CN112881839A - 基于频率集中度和振动平稳性互信息的变压器诊断方法 - Google Patents
基于频率集中度和振动平稳性互信息的变压器诊断方法 Download PDFInfo
- Publication number
- CN112881839A CN112881839A CN202110087533.8A CN202110087533A CN112881839A CN 112881839 A CN112881839 A CN 112881839A CN 202110087533 A CN202110087533 A CN 202110087533A CN 112881839 A CN112881839 A CN 112881839A
- Authority
- CN
- China
- Prior art keywords
- vibration
- transformer
- frequency
- mutual information
- calculating
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000003745 diagnosis Methods 0.000 title claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 8
- 238000011156 evaluation Methods 0.000 claims abstract description 6
- 238000005259 measurement Methods 0.000 claims abstract description 5
- 238000004804 winding Methods 0.000 claims description 23
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 11
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 229910000976 Electrical steel Inorganic materials 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001228 spectrum Methods 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明提供了一种基于频率集中度和振动平稳性互信息的变压器诊断方法,用于对变压器进行故障诊断和定位,包括以下步骤:步骤1,根据变压器的振动信号特征计算频率集中度指标DFC,通过实时计算频率集中度指标DFC的值进行变压器状态评估;步骤2,根据变压器振动的时域信号进行快速傅里叶变换之后得到频域信号,采集m组数据,构建m维矩阵,通过SVD分解m维矩阵后得到降序排列的特征值,再通过计算主分量占全部成分的比例得到振动平稳性VS,通过计算振动平稳性VS的值进行变压器状态评估;步骤3,分别计算两次测量时电流电压变化量与频率集中度指标变化量和振动平稳性变化量的互信息,并根据互信息的大小判断引起总振动变化原因,进行故障定位。
Description
技术领域
本发明涉及一种变压器诊断方法,具体涉及一种基于频率集中度和振动平稳性互信息的变压器诊断方法。
背景技术
电力变压器是电网中最重要的设备之一,其安全稳定运行影响到整个电力系统可靠性,变压器一旦因故障损坏,将造成广泛影响,导致严重损失。因此对变压器实时监测,及时发现潜在故障,对保障电力系统稳定运行具有重要意义。
目前常用变压器诊断方法包括短路阻抗法、频率响应分析法、局部放电检测法和油色谱分析法等,变压器机械特性的劣化通常是长期和累积发生的,而在机械稳定性劣化初期,此时变压器电气性能保持良好,很难通过上述等方法检测变压器潜在威胁。然而振动信号可以灵敏反映变压器机械状态,通过对变压器的振动信号分析,可以检测到变压器的潜在的故障,相比于其他方法更加可靠,且安全性更高,因此基于振动分析法的变压器状态检测受到广泛关注。
发明内容
本发明是为了解决上述问题而进行的,目的在于提供一种基于频率集中度和振动平稳性互信息的变压器诊断方法。
本发明提供了一种基于频率集中度和振动平稳性互信息的变压器诊断方法,用于对变压器进行故障诊断和定位,具有这样的特征,包括以下步骤:步骤1,根据变压器的振动信号特征计算频率集中度指标DFC为
公式(1)中,Af为频率为f的振动谐波幅值大小,频率集中度指标DFC表示频率为100Hz振动分量的比重,通过实时计算频率集中度指标DFC的值进行变压器状态评估;
步骤2,根据变压器振动的时域信号,
s(t)={s1,...,st} (2)
对时域信号进行快速傅里叶变换之后得到频域信号,
x={Af=100,Af=200,...,Af=100n} (3)
采集m组数据,构建m维矩阵,
X=[x1,x2,...,xm]T (4)
通过SVD对m维矩阵进行分解得到
X=U∑VT (5)
公式(5)中,∑=diag{λ1,λ2,...,λm}为降序排列的特征值,该特征值反映每个分量的大小,通过计算主分量占全部成分的比例得到振动平稳性VS为
振动平稳性VS表示一段时间内每个周期信号相似成分所占比重,振动信号越平稳,相似程度越高,其主分量值越大,VS值越接近1,通过计算振动平稳性VS的值进行变压器状态评估;
步骤3,对于随机变量X,其不确定性通过熵度量如下
H(X)=-∑p(x)log2p(x) (7)
已知随机变量X,随机变量Y的条件熵定义为
随机变量X和随机变量Y的互信息定义为
将变压器的振动影响因子作为随机变量X,将变压器的振动信号特征参量作为随机变量Y,分别计算两次测量时振动影响因子变化量与振动信号特征参量变化量的互信息FCD,并根据互信息FCD的大小判断引起总振动变化原因,进行故障定位:
FCD=I(ΔX;ΔF) (10)
其中,公式(10)中,ΔX为振动影响因子变化量,包括电流变化量和电压变化量,ΔF为振动信号特征参量变化量,包括频率集中度指标DFC的变化量和振动平稳性VS的变化量,互信息FCD表示振动影响因子与振动信号特征参量之间的相关性,当变压器异常时,FCD越大,对应部位故障的可能性越大。
在本发明提供的基于频率集中度和振动平稳性互信息的变压器诊断方法中,还可以具有这样的特征:其中,步骤1中通过实时计算频率集中度指标DFC的值进行变压器状态评估的具体过程如下:当变压器正常时,振动信号频率集中在100Hz,DFC值接近1,当变压器内部结构异常时,振动信号中高频分量增大,频率变得分散,DFC值变小。
在本发明提供的基于频率集中度和振动平稳性互信息的变压器诊断方法中,还可以具有这样的特征:其中,步骤2中通过计算振动平稳性VS的值进行变压器状态评估的具体过程如下:当变压器正常时,VS值接近1,当变压器结构发生异常时,VS值减小。
在本发明提供的基于频率集中度和振动平稳性互信息的变压器诊断方法中,还可以具有这样的特征:其中,步骤3中根据互信息FCD的大小判断引起总振动变化原因,进行故障定位的具体过程如下:变压器的总振动由绕组振动与铁芯振动共同构成,绕组振动与电流平方成正比,铁芯振动与电压平方成正比,根据互信息FCD的大小,通过电流电压变化时的振动信号特征参量变化对故障位置进行定位,从而确定故障位置为绕组或铁芯,FCD越大,对应部位故障的可能性越大。
发明的作用与效果
根据本发明所涉及的基于频率集中度和振动平稳性互信息的变压器诊断方法,结合变压器振动原理,通过分析变压器正常状态和故障状态下振动信号特征,将频率集中度指标和振动平稳性作为振动信号特征参量,并通过计算频率集中度指标和振动平稳性来对变压器状态进行监测;同时本发明还利用互信息方法确立振动影响因子与振动信号特征参量关系,得到故障关联度,能够实现变压器故障诊断及定位,提高了变压器机械稳定性劣化初期故障诊断精度和可靠性。
附图说明
图1是本发明的实施例中基于频率集中度和振动平稳性互信息的变压器诊断方法的流程图;
图2是本发明的实施例中的绕组振动、铁芯振动与总振动的变化量关系示意图;
图3是本发明的实施例中频率集中度的计算结果示意图;
图4是本发明的实施例中振动平稳性的计算结果示意图。
具体实施方式
为了使本发明实现的技术手段与功效易于明白了解,以下结合实施例及附图对本发明作具体阐述。
<实施例>
本实施例中,结合变压器振动原理,通过分析变压器正常状态和故障状态下振动信号特征,将频率集中度指标和振动平稳性作为振动信号特征参量来进行变压器状态监测,具体分析过程如下:
铁芯振动主要是由硅钢片的磁致伸缩现象引起,考虑到铁芯具有磁滞损耗、涡流损耗等问题,硅钢片磁致伸缩与磁感应强度具有非线性关系,铁芯振动产生畸变,产生高频振动分量,因此铁芯振动为以100Hz为基频,包含少量整数倍高频分量的振动信号。
绕组振动主要是由绕组和线饼间漏磁场产生的电磁力引起的,
当变压器绕组电流为U=Ussinωt时
当变压器绕组电流为I=Imsin(ωt+φ0)时,绕组加速度为
上述公式中,K为弹性系数,M绕组线饼质量,C为阻尼系数,A和α为初始条件,D和β为绕组相关参数。由于绝缘垫块的材料具有非线性特性,因此绕组的振动信号会产生100Hz的倍频谐波。
由上述分析可知,变压器振动主要由铁芯振动和绕组振动产生,是以100Hz为基频,包含部分高频分量的振动信号,并且通过实际测量,变压器振动信号频率主要分布在1000Hz以内,在正常情况下,振动信号中100Hz基频分量贡献较大,高频分量贡献较小,且各分量占比处于相对稳定状态,因此可以通过计算频率为100Hz振动分量的比重得到频率集中度指标DFC来进行变压器状态监测;并且变压器结构发生异常时,机械稳定性发生改变,反应在振动信号上表现为出现随机振动,在短时间内振动信号波动较大,因此可以通过计算主分量占全部成分的比例得到振动平稳性VS来进行变压器状态监测。
图1是本发明的实施例中基于频率集中度和振动平稳性互信息的变压器诊断方法的流程图。
如图1所示,本实施例的一种基于频率集中度和振动平稳性互信息的变压器诊断方法,用于对变压器进行故障诊断和定位,包括以下步骤:
步骤1,根据变压器的振动信号特征计算频率集中度指标DFC为
公式(1)中,Af为频率为f的振动谐波幅值大小,频率集中度指标DFC表示频率为100Hz振动分量的比重,通过实时计算频率集中度指标DFC的值进行变压器状态评估。
步骤1中通过实时计算频率集中度指标DFC的值进行变压器状态评估的具体过程如下:
当变压器正常时,振动信号频率集中在100Hz,DFC值接近1,
当变压器内部结构异常时,振动信号中高频分量增大,频率变得分散,DFC值变小。
步骤2,根据变压器振动的时域信号,
s(t)={s1,...,st} (2)
对时域信号进行快速傅里叶变换之后得到频域信号,
x={Af=100,Af=200,...,Af=100n} (3)
采集m组数据,构建m维矩阵,
X=[x1,x2,...,xm]T (4)
通过SVD对m维矩阵进行分解得到
X=U∑VT (5)
公式(5)中,∑=diag{λ1,λ2,...,λm}为降序排列的特征值,该特征值反映每个分量的大小,通过计算主分量占全部成分的比例得到振动平稳性VS为
振动平稳性VS表示一段时间内每个周期信号相似成分所占比重,振动信号越平稳,相似程度越高,其主分量值越大,VS值越接近1,通过计算振动平稳性VS的值进行变压器状态评估。
步骤2中通过计算振动平稳性VS的值进行变压器状态评估的具体过程如下:
当变压器正常时,VS值接近1,
当变压器结构发生异常时,VS值减小。
本实施例中,在变压器正常情况下,振动稳定性较好,多组振动信号相似,经过SVD分解后得到的特征值只有一个主分量和少量次分量,VS值接近1,
在变压器异常时,振动平稳性下降,不同组振动信号变化较大,经过SVD分解后得到的特征值主分量增加,VS值减小。
步骤3,对于随机变量X,其不确定性通过熵度量如下
H(X)=-∑p(x)log2p(x) (7)
已知随机变量X,随机变量Y的条件熵定义为
随机变量X和随机变量Y的互信息定义为
将变压器的振动影响因子作为随机变量X,将变压器的振动信号特征参量作为随机变量Y,分别计算两次测量时振动影响因子变化量与振动信号特征参量变化量的互信息FCD,并根据互信息FCD的大小判断引起总振动变化原因,进行故障定位:
FCD=I(ΔX;ΔF) (10)
公式(10)中,ΔX为振动影响因子变化量,包括电流变化量和电压变化量,ΔF为振动信号特征参量变化量,包括频率集中度指标DFC的变化量和振动平稳性VS的变化量,互信息FCD表示振动影响因子与振动信号特征参量之间的相关性,当变压器异常时,FCD越大,对应部位故障的可能性越大。
步骤3中根据互信息FCD的大小判断引起总振动变化原因,进行故障定位的具体过程如下:
变压器的总振动由绕组振动与铁芯振动共同构成,绕组振动与电流平方成正比,铁芯振动与电压平方成正比,根据互信息FCD的大小,通过电流电压变化时的振动信号特征参量变化对故障位置进行定位,从而确定故障位置为绕组或铁芯,FCD越大,对应部位故障的可能性越大。
图2是本发明的实施例中的绕组振动、铁芯振动与总振动的变化量关系示意图。
如图2所示,以变压器铁芯异常为例,若铁芯振动状态发生改变,总振动也会随之发生改变,图2中acroe为铁芯振动,awindings为绕组振动,atotal为总振动,当铁芯发生振动后,其状态变化为acroe’时,相应的总振动状态变化为atotal’。
本实施例中,以实验室型号为TSGC-3KVA调压器为对象,进行模拟故障状态下的箱体振动试验。通过调整固定箱体与绕组的压紧螺丝,包括拧紧全部螺丝、松动2颗螺丝以及卸下全部4颗螺丝,以模拟正常状态和不同程度故障。试验过程中,调压器副边电压输出为100V,加速度传感器(型号为SE830)安装在调压器顶部固定螺丝附近,振动信号通过振动信号采集板(12.8kHz采样频率,16位采样精度)转化为数字信号,上传到计算机中进行分析。通过测试200组振动数据和电压电流数据同压紧状态下的振动信号波形及其频谱进行过程分析。
图3是本发明的实施例中频率集中度的计算结果示意图。
如图3所示,变压器在正常状态下能够得到较高的频率集中度,随着实验中变压器故障程度的加重,能够很明显的看到频率集中度逐渐降低,并在松开全部螺丝时降至最低。
图4是本发明的实施例中振动平稳性的计算结果示意图。
如图4所示,变压器在正常状态下的振动平稳性良好,随着实验中变压器故障程度的加重,振动平稳性逐渐降低,并在松开全部螺丝时降至最低。
根据实验结果可知,本实施例中的频率集中度DFC与振动平稳性VS均能对变压器状态进行表示,能够通过计算频率集中度DFC与振动平稳性VS来对变压器进行实时监测。
实施例的作用与效果
根据本实施例所涉及的基于频率集中度和振动平稳性互信息的变压器诊断方法,结合变压器振动原理,通过分析变压器正常状态和故障状态下振动信号特征,将频率集中度指标和振动平稳性作为振动信号特征参量,并通过计算频率集中度指标和振动平稳性来对变压器状态进行监测;同时本实施例还利用互信息方法确立振动影响因子与振动信号特征参量关系,得到故障关联度,能够实现变压器故障诊断及定位,提高了变压器机械稳定性劣化初期故障诊断精度和可靠性。
上述实施方式为本发明的优选案例,并不用来限制本发明的保护范围。
Claims (4)
1.一种基于频率集中度和振动平稳性互信息的变压器诊断方法,用于对变压器进行故障诊断和定位,其特征在于,包括以下步骤:
步骤1,根据所述变压器的振动信号特征计算频率集中度指标DFC为
公式(1)中,Af为频率为f的振动谐波幅值大小,所述频率集中度指标DFC表示频率为100Hz振动分量的比重,通过实时计算频率集中度指标DFC的值进行变压器状态评估;
步骤2,根据所述变压器振动的时域信号,
s(t)={s1,...,st} (2)
对所述时域信号进行快速傅里叶变换之后得到频域信号,
x={Af=100,Af=200,...,Af=100n} (3)
采集m组数据,构建m维矩阵,
X=[x1,x2,...,xm]T (4)
通过SVD对所述m维矩阵进行分解得到
X=U∑VT (5)
公式(5)中,∑=diag{λ1,λ2,...,λm}为降序排列的特征值,该特征值反映每个分量的大小,通过计算主分量占全部成分的比例得到振动平稳性VS为
所述振动平稳性VS表示一段时间内每个周期信号相似成分所占比重,振动信号越平稳,相似程度越高,其主分量值越大,VS值越接近1,通过计算所述振动平稳性VS的值进行变压器状态评估;
步骤3,对于随机变量X,其不确定性通过熵度量如下
H(X)=-∑p(x)log2p(x) (7)
已知随机变量X,随机变量Y的条件熵定义为
随机变量X和随机变量Y的互信息定义为
将所述变压器的振动影响因子作为随机变量X,将所述变压器的振动信号特征参量作为随机变量Y,分别计算两次测量时所述振动影响因子变化量与所述振动信号特征参量变化量的互信息FCD,并根据互信息FCD的大小判断引起总振动变化原因,进行故障定位:
FCD=I(ΔX;ΔF) (10)
其中,公式(10)中,ΔX为所述振动影响因子变化量,包括电流变化量和电压变化量,ΔF为振动信号特征参量变化量,包括所述频率集中度指标DFC的变化量和所述振动平稳性VS的变化量,互信息FCD表示所述振动影响因子与所述振动信号特征参量之间的相关性,当变压器异常时,FCD越大,对应部位故障的可能性越大。
2.根据权利要求1所述的基于频率集中度和振动平稳性互信息的变压器诊断方法,其特征在于:
其中,所述步骤1中通过实时计算频率集中度指标DFC的值进行变压器状态评估的具体过程如下:
当所述变压器正常时,振动信号频率集中在100Hz,DFC值接近1,
当所述变压器内部结构异常时,振动信号中高频分量增大,频率变得分散,DFC值变小。
3.根据权利要求1所述的基于频率集中度和振动平稳性互信息的变压器诊断方法,其特征在于:
其中,所述步骤2中通过计算所述振动平稳性VS的值进行变压器状态评估的具体过程如下:
当所述变压器正常时,VS值接近1,
当所述变压器结构发生异常时,VS值减小。
4.根据权利要求1所述的基于频率集中度和振动平稳性互信息的变压器诊断方法,其特征在于:
其中,所述步骤3中根据所述互信息FCD的大小判断引起总振动变化原因,进行故障定位的具体过程如下:
所述变压器的总振动由绕组振动与铁芯振动共同构成,所述绕组振动与电流平方成正比,所述铁芯振动与电压平方成正比,
根据所述互信息FCD的大小,通过电流电压变化时的所述振动信号特征参量变化对故障位置进行定位,从而确定故障位置为绕组或铁芯,FCD越大,对应部位故障的可能性越大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110087533.8A CN112881839B (zh) | 2021-01-22 | 2021-01-22 | 基于频率集中度和振动平稳性互信息的变压器诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110087533.8A CN112881839B (zh) | 2021-01-22 | 2021-01-22 | 基于频率集中度和振动平稳性互信息的变压器诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112881839A true CN112881839A (zh) | 2021-06-01 |
CN112881839B CN112881839B (zh) | 2022-10-25 |
Family
ID=76050169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110087533.8A Active CN112881839B (zh) | 2021-01-22 | 2021-01-22 | 基于频率集中度和振动平稳性互信息的变压器诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112881839B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113567096A (zh) * | 2021-06-15 | 2021-10-29 | 南方电网科学研究院有限责任公司 | 换流变压器带线路空载加压工况运行状态评估方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102721897A (zh) * | 2012-06-13 | 2012-10-10 | 江苏省电力公司南京供电公司 | 电力变压器绕组匝间短路故障诊断方法及系统 |
CN105699839A (zh) * | 2016-01-28 | 2016-06-22 | 云南电网有限责任公司电力科学研究院 | 一种变压器绕组工作状态检测方法及系统 |
CN107101714A (zh) * | 2017-05-09 | 2017-08-29 | 华北电力大学(保定) | 一种基于多测点振动信号特征的变压器健康状况评估方法 |
CN108021945A (zh) * | 2017-12-07 | 2018-05-11 | 广东电网有限责任公司电力科学研究院 | 一种变压器状态评价模型建立方法及装置 |
CN109374119A (zh) * | 2018-09-29 | 2019-02-22 | 国网山西省电力公司阳泉供电公司 | 变压器振动信号特征量提取方法 |
CN111707897A (zh) * | 2020-06-30 | 2020-09-25 | 国网黑龙江省电力有限公司大庆供电公司 | 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 |
-
2021
- 2021-01-22 CN CN202110087533.8A patent/CN112881839B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102721897A (zh) * | 2012-06-13 | 2012-10-10 | 江苏省电力公司南京供电公司 | 电力变压器绕组匝间短路故障诊断方法及系统 |
CN105699839A (zh) * | 2016-01-28 | 2016-06-22 | 云南电网有限责任公司电力科学研究院 | 一种变压器绕组工作状态检测方法及系统 |
CN107101714A (zh) * | 2017-05-09 | 2017-08-29 | 华北电力大学(保定) | 一种基于多测点振动信号特征的变压器健康状况评估方法 |
CN108021945A (zh) * | 2017-12-07 | 2018-05-11 | 广东电网有限责任公司电力科学研究院 | 一种变压器状态评价模型建立方法及装置 |
CN109374119A (zh) * | 2018-09-29 | 2019-02-22 | 国网山西省电力公司阳泉供电公司 | 变压器振动信号特征量提取方法 |
CN111707897A (zh) * | 2020-06-30 | 2020-09-25 | 国网黑龙江省电力有限公司大庆供电公司 | 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 |
Non-Patent Citations (3)
Title |
---|
JIANYUAN XU ET AL.: "《Research on State Diagnosis Model of Transformer Winding Based on Multiple Physical Fields Coupling》", 《IEEE PEDS 2017》 * |
刘玉芝等: "基于振动特征的变压器的故障诊断", 《河北师范大学学报(自然科学版)》 * |
江友华 等: "《基于多源信息融合的变压器检测与评估技术》", 《上海电力大学学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113567096A (zh) * | 2021-06-15 | 2021-10-29 | 南方电网科学研究院有限责任公司 | 换流变压器带线路空载加压工况运行状态评估方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112881839B (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hong et al. | Transformer winding fault diagnosis using vibration image and deep learning | |
Abbasi et al. | Transformer winding faults detection based on time series analysis | |
US9404957B2 (en) | Fault diagnosis and preliminary location system and method for transformer core looseness | |
CN110221137B (zh) | 一种基于振声相关性的配电变压器异常状态检测方法 | |
Yang et al. | Fault identification for circuit breakers based on vibration measurements | |
CN112147444B (zh) | 一种电力变压器工作状态监测方法及系统 | |
CN110728257A (zh) | 基于振动灰度图像的变压器绕组故障监测方法 | |
CN114924157B (zh) | 一种基于5g传输的并联电抗器状态监测方法及系统 | |
CN110991481B (zh) | 一种基于交叉小波变换的高压并联电抗器内部松动故障诊断方法 | |
JP7041896B2 (ja) | 回転機の巻線絶縁劣化診断装置 | |
Hong et al. | Transformer condition monitoring based on load-varied vibration response and GRU neural networks | |
CN112881839B (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 | |
Refaat et al. | A review of partial discharge detection techniques in power transformers | |
CN109697437B (zh) | 一种基于电激励的绕组模态分析方法及其应用和验证方法 | |
Bjelić et al. | Fault detection in a power transformer based on reverberation time | |
CN105182116B (zh) | 一种基于加权梯度结构相似度的变压器绕组工作状态检测方法 | |
Shao et al. | Multi-signal Joint HVCB Fault Diagnosis Research Based on Adaptive Framing MFCC Feature Extraction Method | |
CN117571113A (zh) | 一种基于振动信号的变压器铁心松动故障诊断方法及系统 | |
Li et al. | Minor fault diagnosis of transformer winding using polar plot based on frequency response analysis | |
Wan et al. | Adaptive asymmetric real Laplace wavelet filtering and its application on rolling bearing early fault diagnosis | |
CN115828144A (zh) | 一种信号稀疏表示与融合检测方法、存储介质及电子装置 | |
CN115273895A (zh) | 一种基于小波时频熵和RUSboost的变压器运行状态监测方法和系统 | |
CN114878118A (zh) | 一种变压器声振信号融合检测方法及系统 | |
CN115183994A (zh) | 一种断路器机械故障的振动检测方法 | |
CN114371426A (zh) | 一种基于非负张量分解的变压器绕组机械状态检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |