基于CEEMDAN与反射系数修正的电缆输入阻抗谱故障诊断方法

摘要

为了解决电缆故障定位时无法准确识别故障类型且定位精度不高的问题，提出一种结合完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)与反射系数修正的电缆故障诊断方法。首先，建立首端输入阻抗谱模型，得到故障电缆的传播系数和反射系数；其次，加入衰减因子修正反射系数的振荡幅度，将阻抗谱解耦为幅值谱和相位谱识别故障类型，并构建阻抗积分变换模型；然后，收集电缆数据，对数据进行清洗，利用CEEMDAN将阻抗分解为多个本征模态函数(intrinsic mode functions, IMFs),根据模糊熵(fuzzy entropy, FE)剔除虚假分量；最后，将清洗后的重构数据输入到积分变换核函数中输出定位结果，并利用仿真实验验证方法的有效性。结果表明：所提方法的故障定位误差平均控制在0.60%左右，最小为0.28%;与未进行数据预处理的实验结果相比，其定位误差降低2.48个百分点，且在强噪声干扰环境下仍保持较高的鲁棒性与抗干扰能力。所提方法有效提升了电缆故障类型识别的准确性、故障定位的精度以及强噪声环境下的鲁棒性与抗干扰性能，可为电力电缆故障诊断场景中的故障类型精准识别与高精度定位任务提供可靠的理论依据与实用技术方案。

关键词

电气测量技术及其仪器仪表 / 故障诊断 / 输入阻抗谱 / 阻抗积分变换 / 经验模态分解 / 反射系数