CN111983365B - 一种基于振荡波多级分解的变压器绕组变形检测方法 - Google Patents
一种基于振荡波多级分解的变压器绕组变形检测方法 Download PDFInfo
- Publication number
- CN111983365B CN111983365B CN202010868427.9A CN202010868427A CN111983365B CN 111983365 B CN111983365 B CN 111983365B CN 202010868427 A CN202010868427 A CN 202010868427A CN 111983365 B CN111983365 B CN 111983365B
- Authority
- CN
- China
- Prior art keywords
- wave
- coefficient
- oscillatory wave
- transformer winding
- oscillatory
- 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
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
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/32—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring the deformation in a solid
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明公开了一种基于振荡波多级分解的变压器绕组变形检测方法,首先利用振荡波实验装置获得振荡波曲线,选取起始振荡0.1秒内的振荡波;利用离散小波变换对振荡波曲线进行七级分解,获得原始曲线与分解各级的振荡波曲线;然后计算光滑近似系数的相关系数corr,识别正常情况与故障情况;通过权重化后的最大最小指标Wmm,区分绕组轴向移位故障或径向变形故障;计算波峰波谷偏移量FGDi矩阵,并判断径向变形严重程度;计算标准化差异系数,判断轴向移位严重程度。本发明方法通过离散小波变换,有效降低了现场测试的干扰,丰富了振荡波曲线获得的特征,并提取多级分解后的相应特征,识别变压器绕组变形的类型与严重程度。
Description
技术领域
本发明涉及电力设备内部故障识别方法,尤其涉及一种基于振荡波多级分解的变压器绕组变形检测方法。
背景技术
变压器是电力系统中的重要设备之一,其运行状态的好坏直接决定了电力系统的安全性与稳定性,而绕组变形是影响变压器安全运行的。因此如何监测变压器运行过程中的绕组变形,实时跟踪绕组状态,在其出现严重问题之前做出预警,是变压器绕组状态监测、故障诊断中亟需解决的技术问题。
振荡波方法是近年来提出的变压器绕组诊断方法,因其在低压、高压均进行测试,可一次接线完成多项变压器测试而受到重视,但该方法数据分析处理技术目前尚不成熟,还存在一些急需解决的问题。目前基于振荡波的故障识别方法基本是对振荡波进行直观比较并进行欧式距离等简单判断绕组状态。
由于获得的振荡波曲线为时域曲线,其曲线变化会受到现场测试的干扰,且获得的振荡波波峰波谷关系着诊断方法的正确性。同时,变压器绕组的状态变化会关联其等效电容电感参数的变化,从而影响振荡波波形,事实上绕组变形导致系统结构参数的改变最终都会反映的振荡波曲线的改变来。本发明采用离散小波对振荡波进行多级分解,大大降低了现场测试对振荡波曲线的干扰,然后通过计算其光滑近似系数的相关特征比较得出绕组变形的故障类型与故障程度。因此本发明可提高变压器绕组故障的识别问题。
发明内容
一种基于振荡波多级分解的变压器绕组变形检测方法,其特征在于应用了小波变换中的离散小波变换对振荡波曲线进行了多级分解,得到不同情况下光滑近似系数与波峰波谷等相关特征,具体包括以下步骤:
1)利用振荡波实验装置获得变压器绕组正常情况与不同故障程度下的振荡波曲线,得到正常振荡波F0(x)与故障振荡波F1(x);选取的振荡波曲线时间范围为0.1s,采点共10万个,其中x∈[1,100000]且x∈Z;
2)对获得的振荡波响应F0(x)和F1(x)进行离散小波变换,获得多分辨率情形下重构后的表达式S0(x)和S1(x)为:
其中,M为分解级数,α0k为S0(x)对应的近似系数,α1k为S1(x)对应的近似系数,β0k为S0(x)对应的细节系数,β1k为S1(x)对应的细节系数,为光滑函数,ψ(x)为应用母波,j,k∈Z且j为尺度;
3)进行多分辨率七级分解,即M=7,根据多分辨率重构的结果,提取S0(x)和S1(x)的七级光滑近似系数,为
其中,i≤M,i∈Z,S0i(x)和S1i(x)分别表示S0(x)和S1(x)一到七级的光滑近似系数;
4)计算S0i(x)和S1i(x)各级相关系数corri,
其中,S0ia为参考的振荡波响应F0(x)各级光滑近似系数的平均值,S1ia为故障振荡波F1(x)各级光滑近似系数的平均值;
5)若corr7>0.97,且平均相关系数corra>0.98,则变压器绕组状态正常,否则需要进一步分析;
6)计算振荡波响应F0(x)和F1(x)最大最小值指标MM,与对应的各级近似系数S0i(x)和S1i(x)的最大最小值指标MMi:
7)对最大最小值指标MM和MMi进行权重化处理,将权重化后的最大最小值指标记为Wmm,权重化处理的过程如下:
其中,MM1至MM7为各级近似系数的最大最小值指标;
8)评估Wmm大小,当Wmm>A1时,绕组变形为径向变形,转为步骤10)、步骤11)进一步分析,当A1>Wmm时,绕组变形为轴向移位,转为步骤12)、步骤13)进一步分析;
9)计算振荡波响应F0(x)和F1(x)波峰波谷偏移量FGD矩阵,与对应的各级近似系数S0i(x)和S1i(x)的波峰波谷偏移量FGDi矩阵:
其中,p为振荡波曲线的波峰波谷处x的值,f1,p为振荡波响应F1(x)各波峰波谷幅值,f0,p为振荡波响应F0(x)各波峰波谷幅值,s1i,p为各级近似系数和S1i(x)各波峰波谷幅值,s0i,p为各级近似系数和S0i(x)各波峰波谷幅值;
10)计算径向变形系数ξ,为
其中,“||||1”表示矩阵1范数;
11)若B2>ξ>B1,则变压器绕组为轻度径向变形,若B3>ξ>B2,则变压器绕组为中度径向变形,若ξ>B3,则变压器绕组为严重径向变形;
12)计算各级近似系数S0i(x)和S1i(x)的标准化差异系数SVi,并将其进行权重化处理,权重化后的标准化差异系数记为Wsv:
13)若C2>Wsv>C1,则变压器绕组为轻度轴向移位,若C3>Wsv>C2,则变压器绕组为中度轴向移位,若Wsv>C3,则变压器绕组为严重轴向移位。其中,A1、B1、B2、B3与C1、C2和C3相关参数指标是和变压器型号、大小有关的参数。
附图说明
图1为本发明方法所采用的流程框图。
具体实施方式
如图1所示为一种基于振荡波多级分解的变压器绕组变形检测方法,其特征在于应用了小波变换中的离散小波变换对振荡波曲线进行了多级分解,得到不同情况下光滑近似系数与波峰波谷等相关特征,具体包括以下步骤:
1)利用振荡波实验装置获得变压器绕组正常情况与不同故障程度下的振荡波曲线,得到正常振荡波F0(x)与故障振荡波F1(x);选取的振荡波曲线时间范围为0.1s,采点共10万个,其中x∈[1,100000]且x∈Z;
2)对获得的振荡波响应F0(x)和F1(x)进行离散小波变换,获得多分辨率情形下重构后的表达式S0(x)和S1(x)为:
其中,M为分解级数,α0k为S0(x)对应的近似系数,α1k为S1(x)对应的近似系数,β0k为S0(x)对应的细节系数,β1k为S1(x)对应的细节系数,为光滑函数,ψ(x)为应用母波,j,k∈Z且j为尺度;
3)进行多分辨率七级分解,即M=7,根据多分辨率重构的结果,提取S0(x)和S1(x)的七级光滑近似系数,为
其中,i≤M,i∈Z,S0i(x)和S1i(x)分别表示S0(x)和S1(x)一到七级的光滑近似系数;
4)计算S0i(x)和S1i(x)各级相关系数corri,
其中,S0ia为参考的振荡波响应F0(x)各级光滑近似系数的平均值,S1ia为故障振荡波F1(x)各级光滑近似系数的平均值;
5)若corr7>0.97,且平均相关系数corra>0.98,则变压器绕组状态正常,否则需要进一步分析;
6)计算振荡波响应F0(x)和F1(x)最大最小值指标MM,与对应的各级近似系数S0i(x)和S1i(x)的最大最小值指标MMi:
7)对最大最小值指标MM和MMi进行权重化处理,将权重化后的最大最小值指标记为Wmm,权重化处理的过程如下:
其中,MM1至MM7为各级近似系数的最大最小值指标;
8)评估Wmm大小,当Wmm>A1时,绕组变形为径向变形,转为步骤10)、步骤11)进一步分析,当A1>Wmm时,绕组变形为轴向移位,转为步骤12)、步骤13)进一步分析;
9)计算振荡波响应F0(x)和F1(x)波峰波谷偏移量FGD矩阵,与对应的各级近似系数S0i(x)和S1i(x)的波峰波谷偏移量FGDi矩阵:
其中,p为振荡波曲线的波峰波谷处x的值,f1,p为振荡波响应F1(x)各波峰波谷幅值,f0,p为振荡波响应F0(x)各波峰波谷幅值,s1i,p为各级近似系数和S1i(x)各波峰波谷幅值,s0i,p为各级近似系数和S0i(x)各波峰波谷幅值;
10)计算径向变形系数ξ,为
其中,“||||1”表示矩阵1范数;
11)若B2>ξ>B1,则变压器绕组为轻度径向变形,若B3>ξ>B2,则变压器绕组为中度径向变形,若ξ>B3,则变压器绕组为严重径向变形;
12)计算各级近似系数S0i(x)和S1i(x)的标准化差异系数SVi,并将其进行权重化处理,权重化后的标准化差异系数记为Wsv:
13)若C2>Wsv>C1,则变压器绕组为轻度轴向移位,若C3>Wsv>C2,则变压器绕组为中度轴向移位,若Wsv>C3,则变压器绕组为严重轴向移位。其中,A1、B1、B2、B3与C1、C2和C3相关参数指标是和变压器型号、大小有关的参数。
Claims (1)
