CN101769787B - 电力变压器铁心松动故障监测方法 - Google Patents

Abstract

本发明公开了一种电力变压器铁心松动故障监测方法。本方法以电力变压器铁心振动为监测对象，采集振动信号，计算采集的振动信号得到电力变压器正常状况下的监测参数基准值；提取采集到的振动信号的特征矢量，计算振动信号的矢量距离；设定电力变压器振动信号的矢量距离的监测阈值：获取电力变压器运行状况下的振动信号的监测参数，通过与设定的监测阈值的对比，判断电力变压器铁心的松动情况。本发明方法适用于分析变压器铁心非线性振动，能自适应的分离不同的振动模态，提取出有效反映压紧力松动故障的特征矢量，并通过计算特征矢量距离值综合表现铁心是否松动。

Description

电力变压器铁心松动故障监测方法

技术领域

本发明涉及电力变压器安全监测技术领域，特别涉及一种通过监测电力变压器铁心振动的故障诊断技术。

背景技术

大型电力变压器是电网系统中的关键设备，铁心作为变压器主要部件之一，对变压器的电磁性能、机械强度等起着至关重要的作用。铁心由硅钢片叠积而成，铁心的上铁轭由上夹件用夹件下的拉带和夹件上的撑板夹紧，下铁轭由夹件上的拉带和夹件下的垫脚夹紧，上下夹件通过拉板连接，铁心柱由绑扎带固定成接近圆形，整个夹紧装置使硅钢片叠加在一起构成铁心。变压器稳定运行时，铁心振动主要来源于硅钢片的磁致伸缩和叠片间特别是接缝处的电磁力。如果夹紧件松动，硅钢片间缝隙增大，硅钢片接缝处和叠片间的漏磁增加，导致硅钢片之间的电磁力增大，铁心振动会变大。另外如果硅钢片的自重使铁心发生弯曲变形，硅钢片轴向压应力增大，也会引起铁心振动加剧。铁心振动的加剧将进一步导致硅钢片松动，对铁心的结构产生损坏，对变压器的运行性能和使用寿命造成严重影响。

目前，变压器铁心松动监测方法主要是基于傅里叶变换的频谱能量法。由于硅钢片的磁致伸缩和电磁力引起的振动具有明显的非线性特性，铁心的刚度及阻尼也随着振动而不断变化，因此铁心振动具有显著的非线性特征。当铁心的压紧力改变时，其振动更显其复杂性。基于傅里叶变换的谐波分析方法，适用于线性信号的分析，对具有非线性特性的信号具有局限性。铁心振动信号的傅里叶谐波表示尽管在数学上是正确的，但由于表示谐波的基函数是事先给定的，这种谐波不具有明确的物理意义，不能真实准确地表征铁心振动的自然特征。

希尔伯特黄变换(HHT)是一种自适应的信号处理方法，它的基函数源于信号自身，有直接、明确的物理意义，能够很好地适用于非线性、非平稳信号的分析。

发明内容

本发明为了克服现有的基于傅里叶变换的谐波分析方法的不足，提高变压器铁心松动故障诊断的有效性，提出一种基于希尔伯特黄变化的变压器铁心松动故障监测方法，通过监测变压器铁心振动信号，实现变压器铁心压紧力的监测。

一种电力变压器铁心松动故障监测方法，包括以下步骤：

(1)获取变压器正常状况下的监测参数基准值。

变压器出厂前，在空载情况下，将若干个振动传感器安装在变压器油箱表面，测点固定，位置靠近三相铁心斜接缝处为宜，监测变压器铁心A、B、C三相的压紧状况。一般采样频率设定大于8kHz，以满足EEMD分解对采样频率的要求。根据设定的采样频率，采集0.1s以上的振动信号，采集0.1s以上的振动信号是为防止EEMD分解过程中端点效应对结果的影响。

对各测点采集到得的振动信号，按照频率能量法，提取振动信号的特征矢量，计算矢量距离，作为判断铁心是否松动的参数基准值D_k，各测点基准值不一定相同，以计算结果为准，k为测点号，取1、2、3...N的正整数。

(2)设定矢量距离的监测阈值，监测阈值设定为步骤(1)中计算得到的基准值D_k的M倍，M为大于1的实数。

(3)获取电力变压器在使用时空载状况下的振动信号的监测参数：

变压器投入使用后，在运行现场，当变压器空载时，根据设定的采样频率和采样时间长度，在相同的监测点，对各测点振动信号进行采样。

对各测点采集的振动信号按照步骤(1)相同的频率能量法，提取振动信号的特征矢量，计算得到该测点振动信号的矢量距离d_k。当d_k＞MD_k时，表明测点k对应的某相变压器铁心出现松动。否则，认为变压器铁心压紧状况良好。

