(tǒng)計(jì)每個(gè)獨(dú)立的連通區(qū)域C中的像素?cái)?shù)NC，根據(jù)閾值ε（ε一般為1%N）判斷連通區(qū)域C 中像素的聚合性，具體如式（11）所示。

4）聚合向量：根據(jù)上述判斷依據(jù)統(tǒng)計(jì)各連通區(qū)域中的聚合像素D和非聚合像素W，則該顏色分量的C可以表示為＜（D1，W1），（D2，W2），…，（Dk，Wk）>。

5）特征參數(shù)：對(duì)圖像的多個(gè)顏色分量進(jìn)行顏色聚合向量計(jì)算，定義距離參數(shù)Dstd和Wstd表示不同圖像的顏色聚合向量之間的差異，即：

式中：dij為參考圖像第j個(gè)顏色分量第i級(jí)的聚合像素；Dij為比較圖像第j個(gè)顏色分量第i級(jí)的聚合像素；wij為參考圖像第j個(gè)顏色分量第i級(jí)的非聚合像素；Wij為比較圖像第j個(gè)顏色分量第i級(jí)的非聚合像素。

2.3 故障診斷方法

本文為實(shí)現(xiàn)變壓器繞組故障類型、故障程度以及故障位置的識(shí)別，采用多特征融合的方法進(jìn)行繞組故障診斷。

變壓器繞組發(fā)生故障時(shí)等效電氣參數(shù)會(huì)發(fā)生改變，在振蕩波信號(hào)中體現(xiàn)為波形的相應(yīng)移動(dòng)，例如諧振點(diǎn)偏移、振蕩幅值變化等。不同故障影響下的等效電氣參數(shù)變化趨勢(shì)不同，使得各故障下振蕩波波形差異明顯，而波形特征能夠準(zhǔn)確描述曲線形狀，因此本文選擇波形特征分辨繞組故障類型。

振蕩波隨著繞組故障程度的加深呈現(xiàn)規(guī)律性偏移［13］，在小波包時(shí)頻圖中表現(xiàn)為顏色的整體變化。顏色矩的計(jì)算無(wú)需對(duì)顏色進(jìn)行量化處理，保證了圖像顏色的完整性，從而能夠描述圖像顏色整體分布情況［18］，因此本文選擇顏色矩特征區(qū)分繞組故障程度。

變壓器繞組的不同位置發(fā)生故障時(shí)，在小波包時(shí)頻圖中表現(xiàn)為顏色分布位置的改變。顏色聚合向量根據(jù)連通區(qū)域的劃分以及聚合性的判斷，能夠描述圖像顏色分布的空間信息［19］，因此本文選擇顏色聚合向量特征識(shí)別繞組故障位置。

綜上所述，波形特征、顏色矩特征和顏色聚合向量特征分別能夠反映繞組故障類型、故障程度和故障位置的信息變化情況，基于振蕩波多特征融合的繞組故障診斷流程如圖2所示，具體步驟如下：

圖2 故障診斷流程圖Fig.2 Flowchart of fault diagnosis

1）根據(jù)振蕩波曲線提取波形特征峰峰值、峰值因子和波形因子識(shí)別繞組故障類型；

2）根據(jù)振蕩波小波包時(shí)頻圖提取顏色矩特征Ci識(shí)別繞組故障程度；

3）根據(jù)振蕩波小波包時(shí)頻圖提取顏色聚合向量特征Dstd和Wstd識(shí)別繞組的故障位置。

為驗(yàn)證本文所提方法用于變壓器繞組故障診斷的有效性，選擇識(shí)別精度高的PSO-SVM 算法對(duì)算法的每一步驟進(jìn)行智能識(shí)別［20］。

3 試驗(yàn)平臺(tái)

3.1 試驗(yàn)平臺(tái)搭建

本文搭建了等比例牽引變壓器繞組模擬平臺(tái)，如附錄A 圖A3 所示。該繞組結(jié)構(gòu)為牽引變壓器結(jié)構(gòu)，每相鐵芯的芯柱為三繞組結(jié)構(gòu)，鐵芯的直徑和高度分別為53、530 mm。從鐵芯向外分別為牽引繞組（T）、饋電繞組（F）和高壓繞組（HV）。試驗(yàn)變壓器的各繞組均為18個(gè)雙餅，每餅匝數(shù)為32匝，線餅高度為20 mm。雙餅兩端采用銅鼻子焊接，餅與餅之間通過(guò)高導(dǎo)電黃銅螺母連接以實(shí)現(xiàn)不同繞組故障的模擬。

為了驗(yàn)證本文所提變壓器繞組故障診斷方法的有效性，針對(duì)牽引繞組HV 軸向移位故障、餅間電容故障和餅間短路故障和進(jìn)行模擬，試驗(yàn)變壓器繞組故障設(shè)置如附錄A圖A4所示。

