CN106443315B - 一种基于多信息融合的电力变压器绕组变形诊断方法 - Google Patents
一种基于多信息融合的电力变压器绕组变形诊断方法 Download PDFInfo
- Publication number
- CN106443315B CN106443315B CN201610764574.5A CN201610764574A CN106443315B CN 106443315 B CN106443315 B CN 106443315B CN 201610764574 A CN201610764574 A CN 201610764574A CN 106443315 B CN106443315 B CN 106443315B
- Authority
- CN
- China
- Prior art keywords
- power transformer
- winding
- feature vector
- detected
- union feature
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/72—Testing of electric windings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
- G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
Abstract
本发明提供一种基于多信息融合的电力变压器绕组变形诊断方法,该方法:获取N组历史电力变压器绕组联合特征向量和待检测的电力变压器绕组联合特征向量;计算N组历史电力变压器绕组联合特征向量与基准向量的夹角,得到电力变压器正常绕组联合特征向量与基准向量的夹角范围、电力变压器变形故障绕组联合特征向量与基准向量的夹角范围;计算待检测的电力变压器绕组联合特征向量与基准向量的夹角,根据待检测的电力变压器绕组联合特征向量与基准向量的夹角的大小判定待检测的电力变压器绕组是否具有变形故障。本发明针对在线运行的电力变压器进行检测,可以弥补离线检测的不足,能够更加全面的反应绕组变形的状况,增加检测的可信度与可靠性。
Description
技术领域
本发明属于电力信息检测技术领域,具体涉及一种基于多信息融合的电力变压器绕组变形诊断方法。
背景技术
随着改革开放和我国经济的高速增长,用户对电力的需求急剧增长,迫切要求我国电网为用户提供安全可靠的电力。电力变压器是电力系统中重要的输变电设备之一,连接多个电压等级,在电网中处于枢纽地位。其运行的安全可靠性直接影响电网的运行安全,提高电力变压器的运行可靠性,对整个电网的安全可靠运行具有十分重要的意义。而变压器检修则是保证电力变压器正常运行的基础,是目前电力设备检修工作的重点内容之一。
变压器的内部故障从变压器结构上来分,包括绕组、铁心(即磁路)以及附件故障,从故障类型来分,包括机械故障,绝缘故障,过热故障等,从变压器以往的故障诊断案例来看,变压器的故障多数不是绝缘问题,而是机械性能问题导致电气故障,机械性能故障中以绕组与铁心占据较多,对变压器稳定运行影响最大。有关变压器的故障分析表明,绕组是发生故障较多的部件之一,据不完全统计1999-2003年期间,我国110kV以上电压等级的变压器,因遭受短路故障电流冲击直接导致的损坏事故约为72台,占总事故台数的27.5%。我国2005年220kV及以上变压器非计划停运按故障部位的分类情况显示:220kV等级变压器中由于绕组引起的非计划停运时间占总非计划停运时间的79.49%,330kV等级占72.31%,500kV等级占98.92%;因此为了能保证变压器运行的安全可靠性,开展变压器绕组变形在线检测研究具有十分重要的意义。
电力变压器退出运行吊罩检修事关重大,因此在线诊断结果需要尽可能准确。在目前的研究状况下,通过单一信息对绕组变形状况进行判断限制颇多,诊断可靠性与可信度不高。通过多类信息的融合可以有效的提高检测的可靠性与可信度。
发明内容
针对现有技术的不足,本发明提出一种基于多信息融合的电力变压器绕组变形诊断方法。
本发明的技术方案是:
一种基于多信息融合的电力变压器绕组变形诊断方法,包括以下步骤:
步骤1:获取N组历史电力变压器绕组联合特征向量和待检测的电力变压器绕组联合特征向量;
步骤1.1:采集电力变压器一次侧绕组三相电压值、二次侧绕组三相电压值、电力变压器一次侧绕组三相电流值、二次侧绕组三相电流值、电力变压器振动信号、电力变压器绕组特征金属含量值;
步骤1.2:通过采集到的电力变压器一次侧绕组三相电压值、二次侧绕组三相电压值、电力变压器一次侧绕组三相电流值、二次侧绕组三相电流值计算得到电力变压器的短路电抗值,从而得到电力变压器的短路电抗变化率;
步骤1.3:采用小波包分解法对采集的电力变压器振动信号进行三层小波包分解,得到电力变压器的振动信号特征值;
步骤1.4:将电力变压器的短路电抗变化率、振动信号特征值和绕组特征金属含量值构成电力变压器绕组联合特征向量;
步骤2:设定基准向量,计算N组历史电力变压器绕组联合特征向量与基准向量的夹角,得到电力变压器正常绕组联合特征向量与基准向量的夹角范围、电力变压器变形故障绕组联合特征向量与基准向量的夹角范围;
步骤3:计算待检测的电力变压器绕组联合特征向量与基准向量的夹角,根据待检测的电力变压器绕组联合特征向量与基准向量的夹角的大小判定待检测的电力变压器绕组是否具有变形故障。
可选地,所述电力变压器一次侧绕组三相电压值和二次侧绕组三相电压值通过电压互感器获取,所述电力变压器一次侧绕组三相电流值和二次侧绕组三相电流值通过电流互感器获取。
可选地,所述电力变压器振动信号通过加速度传感器获取被测点的振动信号,所述被测点为电力变压器绕组正对的低压侧油箱壁上。
可选地,所述电力变压器绕组特征金属含量值的获取方法为:通过X射线采集电力变压器绕组特征金属含量的X射线谱,通过电力变压器绕组特征金属含量的X射线谱得到电力变压器绕组特征金属含量值。
可选地,所述采用小波包分解法对采集的电力变压器振动信号进行三层小波包分解,得到电力变压器的振动信号特征值具体方法为:
采用小波包分解法对采集的电力变压器振动信号进行三层小波包分解,得到不同频率段的子信号,将得到的最低频段子信号的能量熵或者最低频段子信号在总信号中的能量占比作为电力变压器的振动信号特征值。
可选地,所述根据待检测的电力变压器绕组联合特征向量与基准向量的夹角的大小判定待检测的电力变压器绕组是否具有变形故障的具体方法为:
若待检测的电力变压器绕组联合特征向量与基准向量的夹角的大小处于电力变压器正常绕组联合特征向量与基准向量的夹角范围,则判定待检测的电力变压器绕组正常,若待检测的电力变压器绕组联合特征向量与基准向量的夹角的大小处于电力变压器变形故障绕组联合特征向量与基准向量的夹角范围,则判定待检测的电力变压器绕组具有变形故障。
本发明的有益效果:
本发明提出一种基于多信息融合的电力变压器绕组变形诊断方法,本发明方法针对在线运行的电力变压器进行检测,可以弥补离线检测的不足,本方法能够更加全面的反应绕组变形的状况,增加检测的可信度与可靠性。
附图说明
图1为本发明具体实施方式中基于多信息融合的电力变压器绕组变形诊断方法的流程图;
图2为本发明具体实施方式中获取电力变压器绕组联合特征向量的流程图;
图3为本发明具体实施方式中电力变压器绕组结构示意图;
图4为本发明具体实施方式中电力变压器内部振动传播途径的示意图。
具体实施方式
下面结合附图对本发明具体实施方式加以详细的说明。
一种基于多信息融合的电力变压器绕组变形诊断方法,如图1所示,包括以下步骤:
步骤1:获取N组历史电力变压器绕组联合特征向量和待检测的电力变压器绕组联合特征向量,如图2所示。一般需要采集正常绕组、受短路冲击后绕组、模拟故障绕组的联合特征向量,每类绕组至少试验一次,本次说明中取N为60,每类绕组进行20次试验测试。
步骤1.1:采集电力变压器一次侧绕组三相电压值、二次侧绕组三相电压值、电力变压器一次侧绕组三相电流值、二次侧绕组三相电流值、电力变压器振动信号、电力变压器绕组特征金属含量值。
本实施方式中,电力变压器绕组结构如图3所示,图中,a1为铁芯到低压绕组内侧的距离,a2为铁芯到高压绕组外侧的距离,a12为低压绕组与高压绕组的间隙距离,ΔL1、ΔL2分别为低压绕组及高压绕组线圈的宽度,r1为铁芯到低压绕组线圈中线的距离,r12为铁芯到双绕组间隙中线的距离,r2为铁芯到高压绕组线圈中线的距离。由图3可知,漏磁的等效面积会随着电力变压器绕组变形发生改变,导致绕组短路电抗发生改变,因此电力变压器绕组短路电抗可以用于诊断绕组变形。电力变压器一次侧绕组三相电压值和二次侧绕组三相电压值通过电压互感器获取,电力变压器一次侧绕组三相电流值和二次侧绕组三相电流值通过电流互感器获取,经过信号放大电路调理器进行信号调理,通过DPS(TMS220F28335)传输至计算机。
本实施方式中,电力变压器内部振动传播途径如图4所示,电力变压器绕组状态的变化导致其自身结构动力学性能发生改变,这种改变导致其机械振动产生变化。电力变压器绕组的压紧会随着变形松动,使高、低压绕组间高度差逐渐扩大,导致电力变压器安匝不平衡加剧,使漏磁造成的轴向力增大,从而使绕组的振动加剧。电力变压器振动通过变压器绝缘油传播至电力变压器箱体,可以通过对电力变压器油箱外壁的振动信号分析来诊断变压器绕组的状态。电力变压器振动信号通过加速度传感器获取被测点的振动信号,被测点为电力变压器绕组正对的低压侧油箱壁上,避免加强筋等测试效果不佳的位置,可多个加速度传感器同时采集,加速度传感器的采集精度及采集频率应以能包含变压器振动的有效信息为准。
本实施方式中,电力变压器绕组特征金属含量值的获取方法为:通过X射线采集电力变压器绕组特征金属含量的X射线谱,通过电力变压器绕组特征金属含量的X射线谱得到电力变压器绕组特征金属含量值。
步骤1.2:通过采集到的电力变压器一次侧绕组三相电压值、二次侧绕组三相电压值、电力变压器一次侧绕组三相电流值、二次侧绕组三相电流值计算得到电力变压器的短路电抗值,从而得到电力变压器的短路电抗变化率。
步骤1.3:采用三层小波包分解法对采集的电力变压器振动信号进行三层小波包分解,得到电力变压器的振动信号特征值。
本实施方式中,采用三层小波包分解法对采集的电力变压器振动信号进行三层小波包分解,得到不同频率段的子信号,将得到的最低频段子信号的能量熵或者最低频段子信号在总信号中的能量占比作为电力变压器的振动信号特征值。
步骤1.4:将电力变压器的短路电抗变化率、振动信号特征值和绕组特征金属含量值作为电力变压器绕组联合特征向量,表征变压器绕组的变形状态。
步骤2:设定基准向量,计算60组历史电力变压器绕组联合特征向量与基准向量的夹角;得到电力变压器正常绕组联合特征向量与基准向量的夹角范围、电力变压器变形故障绕组联合特征向量与基准向量的夹角范围。
本实施方式中,得到的电力变压器正常绕组联合特征向量为[0.05,0.95,0.8]、[0.08,0.91,0.81]、[0.09,0.89,0.82]、[0.03,0.88,0.79]、[0.08,0.91,0.83],电力变压器变形故障绕组联合特征向量为[0.33,0.72,0.66]、[0.29,0.72,0.68]、[0.3,0.75,0.71]、[0.28,0.79,0.72]、[0.32,0.75,0.67]。
得到的电力变压器正常绕组联合特征向量与基准向量的夹角范围为0~10度电力变压器变形故障绕组联合特征向量与基准向量的夹角范围15度。
步骤3:计算待检测的电力变压器绕组联合特征向量与基准向量的夹角,根据待检测的电力变压器绕组联合特征向量与基准向量的夹角的大小判定待检测的电力变压器绕组是否具有变形故障。
本实施方式中,若待检测的电力变压器绕组联合特征向量与基准向量的夹角的大小处于电力变压器正常绕组联合特征向量与基准向量的夹角范围,则判定待检测的电力变压器绕组正常,若待检测的电力变压器绕组联合特征向量与基准向量的夹角的大小处于电力变压器变形故障绕组联合特征向量与基准向量的夹角范围,则判定待检测的电力变压器绕组具有变形故障。
本实施方式中,设定基准向量为[0,1,1],得到的待检测的电力变压器绕组联合特征向量为[0.3,0.7,0.68],待检测的电力变压器绕组联合特征向量与基准向量的夹角为17.11度,待检测的电力变压器绕组为变形绕组。
Claims (5)
1.一种基于多信息融合的电力变压器绕组变形诊断方法,其特征在于,包括以下步骤:
步骤1:获取N组历史电力变压器绕组联合特征向量和待检测的电力变压器绕组联合特征向量;
步骤1.1:采集电力变压器一次侧绕组三相电压值、二次侧绕组三相电压值、电力变压器一次侧绕组三相电流值、二次侧绕组三相电流值、电力变压器振动信号、电力变压器绕组特征金属含量值;
步骤1.2:通过采集到的电力变压器一次侧绕组三相电压值、二次侧绕组三相电压值、电力变压器一次侧绕组三相电流值、二次侧绕组三相电流值计算得到电力变压器的短路电抗值,从而得到电力变压器的短路电抗变化率;
步骤1.3:采用小波包分解法对采集的电力变压器振动信号进行三层小波包分解,得到电力变压器的振动信号特征值,具体方法为:
采用小波包分解法对采集的电力变压器振动信号进行三层小波包分解,得到不同频率段的子信号,将得到的最低频段子信号的能量熵或者最低频段子信号在总信号中的能量占比作为电力变压器的振动信号特征值;
步骤1.4:将电力变压器的短路电抗变化率、振动信号特征值和绕组特征金属含量值构成电力变压器绕组联合特征向量;
步骤2:设定基准向量,计算N组历史电力变压器绕组联合特征向量与基准向量的夹角,得到电力变压器正常绕组联合特征向量与基准向量的夹角范围、电力变压器变形故障绕组联合特征向量与基准向量的夹角范围;
步骤3:计算待检测的电力变压器绕组联合特征向量与基准向量的夹角,根据待检测的电力变压器绕组联合特征向量与基准向量的夹角的大小判定待检测的电力变压器绕组是否具有变形故障。
2.根据权利要求1所述的基于多信息融合的电力变压器绕组变形诊断方法,其特征在于,所述电力变压器一次侧绕组三相电压值和二次侧绕组三相电压值通过电压互感器获取,所述电力变压器一次侧绕组三相电流值和二次侧绕组三相电流值通过电流互感器获取。
3.根据权利要求1所述的基于多信息融合的电力变压器绕组变形诊断方法,其特征在于,所述电力变压器振动信号通过加速度传感器获取被测点的振动信号,所述被测点为电力变压器绕组正对的低压侧油箱壁上。
4.根据权利要求1所述的基于多信息融合的电力变压器绕组变形诊断方法,其特征在于,所述电力变压器绕组特征金属含量值的获取方法为:通过X射线采集电力变压器绕组特征金属含量的X射线谱,通过电力变压器绕组特征金属含量的X射线谱得到电力变压器绕组特征金属含量值。
5.根据权利要求1所述的基于多信息融合的电力变压器绕组变形诊断方法,其特征在于,所述根据待检测的电力变压器绕组联合特征向量与基准向量的夹角的大小判定待检测的电力变压器绕组是否具有变形故障的具体方法为:
若待检测的电力变压器绕组联合特征向量与基准向量的夹角的大小处于电力变压器正常绕组联合特征向量与基准向量的夹角范围,则判定待检测的电力变压器绕组正常,若待检测的电力变压器绕组联合特征向量与基准向量的夹角的大小处于电力变压器变形故障绕组联合特征向量与基准向量的夹角范围,则判定待检测的电力变压器绕组具有变形故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610764574.5A CN106443315B (zh) | 2016-08-30 | 2016-08-30 | 一种基于多信息融合的电力变压器绕组变形诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610764574.5A CN106443315B (zh) | 2016-08-30 | 2016-08-30 | 一种基于多信息融合的电力变压器绕组变形诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106443315A CN106443315A (zh) | 2017-02-22 |
CN106443315B true CN106443315B (zh) | 2019-05-17 |
Family
ID=58090374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610764574.5A Active CN106443315B (zh) | 2016-08-30 | 2016-08-30 | 一种基于多信息融合的电力变压器绕组变形诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106443315B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107132433B (zh) * | 2017-03-31 | 2020-04-14 | 广东电网有限责任公司电力科学研究院 | 一种确定变压器绕组累积变形的试验方法 |
CN107037314A (zh) * | 2017-04-19 | 2017-08-11 | 沈阳工业大学 | 一种电力变压器绕组变形故障在线诊断方法 |
CN107727344B (zh) * | 2017-09-12 | 2019-09-27 | 国网天津市电力公司电力科学研究院 | 一种基于小波能量法的变压器冲撞记录数据分析方法 |
CN109581055A (zh) * | 2018-12-28 | 2019-04-05 | 广东电网有限责任公司 | 一种基于多分辨率分解法的变压器绕组故障类型检测方法 |
CN110376462A (zh) * | 2019-07-16 | 2019-10-25 | 东华大学 | 一种电力变压器融合诊断方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103513139A (zh) * | 2013-10-16 | 2014-01-15 | 王丽华 | 一种电力变压器故障智能诊断技术、方法及设备 |
CN203800702U (zh) * | 2014-01-21 | 2014-08-27 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种变电设备在线监测系统 |
CN204595118U (zh) * | 2015-04-28 | 2015-08-26 | 深圳供电局有限公司 | 一种具备电力变压器故障模拟功能的试验装置 |
CN107037314A (zh) * | 2017-04-19 | 2017-08-11 | 沈阳工业大学 | 一种电力变压器绕组变形故障在线诊断方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11344524A (ja) * | 1998-06-02 | 1999-12-14 | Meidensha Corp | 多層巻線のレアー判定方法 |
-
2016
- 2016-08-30 CN CN201610764574.5A patent/CN106443315B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103513139A (zh) * | 2013-10-16 | 2014-01-15 | 王丽华 | 一种电力变压器故障智能诊断技术、方法及设备 |
CN203800702U (zh) * | 2014-01-21 | 2014-08-27 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种变电设备在线监测系统 |
CN204595118U (zh) * | 2015-04-28 | 2015-08-26 | 深圳供电局有限公司 | 一种具备电力变压器故障模拟功能的试验装置 |
CN107037314A (zh) * | 2017-04-19 | 2017-08-11 | 沈阳工业大学 | 一种电力变压器绕组变形故障在线诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106443315A (zh) | 2017-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106443315B (zh) | 一种基于多信息融合的电力变压器绕组变形诊断方法 | |
CN103782509B (zh) | 用于检测同步发电机内部绕组故障的系统、计算机程序产品和方法 | |
CN105182099B (zh) | 基于频率响应分析法诊断变压器绕组变形程度和故障方法 | |
CN206114822U (zh) | 一种电力变压器绕组形变状态多信息检测装置 | |
CN102253283B (zh) | 一种基于小波包能量谱的分布式微网并网孤岛检测方法 | |
CN104374312B (zh) | 一种电力变压器绕组变形的检测方法 | |
CN106443316A (zh) | 一种电力变压器绕组形变状态多信息检测方法及装置 | |
Stone et al. | Effect of manufacturer, winding age and insulation type on stator winding partial discharge levels | |
Wu et al. | A new testing method for the diagnosis of winding faults in transformer | |
CN109839263A (zh) | 一种基于振动信息的gis特征提取及机械缺陷诊断方法 | |
CN103438797A (zh) | 变压器绕组变形在线检测方法与系统 | |
CN107656174B (zh) | 一种用于变压器绕组变形进行在线诊断方法及系统 | |
CN103869168A (zh) | 一种电力用电流互感器二次回路探测与诊断方法 | |
CN102735959A (zh) | 超高压线路电力变压器不拆线试验方法 | |
CN104748838A (zh) | 基于有限元分析的变压器绕组松动判断系统和方法 | |
CN111273199A (zh) | 基于扫频阻抗曲线辨识的变压器绕组变形智能检测方法 | |
CN103364641A (zh) | 一种变电站暂态电磁环境测试方法 | |
CN104655967B (zh) | 配电变压器绕组振动信号特征量提取方法 | |
CN109342882A (zh) | 基于多源特征值分析的电缆故障在线监测方法 | |
Bagheri et al. | On-line transformer winding deformation diagnosis: A profound insight to methods | |
CN205353339U (zh) | 一种cvt状态在线测试系统 | |
CN109342856A (zh) | 一种变压器检修方法 | |
CN112014695A (zh) | 一种gis设备故障快速定位系统及方法 | |
CN109507503B (zh) | 一种基于多通道噪声的变压器绕组故障诊断方法 | |
CN110645888A (zh) | 一种基于频响分析fra的绕组变形判断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |