CN110132404A - 一种变压器有载分接开关机械故障在线监测方法 - Google Patents

Abstract

一种变压器有载分接开关机械故障在线监测的方法，其步骤如下：将三个振动传感器贴敷在有载分接开关的箱壁顶端上，采集有载分接开关动作过程中产生的振动信号；将采集到信号进行经验模态分解(EMD),通过分解出来的固有模态函数(IMF)计算出改进的掩膜信号；将改进的掩膜信号加入原始采集到的振动信号，然后再进行经验模态分解；根据区间最大功率特征公式计算固有模态函数的功率特征矩阵，比较不同工况下的OLTC的功率特征矩阵，对OLTC进行故障诊断。本发明可实时监测变压器有载分接开关的工作状态，满足变压器有载分接开关实时故障诊断的要求。为有目的的检修提供数据支撑和理论依据，避免浪费人力，物力和时间。

Description

一种变压器有载分接开关机械故障在线监测方法

技术领域

本发明属于电力设备信号监测方法，尤其涉及一种变压器有载分接开关机械故障在线监测方法。

背景技术

有载分接开关(OLTC)是电力变压器的一个重要组成部分,其运行状况直接关系到变压器及系统的稳定与安全。OLTC是变压器故障率最高部件之一。其故障不但直接影响变压器运行,而且影响电网质量与电网运行。根据沟内资料统计，由OLTC故障引起的事故约占变压器总事故的28％左右且故障类型基本为机械故障,例如触头松动、触头脱落、机构卡涩、滑档、拒动等。机械故障会直接损坏OLTC和变压器本身，进而引起其它更严重的电气故障，以致造成严重的后果。因此，对运行中的OLTC的机械性能进行监测，及早发现其故障隐患,对变压器及电力系统的安全运行有着十分重大的意义。

以往人们对分接开关典型故障认识不够，这主要是过去分接开关动作次数很少，故障率相对较低，因此，其研究不够深入，到目前为止，对有载分接开关已进行较深入的研究，并也取得重要的研究成果，但仍有不少问题还有待解决。因此，为了确保分接开关安全可靠地运行，开展分接开关状态监测和故障诊断刻不容缓。

发明内容

针对现有技术中存在的以上问题，为了能及时发现有载分接开关运行过程中的潜伏性故障，提高有载分接开关可靠性，本发明提供了一种变压器有载分接开关机械故障在线监测的方法。

为了解决上述技术问题，本发明具体采用以下技术方案。

一种变压器有载分接开关机械故障在线监测方法，其特征在于，所述机械故障在线监测方法包括以下步骤：

步骤1：将三个振动传感器贴敷在有载分接开关OLTC的箱壁顶端上，采集有载分接开关动作过程中产生的振动信号；步骤2：将采集到振动信号进行经验模态分解EMD，通过分解出来的固有模态函数IMF计算出改进的掩膜信号；

步骤3：将改进的掩膜信号加入到原始采集到的振动信号中，然后再进行经验模态分解；

步骤4：根据区间最大功率特征公式计算固有模态函数的功率特征矩阵，比较正常工况下和故障下的OLTC的功率特征矩阵，对OLTC进行故障诊断。

本发明进一步包括以下优选方案：

所述步骤1中，将振动传感器放置于OLTC的垂直顶端。

在所述步骤2中，将步骤1所采集到的振动信号x(t)进行经验模态分解EMD得到若干个固有经验模态函数IMF即u_i(t)；然后再对u_i(t)进行Hilbert变换，得到v_i(t)，即：

构造解析信号：

于是得到幅值函数：

和相位函数：

进一步可求出瞬时频率：

振动信号x(t)被分解后的若干个简谐振动信号即固有经验模态函数IMF按照频率从高到低逐次得到，其中，IMF₁的频率最高，IMFm为大于设定频率阈值的最小频率固有经验模态函数；

按照下式计算改进的掩膜信号s(t)：

s(t)＝A₀sin(2πf^*tf) (7)

其中，f为振动信号的采样频率，A₀为信号幅值，f^*代表的IMF1和IMFm在k个采样点上的平均瞬时频率：

其中f为信号的采样频率，a₁为IMF₁的Hilbert包络幅值，f₁(i)为Hilbert瞬频估计法计算出的IMF₁的瞬时频率；a_m为IMF_m的Hilbert包络幅值，f_m(i)为Hilbert瞬频估计法计算出的IMF_m的瞬时频率，k为采样点。

所述设定频率阈值为0，即IMFm为频率最接近0的频率最小的固有经验模态函数。

所述信号幅值A₀优选为IMF1至IMFm这m个分量平均幅值的1.6倍。

在所述步骤3中，将步骤2构造出来的掩膜信号加入到原始振动信号中，然后重新进行经验模态分解，得到新的固有模态函数IMF。

其中，步骤3中重新进行经验模态分解的得到IMF的层数f优选为5。

在所述步骤4中，根据步骤3所得到的新的固有模态函数IMF，通过下式计算区间最大功率特征IMPF，即

式中w为采集信号的通道数，W为采集信号的最大通道数，j为步骤(3)中重新进行经验模态分解的得到IMF的层数，J为IMF的层数的最大值，f_max为功率谱最大幅值对应的频率，P(f)为功率谱密度，a、b值为根据实验具体数据所确定积分区间，计算所有通道的IMPF值，即可以构成区间最大功率特征矩阵。

所述积分区间a,b优选为a＝10,b＝150。

采集信号的最大通道数W为3，即振动传感器个数p＝3；计算三个振动传感器所采集的振动信号根据步骤2和步骤3进行经验模态分解后的每个固有模态函数IMF的区间最大功率特征IMPF，形成5×3的功率矩阵，然后根据cosine相识度公式T(x,y)来计算不同工况下功率特征矩阵差异：

式中，x_i和y_i(1≤i≤n)为不同工况下功率特征矩阵的各个元素。

当0≤T≤0.3说明OLTC发生触头松动故障；

当0.3<T≤0.5说明OLTC发生触头烧毁故障；

当0.5<T≤0.9说明OLTC发生触头磨损故障；

当0.9<T≤1说明OLTC工作正常。

其中，T为正常工况下和故障下的OLTC的功率特征矩阵的功率矩阵差异。

本发明相对于现有技术，具有以下有益的技术效果：

1)所提出的改进掩膜信号法有效的抑制了EMD分解过程中的模态混叠现象，从而能准确有效的提取OLTC切换过程中振动信号特征。

2)通过计算OLTC的正常状态下与故障状态下区间最大功率特征矩阵进行比较，如果0.9<T≤1说明OLTC运行状态正常，如果T≤0.5说明OLTC可能发生了故障。可以进一步根据T的大小来确定具体发生了何种故障，例如T比较小发生了触头松动故障，T比较大时发生了触头烧毁故障，本发明识别故障类别准确率高，实用性强。

3)本发明根据OLTC为研究对象所提OLTC机械故障诊断方法准确率较高，应用性良好，为OLTC故障诊断和为其他工程领域的研究提供参考。

附图说明

图1为本发明的流程图；

图2为OLTC切换过程中原始振动信号；

图3基于改进掩膜信号优化的EMD分解后的IMF。

具体实施方式

以下将结合附图，对本发明的技术方案进行详细说明。

本发明提供了一种变压器有载分接开关机械故障在线监测的方法，具体流程见图1，所述方法包括以下步骤：步骤1：将p个振动传感器贴敷在有载分接开关OLTC的箱壁顶端上，采集有载分接开关动作过程中产生的振动信号；

在本申请的优选实施例中，p＝3，即将3个振动传感器贴敷在有载分接开关OLTC的箱壁顶端上。

将振动传感器置于OLTC的垂直顶端，因为触头机构和顶端直接有刚性连接所有采集到的振动信号能包含所有的特征量。

步骤2：将采集到振动信号进行经验模态分解EMD，通过分解出来的固有模态函数IMF计算出改进的掩膜信号；

将步骤1所采集到的振动信号x(t)如图2所示进行经验模态分解EMD得到若干个固有经验模态函数IMF即u_i(t)；然后再对u_i(t)进行Hilbert变换，得到v_i(t)，即：

构造解析信号：

于是得到幅值函数：

和相位函数：

进一步可求出瞬时频率：

对振动信号u(t)进行经验模态分解后，振动信号u(t)被分解成若干个简谐振动信号即固有经验模态函数IMF和余量，所述若干个简谐振动信号按照频率从高到低逐次得到，然后对每个简谐振动信号进行频谱分析绘出频谱图，可以从频谱图中我们可以清楚的看到必定存在第m+1个IMF的频率为零，则第m个IMF得到的虚假分量中频率最高的那一部分按照下式计算每个IMF的幅值和频率构建改进的掩膜信号s(t)：

其中，f为振动信号的采样频率，A₀为信号IMF₁幅值的1.6倍；f^*代表的IMF1和IMF_m在k个采样点上的平均瞬时频率。

其中f为信号的采样频率，a_m为IMF_m的Hilbert包络幅值，f_m(i)为Hilbert瞬频估计法计算出的IMF_m的瞬时频率，K为采样点。

步骤3：将改进的掩膜信号加入原始采集到的振动信号，然后再进行经验模态分解；

在所述步骤3中，将步骤2构造出来的掩膜信号加入原始振动信号，然后重新进行经验模态分解，得到新的固有模态函数IMF如图3所示。

在本申请的优选实施例中，重新进行经验模态分解的得到IMF的层数f优选为5。

步骤4：根据区间最大功率特征公式计算固有模态函数的功率特征矩阵，比较不同工况下的OLTC的功率特征矩阵，对OLTC进行故障诊断。

根据步骤3所得到的新的固有模态函数IMF通过计算每个IMF分量功率谱最大幅值所对应的频率区间功率谱积分值所有通道的IMF分量分量谱积分值的比值义为区间最大功率特征IMPF，即

式中w为采集信号的通道数，j为信号分解的得到IMF的层数，f_max为功率谱最大幅值对应的频率，P(f)为功率谱密度，a,b值为实验具体数据测得可确定积分区间，如果a,b同时为0，表明功率谱最大幅值为特征。计算所有通道的IMPF值，即可以构成区间最大功率特征矩阵。在本申请的优选实施例中，积分区间a,b选选为a＝10,b＝150。

计算三个振动传感器每个采集点的振动信号根据步骤2和步骤3进行经验模态分解后的每个固有模态函数IMF的区间最大功率特征IMPF，形成5×3的功率矩阵(即进行5层经验模态分解)，然后根据cosine相识度公式T(x,y)来计算不同工况下功率矩阵差异：

式中，x_i和y_i(1≤i≤n)为不同工况下功率矩阵的各个元素。

当0≤T≤0.3说明OLTC发生触头松动故障；

当0.3<T≤0.5说明OLTC发生触头烧毁故障；

当0.5<T≤0.9说明OLTC发生触头磨损故障；

当0.9<T≤1说明OLTC工作正常。

本发明实施例选用上海华明电力有限公司生产的CMⅢ-500-63B-10193W型有载分解开关作为研究对象，实验重点模拟OLTC切换过程中触头类故障。首先对OLTC切换过程中正常工况下的振动信号进行分析，图2为OLTC切换过程中原始振动信号，图3基于改进掩膜信号优化的EMD分解后的IMF(由于文章篇幅限制，本申请实施例仅给出三个采集点中一个采集点的IMF2～IMF5)。然后计算正常工况下的功率特征矩阵，表1为正常工况下的特征矩阵。

表1正常工况下功率特征矩阵

表2是在OLTC正常工况下档位切换时采集的40组振动信号数据中随机选取的6组数据，然后计算出振动信号的区间最大功率特征矩阵进行比较的结果。

表2正常切换时振动信号区间最大功率特征矩阵相识度

由表2可知随机选取的6数据的区间最大功率特征矩阵相识度T都≥0.9，说明这6组数据区间最大功率特征矩阵相似度非常高，从而验证OLTC在同一种工况下振动信号具有很好的重复性。

表3是OLTC在正常工况下和在触头烧毁工况下各自随机在40组振动数据中选取的3组数据的区间最大功率特征矩阵的相识度比较结果情况。和表4是OLTC在正常工况下和在触头松动工况下各自随机在40组振动数据中选取的3组数据的区间最大功率特征矩阵的相识度比较结果。

表3正常与触头烧毁振动信号功率特征矩阵相识度

表4正常与触头松动振动信号功率特征矩阵相识度

从表3和表4可知OLTC发生故障工况时的功率特征矩阵和正常工况下的功率特征矩阵相似度T都≤0.5，这充分说明了触头烧毁和触头松动工况下振动信号的异常，从而可以说明机械故障是存在的。从表3可知触头发生烧毁故障时0.3<T≤0.5和当触头发生松动故障时0≤T≤0.3，符合上面所述结论。

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (11)

1.一种变压器有载分接开关机械故障在线监测方法，其特征在于，所述机械故障在线监测方法包括以下步骤：

步骤1：将p个振动传感器贴敷在有载分接开关OLTC的箱壁顶端上，采集有载分接开关动作过程中产生的振动信号；

步骤2：将采集到振动信号进行经验模态分解EMD，通过分解出来的固有模态函数IMF计算出改进的掩膜信号；

步骤3：将改进的掩膜信号加入到原始采集到的振动信号中，然后再进行经验模态分解；

步骤4：根据区间最大功率特征公式计算固有模态函数的功率特征矩阵，比较不同工况下的OLTC的功率特征矩阵，对OLTC进行故障诊断。

2.根据权利要求1所述的变压器有载分接开关机械故障在线监测方法，其特征在于：

所述步骤1中，将振动传感器放置于OLTC的垂直顶端。

3.根据权利要求1所述的变压器有载分接开关机械故障在线监测方法，其特征在于：

在所述步骤2中，将步骤1所采集到的振动信号x(t)进行经验模态分解EMD得到若干个固有经验模态函数IMF即u_i(t)；然后再对u_i(t)进行Hilbert变换，得到v_i(t)，即：

构造解析信号：

于是得到幅值函数：

和相位函数：

进一步可求出瞬时频率：

振动信号x(t)被分解后的若干个简谐振动信号即固有经验模态函数IMF按照频率从高到低逐次得到，其中，IMF₁的频率最高，IMFm为大于设定频率阈值的最小频率固有经验模态函数；

按照下式计算改进的掩膜信号s(t)：

s(t)＝A₀sin(2πf^*tf) (7)

其中，f为振动信号的采样频率，A₀为信号幅值，f^*代表的IMF₁和IMFm在k个采样点上的平均瞬时频率：

其中f为信号的采样频率，a₁为IMF₁的Hilbert包络幅值，f₁(i)为Hilbert瞬频估计法计算出的IMF₁的瞬时频率；a_m为IMF_m的Hilbert包络幅值，f_m(i)为Hilbert瞬频估计法计算出的IMF_m的瞬时频率，k为采样点。

4.根据权利要求3所述的变压器有载分接开关机械故障在线监测方法，其特征在于：

所述设定频率阈值为0，即IMFm为频率最接近0的频率最小的固有经验模态函数。

5.根据权利要求4所述的变压器有载分接开关机械故障在线监测方法，其特征在于：

所述信号幅值A₀优选为IMF₁至IMFm这m个分量平均幅值的1.6倍。

6.根据权利要求1或5所述的变压器有载分接开关机械故障在线监测方法，其特征在于：

在所述步骤3中，将步骤2构造出来的掩膜信号加入到原始振动信号中，然后重新进行经验模态分解，得到新的固有模态函数IMF。

7.根据权利要求6所述的变压器有载分接开关机械故障在线监测方法，其特征在于：

其中，步骤3中重新进行经验模态分解的得到IMF的层数f优选为5。

8.根据权利要求7所述的变压器有载分接开关机械故障在线监测方法，其特征在于：

在所述步骤4中，根据步骤3所得到的新的固有模态函数IMF，通过下式计算区间最大功率特征IMPF，即

式中w为采集信号的通道数，W为采集信号的最大通道数，j为步骤3中重新进行经验模态分解得到IMF的层数，J为IMF的层数的最大值，f_max为功率谱最大幅值对应的频率，P(f)为功率谱密度，a、b值为根据实验具体数据所确定的积分区间，计算所有通道的IMPF值，即可以构成区间最大功率特征矩阵。

9.根据权利要求8所述的变压器有载分接开关机械故障在线监测方法，其特征在于：

所述积分区间a,b优选为a＝10,b＝150。

10.根据权利要求7-9任一权利要求所述的变压器有载分接开关机械故障在线监测方法，其特征在于：

采集信号的最大通道数W为3，即振动传感器个数p＝3；计算三个振动传感器所采集的振动信号根据步骤2和步骤3进行经验模态分解后的每个固有模态函数IMF的区间最大功率特征IMPF，形成5×3的功率矩阵，然后根据cosine相识度公式T(x,y)来计算不同工况下功率特征矩阵差异：

式中，x_i和y_i(1≤i≤n)为不同工况下功率特征矩阵的各个元素，其中n表示功率特征矩阵中的n个数据。

11.根据权利要求1或10所述的变压器有载分接开关机械故障在线监测方法，其特征在于：

当0≤T≤0.3说明OLTC发生触头松动故障；

当0.3<T≤0.5说明OLTC发生触头烧毁故障；

当0.5<T≤0.9说明OLTC发生触头磨损故障；

当0.9<T≤1说明OLTC工作正常。

其中，T为正常工况下和故障下的OLTC的功率特征矩阵的功率矩阵差异。