CN112985676A - 基于变压器振动特征的紧固件松动的在线监测方法 - Google Patents
基于变压器振动特征的紧固件松动的在线监测方法 Download PDFInfo
- Publication number
- CN112985676A CN112985676A CN202110120128.1A CN202110120128A CN112985676A CN 112985676 A CN112985676 A CN 112985676A CN 202110120128 A CN202110120128 A CN 202110120128A CN 112985676 A CN112985676 A CN 112985676A
- Authority
- CN
- China
- Prior art keywords
- vibration
- transformer
- frequency band
- energy
- fastener
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
- G01L5/24—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for determining value of torque or twisting moment for tightening a nut or other member which is similarly stressed
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
基于变压器振动特征的紧固件松动的在线监测方法,包括步骤1:实验状态下采集不同预紧力下三相变压器空载合闸时绕组紧固件的振动信号;步骤2:利用小波包能量谱对步骤1采集的振动信号进行时频分析和能量谱分析,获取不同预紧力下三相变压器绕组紧固件振动的标准特征矢量;步骤3:运行状态下采集该三相变压器绕组紧固件的振动信号;步骤4:对步骤3采集的振动信号进行预处理,获得三相变压器绕组紧固件振动的振动特征矢量;步骤5,比较振动特征矢量与标准特征矢量,获取三相变压器绕组紧固件的预紧力,进行变压器绕组紧固件松动的在线监测。该方法是一种在线诊断方法,测量结果准确、可靠,无需将待检测变压器退出运行。
Description
技术领域
本发明涉及电力设备状态监测与检修领域,更具体地,涉及基于变压器振动特征的紧固件松动的在线监测方法。
背景技术
现代电力变压器的特点是单机容量趋大、电压等级越来越高,使得其内部电场和磁场强度增大,造成电力变压器的线圈、引线、分接开关等部件乃至变压器器身均存在着电气、耐热和机械等性能方面的问题。另外,电力变压器在运输、安装的过程中也可能会遭受到机械碰撞。在上述因素的影响下,电力变压器的铁心和绕组可能会发生松动。由于铁心和绕组夹紧力的减小,电力变压器抗短路能力显著降低,有可能诱发严重的事故。通常,对变压器进行基本维修的重要目的就是压紧线圈和铁心。因此在决定是否对大型电力变压器进行维修时,非常有必要预测绕组和铁心的压紧状况。
现有技术中,诊断绕组松动程度的方法都是离线方法,变压器必须要退出运行才能进行诊断,而且由于变压器的自振频率范围很宽,对不同大小、容量的变压器判断绕组压紧状况的标准不同,如果残留磁通很小,结果将会变得不准确、不稳定。变压器绕组松动本质上是预紧力的变小,且振动信号的变化是绕组松动的反映,振动法在线监测变压器绕组松动具有较好的灵敏度,且简单、方便。电流产生的电动力会使绕组产生振动,且电动力的大小正比于电流的平方,更大的电流有利于振动特征的监测与提取,即有利于准确地发现更轻微松动的情况。而变压器空载合闸时,会产生很大的励磁涌流,在极其严重的情况下,其励磁涌流的暂态值可达到稳态空载电流的几百倍,虽然存在的时间很短,但是数值很大。这样使得振动信号特征相对于稳态时更加明显,因此,空载合闸振动信号更加有利于从振动信号中提取判断变压器绕组松动缺陷的振动特征量和对其进行状态分析的特征参数,从而判断变压器的正常或者故障状态。
发明内容
为解决现有技术中存在的不足,本发明的目的在于,提供基于变压器振动特征的紧固件松动的在线监测方法,从变压器空载合闸振动信号中提取判断变压器绕组松动缺陷的振动特征量并对其进行状态分析,从而判断变压器绕组状态,避免将变压器退出运行进行离线诊断,提升测量结果的准确性和稳定性。
本发明采用如下的技术方案。
基于变压器振动特征的紧固件松动的在线监测方法的步骤如下:
