CN111707897A - 基于振动信号小波能量谱特征的变压器运行状态分析方法 - Google Patents
基于振动信号小波能量谱特征的变压器运行状态分析方法 Download PDFInfo
- Publication number
- CN111707897A CN111707897A CN202010608214.2A CN202010608214A CN111707897A CN 111707897 A CN111707897 A CN 111707897A CN 202010608214 A CN202010608214 A CN 202010608214A CN 111707897 A CN111707897 A CN 111707897A
- Authority
- CN
- China
- Prior art keywords
- transformer
- vibration
- vibration signal
- wavelet
- energy
- 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.)
- Pending
Links
Images
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H11/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties
- G01H11/02—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties by magnetic means, e.g. reluctance
- G01H11/04—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties by magnetic means, e.g. reluctance using magnetostrictive devices
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
一种基于振动信号小波能量谱特征的变压器运行状态分析方法,属于变压器技术领域。本发明的目的是根据变压器实际运行状态下振动信号的采样,对振动信号进行小波分级重构,建立能量谱特征,快速识别变压器的运行状态及故障问题基于振动信号小波能量谱特征的变压器运行状态分析方法。本发明建立变压器振动信号、建立小波变换分解重构。本发明有助于对基于振动信号分析的变压器运行状态进行进一步的辅助,提高分析速度及有效性,具有科学合理,真实有效,计算准确,实用价值高等优点。
Description
技术领域
本发明属于变压器技术领域。
背景技术
电力变压器作为电力系统的安全关键设备,也是最为昂贵、复杂的设备之一。由于电力变压器处于电网的中心位置,运行环境复杂,且时常遭受各种不良运行工况的冲击,一旦发生故障,极有可能造成突发大面积停电,甚至引起爆炸、火灾等事故,带来较大的直接和间接经济损失。因此对变压器的运行状况进行长期监测,及时评估变压器状态,能够有效减少突发故障带来的损失。变压器振动信号能够有效反映变压器的运行状况及内部状态,因此,对变压器振动信号的有效识别及分析可以快速判断变压器的运行状态并及时处理故障问题。
发明内容
本发明的目的是根据变压器实际运行状态下振动信号的采样,对振动信号进行小波分级重构,建立能量谱特征,快速识别变压器的运行状态及故障问题基于振动信号小波能量谱特征的变压器运行状态分析方法。
本发明步骤是:
a、建立变压器振动信号
(1)铁心振动
根据电磁感应原理及铁磁材料磁致伸缩特性,得铁心磁致伸缩引起的振动加速度a1为:
式中,L为铁磁材料原始尺寸,εs为硅钢片的饱和磁致伸缩率,Us为电源电压幅值,N为一次侧绕组匝数,S为铁芯横截面积,Bs为铁芯饱和磁感应强度;ω激励频率;
(2)绕组振动
作用在绕组线圈上的电动力F为:
b、建立小波变换分解重构
对于能量有限信号,满足:
其小波变换定义为以函数簇ψa,b(t)为积分核的积分变换,如下式:
式中,a为伸缩因子,b为平移因子,a-0.5为归一化常数,用来保证变换的能量守恒。
函数簇ψa,b(t)为小基波函数ψ(t)经过伸缩和平移产生的小波函数簇:
对于变换前后,信号能量守恒,即:
本发明提供一种科学合理,高效实用,快速分析的基于振动信号小波能量谱特征的变压器运行状态分析方法,本发明是在变压器运行时,对箱体振动信号进行采样,并通过对振动信号的小波分解重构,得到振动信号能量谱特征,通过对能量谱特征值的分析,实现对变压器运行状态及故障问题的判断。本发明有助于对基于振动信号分析的变压器运行状态进行进一步的辅助,提高分析速度及有效性,具有科学合理,真实有效,计算准确,实用价值高等优点。
附图说明
图1为小波变换原理图;
图2为测试接线示意图;
图3为原始振动信号图;
图4为FFT变换结果图;
图5a为小波分解重构结果图;
图5b为分层能量结果图。
具体实施方式
结合附图和具体实施例对本发明作进一步描述:
参照图1,本发明的一种基于振动信号小波能量谱特征的变压器运行状态分析方法,包括以下步骤:
1.建立变压器振动机理
变压器振动主要由变压器本体(铁心、绕组)的振动和冷却装置的振动通过机械连接及绝缘油传递到变压器表面。在变压器箱体表面可采集到的各种振动信号中,油泵、风扇等冷却装置的振动频率与铁心、绕组振动有明显区别,易于分离。因此,分析变压器箱体表面振动信号可得主要由变压器本体产生的振动信号。
(1)铁心振动机理。
铁心振铁心振动主要原因是硅钢片的磁致伸缩。根据电磁感应原理及铁磁材料磁致伸缩特性,可得铁心磁致伸缩引起的振动加速度a1为:
式中,L为铁磁材料原始尺寸,εs为硅钢片的饱和磁致伸缩率,Us为电源电压幅值,N为一次侧绕组匝数,S为铁芯横截面积,Bs为铁芯饱和磁感应强度;ω激励频率。
振动加速度在材料及运行条件不变的情况下与电压平方呈正比关系,振动频率为激励频率的2倍。变压器正常运行时,激励为工频激励,因此铁芯振动的基频为100Hz,但是受到铁磁材料的非线性及铁芯内框和外框的磁通路径长短不同的影响,使得铁芯内出现以100Hz为基频的高次谐波。
(2)绕组振动机理。
处于磁场中的载流导体要承受机械力的作用,当变压器绕组中通过电流时,由于电流与漏磁场的作用,在绕组内产生电磁机械力,其大小由通过绕组的电流与漏磁场的磁通密度大小共同决定。作用在绕组线圈上的电动力F为:
根据变压器绕组的机械结构,常将变压器绕组等效为弹簧质量系统,根据动力学定理可得绕组振动加速度由一个稳态分量及逐渐衰减的分量组成,在理想状态下稳定运行的变压器绕组的振动加速度信号是电源频率的2倍,对于工频网络即为100Hz。振动加速度大小正比于绕组电流的平方。而由于加速度受绝缘材料弹性系数影响,绝缘材料弹性系数不是常数,具有较强的非线性特性,导致绕组振动在负载较大时呈明显的非线性特征且出现较多的高次谐波。
2.建立小波变换分解重构原理
目前针对变压器振动信号的分析多采用傅里叶变换(FFT),相比傅立叶变换而言,小波变换(WT)本质上是一种窗口大小固定不变而其时频窗可以改变的时频局部化分析方法,在高频部分具有较高的时间分辨率和较低的频率分辨率,在低频部分具有较高的频率分辨率和较低的时间分辨率。小波变换原理图见图1所示。
正是因为WT具有可变精度特性,从而使其既有足够的时间分辨率对信号中的短时高频成分进行分析,又有良好的频率分辨率对信号中的低频信号进行分析,对非平稳信号的分析WT有着FFT难以替代的优势。WT的基本思想同FFT相似,均为采用一族函数来表示一个信号或函数。不同的是FFT变换时将一连续的、平稳的时域信号表示为不同频率的正弦函数的线性叠加,而小波变换则是通过对基波函数的伸缩和平移来构成的。
对于能量有限信号,满足:
其小波变换定义为以函数簇ψa,b(t)为积分核的积分变换,如下式:
式中,a为伸缩因子,b为平移因子,a-0.5为归一化常数,用来保证变换的能量守恒。
函数簇ψa,b(t)为小基波函数ψ(t)经过伸缩和平移产生的小波函数簇:
对于变换前后,信号能量守恒,即:
由上式可以看出,WT是一种线性变换,物理含义就是用一簇频率不同的震荡函数ψa,b(t)作为窗口函数对信号x(t)进行扫描和平移,此时WT在某种意义上类似于FFT变换,但不同的是,WT的时域和频域分辨率与频率有关,在高频段,小波变换能达到高时域分别率,而频域分辨率交叉,对低频段刚好相反,这是短时傅里叶变换不具备的。
3.建立能量谱分析原理
小波变换的结果是表征各个频段的时域信息,且时频窗口大小随尺度变化,可实现对低频信号采用大时窗、对高频信号采用小时窗的分析要求。利用小波理论对变压器的振动信号进行多分辨率分析,并对各个频段能量进行量化处理,可提取出振动信号的频段—能量对应关系,作为变压器故障诊断的依据。变压器正常运行时,其能量大部分集中在100~300Hz内,当变压器发生故障或存在潜在故障时,高频成分增加,导致高频能量比例增大,主频段能量减小。把正常运行状态下的各频段能量作为参考指纹向量,用实时监测到的数据同此参考指纹量作比较,当主频段能量小于某一特定值或高频(>600Hz)分量能量高于某一特定值时,诊断为变压器故障。当然,此特征值的具体数值,因变压器的类型、容量而异,需要通过试验、并结合现场运行经验来确定。
4.实验验证
本文采用JF2001-T压电式加速度传感器以及NI9234数据采集仪对1台型号为S11–M–10/10,验证正确性及有效性,对变压器振动信号进行采样,实验接线图见图2。对变压器箱体不同位置振动信号进行采样,将采样数据经由振动信号采样设备进行模数转换,转换后的数字信号进行WT变换。振动原始信号、FFT变换信号如图3、4所示。
由图3可知,变压器振动信号具有明显的周期性,但由于振动信号为较多周期信号的叠加,因此仅依靠原始振动信号幅值变化很难对振动信号进行有效识别。
由图4可知,变压器正常运行时,绕组振动信号集中于100Hz,并含有少量以100Hz为基频的的高次谐波,但由于FFT变换无法区分振动信号的时域差别,会导致对变压器运行的错误判断,因此对Z2采样信号采用db9小波进行4层分解重构,并提取重构信号能量谱,得到如图5所示结果。
由图5(a)可知,第4层的高频分量d4与原始信号的总趋势相吻合,无需再进行下一层的小波分解,第4层对应与0~250Hz频段,其低频分量a4(对应于0~100Hz)幅度较小,可见振动信号的主频段为100~200Hz。
由图5(b)可知,每进行一次小波分解对应的低、高通滤波器实际频带减半,及实现2分频,经过4层分解后,其对应的频段范围及其相应的低、高频能量占比分别为EL、EH,1~4层能量占比分别为17.32%、7.21%、11.26%、64.21%。由此可见第4层(0~250Hz)分解重构信号能量占比较大,第4层EH约为61.69,说明变压器振动信号主要集中于100~200Hz,而第3层(250~500Hz)分解重构信号能量占比约为11.26%,表明变压器中频振动信号占比仍较大,对于第1、2层分解重构信号,其能量占比受到外界环境以及测量误差的影响,其能量谱结果对基于振动信号监测的变压器运行状态来说意义较小,因此可以采用第4层分解重构结果作为变压器振动信号指纹量,以监测变压器运行状态并对变压器运行状态进行快速有效的诊断。进一步研究变压器不同故障下能量谱变化,得到如表1所示结果。
表1不同运行状态能量谱特征
由表1可以看出,当变压器发生故障时,变压器振动小波分解重构信号能量谱变化较为明显,以4层小波分解第3、4层分解重构信号能量占比为指纹量进行分析可以看出:
1:短路故障下低频信号能量占比增加24.91%,中频信号能量占比下降16.78%,分析其原因,当变压器短路时,工频电流激增,使得100Hz分量下振动加速度明显增加,提高了第4层分解重构信号能量占比增加;绕组松动故障下低频信号能量占比下降6.29%,中频信号能量占比下降36.67%,分析其原因,当变压器绕组松动故障时,振动加速度高次谐波增加[],使得低频信号能量占比下降;三相不平衡运行故障下绕组振动加速度能量占比变化情况与绕组松动故障基本一致,其原因也是受到不平衡运行谐波的影响,使得低频信号能量占比下降。
