CN108520115B - 一种变压器绕组与铁心振动信号分离方法及系统 - Google Patents
一种变压器绕组与铁心振动信号分离方法及系统 Download PDFInfo
- Publication number
- CN108520115B CN108520115B CN201810239991.7A CN201810239991A CN108520115B CN 108520115 B CN108520115 B CN 108520115B CN 201810239991 A CN201810239991 A CN 201810239991A CN 108520115 B CN108520115 B CN 108520115B
- Authority
- CN
- China
- Prior art keywords
- vibration
- signal
- winding
- transformer
- network model
- 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
- 238000004804 winding Methods 0.000 title claims abstract description 62
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000000926 separation method Methods 0.000 claims abstract description 35
- 230000001133 acceleration Effects 0.000 claims abstract description 30
- 230000009467 reduction Effects 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 5
- 239000013589 supplement Substances 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 9
- 238000001228 spectrum Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012880 independent component analysis Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了一种变压器绕组与铁心振动信号分离方法及系统,变压器绕组与铁心振动信号分离方法的实施步骤包括获取变压器油箱表面测点的振动加速度信号,针对振动加速度信号进行降噪预处理,将降噪预处理的振动加速度信号输入预先训练好的初始信号分离网络模型,得到分离的绕组振动信号和铁心振动信号;变压器绕组与铁心振动信号分离系统包括被编程以执行前述分离方法的计算机设备。本发明具有不接触带电设备、操作方便、检测效率高、普适性强的优点。
Description
技术领域
本发明涉及变压器运行状态检测领域,具体涉及一种变压器绕组与铁心振动信号分离方法及系统。
背景技术
变压器是电力系统的重要组成部分,承担着不同电压等级电力网络之间的电能传输任务。由于绕组电磁力以及铁心磁滞伸缩力的影响,变压器运行时会产生振动。铁心与绕组振动相互作用,通过铁心垫脚、紧固件以及绝缘油传递至油箱表面,从而引起油箱振动。变压器的运行状态与其振动情况密切相关,与电气、油色谱等参数类似,振动信号是用于判断变压器运行状态是否良好的关键物理量,利用振动信号检测往往能够更早发现变压器内部绕组变形、铁心松动等机械性缺陷。
目前,基于振动测试的技术手段往往仅仅能够测量油浸式变压器油箱表面的振动信号,主要通过小波分析、FFT频谱分析方法获得振动信号在不同频带上的能量分布,利用不同频带上的能量分布变化判断变压器是否出现缺陷。然而,以上方法仅能测得变压器绕组与铁心的混合振动信号,通过小波与频谱分析方法无法实现变压器绕组与铁心信号分离,不能准确判断故障发生的具体位置。
申请号为201110432447.2的中国专利文献公开了一种变压器绕组与铁心振动信号的分离方法,该方法通过分别测量变压器负载与空载条件下的振动信号利用频谱相减的方法实现变压器绕组与铁心振动信号的分离;申请号为201210385543.0的中国专利文献公开了变压器绕组与铁心振动信号的分离方法,该方法通过小波包分解、互信息计算以及独立成分分析的方法实现变压器绕组与铁心振动信号的分离。以上两种方法均建立在变压器绕组与铁心振动信号线性混叠的基础上。然而,变压器内部结构、变压器油箱表面结构十分复杂,振动信号在铁心与垫脚、绕组与铁心紧固件等部位之间的传递过程往往具有较强的非线性。因此,以上两种方法具有一定的应用局限性,普遍适用性较差。
发明内容