上述步骤(1)和步骤(3)中运用频率能量法计算特征矢量距离的具体方法如下：

1)按照希尔伯特黄变换中的集合经验模态分解(EEMD)算法进行分解和瞬时频率计算，得到希尔伯特谱，实现步骤为：

A、根据EEMD分解，将振动信号x(t)分解为n个本征模态分量IMF_i和一个剩余项r_n(t)的和，IMF_i用c_i(t)表示：

$x\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{c}_i\left(t\right)+r_n\left(t\right)$

其中，t为采样时间，n为整数，i＝1～n；

B、对各阶本征模态分量IMF_i进行归一化，得到c_i(t)的调频分量F_i(t)和调幅分量A_i(t)＝c_i(t)/F_i(t)。

C、利用DQ算法，即Direct Quadrature算法，译为直接正交算法，计算各阶IMF_i的相位函数

从而得到瞬时频率f_i(t)＝dφ_i(t)/dt 。

D、在时-频面上画出各阶本征模态分量IMF_i以其幅值加权的瞬时频率曲线，得到振动信号x(t)的希尔伯特谱。

2)在步骤(1)中，则观察振动信号x(t)的希尔伯特谱，分析各阶本征模态分量IMF_i的物理意义，选取能有效反映铁心压紧力状态信息的低阶本征模态分量IMF_θ，θ＝1，...m，m为整数，m≤n；在步骤(3)中，则按照步骤(1)选定的特征分量IMF_θ计算。

3)计算一个电网频率周期T内所选取的低阶本征模态分量IMF_θ的能量F_θj和瞬时频率f_θj，其中θ表示阶数，θ＝1，...m；j表示时间，j∈T；构成包含铁心压紧信息的特征矢量P＝[P₁，P₂...P_m]，其中：

E_θj＝(IMF_θj)²，

$P_{\mathrm{\θ}}=\underset{j=0}{\overset{T}{\mathrm{\Σ}}}{f}_{\mathrm{\θj}}{E}_{\mathrm{\θj}}$

4)采用欧氏距离算法计算特征矢量的值

本发明采用变压器铁心松动故障监测方法，通过监测变压器铁心振动信号，实现变压器铁心压紧力的监测，更适用于分析变压器铁心非线性振动，能自适应的分离不同的振动模态，提取出有效反映压紧力松动故障的特征矢量，并通过计算特征矢量距离值综合表现判断铁心是否松动。

附图说明

图1为本发明方法的流程图。

图2为本发明计算特征矢量距离的流程图。

图3为本发明实施例中铁心压紧力正常状态下铁心振动信号的EEMD分解结果。

图4为本发明实施例中铁心压紧力正常状态下铁心振动信号的希尔伯特谱。

图5为本发明实施例中铁心压紧力松动状态下铁心振动信号的EEMD分解结果。

图6为本发明实施例中铁心压紧力松动状态下铁心振动信号的希尔伯特谱。

具体实施方式

以变压器S11-10/10为例、结合附图对本发明所述的方法详细说明如下：如图1所示的本发明方法流程图，图2为本发明计算特征矢量距离的流程图。

首先采集变压器S11-10/10正常状况下的振动信号，获取的振动信号的监测参数基准值。

变压器投入使用前，空载情况下，在靠近上接缝处放置1个压电加速度传感器(PCB，M601A12)，采集2秒钟的振动信号。采样频率为20kHz，振动加速度分辨率为0.024m/s²。

将采样得到的振动信号x(t)选取一段0.2s的数据按照EEMD算法进行分解和瞬时频率计算，得到希尔伯特谱。

根据EEMD分解，将1s～1.2s内4000个点的振动信号x(t)分解为10个本征模态分量IMF_i和一个剩余项r_n(t)的和，IMF_i用c_i(t)表示：

$x\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{c}_i\left(t\right)+r_n\left(t\right)$

其中，t为1s～1.02s，n＝10，i＝1～n；对各阶本征模态分量IMF_i进行归一化，得到c_i(t)的调频分量F_i(t)和调幅分量A_i(t)＝c_i(t)/F_i(t)。

利用DQ算法，计算各阶IMF_i的相位函数

从而得到瞬时频率f_i(t)＝dφ_i(t)/dt。在时频面上画出各阶本征模态分量IMF_i以其幅值加权的瞬时频率曲线，得到振动信号x(t)的希尔伯特谱。

图3是变压器铁心压紧力正常时，A相对应测点振动信号EEMD分解得到的IMF₁～IMF₈在1～1.2s的波形，图中x(t)为原始铁心振动信号(单位为m/s²)。

图4为得到的相应的铁心压紧力正常状态下铁心振动信号的希尔伯特谱。

从图3和图4中可以看到，IMF₁主要为噪声，但也包含振动信号。IMF₂和IMF₃中出现周期性非平稳高频振动冲击，此主要为接缝处片内及片间电磁力作用于叠片上时产生诸如碰撞、摩擦等相互作用的结果。IMF₄为400～800Hz的振动分量，是磁致伸缩和电磁力引起的非线性振动高频分量。IMF₅～IMF₇的瞬时频率在100～400Hz之间，这部分振动模式频率和能量相对集中，是铁心主磁通引起的磁致伸缩非线性振动主要分量。因此，选取能反映压紧力松动信息的前四阶IMF作为特征分量。