2:通过对振动信号的分解重构及能量占比特征值的提取,能够较好的判断变压器的运行故障,并及时制定解决措施。
Claims (1)
1.一种基于振动信号小波能量谱特征的变压器运行状态分析方法,其特征在于:
a、建立变压器振动信号
(1)铁心振动
根据电磁感应原理及铁磁材料磁致伸缩特性,得铁心磁致伸缩引起的振动加速度a1为:
式中,L为铁磁材料原始尺寸,εs为硅钢片的饱和磁致伸缩率,Us为电源电压幅值,N为一次侧绕组匝数,S为铁芯横截面积,Bs为铁芯饱和磁感应强度;ω激励频率;
(2)绕组振动
作用在绕组线圈上的电动力F为:
b、建立小波变换分解重构
对于能量有限信号,满足:
其小波变换定义为以函数簇ψa,b(t)为积分核的积分变换,如下式:
式中,a为伸缩因子,b为平移因子,a-0.5为归一化常数,用来保证变换的能量守恒。
函数簇ψa,b(t)为小基波函数ψ(t)经过伸缩和平移产生的小波函数簇:
对于变换前后,信号能量守恒,即:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010608214.2A CN111707897A (zh) | 2020-06-30 | 2020-06-30 | 基于振动信号小波能量谱特征的变压器运行状态分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010608214.2A CN111707897A (zh) | 2020-06-30 | 2020-06-30 | 基于振动信号小波能量谱特征的变压器运行状态分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111707897A true CN111707897A (zh) | 2020-09-25 |
Family
ID=72544925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010608214.2A Pending CN111707897A (zh) | 2020-06-30 | 2020-06-30 | 基于振动信号小波能量谱特征的变压器运行状态分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111707897A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112881839A (zh) * | 2021-01-22 | 2021-06-01 | 上海电力大学 | 基于频率集中度和振动平稳性互信息的变压器诊断方法 |
CN113317793A (zh) * | 2021-06-11 | 2021-08-31 | 宁波大学 | 心磁高频信号分析方法、存储介质及电子设备 |
CN117889948A (zh) * | 2023-12-25 | 2024-04-16 | 北京大成国测科技股份有限公司 | 一种实时远程无线网络振动监测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102721465A (zh) * | 2012-06-13 | 2012-10-10 | 江苏省电力公司南京供电公司 | 电力变压器铁芯松动故障诊断与故障初步定位系统及方法 |
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 |
CN103335841A (zh) * | 2013-06-04 | 2013-10-02 | 辽宁大学 | 一种采用脉冲小波能量谱分析的滚动轴承故障诊断方法 |
CN110187219A (zh) * | 2019-05-21 | 2019-08-30 | 国家电网有限公司 | 一种基于振动法模型的电力变压器铁心故障诊断方法 |
-
2020
- 2020-06-30 CN CN202010608214.2A patent/CN111707897A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102721465A (zh) * | 2012-06-13 | 2012-10-10 | 江苏省电力公司南京供电公司 | 电力变压器铁芯松动故障诊断与故障初步定位系统及方法 |
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 |
CN103335841A (zh) * | 2013-06-04 | 2013-10-02 | 辽宁大学 | 一种采用脉冲小波能量谱分析的滚动轴承故障诊断方法 |
CN110187219A (zh) * | 2019-05-21 | 2019-08-30 | 国家电网有限公司 | 一种基于振动法模型的电力变压器铁心故障诊断方法 |
Non-Patent Citations (3)
Title |
---|
张铭昭: "运行中变压器表面振动信号分析", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
翟亚婷: "基于振动信号分析法的变压器在线监测系统设计与研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
颜秋容 等: "基于小波理论的电力变压器振动信号特征研究", 《高电压技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112881839A (zh) * | 2021-01-22 | 2021-06-01 | 上海电力大学 | 基于频率集中度和振动平稳性互信息的变压器诊断方法 |
CN112881839B (zh) * | 2021-01-22 | 2022-10-25 | 上海电力大学 | 基于频率集中度和振动平稳性互信息的变压器诊断方法 |
CN113317793A (zh) * | 2021-06-11 | 2021-08-31 | 宁波大学 | 心磁高频信号分析方法、存储介质及电子设备 |
CN113317793B (zh) * | 2021-06-11 | 2023-02-17 | 宁波大学 | 心磁高频信号分析方法、存储介质及电子设备 |
CN117889948A (zh) * | 2023-12-25 | 2024-04-16 | 北京大成国测科技股份有限公司 | 一种实时远程无线网络振动监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111707897A (zh) | 基于振动信号小波能量谱特征的变压器运行状态分析方法 | |
US9404957B2 (en) | Fault diagnosis and preliminary location system and method for transformer core looseness | |
Hemamalini | Rational-dilation wavelet transform based torque estimation from acoustic signals for fault diagnosis in a three-phase induction motor | |
Li et al. | A new noise-controlled second-order enhanced stochastic resonance method with its application in wind turbine drivetrain fault diagnosis | |
CN103513138B (zh) | 一种基于振动特征的变压器绕组与铁芯故障诊断方法 | |
Yang et al. | Fault identification for circuit breakers based on vibration measurements | |
CN103018629A (zh) | 一种基于马拉算法的电力系统故障录波数据分析方法 | |
CN202734953U (zh) | 电力变压器铁芯松动故障诊断装置 | |
CN105510812A (zh) | 一种换流变分接开关状态监测系统及非平稳信号频谱估计方法 | |
Liu et al. | Research on DC bias analysis for transformer based on vibration Hilbert Huang transform and ground-state energy ratio method | |
CN110161351B (zh) | 一种振荡波下变压器绕组故障试验系统和诊断方法 | |
Ma et al. | An improved intrinsic time-scale decomposition method based on adaptive noise and its application in bearing fault feature extraction | |
Shuyou et al. | Extracting power transformer vibration features by a time-scale-frequency analysis method | |
Liu et al. | State identification of transformer under DC bias based on wavelet singular entropy | |
CN114924157B (zh) | 一种基于5g传输的并联电抗器状态监测方法及系统 | |
Liu et al. | Dry-type AMDT fault detection based on vibration signal analysis by wavelet packet | |
Jiang et al. | Characteristic Analysis and Optimization Strategy of Transformer Vibration Signal | |
Lai et al. | Study on vibration monitoring and multi-feature analysis of oil-immersed power transformer in arctic area | |
Choqueuse et al. | Non-stationary spectral estimation for wind turbine induction generator faults detection | |
CN112985676B (zh) | 基于变压器振动特征的紧固件松动的在线监测方法 | |
He et al. | Power Transformer Voiceprint Operation State Monitoring Considering Sample Unbalance | |
Yin et al. | Design of condition monitoring system for power transformer based on vibration signal | |
Wang | Harmonic analysis of electrified railway based on improved HHT | |
Li et al. | A family of health indicators induced by EOF for condition monitoring of machinery. | |
CN104677485B (zh) | 配电变压器铁芯振动信号特征量提取方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200925 |