1）軸向移位故障通過(guò)在餅間增加一定數(shù)量的墊塊實(shí)現(xiàn)，軸向移位故障程度Δ如式（14）所示［21］。

式中：Δh為軸向移位高度；h為繞組總高度，約為450 mm。

墊塊厚度約為1.5 mm，模擬1%軸向移位故障需在餅間添加3 個(gè)墊塊。繞組從頂部到底部的各餅序號(hào)分別為1—18，在18 個(gè)位置均模擬了故障程度為1%、2%、…、7%的軸向移位故障，共進(jìn)行126 組試驗(yàn)。

2）變壓器繞組發(fā)生餅間間距變化、鼓包等故障會(huì)引起餅間縱向等值電容變大［22］，可通過(guò)在變壓器模型的餅間并聯(lián)電容進(jìn)行模擬。根據(jù)文獻(xiàn)［23］提供的解析式計(jì)算餅間電容正常值，選取100、150、200、250、300 pF 的電容值模擬餅間間距、屈曲等故障的不同變化程度，共進(jìn)行90組試驗(yàn)。

3）餅間短路故障通過(guò)短接線連接對(duì)應(yīng)餅的銅鼻子接頭實(shí)現(xiàn)，每種餅間短路故障重復(fù)試驗(yàn)5 次，共進(jìn)行90組試驗(yàn)。

本文將對(duì)繞組故障程度以及故障類型開(kāi)展分析，因此將繞組故障位置分為上端（1—9 餅）和下端（10—18餅）這兩部分，將軸向移位故障程度分為輕微（移位1%、2%）、中度（移位3%、5%）和嚴(yán)重（移位6%、7%），將餅間電容故障程度分為輕微（并聯(lián)電容為100、150 pF）、中度（并聯(lián)電容為200、250 pF）和嚴(yán)重（并聯(lián)電容為300 pF）。

3.2 數(shù)據(jù)解析

基于搭建的變壓器繞組故障模擬平臺(tái)開(kāi)展振蕩波試驗(yàn)，振蕩波電源系統(tǒng)參數(shù)如下：充電電壓為10 V，充電時(shí)間為100 μs，開(kāi)關(guān)時(shí)間為1 μs，高壓電容為2.2 μF。振蕩波測(cè)試結(jié)果如附錄A 圖A5 所示，圖中標(biāo)記1—3 分別代表故障發(fā)生在繞組第1、9 和18 餅。與繞組正常狀態(tài)下的振蕩波形相比，3 種繞組故障下的振蕩波形有著明顯的變化，且變化趨勢(shì)不一致：餅間短路故障的振蕩波中后部分幅值的變化顯著，波形輕微地向左偏移；餅間電容故障體現(xiàn)為波形向右偏移以及幅值的降低，軸向移位故障表現(xiàn)為諧振點(diǎn)從向左偏移逐漸變?yōu)橄蛴移疲瑫r(shí)幅值也有略微降低。由上述分析可以看到繞組在不同故障下的振蕩波變化差異性較大，說(shuō)明振蕩波波信號(hào)對(duì)繞組狀態(tài)有較高的靈敏性，可通過(guò)波形特征進(jìn)一步描述故障類型。

3 種變壓器繞組故障的小波包時(shí)頻圖見(jiàn)附錄A圖A6，圖中紅色虛線框內(nèi)為各故障下的主要變化區(qū)域。由圖可見(jiàn)：發(fā)生餅間電容故障時(shí)，在小波包時(shí)頻圖中主要體現(xiàn)為高頻段顏色變淺以及能量分布改變；發(fā)生軸向移位故障時(shí)，小波包時(shí)頻圖集中在低頻段發(fā)生改變；發(fā)生餅間短路故障時(shí)，小波包時(shí)頻圖的低頻段能量分布變化明顯，同時(shí)高頻段也有一定程度的變化。小波包時(shí)頻圖能較好地描述繞組狀態(tài)變化，可根據(jù)圖像進(jìn)一步提取特征對(duì)變壓器繞組故障程度、故障位置進(jìn)行分析。

4 試驗(yàn)結(jié)果分析

為了比較繞組在正常和故障狀態(tài)下的差異性，按照式（15）處理波形特征和顏色矩特征。

式中：Ff、Fh分別為繞組在故障、正常狀態(tài)下的特征值。

4.1 故障分類

由圖A5可以看出，不同故障類型的時(shí)域振蕩波曲線形狀區(qū)別明顯，通過(guò)波形特征可以有效識(shí)別繞組故障類型，繞組故障類型特征分類圖如附錄A 圖A7 所示。由圖可見(jiàn)，餅間短路故障與其他故障差別明顯，餅間短路故障的峰峰值和峰值因子最小值分別為1.54 和1.52，波形因子最大值為1.01，其他故障的峰峰值小于0.92，峰值因子小于1.46，波形因子大于1.20。

根據(jù)故障波形特征分析可知，3 種故障在波形特征的三維分布空間具有聚類和分類特性，餅間短路故障屬于嚴(yán)重故障，與其他故障區(qū)分度明顯，軸向移位和餅間電容故障在單一特征值的分布區(qū)域具有一定重疊，需通過(guò)3 種波形特征所表征的空間位置進(jìn)行區(qū)分。

4.2 故障程度

基于顏色矩特征分析繞組故障程度，結(jié)果如附錄A圖A8所示，具體分析如下。

1）軸向移位故障程度：輕微故障下C1的最大值為-0.02，其他故障程度下C1≥0；中度故障下C1的最小值為0.01，C3的最小值為-0.19；嚴(yán)重故障下C3的最大值為-0.23，其他故障程度下C3≥-0.20。

2）餅間電容故障程度：輕微故障下C1的最大值為0.71，其他故障程度下C1≥0.72；中度故障下C2的最小值為0.44，其他故障程度下C2≤0.43；嚴(yán)重故障下C3的最大值為0.46，其他故障程度下C3>0.46。

根據(jù)以上分析可知，不同故障程度的顏色矩特征在三維空間的分布呈現(xiàn)聚類性和一定的分離性，繞組故障程度區(qū)分的初步界限如表1 所示。由表可見(jiàn)：軸向移位故障的輕微、嚴(yán)重故障程度可分別通過(guò)C1、C3識(shí)別，中度軸向移位故障可結(jié)合C1和C3與其他故障程度進(jìn)行區(qū)分；餅間電容故障的輕微、中度、嚴(yán)重故障程度可分別通過(guò)C1—C3進(jìn)行識(shí)別。

表1 故障程度界限表Table 1 Threshold of fault degrees

4.3 故障定位

基于顏色聚合向量分析繞組故障位置，結(jié)果如圖3 所示。由圖可見(jiàn)：餅間短路故障發(fā)生在上端時(shí)Wstd>0.6，發(fā)生在下端時(shí)Wstd＜0.4；餅間電容故障以Wstd=0.4 為分界線，軸向移位故障以Dstd=-0.02 為分界線，從而由顏色聚合向量可識(shí)別大部分繞組故障位置。

圖3 繞組故障位置特征分析Fig.3 Characteristic analysis of winding fault position

根據(jù)上述分析可知：不同故障位置的顏色聚合向量特征的分布都具有可分離性，通過(guò)Wstd可識(shí)別餅間短路和餅間電容故障位置，軸向移位故障位置則通過(guò)Dstd進(jìn)行識(shí)別；餅間電容和軸向移位故障對(duì)繞組等效參數(shù)的影響有限，不同故障位置的分布有一定的重疊。

4.4 故障診斷

根據(jù)以上分析，本文所提取的振蕩波特征對(duì)繞組故障類型、位置、程度都表現(xiàn)出良好的識(shí)別性。將試驗(yàn)?zāi)M的306個(gè)案例通過(guò)PSO-SVM 算法進(jìn)行故障診斷，訓(xùn)練集和測(cè)試集的比例為3∶1，故障識(shí)別率取5次故障診斷的平均值，如表2所示，由表可見(jiàn)，繞組故障類型、故障程度、故障位置的識(shí)別率均在95%以上。

表2 故障診斷結(jié)果Table 2 Results of fault diagnosis

本文所提方法可有效識(shí)別變壓器繞組故障類型、故障程度、故障位置，為牽引變壓器繞組故障檢測(cè)提供參考。

5 結(jié)論

本文提出了一種基于振蕩波多特征融合的變壓器繞組故障診斷方法，該方法綜合了振蕩波的時(shí)域波形特征和小波包時(shí)頻圖顏色特征，提升了故障診斷的靈敏度，最后搭建變壓器平臺(tái)對(duì)所提方法進(jìn)行試驗(yàn)驗(yàn)證，所得結(jié)論如下。

1）軸向移位、餅間電容和餅間短路3 種繞組故障下的振蕩波時(shí)域波形相比健康繞組的振蕩波時(shí)域波形呈現(xiàn)出一定的變化規(guī)律，軸向移位故障引起波形輕微偏移、幅值小幅下降，餅間電容故障引起波形整體向右下偏移，餅間短路故障使波形出現(xiàn)明顯偏移、幅值的變化顯著，因此通過(guò)波形特征的數(shù)值變化可以反映繞組故障類型。

2）3 種繞組下，故障振蕩波小波包時(shí)頻圖呈現(xiàn)出差異性，軸向移位故障下小波包時(shí)頻圖以低頻段變化為主，餅間電容故障下小波包時(shí)頻圖主要體現(xiàn)為高頻段變化，而餅間短路故障下小波包時(shí)頻圖在全頻段變化明顯，顏色矩和顏色聚合向量特征分別反映了繞組的故障程度與故障類型。

3）波形特征、顏色聚合向量、顏色矩分別針對(duì)故障類型、故障程度、故障位置的空間分布具有分離和聚類特性，基于PSO-SVM 算法的繞組故障診斷準(zhǔn)確率都在95%以上。

附錄見(jiàn)本刊網(wǎng)絡(luò)版（http：//www.epae.cn）。