确定前四阶IMF为特征分量后，通过以下步骤计算出各个测点的特征矢量的距离值：

选取瞬时频率值无明显跳变的1.02～1.04s内前四阶IMF作为提取特征矢量的初始振动数据。

根据公式E_θj＝(IMF_θj)²计算振动数据的能量。

根据公式

将能量与瞬时频率加权，得到铁心压紧力正常时变压器铁心振动信号特征矢量P＝[2.00，25.01，221.42，172.21]。

根据公式

计算出该压紧状态下铁心振动特征矢量的距离值D₁＝282。

设定1.2D₁＝338作为铁心松动监测阈值，即M＝1.2，存入数据库中。

然后按照同样的算法流程对变压器铁心压紧力进行在线监测：

变压器投入使用一段后，在同样的监测点放置振动传感器。每次变压器空载状态时，对变压器铁心压紧状态进行一次监测与诊断，实现变压器铁心松动故障的监测。

当变压器空载时，以20kHz的采样率采集2秒钟的变压器表面振动信号。对采集的振动信号进行EEMD分解，结果如图5所示。

取前四阶IMF，同样按照EEMD算法进行分解和瞬时频率计算得到该监测点的瞬时频率及能量，希尔伯特谱如图6所示。将瞬时频率与能量加权得到特征矢量P＝[1.54，18.18，264.06，253.96]，其矢量距离d₁＝367。此时d₁明显大于338，表明变压器铁心处于松动故障状态。

Claims (1)

1.一种电力变压器铁心松动故障监测方法，包括以下步骤：

(1)获取电力变压器正常状况下的监测参数基准值：

A、在电力变压器出厂前，在空载情况下，固定若干个监测点，设定的采样频率和采样时间长度，采集振动信号；

B、提取采集到的振动信号的特征矢量，计算振动信号的特征矢量的矢量距离，并作为判断铁心是否松动的参数基准值D_k，其中，k为测点号取1、2、3...N；

(2)设定电力变压器振动信号的矢量距离的监测阈值：

监测阈值设定为所述的的参数基准值D_k的M倍，M为大于1的实数；

(3)获取电力变压器在使用时空载状况下的振动信号的监测参数：

A、在变压器投入使用后，当变压器空载时，根据步骤(1)设定的采样频率和采样时间长度，在相同监测点，对各监测点振动信号进行采样；

B、对采集到的振动信号按照步骤(1)相同方法，提取振动信号的特征矢量，计算特征矢量的矢量距离d_k；当d_k＞MD_k时，表明监测点k对应的变压器铁心某相出现松动；反之，则认为变压器铁心该相压紧状况良好；

所述的步骤(1)和步骤(3)中计算振动信号的特征矢量的矢量距离的方法为：

(1)将振动信号进行分解和瞬时频率计算，得到希尔伯特谱：

A、根据希尔伯特黄变换中的集合经验模态分解，将采集到得振动信号x(t)，t为采样时间，分解为n个本征模态分量IMF_i和一个剩余项r_n(t)的和，IMF_i用c_i(t)表示：

其中，n为整数，i＝1～n；

B、对各阶本征模态分量IMF_i进行归一化，得到c_i(t)的调频分量F_i(t)和调幅分量A_i(t)＝c_i(t)/F_i(t)；

C、利用DQ算法，即Direct Quadrature算法，译为直接正交算法，计算各阶IMF_i的相位函数

从而得到瞬时频率f_i(t)＝dφ_i(t)/dt；

D、在时频面上画出各阶本征模态分量IMF_i以其幅值加权的瞬时频率曲线，得到振动信号x(t)的希尔伯特谱；

(2)观察振动信号x(t)的希尔伯特谱，分析各阶本征模态分量IMF_i的物理意义，选取能有效反映铁心压紧力状态信息的低阶本征模态分量IMF_θ，θ＝1，...m，m为整数，m≤n；

(3)计算一个电网频率周期T内所选取的低阶本征模态分量IMF_θ的能量E_θj和瞬时频率f_θj，其中θ表示阶数，θ＝1，...m；j表示时间，j∈T；构成包含铁心压紧信息的特征矢量P＝[P₁，P₂...P_m]，其中：

E_θj＝(IMF_θj)²

$P_{\mathrm{\θ}}=\underset{j=0}{\overset{T}{\mathrm{\Σ}}}{f}_{\mathrm{\θj}}{E}_{\mathrm{\θj}}$

(4)采用欧氏距离算法计算特征矢量的值

Images