步骤1,实验状态下,采集在不同预紧力下三相变压器空载合闸时绕组紧固件的振动信号;
步骤2,利用小波包能量谱分析技术,对步骤1采集的振动信号进行时频分析和能量谱分析,获取在不同预紧力下三相变压器绕组紧固件振动的标准特征矢量TN;
步骤3,运行状态下,采集该三相变压器绕组紧固件的振动信号;
步骤4,对步骤3采集的振动信号进行预处理,获得三相变压器绕组紧固件振动的振动特征矢量TX;
步骤5,比较振动特征矢量TX与标准特征矢量TN,获取三相变压器绕组紧固件的预紧力,进行变压器绕组紧固件松动的在线监测。
优选地,
步骤1包括:
步骤1.1,在变压器油箱顶面不同位置安装振动传感器和采集仪,用于采集振动信号;
步骤1.2,实验状态下,将三相变压器紧固件的预紧力从100%调到50%,每减少10%预紧力时采集变压器空载合闸产生的振动信号。
优选地,
振动信号包括:振动的频率和振动的能量。
优选地,
步骤2包括:
步骤2.1,对振动信号进行小波包分解,以获取各频带分布;
步骤2.2,计算振动信号分布在各频带中的能量;
步骤2.3,以步骤2.2得到的各频带能量占总能量的百分比构造标准特征矢量。
优选地,
在步骤2.1中,振动信号采样频率是10kHz,采用db3小波函数,以0~5000Hz的原始信号进行3层小波包分解,获得频带分布,其中第三层的频带节点表示为W3i,i=0,1,…,7。
在步骤2.2中,以如下关系式计算振动信号分布在各频带中的能量:
式中,
E3i表示频带节点W3i对应的能量,
X3i(k)表示小波包重构信号各离散点的幅值,其中k=1,2,…,N,N为采样点数。
在步骤2.3中,以步骤2.2得到的各频带能量占总能量的百分比构造标准特征矢量,满足如下关系式:
TN=(C30,C31,C32,···,C37) (2)
式中,
TN表示在不同预紧力下三相变压器绕组紧固件振动的标准特征矢量,
C3i表示以步骤2.2得到的各频带能量E3i占总能量EN的百分比。
优选地,
步骤4包括:
步骤4.1,将三相变压器正常运行时的振动信号经快速傅里叶变换转化为频域信号H(f)后,结合绕组变形故障后各频带的变化规律,分布在各频带中的能量满足如下关系式:
式中,
Ef表示分布某频带中的能量,
Xm表示频域信号H(f)的某频带内各离散点的幅值,其中,m=1,2,…,n,n表示离散点总数;
步骤4.2,运行状态下,以步骤4.1得到的各频带能量占总能量的百分比构造振动特征矢量,满足如下关系式:
TX=[C1,C2,C3,…,C7] (4)
式中,
TX表示三相变压器绕组紧固件振动的振动特征矢量,
Ci表示以步骤4.1得到的各频带能量Ei占总能量EX的百分比。
优选地,
步骤5包括:
步骤5.1,比较振动特征矢量TX与标准特征矢量TN,使用闵可夫斯基距离方法计算两个特征矢量的相似度,确定与变压器运行状态下的振动特征矢量TX相似度最大的标准特征矢量TN;
步骤5.2,步骤5.1所确定的标准特征矢量TN对应的三相变压器绕组紧固件的预紧力,即为在当前运行状态下变压器绕组紧固件的松动情况。
优选地,
按照变压器轴向振动方向以及三相绕组位置,在变压器油箱顶面布置三组振动传感器,每组振动传感器到对应绕组的距离一致。
本发明的有益效果在于,与现有技术相比:空载合闸操作下变压器表面的振动信号特征相对于稳态时更加明显,有利于从振动信号中提取判断变压器绕组松动缺陷的振动特征量和对其进行状态分析的特征参数,从而判断变压器的正常或者故障状态,测量结果准确、可靠,并且该方法是一种在线诊断方法,无需将待检测变压器退出运行。
附图说明
图1为本发明基于变压器振动特征的紧固件松动的在线监测方法的流程图;
图2为本发明基于变压器振动特征的紧固件松动的在线监测方法中变压器振动信号采集传感器安装位置示意图;
图3为本发明基于变压器振动特征的紧固件松动的在线监测方法中小波包分解各频段频带分布示意图;
图4为本发明基于变压器振动特征的紧固件松动的在线监测方法中判断运行状态的变压器绕组松动情况的流程图。
具体实施方式
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本申请的保护范围。
变压器表面的振动主要来源于铁芯和绕组的振动。电力变压器稳定运行时,硅钢片的磁致伸缩引起了铁芯振动,由电流通过绕组时在绕组间、线饼间、线匝间产生的电动力引起绕组振动。变压器运行时,其加载电压、负载电流以及油温等运行状态量,均会对变压器油箱表面的振动信号产生影响,将会给振动信号的采集带来误差,影响故障诊断的结果。因此,在分析振动信号前对其作适当的折算尤为重要。
绕组的振动是在漏感影响下,由线圈中电流相互作用产生电动力引起的,故负载电流发生变化时,绕组受到的电动力也产生变化,根据毕奥-萨伐尔定律,变压器绕组在磁场中所受的电动力与电流的平方成正比,满足如下关系式:
FW∝i2
式中,
FW为绕组中通入负载电流引起的电动力;
i为负载电流。
因此,判断绕组状况时必须考虑负载电流的影响。
更大的电流有利于振动特征的监测与提取,有利于准确发现更轻微松动的情况。
变压器空载合闸时,会产生很大的励磁涌流,在极其严重的情况下,其励磁涌流的暂态值可达到稳态空载电流的几百倍,虽然存在的时间很短,但是数值很大。这样使得振动信号特征相对于稳态时更加明显,因此,空载合闸振动信号更加有利于从振动信号中提取判断变压器绕组松动缺陷的振动特征量和对其进行状态分析的特征参数,从而判断变压器的正常或者故障状态。
如图1,基于变压器振动特征的紧固件松动的在线监测方法的步骤如下:
步骤1,实验状态下,采集在不同预紧力下三相变压器空载合闸时绕组紧固件的振动信号。
具体地,
步骤1包括:
步骤1.1,在变压器油箱顶面不同位置安装振动传感器和采集仪,用于采集振动信号。
振动信号包括:振动的频率和振动的能量。
本优选实施例中,振动传感器安装的位置设置在油箱顶面,如图2所示,其中A相高低压绕组传感器安装在位置1处、B相高低压绕组传感器安装在位置2处、C相高低压绕组传感器安装在位置3处。由变压器绕组振动的传播路径可知,绕组线圈的内部结构及受力方向在距离油箱顶面1/2高度处,及油箱正面中部的径向振动传递路径最短、幅值最高,所以将其作为振动信号的采集位置。
步骤1.2,实验状态下,将三相变压器紧固件的预紧力从100%调到50%,每减少10%预紧力时采集变压器空载合闸产生的振动信号。
值得注意的是,本发明优选实施例中以预紧力从100%调到50%作为预紧力的调整范围、以每减少10%预紧力的时刻作为采集振动信号的时刻,是一种非限制性的较优选择,所属领域技术人员可以根据变压器型号和实际应用需求选择不同的预紧力调整范围以及振动信号采集时刻。
步骤2,利用小波包能量谱分析技术,对步骤1采集的振动信号进行时频分析和能量谱分析,获取在不同预紧力下三相变压器绕组紧固件振动的标准特征矢量TN。
变压器空载合闸时,绕组受力冲击和运动变形将引发综合响应,变压器油箱壁的振动信号是典型的非平稳瞬变信号。小波包可以将非平稳的振动信号在不同尺度下划分到任意细致的频带内,其对高频部分具有更精细的分辨力,更适用于振动信号的时频分析和能量谱分析。
具体地,
步骤2包括:
步骤2.1,对振动信号进行小波包分解,以获取各频带分布。
在步骤2.1中,振动信号采样频率是10kHz,采用db3小波函数,以0~5000Hz的原始信号进行3层小波包分解,获得频带分布,如图3,其中第三层的频带节点表示为W3i,i=0,1,…,7。
运用小波包分解时,若小波包分解的层数少,则分析速度快,但是频带的特征值变化不明显,且频率分辨率低;若小波包分解的层数多,会出现更多频带的特征值发生明显的变化,则分析的速度慢,但频率分辨率高。因此,兼顾两者的关系并考虑所分析信号的时变和频变特性,本优选实施例中,采用db3小波函数进行3层小波包分解的结果,作为判断变压器空载合闸有效而且简便的方法。
值得注意的是,所属领域技术人员可以根据频率分辨率要求以及分析速度要求选择不同层数的小波包分解,本发明优选实施例中,采用db3小波函数进行3层小波包分解,是一种非限制性的较优选择。
根据图3,0~5000Hz的原始信号对应频带节点为W00;第一层小波包分解结果包括:0~2500Hz的频带节点W10和2500~5000Hz的频带节点W11;第二层小波包分解结果包括:0~1250Hz的频带节点W20、1250~2500Hz的频带节点W21、3750~5000Hz的频带节点W22和2500~3750Hz的频带节点W23;第三层小波包分解结果包括:0~625Hz的频带节点W30、625~1250Hz的频带节点W31、1875~2500Hz的频带节点W32、1250~1875Hz的频带节点W33、4375~5000Hz的频带节点W34、3750~4375Hz的频带节点W35、2500~3125Hz的频带节点W36、3125~3750Hz的频带节点W37。
步骤2.2,计算振动信号分布在各频带中的能量。
在步骤2.2中,以如下关系式计算振动信号分布在各频带中的能量:
式中,
E3i表示频带节点W3i对应的能量,
X3i(k)表示小波包重构信号各离散点的幅值,其中k=1,2,…,N,N为采样点数。
步骤2.3,以步骤2.2得到的各频带能量占总能量的百分比构造标准特征矢量。
在步骤2.3中,以步骤2.2得到的各频带能量占总能量的百分比构造标准特征矢量,满足如下关系式:
TN=(C30,C31,C32,···,C37) (2)
式中,
TN表示在不同预紧力下三相变压器绕组紧固件振动的标准特征矢量,
C3i表示以步骤2.2得到的各频带能量E3i占总能量EN的百分比。
变压器发生绕组松动故障时,其振动信号各频率成分的抑制或增强作用,使得振动信号的某些频率成分可能衰减,而另一些频率成分可能增强。因此,与正常的振动信号相比,相同频带内信号的能量会有较大的差别,某些频带内信号能量减小,而另外一些频带内信号能量增大,因此,以能量为元素构造特征矢量。
步骤3,运行状态下,采集该三相变压器绕组紧固件的振动信号。
步骤4,对步骤3采集的振动信号进行预处理,获得三相变压器绕组紧固件振动的振动特征矢量TX。
具体地,
步骤4包括:
步骤4.1,将三相变压器正常运行时的振动信号经快速傅里叶变换转化为频域信号H(f)后,结合绕组变形故障后各频带的变化规律,分布在各频带中的能量满足如下关系式:
式中,
Ef表示分布某频带中的能量,
Xm表示频域信号H(f)的某频带内各离散点的幅值,其中,m=1,2,…,n,n表示离散点总数;
步骤4.2,运行状态下,以步骤4.1得到的各频带能量占总能量的百分比构造振动特征矢量,满足如下关系式:
TX=[C1,C2,C3,…,C7] (4)
式中,
TX表示三相变压器绕组紧固件振动的振动特征矢量,
Ci表示以步骤4.1得到的各频带能量Ei占总能量EX的百分比。
步骤5,比较振动特征矢量TX与标准特征矢量TN,获取三相变压器绕组紧固件的预紧力,进行变压器绕组紧固件松动的在线监测。
具体地,
如图4,步骤5包括:
步骤5.1,比较振动特征矢量TX与标准特征矢量TN,使用闵可夫斯基距离方法计算两个特征矢量的相似度,确定与变压器运行状态下的振动特征矢量TX相似度最大的标准特征矢量TN;
本优选实施例中,振动特征矢量TX与标准特征矢量TN的相似度,满足如下关系式:
式中,
dij表示振动特征矢量TX与标准特征矢量TN之间的距离;
q表示阶数,通常取值q=1,2或者+∞;
h表示振动特征矢量TX与标准特征矢量TN的指标数,其中h=1,2,…,p。
值得注意的是,所属领域技术人员可以根据实际应用需要确定q的不同取值,因此用于计算振动特征矢量TX与标准特征矢量TN的相似度的算法包括但不限于:曼哈顿距离方法、欧式距离方法和切比雪夫距离方法。本发明优选实施例中采用闵可夫斯基距离方法是一种非限制性的较优选择。
步骤5.2,步骤5.1所确定的标准特征矢量TN对应的三相变压器绕组紧固件的预紧力,即为在当前运行状态下变压器绕组紧固件的松动情况。
当高、低压绕组之一出现变形后,原频率处幅值出现变化。变压器表面的振动与变压器绕组的压紧状况、位移及变形密切相关,其变化将引起作为标准特征矢量的正常状态变压器振动特征矢量的变化。一旦变压器发生故障,将振动特征矢量TX与标准特征矢量TN进行比较就可迅速判断紧固件松动情况。
具体地,
按照变压器轴向振动方向以及三相绕组位置,在变压器油箱顶面布置三组振动传感器,每组振动传感器到对应绕组的距离一致。
考虑到采集变压器振动信号的全面性及准确反映变压器振源信息,按照变压器轴向振动方向,设置变压器油箱顶面为振动信号的监测位置。由于绕组线圈振动距离油箱侧面的径向传递路径较远,且三相绕组到油箱侧面的距离不一致,且受噪声影响较大,频率特性保留不完整,故不在此面设置监测点。
本发明的有益效果在于,与现有技术相比:空载合闸操作下变压器表面的振动信号特征相对于稳态时更加明显,有利于从振动信号中提取判断变压器绕组松动缺陷的振动特征量和对其进行状态分析的特征参数,从而判断变压器的正常或者故障状态,测量结果准确、可靠,并且该方法是一种在线诊断方法,无需将待检测变压器退出运行。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述,但是本领域技术人员应该理解,以上实施示例仅为本发明的优选实施方案,详尽的说明只是为了帮助读者更好地理解本发明精神,而并非对本发明保护范围的限制,相反,任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。
Claims (10)
1.基于变压器振动特征的紧固件松动的在线监测方法,其特征在于,
所述在线监测方法的步骤如下:
步骤1,实验状态下,采集在不同预紧力下三相变压器空载合闸时绕组紧固件的振动信号;
步骤2,利用小波包能量谱分析技术,对步骤1采集的振动信号进行时频分析和能量谱分析,获取在不同预紧力下三相变压器绕组紧固件振动的标准特征矢量TN;
步骤3,运行状态下,采集该三相变压器绕组紧固件的振动信号;
步骤4,对步骤3采集的振动信号进行预处理,获得三相变压器绕组紧固件振动的振动特征矢量TX;
步骤5,比较振动特征矢量TX与标准特征矢量TN,获取三相变压器绕组紧固件的预紧力,进行变压器绕组紧固件松动的在线监测。
2.根据权利要求1所述的基于变压器振动特征的紧固件松动的在线监测方法,其特征在于,
步骤1包括:
步骤1.1,在变压器油箱顶面不同位置安装振动传感器和采集仪,用于采集振动信号;
步骤1.2,实验状态下,将三相变压器紧固件的预紧力从100%调到50%,每减少10%预紧力时采集变压器空载合闸产生的振动信号。
3.根据权利要求1或2所述的基于变压器振动特征的紧固件松动的在线监测方法,其特征在于,
所述振动信号包括:振动的频率和振动的能量。
4.根据权利要求1或2所述的基于变压器振动特征的紧固件松动的在线监测方法,其特征在于,
步骤2包括:
步骤2.1,对振动信号进行小波包分解,以获取各频带分布;
步骤2.2,计算振动信号分布在各频带中的能量;
步骤2.3,以步骤2.2得到的各频带能量占总能量的百分比构造标准特征矢量。
5.根据权利要求4所述的基于变压器振动特征的紧固件松动的在线监测方法,其特征在于,
在步骤2.1中,振动信号采样频率是10kHz,采用db3小波函数,以0~5000Hz的原始信号进行3层小波包分解,获得频带分布,其中第三层的频带节点表示为W3i,i=0,1,...,7。
7.根据权利要求6所述的基于变压器振动特征的紧固件松动的在线监测方法,其特征在于,
在步骤2.3中,以步骤2.2得到的各频带能量占总能量的百分比构造标准特征矢量,满足如下关系式:
TN=(C30,C31,C32,…,C37) (2)
式中,
TN表示在不同预紧力下三相变压器绕组紧固件振动的标准特征矢量,
C3i表示以步骤2.2得到的各频带能量E3i占总能量EN的百分比。
8.根据权利要求1所述的基于变压器振动特征的紧固件松动的在线监测方法,其特征在于,
步骤4包括:
步骤4.1,将三相变压器正常运行时的振动信号经快速傅里叶变换转化为频域信号H(f)后,结合绕组变形故障后各频带的变化规律,分布在各频带中的能量满足如下关系式:
式中,
Ef表示分布某频带中的能量,
Xm表示频域信号H(f)的某频带内各离散点的幅值,其中,m=1,2,…,n,n表示离散点总数;
步骤4.2,运行状态下,以步骤4.1得到的各频带能量占总能量的百分比构造振动特征矢量,满足如下关系式:
TX=[C1,C2,C3,...,C7] (4)
式中,
TX表示三相变压器绕组紧固件振动的振动特征矢量,
Ci表示以步骤4.1得到的各频带能量Ei占总能量EX的百分比。
9.根据权利要求1所述的基于变压器振动特征的紧固件松动的在线监测方法,其特征在于,
步骤5包括:
步骤5.1,比较振动特征矢量TX与标准特征矢量TN,使用闵可夫斯基距离方法计算两个特征矢量的相似度,确定与变压器运行状态下的振动特征矢量TX相似度最大的标准特征矢量TN;
步骤5.2,步骤5.1所确定的标准特征矢量TN对应的三相变压器绕组紧固件的预紧力,即为在当前运行状态下变压器绕组紧固件的松动情况。
10.根据权利要求1或2所述的基于变压器振动特征的紧固件松动状态的在线监测方法,其特征在于,
按照变压器轴向振动方向以及三相绕组位置,在变压器油箱顶面布置三组振动传感器,每组振动传感器到对应绕组的距离一致。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110120128.1A CN112985676B (zh) | 2021-01-28 | 2021-01-28 | 基于变压器振动特征的紧固件松动的在线监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110120128.1A CN112985676B (zh) | 2021-01-28 | 2021-01-28 | 基于变压器振动特征的紧固件松动的在线监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112985676A true CN112985676A (zh) | 2021-06-18 |
CN112985676B CN112985676B (zh) | 2022-11-04 |
Family
ID=76345703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110120128.1A Active CN112985676B (zh) | 2021-01-28 | 2021-01-28 | 基于变压器振动特征的紧固件松动的在线监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112985676B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113532535A (zh) * | 2021-07-21 | 2021-10-22 | 国网江苏省电力有限公司宜兴市供电分公司 | 一种电力变压器绕组状态判断方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105137247A (zh) * | 2015-09-21 | 2015-12-09 | 江苏省电力公司南京供电公司 | 变压器绕组状态监测辅助装置 |
CN105181120A (zh) * | 2015-09-02 | 2015-12-23 | 江苏省电力公司南京供电公司 | 一种高灵敏度的变压器绕组松动判定方法 |
CN105203915A (zh) * | 2015-08-26 | 2015-12-30 | 江苏省电力公司南京供电公司 | 一种电力变压器绕组松动缺陷诊断系统和诊断方法 |
CN106468751A (zh) * | 2016-09-29 | 2017-03-01 | 河海大学 | 一种基于模糊自适应共振神经网络的变压器绕组状态识别方法 |
CN108919041A (zh) * | 2018-05-15 | 2018-11-30 | 贵州电网有限责任公司 | 一种基于聚类分析的变压器绕组状态在线监测方法 |
-
2021
- 2021-01-28 CN CN202110120128.1A patent/CN112985676B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105203915A (zh) * | 2015-08-26 | 2015-12-30 | 江苏省电力公司南京供电公司 | 一种电力变压器绕组松动缺陷诊断系统和诊断方法 |
CN105181120A (zh) * | 2015-09-02 | 2015-12-23 | 江苏省电力公司南京供电公司 | 一种高灵敏度的变压器绕组松动判定方法 |
CN105137247A (zh) * | 2015-09-21 | 2015-12-09 | 江苏省电力公司南京供电公司 | 变压器绕组状态监测辅助装置 |
CN106468751A (zh) * | 2016-09-29 | 2017-03-01 | 河海大学 | 一种基于模糊自适应共振神经网络的变压器绕组状态识别方法 |
CN108919041A (zh) * | 2018-05-15 | 2018-11-30 | 贵州电网有限责任公司 | 一种基于聚类分析的变压器绕组状态在线监测方法 |
Non-Patent Citations (1)
Title |
---|
王涛云 等: "基于空载合闸振动信号的变压器绕组松动诊断", 《中国电力》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113532535A (zh) * | 2021-07-21 | 2021-10-22 | 国网江苏省电力有限公司宜兴市供电分公司 | 一种电力变压器绕组状态判断方法 |
CN113532535B (zh) * | 2021-07-21 | 2024-03-15 | 国网江苏省电力有限公司宜兴市供电分公司 | 一种电力变压器绕组状态判断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112985676B (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | A study of the sweep frequency impedance method and its application in the detection of internal winding short circuit faults in power transformers | |
US9404957B2 (en) | Fault diagnosis and preliminary location system and method for transformer core looseness | |
Abbasi et al. | Transformer winding faults detection based on time series analysis | |
EP0769150A1 (en) | Monitoring of internal partial discharges on a power transformer | |
CN109991508B (zh) | 一种基于动态非线性特征序列的变压器绕组状态诊断方法 | |
CN112180299A (zh) | 一种10kV配电变压器匝间短路故障在线监测方法 | |
CN110456299B (zh) | 一种电流互感器二次绕组匝间短路故障在线检测方法 | |
Bhowmick et al. | Online detection of an interturn winding fault in single-phase distribution transformers using a terminal measurement-based modeling technique | |
Cabanas et al. | Insulation fault diagnosis in high voltage power transformers by means of leakage flux analysis | |
CN112985676B (zh) | 基于变压器振动特征的紧固件松动的在线监测方法 | |
Hong et al. | Transformer condition monitoring based on load-varied vibration response and GRU neural networks | |
CN111307084A (zh) | 一种基于振动的电力变压器绕组变形故障诊断新方法 | |
CN113483831B (zh) | 基于多维变量测量与多维信息诊断的变压器状态辨识方法 | |
CN114509649A (zh) | 一种线圈类设备匝间绝缘缺陷诊断方法及系统 | |
CN112595941B (zh) | 一种换流变压器绕组层间绝缘监测方法及系统 | |
Nafar et al. | Transformer monitoring by using vibration analysis | |
Freiburg et al. | Capacitive voltage transformers-electrical performance and effective diagnostic measures | |
CN109615557B (zh) | 变电设备检修管理系统 | |
Wang et al. | Experimental research of vibration sweep frequency response analysis to detect the winding deformation of power transformer | |
Liu et al. | Dry-type AMDT fault detection based on vibration signal analysis by wavelet packet | |
CN110658398B (zh) | 一种基于功率因数角修正的变压器振动基频信号分离方法 | |
Stone et al. | Advances in interpreting partial discharge test results from motor and generator stator windings | |
CN112305466A (zh) | 基于光纤磁场传感器和漏感的变压器绕组变形检测方法 | |
CN105957696A (zh) | 抗直流测量用电流互感器及制备方法 | |
Zhang et al. | Transformer Winding Looseness Diagnosis Based on No-load Switching-on Vibration Signal |
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 |