本发明要解决的技术问题:针对现有技术的上述问题,提供一种变压器绕组与铁心振动信号分离方法及系统,本发明具有不接触带电设备、操作方便、检测效率高、普适性强的优点。
为了解决上述技术问题,本发明采用的技术方案为:
本发明提供一种变压器绕组与铁心振动信号分离方法,实施步骤包括:
1)获取变压器油箱表面测点的振动加速度信号;
2)针对振动加速度信号进行降噪预处理;
3)将降噪预处理的振动加速度信号输入预先训练好的初始信号分离网络模型,得到分离的绕组振动信号和铁心振动信号。
优选地,步骤1)中变压器油箱表面测点的位于变压器高压侧箱体立面1/4高度、正对变压器绕组位置。
优选地,步骤2)中针对振动加速度信号进行降噪预处理具体是指采用小波分析方法对振动加速度信号中的高斯噪声与白噪声进行降噪处理。
优选地,步骤3)中的初始信号分离网络模型为基于最小互信息的初始信号分离网络模型,所述基于最小互信息的初始信号分离网络模型包括由分离模块F和两个补充模块Ψ1、Ψ2构成,所述分离模块F为用于执行线性或非线性遗传类变换算法获得尽可能独立的信号分量的多层感知机,所述多层感知机的输入为两路3次非线性混叠的振动加速度信号o1与o2、且输出的一个信号分量x1给补充模块Ψ1、另一个信号分量x2给补充模块Ψ2,两个补充模块Ψ1、Ψ2均为在[0,1]区间具有非线性单调递增特性的累积概率函数估计模块,补充模块Ψ1根据输入的信号分量x1输出绕组振动信号Sw,补充模块Ψ2根据输入的信号分量x2输出绕组振动信号Sc。
优选地,所述基于最小互信息的初始信号分离网络模型的训练步骤包括:初始化基于最小互信息的初始信号分离网络模型,以基于最小互信息的分离网络模型的输出熵最大为训练目标函数,将降噪预处理的振动加速度信号输入基于最小互信息的初始信号分离网络模型进行迭代训练,直至满足预设的迭代退出条件。
本发明还提供一种变压器绕组与铁心振动信号分离方法,包括计算机设备,所述计算机设备被编程以执行本发明变压器绕组与铁心振动信号分离方法的步骤。
本发明变压器绕组与铁心振动信号分离方法具有下述优点:
1、本发明与带电设备不存在电接触,测试安全性高、振动检测方法操作方便,检测效率较高。
2、本发明对于线性与非线性混叠变压器绕组与铁心振动信号均可使用,普遍适用性更强。
本发明变压器绕组与铁心振动信号分离系统为本发明变压器绕组与铁心振动信号分离方法对应的系统,其同样也具有发明变压器绕组与铁心振动信号分离方法的前述优点,故在此不再赘述。
附图说明
图1是本发明实施例方法的实施流程示意图。
图2是本发明实施例中变压器绕组与铁心振动混合信号的时域波形图。
图3是本发明实施例中变压器绕组与铁心振动混合信号的频谱图。
图4是本发明实施例中变压器绕组与铁心振动信号分离网络模型图。
图5是本发明实施例中实际绕组振动信号与铁心振动信号的时域波形图。
图6是本发明实施例中实际绕组振动信号与铁心振动信号的频谱图。
图7是本发明实施例中分离后的绕组振动信号与铁心振动信号的时域波形图。
图8是本发明实施例中分离后的绕组振动信号与铁心振动信号的频谱图。
具体实施方式
如图1所示,本实施例变压器绕组与铁心振动信号分离方法的实施步骤包括:
1)获取变压器油箱表面测点的振动加速度信号,本实施例中,振动加速度信号(变压器绕组与铁心振动混合信号)的时域波形图如图2所示、频谱图如图3所示;
2)针对振动加速度信号进行降噪预处理;
3)将降噪预处理的振动加速度信号输入预先训练好的初始信号分离网络模型,得到分离的绕组振动信号和铁心振动信号。
本实施例中,步骤1)中变压器油箱表面测点的位于变压器高压侧箱体立面1/4高度、正对变压器绕组位置。由于变压器绕组经铁心及其紧固件传递至油箱壁的振动以及铁心振动主要反映在油箱体底部区域,因此,选择变压器高压侧箱体立面1/4高度、正对变压器绕组位置布置测点。由于高斯噪声与白噪声对与后续分离效果存在影响,因此,采用小波分析方法对振动加速度信号进行预处理,以提高后续分离的准确性。
本实施例中,步骤2)中针对振动加速度信号进行降噪预处理具体是指采用小波分析方法对振动加速度信号中的高斯噪声与白噪声进行降噪处理,能够有效提高本实施例方法的抗干扰性能,提高检测的准确度。
如图4所示,本实施例中,假设包含2个振动加速度信号测点,步骤3)中的初始信号分离网络模型为基于最小互信息的初始信号分离网络模型,所述基于最小互信息的初始信号分离网络模型包括由分离模块F和两个补充模块Ψ1、Ψ2构成,所述分离模块F为用于执行线性或非线性遗传类变换算法获得尽可能独立的信号分量的多层感知机,所述多层感知机的输入为两路3次非线性混叠的振动加速度信号o1与o2、且输出的一个信号分量x1给补充模块Ψ1、另一个信号分量x2给补充模块Ψ2,两个补充模块Ψ1、Ψ2均为在[0,1]区间具有非线性单调递增特性的累积概率函数估计模块,补充模块Ψ1根据输入的信号分量x1输出绕组振动信号Sw,补充模块Ψ2根据输入的信号分量x2输出绕组振动信号Sc。