1.一种基于振荡波多级分解的变压器绕组变形检测方法,具体包括以下步骤:
1)利用振荡波实验装置获得变压器绕组正常情况与不同故障程度下的振荡波曲线,得到正常振荡波F0(x)与故障振荡波F1(x);选取的振荡波曲线时间范围为0.1s,采点共10万个,其中x∈[1,100000]且x∈Z;
2)对获得的振荡波响应F0(x)和F1(x)进行离散小波变换,获得多分辨率情形下重构后的表达式S0(x)和S1(x)为:
其中,M为分解级数,α0k为S0(x)对应的近似系数,α1k为S1(x)对应的近似系数,β0k为S0(x)对应的细节系数,β1k为S1(x)对应的细节系数,为光滑函数,ψ(x)为应用母波,j,k∈Z且j为尺度;
3)进行多分辨率七级分解,即M=7,根据多分辨率重构的结果,提取S0(x)和S1(x)的七级光滑近似系数,为
其中,i≤M,i∈Z,S0i(x)和S1i(x)分别表示S0(x)和S1(x)一到七级的光滑近似系数;
4)计算S0i(x)和S1i(x)各级相关系数corri,
其中,S0ia为参考的振荡波响应F0(x)各级光滑近似系数的平均值,S1ia为故障振荡波F1(x)各级光滑近似系数的平均值;
5)若corr7>0.97,且平均相关系数corra>0.98,则变压器绕组状态正常,否则需要进一步分析;
6)计算振荡波响应F0(x)和F1(x)最大最小值指标MM,与对应的各级近似系数S0i(x)和S1i(x)的最大最小值指标MMi:
7)对最大最小值指标MM和MMi进行权重化处理,将权重化后的最大最小值指标记为Wmm,权重化处理的过程如下:
其中,MM1至MM7为各级近似系数的最大最小值指标;
8)评估Wmm大小,当Wmm>A1时,绕组变形为径向变形,转为步骤10)、步骤11)进一步分析,当A1>Wmm时,绕组变形为轴向移位,转为步骤12)、步骤13)进一步分析;
9)计算振荡波响应F0(x)和F1(x)波峰波谷偏移量FGD矩阵,与对应的各级近似系数S0i(x)和S1i(x)的波峰波谷偏移量FGDi矩阵:
其中,p为振荡波曲线的波峰波谷处x的值,f1,p为振荡波响应F1(x)各波峰波谷幅值,f0,p为振荡波响应F0(x)各波峰波谷幅值,s1i,p为各级近似系数和S1i(x)各波峰波谷幅值,s0i,p为各级近似系数和S0i(x)各波峰波谷幅值;
10)计算径向变形系数ξ,为
其中,“|| ||1”表示矩阵1范数;
11)若B2>ξ>B1,则变压器绕组为轻度径向变形,若B3>ξ>B2,则变压器绕组为中度径向变形,若ξ>B3,则变压器绕组为严重径向变形;
12)计算各级近似系数S0i(x)和S1i(x)的标准化差异系数SVi,并将其进行权重化处理,权重化后的标准化差异系数记为Wsv:
13)若C2>Wsv>C1,则变压器绕组为轻度轴向移位,若C3>Wsv>C2,则变压器绕组为中度轴向移位,若Wsv>C3,则变压器绕组为严重轴向移位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010868427.9A CN111983365B (zh) | 2020-08-26 | 2020-08-26 | 一种基于振荡波多级分解的变压器绕组变形检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010868427.9A CN111983365B (zh) | 2020-08-26 | 2020-08-26 | 一种基于振荡波多级分解的变压器绕组变形检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111983365A CN111983365A (zh) | 2020-11-24 |
CN111983365B true CN111983365B (zh) | 2021-07-20 |
Family
ID=73443272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010868427.9A Active CN111983365B (zh) | 2020-08-26 | 2020-08-26 | 一种基于振荡波多级分解的变压器绕组变形检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111983365B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112924905B (zh) * | 2021-02-02 | 2022-04-08 | 西南交通大学 | 一种基于梯度电压高频振荡的变压器绕组绝缘评估方法 |
CN114280508B (zh) * | 2021-12-02 | 2022-07-19 | 西南交通大学 | 一种基于振荡波特征的变压器绕组状态检测方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002091020A1 (en) * | 2001-05-02 | 2002-11-14 | Exxonmobil Upstream Research Company | Nonlinear electroseismic exploration |
CN101556299A (zh) * | 2009-05-18 | 2009-10-14 | 重庆电力科学试验研究院 | 检测变压器绕组微小形变的方法 |
CN102721464A (zh) * | 2012-06-13 | 2012-10-10 | 江苏省电力公司南京供电公司 | 电力变压器绕组变形故障检测方法及系统 |
CN103267907A (zh) * | 2013-04-19 | 2013-08-28 | 上海交通大学 | 一种变压器绕组模态参数识别方法 |
CN104061849A (zh) * | 2014-07-03 | 2014-09-24 | 国家电网公司 | 基于变压器过电压信号及响应的绕组变形在线检测系统 |
CN109444656A (zh) * | 2018-12-21 | 2019-03-08 | 浙江大学 | 一种变压器绕组变形位置的在线诊断方法 |
CN109581055A (zh) * | 2018-12-28 | 2019-04-05 | 广东电网有限责任公司 | 一种基于多分辨率分解法的变压器绕组故障类型检测方法 |
CN110361610A (zh) * | 2019-06-23 | 2019-10-22 | 西南交通大学 | 变压器绕组径向变形测试系统及其测试评估方法 |
CN110850340A (zh) * | 2019-11-19 | 2020-02-28 | 西南大学 | 基于小波变换的变压器绕组ifra曲线去噪方法 |
CN110988523A (zh) * | 2019-11-18 | 2020-04-10 | 国网河北省电力有限公司电力科学研究院 | 一种电力变压器绕组变形累积效应的检测方法及装置 |
CN111007320A (zh) * | 2019-12-27 | 2020-04-14 | 广东电网有限责任公司电力科学研究院 | 一种变压器绕组变形故障定位检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8630687B2 (en) * | 2011-09-30 | 2014-01-14 | Avd Conduction | Sulfur-induced superconductivity in strontium ruthenates |
US10782115B2 (en) * | 2016-09-02 | 2020-09-22 | Hossein Karami Porzani | Detection of radial deformations of transformers |
-
2020
- 2020-08-26 CN CN202010868427.9A patent/CN111983365B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002091020A1 (en) * | 2001-05-02 | 2002-11-14 | Exxonmobil Upstream Research Company | Nonlinear electroseismic exploration |
CN101556299A (zh) * | 2009-05-18 | 2009-10-14 | 重庆电力科学试验研究院 | 检测变压器绕组微小形变的方法 |
CN102721464A (zh) * | 2012-06-13 | 2012-10-10 | 江苏省电力公司南京供电公司 | 电力变压器绕组变形故障检测方法及系统 |
CN103267907A (zh) * | 2013-04-19 | 2013-08-28 | 上海交通大学 | 一种变压器绕组模态参数识别方法 |
CN104061849A (zh) * | 2014-07-03 | 2014-09-24 | 国家电网公司 | 基于变压器过电压信号及响应的绕组变形在线检测系统 |
CN109444656A (zh) * | 2018-12-21 | 2019-03-08 | 浙江大学 | 一种变压器绕组变形位置的在线诊断方法 |
CN109581055A (zh) * | 2018-12-28 | 2019-04-05 | 广东电网有限责任公司 | 一种基于多分辨率分解法的变压器绕组故障类型检测方法 |
CN110361610A (zh) * | 2019-06-23 | 2019-10-22 | 西南交通大学 | 变压器绕组径向变形测试系统及其测试评估方法 |
CN110988523A (zh) * | 2019-11-18 | 2020-04-10 | 国网河北省电力有限公司电力科学研究院 | 一种电力变压器绕组变形累积效应的检测方法及装置 |
CN110850340A (zh) * | 2019-11-19 | 2020-02-28 | 西南大学 | 基于小波变换的变压器绕组ifra曲线去噪方法 |
CN111007320A (zh) * | 2019-12-27 | 2020-04-14 | 广东电网有限责任公司电力科学研究院 | 一种变压器绕组变形故障定位检测方法 |
Non-Patent Citations (3)
Title |
---|
Study on Nanosecond Impulse Frequency Response for Detecting Transformer Winding Deformation Based on Morlet Wavelet Transform;J. J. Wu 等;《 2018 International Conference on Power System Technology》;20190107;全文 * |
基于振荡波的变压器绕组故障诊断方法研究;吴振宇 等;《中国电机工程学报》;20200105;第40卷(第1期);全文 * |
频响多级分解与图像特征在自耦变压器绕组故障的应用研究;周利军 等;《高电压技术》;20200731;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111983365A (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111983365B (zh) | 一种基于振荡波多级分解的变压器绕组变形检测方法 | |
Wang et al. | Intelligent rolling bearing fault diagnosis via vision ConvNet | |
WO2023044978A1 (zh) | 基于对抗流模型的机械设备无监督故障诊断方法 | |
CN110244205A (zh) | 一种小数据量下基于卷积神经网络的电缆附件局部放电识别方法 | |
CN101788378B (zh) | 一种机械故障诊断方法和装置 | |
CN108435819B (zh) | 一种铝型材挤压机能耗异常检测方法 | |
CN112182912B (zh) | 基于概率描述与谱分析的制造装备主轴轴承健康评估方法 | |
CN113112000B (zh) | 一种多层次卷积神经网络模型的构建方法及应用 | |
CN117056849B (zh) | 一种无监督的复杂机械设备异常状态监测方法及系统 | |
CN112633098A (zh) | 一种旋转机械故障诊断方法、系统及存储介质 | |
CN115859077A (zh) | 一种变工况下多特征融合的电机小样本故障诊断方法 | |
Lu et al. | Early fault warning and identification in condition monitoring of bearing via wavelet packet decomposition coupled with graph | |
CN114705432A (zh) | 防爆电机轴承健康状态评估方法及系统 | |
CN114117923A (zh) | 基于混沌特征空间的高压并联电抗器状态判断系统及方法 | |
CN111539381B (zh) | 风力发电机轴承故障分类诊断模型的构建方法 | |
CN110598674B (zh) | 一种基于模式识别的转辙机故障识别方法 | |
CN115561575A (zh) | 基于多维矩阵轮廓的海上风电场电气异常状态辨别方法 | |
Jung et al. | Fault Diagnosis of Inter-turn Short Circuit in Permanent Magnet Synchronous Motors with Current Signal Imaging and Semi-Supervised Learning | |
CN115577249A (zh) | 多视角特征融合的变压器声信号识别方法、系统及介质 | |
CN114609483A (zh) | 一种基于Hilbert变换的GIS局部放电信号特征提取方法 | |
Zhang et al. | Multi‐attribute quantitative bearing fault diagnosis based on convolutional neural network | |
CN104764871B (zh) | 一种多变量检测的油中水分在线监测方法 | |
Rauber et al. | Pattern recognition based fault diagnosis in industrial processes: Review and application | |
Qi et al. | Research on Transformer Fault Detection Based on CEEMDAN-DBN | |
CN117786607B (zh) | 基于时频熵谱的变工况振动信号故障诊断方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |