CN103499382B - 一种基于振动数据融合和图像识别的变压器故障诊断方法 - Google Patents
一种基于振动数据融合和图像识别的变压器故障诊断方法 Download PDFInfo
- Publication number
- CN103499382B CN103499382B CN201310457097.4A CN201310457097A CN103499382B CN 103499382 B CN103499382 B CN 103499382B CN 201310457097 A CN201310457097 A CN 201310457097A CN 103499382 B CN103499382 B CN 103499382B
- Authority
- CN
- China
- Prior art keywords
- fault
- transformer
- matrix
- vibration data
- vibration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000003745 diagnosis Methods 0.000 title claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims abstract description 47
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000004804 winding Methods 0.000 claims abstract description 10
- 230000008859 change Effects 0.000 claims abstract description 7
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 238000005070 sampling Methods 0.000 claims description 17
- 238000001816 cooling Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000010183 spectrum analysis Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 9
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 abstract description 6
- 238000005259 measurement Methods 0.000 abstract description 4
- 238000006243 chemical reaction Methods 0.000 abstract description 2
- 238000002405 diagnostic procedure Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 201000004569 Blindness Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Abstract
本发明公开了一种基于振动数据融合和图像识别的变压器故障诊断方法，在变压器油箱外表面布置多个振动测点测取振动数据，由此得到变压器各种典型故障状态下的振动数据。分别对其进行特征值提取，构成特征值矩阵，这些特征值矩阵就完整描述了各种典型故障的过程变化规律，也即是各种典型故障的样本矩阵数据库。在此基础上，本发明将图像识别技术运用于变压器故障诊断领域，通过特征值矩阵匹配计算，克服了目前变压器故障诊断领域电气参数测量法和人工故障识别的弊端，能灵敏的反应变压器绕组和铁芯的故障与状态，更早的发现变压器内部存在的潜在故障。
Description
技术领域
本发明涉及电气设备故障诊断领域,特别是一种利用振动数据融合技术和图像识别技术来监测及自动诊断变压器故障类型的方法。
背景技术
随着我国电力工业的飞速发展，电网规模越来越大，电压等级越来越高，大电网互联已成为必然的趋势，大型电力变压器作为超高压、特高压远距离输变电系统中的重要设备，承担着电压变换、电能分配及传输、组网、并网的功能，在改善电网结构、合理分布系统潮流、提高电力系统运行的稳定性、可靠性和经济性等方面起着重要作用，其安全运行对保证电网的安全可靠至关重要。大型电力变压器在运行时一旦发生事故，检修时间长，检修费用高，还可能导致突然大面积停电，从而造成巨大的直接和间接经济损失。因此，对运行中的变压器实施状态监测和故障诊断，及时发现变压器的故障及损失程度，具有十分广阔的应用前景和经济价值。
在电力变压器长时间运行以及突发短路事故等因素影响的情况下，变压器会出现故障，抗短路冲击能力大大下降，影响整个电网安全稳定运行。目前，传统的电气参数测量法对变压器故障虽有所反映，但只能起到定性参考的作用，无法在变压器发生故障初期进行有效的监测诊断。
发明内容
本发明所要解决的技术问题是，针对现有技术不足，提供一种基于振动数据融合和图像识别的变压器故障诊断方法，同时分析多测点多状态的振动数据，灵敏地反应变压器绕组和铁芯的故障与状态，更早的发现变压器内部存在的潜在故障，并诊断故障类型，避免故障处理的盲目性。
为解决上述技术问题，本发明所采用的技术方案是：一种基于振动数据融合和图像识别的变压器故障诊断方法，该方法为：
1）在变压器油箱外表面布置多个振动测点，采集变压器各种典型故障状态下的各个振动测点的振动数据，其中任意一个振动测点在一个采样过程中的典型故障数据由若干个采样时间点下的振动数据组成；
2）对上述各种变压器典型故障状态下的振动数据进行特征值提取，对每一种典型故障构建一个故障样本矩阵 ：
，
其中，表示采样过程中振动数据采样时间点的个数，表示振动数据的测点个数，矩阵中的任意一个元素表示在第个采样时间点下第个振动测点的振动数据特征值，其中，，；
3）对于待检故障信号，取与步骤1）相同的振动测点，分别采集各个振动测点的待检故障振动数据，并提取所述待检故障振动数据的特征值，构建一个反映了待检故障信号过程变化规律的的特征值矩阵；
4）将所述矩阵与每一种变压器典型故障的故障样本矩阵相减，得到个中间对比矩阵，即，其中为变压器典型故障种类数量；
5）求矩阵Z的均值和方差，并求均值的绝对值；
6）比较上述个中间对比矩阵的均值的绝对值和方差，得到使和最小的中间对比矩阵，则该中间对比矩阵对应的故障样本矩阵的故障类型即为待检故障信号的故障类型。
所述步骤1）中，典型故障类型为磁致伸缩引起的变压器铁芯振动、电磁吸引力引起的变压器铁芯振动、变压器绕组松动、变压器冷却装置振动。
所述步骤2）中，利用小波分析或频谱分析对变压器各种典型故障状态下的振动数据进行特征值提取。
与现有技术相比，本发明所具有的有益效果为：本发明基于振动传感器过程信息融合的诊断思想，克服了目前传统的电气参数测量法进行变压器故障诊断只能定性分析的不足，能够灵敏的反应变压器绕组和铁芯的故障与状态，更早的发现变压器内部存在的潜在故障；将图像识别技术运用于变压器故障诊断领域，通过特征值矩阵匹配计算，克服了目前变压器故障诊断领域人工故障识别的弊端，实现了高精度的自动故障诊断；在变压器发生故障时，本发明可以做到早期预警、故障定位的作用，避免故障处理的盲目性；本发明的方法简单，便于实施推广。
具体实施方式
本发明方法步骤如下：
1、数据采集。本发明采集变压器各种典型故障状态下的多个振动测点的振动数据，如磁致伸缩引起的铁芯振动、电磁吸引力引起的铁芯振动、绕组松动、冷却装置振动等故障类型。对于任意一种典型故障，任意一个振动测点的一个采样过程是由若干个采样时间点组成的。
2、故障建模。对采集得到的变压器各种典型故障状态下的振动数据进行特征值提取，构成特征值矩阵，这些特征值矩阵就完整描述了该种典型故障的过程变化规律，也即是各种典型故障的样本矩阵数据库。
3、基于图像识别技术的诊断方法。假设的特征值矩阵就是变压器任意一种典型故障的样本矩阵，它反映了该种典型故障的过程变化规律，如式(1)所示：
(1)
其中，表示采样过程中振动数据采样时间点的个数，表示振动数据的测点个数，矩阵中的任意一个元素表示在第个采样时间点下第个振动测点的振动数据特征值，其中，，。
同理，对于未知故障类型的信号，即待检故障信号，取同样的采样时间点进行数据采集，也可以计算得到的特征值矩阵，该矩阵也反映了待检故障信号的过程变化规律。
每个特征值矩阵都可以看作是一幅数字图像，因此，待检故障信号的特征值矩阵与样本矩阵数据库之间的比对也就是一种数字图像匹配计算，它属于图像识别的范畴，其中样本矩阵数据库可以看作是地面数字图像数据库，待检故障信号的特征值矩阵可以看作是需定位的实时地面数字图像，其比对过程也就是军事上的制导定位过程，因此可以引入数字图像匹配制导技术中的数学计算方法来进行故障诊断，首先将两个矩阵和相减，得到一个新的中间对比矩阵：
(2)
对这个中间对比矩阵分别求它的均值和方差
(3)
(4)
由此，可以求出待检故障信号与变压器各种典型故障之间的中间对比矩阵的均值和方差。通过求取所有均值中绝对值最小的均值和所有方差中的最小方差，就可以进行故障判别。均值绝对值和方差越小，说明待检故障信号与计算值对应的典型故障的过程变化规律越接近，即待检故障信号属于该种故障的可能性越大，反之亦然。
本发明方法的原理如下：
1、从电气数据到振动数据。目前，传统的电气参数测量法对变压器故障虽有所反映，但只能起到定性参考的作用，无法在变压器发生故障初期进行有效的监测诊断。然而变压器一旦发生故障，其最直接的表现形式就是产生振动和噪声，变压器的振动是由变压器本体（铁芯、绕组）的振动和冷却装置的振动引起的，并通过油介质和支撑组件传递到变压器箱体表面，同时以声波的形式向外扩散。变压器机械振动是构件松动、变形最直接的表现形式，变压器油箱表面的振动与变压器绕组及铁芯的压紧状况、位移和绕组的变形程度有十分密切的关系。因此，通过在变压器油箱外表面布置多个振动测点测取振动数据能灵敏地反应变压器绕组和铁芯的故障与状态，更早的发现变压器内部存在的潜在故障，对保证电网的安全稳定运行具有十分重大的意义。
2、从状态信息到过程信息。一种故障在某一时刻或某一状态下引起的振动表现具有一定的分散性和随机性，但在一个过程中却有其规律性。本发明通过观察一个由很多状态构成的过程，即融合各振动测点多个采样时间点的振动数据，则发现故障的机会大幅度增加，从基于状态的诊断方法发展到基于过程的诊断方法。
以电力变压器为例，通过在电力变压器油箱外表面布置多个振动测点测取振动数据，通过现代数字信号处理技术，如小波分析，频谱分析等，将采集得到的变压器各种典型故障状态下的振动数据进行特征值提取，得到各种典型故障的特征值矩阵，即各种典型故障的样本矩阵数据库，将图像识别技术引入其中，通过待检故障信号的特征值矩阵与各种典型故障的样本矩阵数据库之间的匹配计算来进行高精度自动诊断。
Claims (2)
1.一种基于振动数据融合和图像识别的变压器故障诊断方法，其特征在于，该方法包括以下步骤：
1）在变压器油箱外表面布置多个振动测点，采集变压器各种典型故障状态下的各个振动测点的振动数据，其中任意一个振动测点在一个采样过程中的典型故障数据由若干个采样时间点下的振动数据组成；典型故障为磁致伸缩引起的变压器铁芯振动、电磁吸引力引起的变压器铁芯振动、变压器绕组松动、变压器冷却装置振动；
2）对上述各种变压器典型故障状态下的振动数据进行特征值提取，对每一种典型故障构建一个故障样本矩阵 ：
，
其中，表示采样过程中振动数据采样时间点的个数，表示振动数据的测点个数，矩阵中的任意一个元素表示在第个采样时间点下第个振动测点的振动数据特征值，其中，，；
3）对于待检故障信号，取与步骤1）相同的振动测点，分别采集各个振动测点的待检故障振动数据，并提取所述待检故障振动数据的特征值，构建一个反映了待检故障信号过程变化规律的的特征值矩阵；
4）将所述矩阵与每一种变压器典型故障的故障样本矩阵相减，得到个中间对比矩阵，即，其中为变压器典型故障种类数量；
5）求矩阵Z的均值和方差，并求均值的绝对值；
6）比较上述个中间对比矩阵的均值的绝对值和方差，得到使和最小的中间对比矩阵，则该中间对比矩阵对应的故障样本矩阵的故障类型即为待检故障信号的故障类型。
2.根据权利要求1所述的基于振动数据融合和图像识别的变压器故障诊断方法，其特征在于，所述步骤2）中，利用小波分析或频谱分析对变压器各种典型故障状态下的振动数据进行特征值提取。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310457097.4A CN103499382B (zh) | 2013-09-30 | 2013-09-30 | 一种基于振动数据融合和图像识别的变压器故障诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310457097.4A CN103499382B (zh) | 2013-09-30 | 2013-09-30 | 一种基于振动数据融合和图像识别的变压器故障诊断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103499382A CN103499382A (zh) | 2014-01-08 |
| CN103499382B true CN103499382B (zh) | 2015-09-16 |
Family
ID=49864613
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310457097.4A Active CN103499382B (zh) | 2013-09-30 | 2013-09-30 | 一种基于振动数据融合和图像识别的变压器故障诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103499382B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105095923B (zh) * | 2014-05-21 | 2018-09-11 | 华为技术有限公司 | 一种图像处理方法及装置 |
| CN104359549B (zh) * | 2014-11-27 | 2015-07-08 | 国家电网公司 | 一种变压器铁芯振动噪声分析方法 |
| CN106441843B (zh) * | 2016-09-19 | 2019-09-20 | 南京科远自动化集团股份有限公司 | 一种旋转机械故障波形识别方法 |
| CN106646096B (zh) * | 2016-11-15 | 2019-07-02 | 国网四川省电力公司广安供电公司 | 基于振动分析法的变压器故障分类和识别方法 |
| CN107092247B (zh) * | 2017-06-16 | 2019-11-22 | 温州大学 | 一种基于状态数据的包装生产线故障诊断方法 |
| CN108593095A (zh) * | 2018-04-26 | 2018-09-28 | 盐城博鸣信息科技有限公司 | 一种换流变压器分接开关的振动故障信号采集处理方法 |
| CN108844612B (zh) * | 2018-08-27 | 2020-08-07 | 重庆大学 | 一种基于数理统计概率模型的变压器内部故障识别方法 |
| CN109470972B (zh) * | 2018-11-15 | 2021-06-22 | 广西电网有限责任公司电力科学研究院 | 一种基于振动图像的变压器铁心松动诊断方法 |
| CN113127298B (zh) * | 2021-03-30 | 2023-01-06 | 山东英信计算机技术有限公司 | 一种保护机械硬盘的方法、系统、设备及介质 |
| CN113671325B (zh) * | 2021-08-18 | 2022-10-11 | 云南电网有限责任公司大理供电局 | 一种基于高频电场变化的终端局放监测方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102566505A (zh) * | 2012-02-27 | 2012-07-11 | 温州大学 | 一种数控机床的智能故障诊断方法 |
| CN102721464A (zh) * | 2012-06-13 | 2012-10-10 | 江苏省电力公司南京供电公司 | 电力变压器绕组变形故障检测方法及系统 |
| CN102778633A (zh) * | 2012-08-07 | 2012-11-14 | 绍兴电力局 | 一种电力变压器油箱表面绕组振动的敏感区域选取方法 |
| CN103267907A (zh) * | 2013-04-19 | 2013-08-28 | 上海交通大学 | 一种变压器绕组模态参数识别方法 |
-
2013
- 2013-09-30 CN CN201310457097.4A patent/CN103499382B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102566505A (zh) * | 2012-02-27 | 2012-07-11 | 温州大学 | 一种数控机床的智能故障诊断方法 |
| CN102721464A (zh) * | 2012-06-13 | 2012-10-10 | 江苏省电力公司南京供电公司 | 电力变压器绕组变形故障检测方法及系统 |
| CN102778633A (zh) * | 2012-08-07 | 2012-11-14 | 绍兴电力局 | 一种电力变压器油箱表面绕组振动的敏感区域选取方法 |
| CN103267907A (zh) * | 2013-04-19 | 2013-08-28 | 上海交通大学 | 一种变压器绕组模态参数识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 核主成分分析与随机森林相结合的变压器故障诊断方法;胡青等;《高电压技术》;20100731;第36卷(第7期);1725-1729 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103499382A (zh) | 2014-01-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103499382B (zh) | 一种基于振动数据融合和图像识别的变压器故障诊断方法 | |
| CN103713237B (zh) | 一种电力系统输电线路短路故障诊断方法 | |
| CN104569481B (zh) | 瓦斯继电器油流流速采集系统和重瓦斯整定值校验方法 | |
| CN103471841B (zh) | 一种旋转机械振动故障诊断方法 | |
| CN109029959B (zh) | 一种变压器绕组的机械状态检测方法 | |
| CN103135038A (zh) | 直流系统交流串电及绝缘故障监测选线方法 | |
| CN110208647B (zh) | 一种基于随机矩阵的配电网单相接地故障区段定位方法 | |
| CN203241494U (zh) | 直流系统交流串电及绝缘故障监测选线装置 | |
| CN101170254A (zh) | 高压串联补偿电容器组不平衡保护方法和装置 | |
| CN108008287A (zh) | 基于移频信号的轨道电路故障监测平台及其监测方法 | |
| CN110165778B (zh) | 一种油浸式电力变压器非电量保护故障录波装置及方法 | |
| CN105548744A (zh) | 一种基于运检大数据的变电设备故障识别方法及其系统 | |
| CN206311708U (zh) | 电缆在线监测装置及其系统 | |
| CN106443433B (zh) | 基于分合闸线圈电流的断路器状态监测系统及监测方法 | |
| CN103164775A (zh) | 一种电网设备状态自动评价平台及方法 | |
| CN107247204B (zh) | 超、特高压串补装置中限压器的状态监测系统及监测方法 | |
| CN103513125A (zh) | 一种220kv级以上变压器一体化智能诊断系统及其方法 | |
| CN106770652A (zh) | 基于声波特征的高压变压器健康状态监测装置及监测方法 | |
| CN101553738A (zh) | 闪络分析工具 | |
| CN107085173B (zh) | 一种用于变压器内部多局部放电源的分离方法及系统 | |
| CN110221137A (zh) | 一种基于振声相关性的配电变压器异常状态检测方法 | |
| Ma et al. | Fractal‐based autonomous partial discharge pattern recognition method for MV motors | |
| CN105629144B (zh) | 基于指纹库的高压开关设备局部放电诊断方法及系统 | |
| CN113078615B (zh) | 大型电力变压器主动保护方法和装置 | |
| Adami et al. | New approach to improve high-voltage transmission line reliability |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20180712 Address after: 410004 398 new Shao Dong Road, Tianxin District, Changsha, Hunan Co-patentee after: Power Science Research Institute of Hunan Electric Power Co., Ltd. Patentee after: State Grid Hunan Electric Power Co., Ltd. Co-patentee after: State Grid Corporation of China Address before: 100033 West Chang'an Avenue, Xicheng District, Xicheng District, Beijing Co-patentee before: Electric Power Research Institute, State Grid Hunan Electric Power Company Patentee before: State Grid Corporation of China Co-patentee before: Hunan Xiangdian Electric Power Text & Research Co., Ltd. |