假设2个振动加速度信号测点经预处理后的两路3次非线性混叠的振动加速度信号o1与o2的函数表达式分别如式(1)和(2)所示;
式(1)和(2)中,yw为绕组振动信号;yc为铁心振动信号。
绕组振动信号yw和铁心振动信号yc的函数表达式分别如式(3)和(4)所示;实际绕组振动信号yw与铁心振动信号yc的时域波形与频谱分别如图5、图6所示。
yw=4cos(4πft-π/6)+2cos(8πft+π/3)+cos(12πft+π/3) (3)
yc=3cos(4πft+π/6)+3cos(6πft+π/3)+5cos(10πft+π/3) (4)
式(3)和(4)中,f表示工频50Hz,t表示时间。
本实施例中,基于最小互信息的初始信号分离网络模型的训练步骤包括:初始化基于最小互信息的初始信号分离网络模型,以基于最小互信息的分离网络模型的输出熵最大为训练目标函数,将降噪预处理的振动加速度信号输入基于最小互信息的初始信号分离网络模型进行迭代训练,直至满足预设的迭代退出条件。本实施例中,经过200次迭代训练后,利用最终的分离网络模型分离两路3次非线性混叠的振动加速度信号o1与o2,分别获得分离后的变压器绕组sw与铁心振动信号sc,其时域波形与频谱分别如图7、图8所示。
通过对比图5与图7、图6与图8可以看出,分离后的信号sc、sw与源信号yc、yw保持较好的一致性,分离后的绕组信号sw尽管存在400Hz、500Hz与600Hz谐波频率分量,但其3个主频100Hz、200Hz与300Hz均得到还原。
此外,本实施例还提供一种变压器绕组与铁心振动信号分离系统,包括计算机设备,计算机设备被编程以执行本实施例变压器绕组与铁心振动信号分离方法的步骤。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种变压器绕组与铁心振动信号分离方法,其特征在于实施步骤包括:
1)获取变压器油箱表面测点的振动加速度信号;
2)针对振动加速度信号进行降噪预处理;
3)将降噪预处理的振动加速度信号输入预先训练好的初始信号分离网络模型,得到分离的绕组振动信号和铁心振动信号;步骤3)中的初始信号分离网络模型为基于最小互信息的初始信号分离网络模型,所述基于最小互信息的初始信号分离网络模型包括由分离模块F和两个补充模块Ψ 1 、Ψ 2 构成,所述分离模块F为用于执行线性或非线性遗传类变换算法获得尽可能独立的信号分量的多层感知机,所述多层感知机的输入为两路3次非线性混叠的振动加速度信号o 1 与o 2 、且输出的一个信号分量x 1 给补充模块Ψ 1 、另一个信号分量x 2 给补充模块Ψ 2 ,两个补充模块Ψ 1 、Ψ 2 均为在[0, 1]区间具有非线性单调递增特性的累积概率函数估计模块,补充模块Ψ 1 根据输入的信号分量x 1 输出绕组振动信号S w ,补充模块Ψ 2 根据输入的信号分量x 2 输出绕组振动信号S c 。
2.根据权利要求1所述的变压器绕组与铁心振动信号分离方法,其特征在于,步骤1)中变压器油箱表面测点的位于变压器高压侧箱体立面1/4高度、正对变压器绕组位置。
3.根据权利要求1所述的变压器绕组与铁心振动信号分离方法,其特征在于,步骤2)中针对振动加速度信号进行降噪预处理具体是指采用小波分析方法对振动加速度信号中的高斯噪声与白噪声进行降噪处理。
4.根据权利要求1所述的变压器绕组与铁心振动信号分离方法,其特征在于,所述基于最小互信息的初始信号分离网络模型的训练步骤包括:初始化基于最小互信息的初始信号分离网络模型,以基于最小互信息的分离网络模型的输出熵最大为训练目标函数,将降噪预处理的振动加速度信号输入基于最小互信息的初始信号分离网络模型进行迭代训练,直至满足预设的迭代退出条件。
5.一种变压器绕组与铁心振动信号分离系统,包括计算机设备,其特征在于,所述计算机设备被编程以执行权利要求1~4中任意一项所述变压器绕组与铁心振动信号分离方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810239991.7A CN108520115B (zh) | 2018-03-22 | 2018-03-22 | 一种变压器绕组与铁心振动信号分离方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810239991.7A CN108520115B (zh) | 2018-03-22 | 2018-03-22 | 一种变压器绕组与铁心振动信号分离方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108520115A CN108520115A (zh) | 2018-09-11 |
CN108520115B true CN108520115B (zh) | 2022-02-18 |
Family
ID=63432966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810239991.7A Active CN108520115B (zh) | 2018-03-22 | 2018-03-22 | 一种变压器绕组与铁心振动信号分离方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108520115B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109325475A (zh) * | 2018-11-19 | 2019-02-12 | 国网河北省电力有限公司电力科学研究院 | 变压器振动信号分离方法及终端设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102914362A (zh) * | 2012-10-12 | 2013-02-06 | 宁夏电力公司电力科学研究院 | 变压器绕组及铁芯振动信号的分离方法 |
CN103267947A (zh) * | 2013-04-28 | 2013-08-28 | 大连交通大学 | 一种交流电机故障诊断与预测中的特征提取方法 |
CN104462846A (zh) * | 2014-12-22 | 2015-03-25 | 山东鲁能软件技术有限公司 | 一种基于支持向量机的设备故障智能诊断方法 |
CN105527016A (zh) * | 2015-12-31 | 2016-04-27 | 国家电网公司 | 一种基于时频比分布的电力变压器振动分离方法及系统 |
CN106526436A (zh) * | 2016-10-18 | 2017-03-22 | 西安交通大学 | 一种基于振动法的变压器绝缘老化状态评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2681377C1 (ru) * | 2013-12-11 | 2019-03-06 | Саутерн Инновейшн Интернэшнл Пти Лтд | Способ и устройство для выделения сигналов в данных |
-
2018
- 2018-03-22 CN CN201810239991.7A patent/CN108520115B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102914362A (zh) * | 2012-10-12 | 2013-02-06 | 宁夏电力公司电力科学研究院 | 变压器绕组及铁芯振动信号的分离方法 |
CN103267947A (zh) * | 2013-04-28 | 2013-08-28 | 大连交通大学 | 一种交流电机故障诊断与预测中的特征提取方法 |
CN104462846A (zh) * | 2014-12-22 | 2015-03-25 | 山东鲁能软件技术有限公司 | 一种基于支持向量机的设备故障智能诊断方法 |
CN105527016A (zh) * | 2015-12-31 | 2016-04-27 | 国家电网公司 | 一种基于时频比分布的电力变压器振动分离方法及系统 |
CN106526436A (zh) * | 2016-10-18 | 2017-03-22 | 西安交通大学 | 一种基于振动法的变压器绝缘老化状态评估方法 |
Non-Patent Citations (5)
Title |
---|
500kV自耦变压器直流偏磁振动特征提取;吴晓文;周卫华;裴春明;卢铃;邹妍晖;胡胜;彭继文;《西安交通大学学报》;20180102;第24-30页 * |
Vibration distribution characteristics on oil-tank surface of a single-phase transformer;Lu W , Zhou N , Wu X , et al.;《International Conference on Electrical Materials & Power Equipment》;20170531;第344-348页 * |
便携式变压器振动监测与故障诊断系统设计;王泽波; 周建平; 刘江明; 郑婧; 郑宏;《计算机工程》;20141115;第292-296页 * |
电力变压器振动信号分离方法研究;黄文婷; 郑婧; 黄海; 刘丰文;《电子测量与仪器学报》;20160115;第111-117页 * |
盲源分离技术在振动法检测变压器故障中的应用;郭俊;汲胜昌;沈琪;祝令瑜;欧小波;杜利明;《电工技术学报》;20121026;第68-78页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108520115A (zh) | 2018-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bouchikhi et al. | A comparative study of time-frequency representations for fault detection in wind turbine | |
CN103116090B (zh) | 一种基于小波包分析和支持向量机的三相pwm整流器故障诊断方法 | |
CN108845250A (zh) | 基于振动信号特征提取的有载分接开关故障识别方法 | |
CN104964738A (zh) | 一种基于噪声分离的电力变压器噪声评估方法 | |
CN110470465B (zh) | 一种基于振动信号分析的断路器测试方法及系统 | |
Yang et al. | Fault identification for circuit breakers based on vibration measurements | |
CN109507554A (zh) | 一种电气设备绝缘状态评估方法 | |
CN111308260B (zh) | 一种基于小波神经网络的电能质量监测和电器故障分析系统及其工作方法 | |
CN110516742A (zh) | 一种基于组合神经网络模型的配电终端故障判别方法及系统 | |
CN110703151A (zh) | 基于振动盲源分离和贝叶斯模型的变压器故障诊断方法 | |
CN112083328A (zh) | 一种高压断路器故障诊断方法及系统和装置 | |
Ferreira et al. | Ultrasound and artificial intelligence applied to the pollution estimation in insulations | |
CN108520115B (zh) | 一种变压器绕组与铁心振动信号分离方法及系统 | |
Wang et al. | Analysis of partial discharge signal using the Hilbert-Huang transform | |
Alshahrani et al. | Evaluation and classification of power quality disturbances based on discrete wavelet transform and artificial neural networks | |
CN108519526B (zh) | 一种判断变压器谐波负载运行状态的方法及系统 | |
CN108508318B (zh) | 一种判断变压器不平衡负载运行状态的方法及系统 | |
Yan et al. | Noise recognition of power transformers based on improved MFCC and VQ | |
Liu et al. | Underdetermined blind source separation algorithm of 220kV substation noise based on SCA | |
Min et al. | Voiceprint recognition of transformer fault based on blind source separation and convolutional neural network | |
Zhao et al. | Feature extraction method of transformer vibration based on ensemble empirical mode decomposition subband | |
CN110703080B (zh) | 一种gis尖刺放电诊断方法、放电程度识别方法及装置 | |
Zhou et al. | Signal recognition method of power cable oscillating wave partial discharge detection based on support vector machine | |
Yongxiang et al. | Gas-insulated switchgear (GIS) equipment mechanical fault detection based on feature learning of vibration signal images | |
Wang | Harmonic analysis of electrified railway based on improved HHT |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |