CN111965456A - 一种电力设备机械故障的诊断方法 - Google Patents
一种电力设备机械故障的诊断方法 Download PDFInfo
- Publication number
- CN111965456A CN111965456A CN202010826763.7A CN202010826763A CN111965456A CN 111965456 A CN111965456 A CN 111965456A CN 202010826763 A CN202010826763 A CN 202010826763A CN 111965456 A CN111965456 A CN 111965456A
- Authority
- CN
- China
- Prior art keywords
- time domain
- amplitude
- fault
- characteristic coefficient
- diagnosing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 239000000126 substance Substances 0.000 claims description 12
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- 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
- G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
Abstract
本发明公开了一种电力设备机械故障的诊断方法,包括以下步骤：1、采集振动信号时域序列
；2、计算振动信号时域序列的基本特征量；3、对基本特征值进行进一步计算，得到特征系数；4、采集电力设备正常运行时的振动信号，并按照步骤1至步骤3得到相应特征系数的标准参考值；5、采集电力设备的实时振动信号，并按照步骤1至步骤3得到相应特征系数的实时监测值；6、计算相应特征系数的变化率；7、根据变化率分析判断电力设备的故障类型。本发明通过时域幅值特征系数的变化率、基频及倍频幅值特征系数的变化率来分析判断电力设备的故障类型，具有诊断准确且迅速等优点，有助于及时发现电力设备的机械故障。
Description
技术领域
本发明涉及电力设备监测技术领域，更具体地说是指一种电力设备机械故障的诊断方法。
背景技术
电气设备是电力系统的重要组成部分，电气设备在安装、运行过程中如果产生了电磁振动或者机械缺陷，会导致振动信号的产生，振动特性变化可以反映设备内部的运行状态，而电气设备内部振动的持续发展容易引发机械故障或绝缘故障。所以对电气设备的机械状态进行检测就显得尤为重要。
发明内容
本发明提供的一种电力设备机械故障的诊断方法，其目的在于解决现有技术中存在的上述问题。
本发明采用的技术方案如下：
一种电力设备机械故障的诊断方法，包括以下步骤：1、用振动仪按照一定采集率采集电力设备的振动信号,得到振动信号时域序列
；其中，i =1、2、3……N；2、计算振动信号时域序列的基本特征量；3、对基本特征值进行进一步计算，得到特征系数；4、采集电力设备正常运行时的振动信号，并按照步骤1至步骤3得到相应特征系数的标准参考值；5、采集电力设备的实时振动信号，并按照步骤1至步骤3得到相应特征系数的实时监测值；6、利用实时监测值和标准参考值，得到相应特征系数的变化率；7、根据相应特征系数的变化率分析判断电力设备的故障类型。
具体地，所述步骤2中的基本特征量包括：
时域幅值
；其中，
表示电力设备的振动信号时域序列，i =1、2、3、……、N；
时域最大幅值
；
时域幅值标准差
，且
；其中，
表示振动信号时域序列
的数学期望值；
对所测得的振动信号时域序列
用傅里叶变换法，求取基频100Hz的幅值A100及其倍频幅值A200、A300、……A2000，统一记为AK；其中，K=100、200……、2000。
具体地，所述步骤3中的特征系数包括：
时域幅值特征系数
，其中
表示母线电流标准参考值；
时域最大幅值特征系数
；
时域幅值标准差特征系数
；
基频及倍频幅值特征系数
；
具体地，所述步骤6中的相应特征系数的变化率包括：
时域幅值特征系数的变化率
；其中，
表示时域幅值特征系数的标准参考值；
基频及倍频幅值特征系数的变化率
；其中，
和
为基频及倍频幅值特征系数的标准参考值。
具体地，所述步骤7包括以下子步骤：
7.1、若δam>50%、δa100>50%、δa200>50%、δa300>50%且δa1000<10%，则判断故障为主回路触头松动严重。
7.2、若δam>10%、δa100>10%、δa200>10%、δa300>10%且δa1000<10%，则判断故障为主回路紧固件松动。
7.3、若δ am<10%、δa100<10%、δa200>10%、δa300>10%且δa1000<10%，则判断故障为内部均压件松动。
7.4、若δam<10%、δa100<10%、δa200<10%、δa300<10%且δa1000>10%，则判断故障为外部紧固件松动。
7.5、若δam<10%、δa100<10%、δa200<10%、δa300>10%且δa600>10%，则判断故障为隔离开关触点接触不良。
7.6、若δam<10%、δa100<10%、δa200<10%、δa300<10%且δa1400>10%，则判断故障为母线触头松动。
由上述对本发明的描述可知，和现有的技术相比，本发明的优点在于：
本发明通过时域幅值特征系数的变化率、基频及倍频幅值特征系数的变化率来分析判断电力设备的故障类型，具有诊断准确且迅速等优点，有助于及时发现电力设备的机械故障，并作出相应措施来避免安全事故的发生。
附图说明
图1为本发明中，根据相应特征系数的变化率分析判断故障类型的流程图。
具体实施方式
下面参照附图说明本发明的具体实施方式。为了全面理解本发明，下面描述到许多细节，但对于本领域技术人员来说，无需这些细节也可实现本发明。
一种电力设备机械故障的诊断方法，包括以下步骤。
1、用振动仪按照一定采集率采集电力设备的振动信号,得到振动信号时域序列
；其中，i =1、2、3……N。
2、计算振动信号时域序列的基本特征量。
具体地，基本特征量包括：
时域幅值
；其中，
表示电力设备的振动信号时域序列，i =1、2、3、……、N。
时域最大幅值
。
时域幅值标准差
，且
；其中，
表示振动信号时域序列
的数学期望值。
对所测得的振动信号时域序列
用傅里叶变换法，求取基频100Hz的幅值A100及其倍频幅值A200、A300、……A2000，统一记为AK；其中，K=100、200……、2000。
3、对基本特征值进行进一步计算，得到特征系数。
具体地，特征系数主要包括。
时域幅值特征系数
，其中
表示母线电流标准参考值。
时域最大幅值特征系数
。
时域幅值标准差特征系数
。
基频及倍频幅值特征系数
。
4、采集电力设备正常运行时的振动信号，并按照步骤1至步骤3得到相应特征系数的标准参考值。
5、采集电力设备的实时振动信号，并按照步骤1至步骤3得到相应特征系数的实时监测值。
6、利用实时监测值和标准参考值，得到相应特征系数的变化率。
具体地，相应特征系数的变化率主要包括。
时域幅值特征系数的变化率
；其中，
表示时域幅值特征系数的标准参考值。
基频及倍频幅值特征系数的变化率
；其中，
和
为基频及倍频幅值特征系数的标准参考值。
7、根据相应特征系数的变化率分析判断电力设备的故障类型。
如图1所示，步骤7具体包括以下子步骤：
7.1、若δam>50%、δa100>50%、δa200>50%、δa300>50%且δa1000<10%，则判断故障为主回路触头松动严重。
7.2、若δam>10%、δa100>10%、δa200>10%、δa300>10%且δa1000<10%，则判断故障为主回路紧固件松动。
7.3、若δ am<10%、δa100<10%、δa200>10%、δa300>10%且δa1000<10%，则判断故障为内部均压件松动。
7.4、若δam<10%、δa100<10%、δa200<10%、δa300<10%且δa1000>10%，则判断故障为外部紧固件松动。
7.5、若δam<10%、δa100<10%、δa200<10%、δa300>10%且δa600>10%，则判断故障为隔离开关触点接触不良。
7.6、若δam<10%、δa100<10%、δa200<10%、δa300<10%且δa1400>10%，则判断故障为母线触头松动。
上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。
Claims (10)
1.一种电力设备机械故障的诊断方法，其特征在于，包括以下步骤：1、用振动仪按照一定采集率采集电力设备的振动信号,得到振动信号时域序列
；其中，i =1、2、3……N；2、计算振动信号时域序列的基本特征量；3、对基本特征值进行进一步计算，得到特征系数；4、采集电力设备正常运行时的振动信号，并按照步骤1至步骤3得到相应特征系数的标准参考值；5、采集电力设备的实时振动信号，并按照步骤1至步骤3得到相应特征系数的实时监测值；6、利用实时监测值和标准参考值，得到相应特征系数的变化率；7、根据相应特征系数的变化率分析判断电力设备的故障类型。
2.根据权利要求1所述的一种电力设备机械故障的诊断方法，其特征在于，所述步骤2中的基本特征量包括：
时域幅值
；其中， i表示电力设备的振动信号时域序列，i =1、2、3、……、N；
时域最大幅值
；
时域幅值标准差
，且
；其中，
表示振动信号时域序列
的数学期望值；
对所测得的振动信号时域序列
用傅里叶变换法，求取基频100Hz的幅值A100及其倍频幅值A200、A300、……A2000，统一记为AK；其中，K=100、200……、2000。
3.根据权利要求2所述的一种电力设备机械故障的诊断方法，其特征在于，所述步骤3中的特征系数包括：
时域幅值特征系数
，其中
表示母线电流标准参考值；
时域最大幅值特征系数
；
时域幅值标准差特征系数
；
基频及倍频幅值特征系数
。
4.根据权利要求3所述的一种电力设备机械故障的诊断方法，其特征在于，所述步骤6中的相应特征系数的变化率包括：
时域幅值特征系数的变化率
；其中，
表示时域幅值特征系数的标准参考值；
基频及倍频幅值特征系数的变化率
；其中，
和
为基频及倍频幅值特征系数的标准参考值。
5.根据权利要求4所述的一种电力设备机械故障的诊断方法，其特征在于，所述步骤7包括子步骤7.1：若δam>50%、δa100>50%、δa200>50%、δa300>50%且δa1000<10%，则判断故障为主回路触头松动严重。
6.根据权利要求5所述的一种电力设备机械故障的诊断方法，其特征在于，还包括步骤7.2：若δam>10%、δa100>10%、δa200>10%、δa300>10%且δa1000<10%，则判断故障为主回路紧固件松动。
7. 根据权利要求6所述的一种电力设备机械故障的诊断方法，其特征在于，还包括子步骤7.3：若δ am<10%、δa100<10%、δa200>10%、δa300>10%且δa1000<10%，则判断故障为内部均压件松动。
8.根据权利要求7所述的一种电力设备机械故障的诊断方法，其特征在于，还包括子步骤7.4：若δam<10%、δa100<10%、δa200<10%、δa300<10%且δa1000>10%，则判断故障为外部紧固件松动。
9.根据权利要求8所述的一种电力设备机械故障的诊断方法，其特征在于，还包括子步骤7.5：若δam<10%、δa100<10%、δa200<10%、δa300>10%且δa600>10%，则判断故障为隔离开关触点接触不良。
10.根据权利要求9所述的一种电力设备机械故障的诊断方法，其特征在于，还包括子步骤7.6：若δam<10%、δa100<10%、δa200<10%、δa300<10%且δa1400>10%，则判断故障为母线触头松动。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010826763.7A CN111965456A (zh) | 2020-08-17 | 2020-08-17 | 一种电力设备机械故障的诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010826763.7A CN111965456A (zh) | 2020-08-17 | 2020-08-17 | 一种电力设备机械故障的诊断方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111965456A true CN111965456A (zh) | 2020-11-20 |
Family
ID=73388156
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010826763.7A Pending CN111965456A (zh) | 2020-08-17 | 2020-08-17 | 一种电力设备机械故障的诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111965456A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070272023A1 (en) * | 2006-05-23 | 2007-11-29 | Honeywell International Inc. | Electronic vibration sensor |
| CN103308152A (zh) * | 2013-06-06 | 2013-09-18 | 沈阳大学 | 基于瞬时频率估计的旋转机械振动信号角域重采样方法 |
| CN104020403A (zh) * | 2014-06-20 | 2014-09-03 | 国家电网公司 | 一种组合电器故障定位的诊断系统 |
| GB201610617D0 (en) * | 2016-06-17 | 2016-08-03 | Gm Global Tech Operations Inc | A method of identifying a faulted component in a automotive system |
| CN108267218A (zh) * | 2018-03-08 | 2018-07-10 | 中国石油大学(北京) | 一种机械设备振动信号监测的自适应变采样方法及装置 |
| CN110059437A (zh) * | 2019-04-28 | 2019-07-26 | 国网四川省电力公司南充供电公司 | 一种基于变分模态分解的gis振动信号特征量提取方法 |
| CN110796120A (zh) * | 2019-11-21 | 2020-02-14 | 杭州电力设备制造有限公司 | 基于时域特征的断路器机械故障XGBoost诊断方法 |
| CN110849645A (zh) * | 2019-09-23 | 2020-02-28 | 红相股份有限公司 | 一种gis机械故障的初步诊断方法 |
-
2020
- 2020-08-17 CN CN202010826763.7A patent/CN111965456A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070272023A1 (en) * | 2006-05-23 | 2007-11-29 | Honeywell International Inc. | Electronic vibration sensor |
| CN103308152A (zh) * | 2013-06-06 | 2013-09-18 | 沈阳大学 | 基于瞬时频率估计的旋转机械振动信号角域重采样方法 |
| CN104020403A (zh) * | 2014-06-20 | 2014-09-03 | 国家电网公司 | 一种组合电器故障定位的诊断系统 |
| GB201610617D0 (en) * | 2016-06-17 | 2016-08-03 | Gm Global Tech Operations Inc | A method of identifying a faulted component in a automotive system |
| CN108267218A (zh) * | 2018-03-08 | 2018-07-10 | 中国石油大学(北京) | 一种机械设备振动信号监测的自适应变采样方法及装置 |
| CN110059437A (zh) * | 2019-04-28 | 2019-07-26 | 国网四川省电力公司南充供电公司 | 一种基于变分模态分解的gis振动信号特征量提取方法 |
| CN110849645A (zh) * | 2019-09-23 | 2020-02-28 | 红相股份有限公司 | 一种gis机械故障的初步诊断方法 |
| CN110796120A (zh) * | 2019-11-21 | 2020-02-14 | 杭州电力设备制造有限公司 | 基于时域特征的断路器机械故障XGBoost诊断方法 |
Non-Patent Citations (3)
| Title |
|---|
| 张改慧: "《振动测试、光测与电测技术实验指导书》", 30 June 2017 * |
| 邓敏: "基于振动信号的有载分接开关机械故障诊断研究", 《变压器》 * |
| 郑浩等: "基于改进HHT算法的GIS机械振动信号时频分析", 《电气自动化》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102721465B (zh) | 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 | |
| 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 | |
| CN110632372B (zh) | 电力变压器直流偏磁的监测方法 | |
| CN109284933B (zh) | 一种基于数理统计的电子式互感器状态评估系统及方法 | |
| CN107064630B (zh) | 一种电力系统频率测量方法及装置 | |
| CN110703076A (zh) | 一种基于振动信号频域能量比的gis故障诊断方法 | |
| CN110703149B (zh) | 一种利用字符间距的变压器运行状态振声检测方法和系统 | |
| CN105866645B (zh) | 一种利用噪声特征频段诊断发电机放电故障的方法及装置 | |
| CN110515028A (zh) | 一种单相电能表端子发热监测方法 | |
| CN111780868A (zh) | 一种利用Jeffery差异量的变压器运行状态振声检测方法和系统 | |
| CN110017894B (zh) | 变压器运行状态振声检测中随机噪声的滤除方法和装置 | |
| CN111965456A (zh) | 一种电力设备机械故障的诊断方法 | |
| CN112345885A (zh) | 一种高压直流输电线路故障检测方法 | |
| CN110161363B (zh) | 基于主频表征量的变压器运行状态振声检测方法和系统 | |
| CN110658008A (zh) | 一种三相分箱式gis机械故障的初步诊断方法 | |
| CN110658414B (zh) | 基于模型的电力电子参数性故障检测方法 | |
| CN110646691B (zh) | 一种利用拉伸变换的变压器振声信号滤波方法和系统 | |
| CN114636883A (zh) | 基于交流量的电力系统故障确定方法、装置及存储介质 | |
| CN113391175A (zh) | 电动汽车车载高压电池组绝缘状态在线检测系统 | |
| CN113884837A (zh) | 一种电缆局部放电在线监测分析系统及分析方法 | |
| CN110703144B (zh) | 基于离散余弦变换的变压器运行状态检测方法和系统 | |
| CN110146772B (zh) | 一种基于振动频谱矩阵的变压器铁心松散缺陷诊断方法 | |
| CN111649819A (zh) | 一种利用迭代软阈值的变压器状态振声检测信号滤波方法和系统 | |
| CN112881839A (zh) | 基于频率集中度和振动平稳性互信息的变压器诊断方法 | |
| CN112304419A (zh) | 一种利用泛化稀疏编码的振声检测信号重构方法和系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201120 |