CN106950470A - 一种基于大数据的变压器雷电冲击的故障诊断方法 - Google Patents

Abstract

一种基于大数据的变压器雷电冲击的故障诊断方法，包括收集变压器雷电冲击耐压试验的历史数据，对试验测量的首端电压数据和中性点电流数据分别进行快速傅里叶变换。建立故障标准数据库，进行标准化处理得到传递函数数据。将新的雷电冲击耐压试验数据进行标准化处理传递函数数据，通过50％雷电冲击电压与全压下的传递函数数据对比，判断是否发生故障。选取故障数据库中相同型号变压器的相关数据，将新试验的传递函数与故障数据库中的传递函数数据求取相关系数ρ。按照排序的故障列表选取最接近的故障信息，设置偏差值η％，以故障对应位置为中心选取总匝数η％的绕组段为测试范围进行故障定位诊断。本发明对大量故障波形数据进行特征归类，可以确定故障大致范围，可大大缩减故障定位时间，使故障诊断更加快速有效。

Description

一种基于大数据的变压器雷电冲击的故障诊断方法

技术领域

本发明一种基于大数据的变压器雷电冲击的故障诊断方法，涉及变压器故障检测领域。

背景技术

变压器出厂前都需要进行雷电冲击耐压试验的考核，雷电冲击试验的故障诊断运用最多的是中性点电流法和传递函数法。主要通过50％电压与全压下的试验数据进行对比。对于较小的故障，通过首端电压和中性点电流法也难以判断，此时需要对电压和电流时域波形进行快速傅里叶变换得到各自的频谱，然后用电流信号的频谱除以电压信号的频谱得到传递函数值，通过传递函数波形可以判断较小的故障，但传递函数至于频率相关，不能反映故障时间，也无法确定故障在变压器中的位置。确定变压器存在故障后，可采用超高频局放信号或采用超声局放等故障诊断方法进行故障定位，但对于大型变压器，由于超高频或超声局放等方法每次针对性检测的范围较小，若不能确定故障的大致范围，需要经过多次排查才能进行故障定位，将耗费大量时间和人力物力。

发明内容

为解决上述技术问题，本发明提供一种基于大数据的变压器雷电冲击的故障诊断方法，对大量故障波形数据进行特征归类，虽然由于雷电冲击由于放电回路间隙击穿的随机性，每个波形都会有差异，但可以确定故障大致范围，可大大缩减故障定位时间，使故障诊断更加快速有效。

本发明采取的技术方案为：

一种基于大数据的变压器雷电冲击的故障诊断方法，包括以下步骤：

步骤1、收集变压器雷电冲击耐压试验的历史数据，按公式1对试验测量的首端电压数据和中性点电流数据分别进行快速傅里叶变换，式中x(n)为离散信号数据，如电压或是电流采样数据，X(k)为信号的快速傅里叶变换数据，为傅里叶变换的核函数，N为数据采样点数，e为自然对数的底数，k为各个采样数据的序号。然后将变换得到的电流信号频谱I(f)除以电压信号频谱U(f)，得到变压器的传递函数H(f)，传递函数也是一组个数为N的数据，每个数据包括频率和对应的幅值，选取对应频率段为0～1MHz的传递函数数据。

步骤2、建立故障标准数据库，包括：试验变压器的型号参数，包括变压器额定电压，额定容量，变压器绕组结构和匝数；雷电冲击耐压试验的记录，包括采样频率、采样点数、变压器绕组首端电压和中性点电流数据；按照步骤1计算得到的0～1MHz频段内传递函数数据；故障信息，即最后通过检测确定的故障类型与故障位置。

步骤3、将待诊断的雷电冲击耐压试验的首端电压和中性点电流数据分别进行快速傅里叶变换，按步骤1求取0～1MHz频率段内的传递函数数据，通过50％雷电冲击电压与全压下的传递函数数据对比，判断是否发生故障。

步骤4、待诊断的雷电冲击耐压试验数据通过传递函数对比判断存在故障，则选取故障数据库中相同型号变压器的相关数据，按公式2将新试验的传递函数与故障数据库中的传递函数数据求取相关系数ρ，式中，x(n)为新的故障传递函数数据，y(n)为故障数据库中的传递函数数据，x_i和y_i分别为x(n)和y(n)中的第i项数据，和分别为x(n)和y(n)的平均值。设置阈值T，当相关系数ρ≥T时，认为两者类似，将ρ≥T的故障类型按相关系数从大到小的顺序列表。

步骤5、按照排序的故障列表选取最接近的故障信息，设置偏差值η％，以故障对应位置为中心选取总匝数η％的绕组段为测试范围，利用超高频局放测试或超声局放测试进行故障定位诊断；若未检测处，则按列表依次选择下一个接近的故障信息，按上述方法选择测试范围进行测试，直到确定故障位置，完成诊断。

本发明一种基于大数据的变压器雷电冲击的故障诊断方法，利用变压器雷电冲击试验大量的历史数据进行标准化处理，求取雷电冲击下的变压器传递函数建立故障特征数据库，对于待诊断的雷电冲击试验数据，判断发生故障后，利用待诊断故障与数据库中故障数据的传递函数相关系数进行对比，推导新故障的大致类型与范围，然后利用超高频局放测试或超声局放测试进行更准确的故障定位，可减少故障诊断工作量，缩短故障定位时间。

附图说明

图1为本发明的流程图。

图2为雷电冲击下变压器绕组首端电压波形图。

图3为雷电冲击下变压器中性点电流波形图。

图4为50％雷电冲击电压与全压下的传递函数数据对比图。

具体实施方式

如图1所示，一种基于大数据的变压器雷电冲击的故障诊断方法，包括以下步骤：

步骤1)：收集变压器雷电冲击耐压试验的历史数据，例如试验中首端电压和中性点电流数据采样频率为100MHz，记录200μs时长的数据采样点数为20000个点，根据采样点数据绘制雷电冲击下变压器绕组首端电压波形如图1，绘制中性点电流波形如图2。取按公式1对试验测量的首端电压数据和中性点电流数据分别进行快速傅里叶变换，式中x(n)为离散信号数据，如电压或是电流采样数据，X(k)为信号的快速傅里叶变换数据，为傅里叶变换的核函数，N为数据采样点数，e为自然对数的底数,k为各个采样数据的序号。然后将变换得到的电流信号频谱I(f)除以电压信号频谱U(f)，得到变压器的传递函数H(f)，传递函数也是一组个数为N的数据，每个数据包括频率和对应的幅值，选取对应频率段为0～1MHz的传递函数数据，如图4所示。

傅里叶变换过后得到的数据就是横坐标为频率，纵坐标为幅值或相角的数据，这里将电压、电流两个傅里叶变换后的数据数值相除，得到的仍是横坐标为频率，纵坐标为数值的图，因此选取对应频率的数值为传递函数数据。

由于雷电冲击波形波头很陡，采样频率较高，如100MHz，记录100μs就需要10000个点，一般都要记录更长，例如采样20000个点。

步骤2)：建立故障标准数据库，如表1所示，主要包括：试验变压器的型号参数，包括变压器额定电压，额定容量，变压器绕组结构和匝数；雷电冲击耐压试验的记录，包括采样频率、采样点数、变压器绕组首端电压和中性点电流数据；按照步骤1计算得到的0～1MHz频段内传递函数数据；故障信息，即最后通过检测确定的故障类型与故障位置。

步骤3)：将待诊断的雷电冲击耐压试验的首端电压和中性点电流数据分别进行快速傅里叶变换，按步骤1求取0～1MHz频率段内的传递函数数据，通过50％雷电冲击电压与全压下试验的传递函数数据对比，判断是否发生故障。

此处新的雷电冲击耐压试验数据指的是刚进行试验获得的待判断是否发生故障的试验数据。标准化处理就是将数据快速傅里叶变换。

步骤4)：待诊断的雷电冲击耐压试验数据通过传递函数对比判断存在故障，则选取故障数据库中相同型号变压器的相关数据，按公式2将新试验的传递函数与故障数据库中的传递函数数据求取相关系数ρ，式中，x(n)为新的故障传递函数数据，y(n)为故障数据库中的传递函数数据，x_i和y_i分别为x(n)和y(n)中的第i项数据，和分别为x(n)和y(n)的平均值。设置阈值T，当相关系数ρ≥T时，认为两者类似，将ρ≥T的故障类型按相关系数从大到小的顺序列表。

步骤5)：按照排序的故障列表选取最接近的故障信息，设置偏差值η％，以故障对应位置为中心选取总匝数η％的绕组段为测试范围，利用超高频局放测试或超声局放测试进行故障定位诊断。若未检测处，则按列表依次选择下一个接近的故障信息，按上述方法选择测试范围进行测试，直到确定故障位置，完成诊断。

具体算例：

本实例以一台10kV单相双绕组的试验变压器为例进行分析，此台变压器上设置了故障模拟抽头，可以模拟匝间短路，主要步骤如下：

1)、收集变压器雷电冲击耐压试验的历史数据，按公式1对试验测量的首端电压数据和中性点电流数据分别进行快速傅里叶变换，式中x(n)为离散信号数据，如电压或是电流采样数据，X(k)为信号的快速傅里叶变换数据，为傅里叶变换的核函数，N为数据采样点数，e为自然对数的底数。然后将变换得到的电流信号频谱I(f)除以电压信号频谱U(f)，得到变压器的传递函数H(f)，传递函数也是一组个数为N的数据，每个数据包括频率和对应的幅值，选取对应频率段为0～1MHz的传递函数数据。

2)、建立故障标准数据库，包括：试验变压器的型号参数，包括变压器额定电压，额定容量，变压器绕组结构和匝数；雷电冲击耐压试验的记录，包括采样频率、采样点数、变压器绕组首端电压和中性点电流数据；按照步骤1计算得到的0～1MHz频段内传递函数数据；故障信息，即最后通过检测确定的故障类型与故障位置。

3)、将待诊断的雷电冲击耐压试验的首端电压和中性点电流数据分别进行快速傅里叶变换，按步骤1求取0～1MHz频率段内的传递函数数据，通过50％雷电冲击电压与全压下的传递函数数据对比，如图2所述，两者有明显差别，判断发生了故障。

4)、通过对比判断存在故障，选取故障数据库中相同型号的10kV单相双绕组变压器的故障数据，按公式2将新试验的传递函数与故障数据库中的传递函数数据求取相关系数ρ，式中，x(n)为新的故障传递函数数据，y(n)为故障数据库中的传递函数数据，x_i和y_i分别为x(n)和y(n)中的第i项数据，和分别为x(n)和y(n)的平均值。设置阈值为0.9，当相关系数ρ≥0.9时，认为两者类似，将ρ≥T的故障类型按相关系数从大到小的顺序列表如表1。

表1

序号	相关系数	故障类型与故障位置
			1	0.952	绝缘损坏造成的间隙放电故障，第151～158匝短路
2	0.948	绝缘损坏造成的间隙放电故障，第125～132匝短路
			3	0.937	绝缘损坏造成的间隙放电故障，第159～166匝短路
……	……	……

5)、按照排序的故障列表选取最接近的故障信息，设置偏差值5％，以故障对应位置为中心选取总匝数5％，总匝数为560匝，即选取28匝绕组，按序号1的故障位置选择141～168匝，利用超高频局放测试或超声局放测试仪对141～168匝绕组进行检测，诊断出故障位置为143～149匝的匝间故障。

Claims (1)

1.一种基于大数据的变压器雷电冲击的故障诊断方法，其特征在于包括以下步骤：

步骤1、收集变压器雷电冲击耐压试验的历史数据，按公式1对试验测量的首端电压数据和中性点电流数据分别进行快速傅里叶变换，式中x(n)为离散信号数据，如电压或是电流采样数据，X(k)为信号的快速傅里叶变换数据，为傅里叶变换的核函数，N为数据采样点数，e为自然对数的底数，k为各个采样数据的序号。然后将变换得到的电流信号频谱I(f)除以电压信号频谱U(f)，得到变压器的传递函数H(f)，传递函数也是一组个数为N的数据，每个数据包括频率和对应的幅值，选取对应频率段为0～1MHz的传递函数数据；

$\left\{\begin{array}{c}X\left(k\right)=\underset{n=0}{\overset{N-1}{\Σ}}x\left(n\right)W_N^{kn},k=0,1,...,N-1\\ W_N^{kn}=e^{-j2\mathrm{\π}/N}\end{array}\right.---\left(1\right)$

步骤2、建立故障标准数据库，包括：试验变压器的型号参数，包括变压器额定电压，额定容量，变压器绕组结构和匝数；雷电冲击耐压试验的记录，包括采样频率、采样点数、变压器绕组首端电压和中性点电流数据；按照步骤1计算得到的0～1MHz频段内传递函数数据；故障信息，即最后通过检测确定的故障类型与故障位置；

步骤3、将待诊断的雷电冲击耐压试验的首端电压和中性点电流数据分别进行快速傅里叶变换，按步骤1求取0～1MHz频率段内的传递函数数据，通过50％雷电冲击电压与全压下试验的传递函数数据对比，判断是否发生故障；

步骤4、待诊断的雷电冲击耐压试验数据通过传递函数对比判断存在故障，则选取故障数据库中相同型号变压器的相关数据，按公式2将新试验的传递函数与故障数据库中的传递函数数据求取相关系数ρ，式中，x(n)为新的故障传递函数数据，y(n)为故障数据库中的传递函数数据，x_i和y_i分别为x(n)和y(n)中的第i项数据，和分别为x(n)和y(n)的平均值。设置阈值T，当相关系数ρ≥T时，认为两者类似，将ρ≥T的故障类型按相关系数从大到小的顺序列表；

$\mathrm{\ρ}=\frac{\underset{i=1}{\overset{n}{\Σ}}(x_i-\stackrel{\‾}{x})(y_i-\stackrel{\‾}{y})}{\sqrt{\underset{i=1}{\overset{n}{\Σ}}{(x_i-\stackrel{\‾}{x})}^2\underset{i=1}{\overset{n}{\Σ}}{(y_i-\stackrel{\‾}{y})}^2}}---\left(2\right)$

步骤5、按照排序的故障列表选取最接近的故障信息，设置偏差值η％，以故障对应位置为中心选取总匝数η％的绕组段为测试范围，利用超高频局放测试或超声局放测试进行故障定位诊断；若未检测处，则按列表依次选择下一个接近的故障信息，按上述方法选择测试范围进行测试，直到确定故障位置，完成诊断。