CN112986870A - 基于振动法的分布式电力变压器绕组状态监测方法及系统 - Google Patents
基于振动法的分布式电力变压器绕组状态监测方法及系统 Download PDFInfo
- Publication number
- CN112986870A CN112986870A CN202110104283.4A CN202110104283A CN112986870A CN 112986870 A CN112986870 A CN 112986870A CN 202110104283 A CN202110104283 A CN 202110104283A CN 112986870 A CN112986870 A CN 112986870A
- Authority
- CN
- China
- Prior art keywords
- vibration
- transformer
- signal
- current
- amplitude
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/72—Testing of electric windings
-
- 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
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/62—Testing of transformers
Abstract
基于振动法的分布式电力变压器绕组状态监测方法及系统,采用分布式架构在变压器旁安装振动采集单元获取振动信号,模数转换后通过光纤发送至上位机;变压器二次端子处安装电流电压采集装置获取电流信号与电压信号,同样模数转换后经光纤发送至上位机,上位机向振动采集单元和电流电压采集单元发送时钟同步命令,并通过内置算法模型对采集到的信息进行处理与分析,判断绕组健康状态。通过这种方式采集和传输信号能够有效避免以电信号直接传输造成的幅值衰减和电磁干扰的问题,同时也保证了异地信号采样的同步性。系统耦合度低,可扩展性较强,能够应用于变电站、试验间等多种不同场合。
Description
技术领域
本发明属于电力变压器故障诊断技术领域,更具体地,涉及基于振动法的分布式电力变压器绕组状态监测方法及系统。
背景技术
振动法是一种通过采集变压器箱壁振动信息来判断内部绕组健康状态的方法,具有检测效率高、检测精度高等特点。
现有技术中,变压器振动采用一体式振动采集装置,主要使用市面上已有的高集成度信号采集板卡,通过振动传感器直接获取变压器箱壁振动信号值。在变电站内实际测量时,由于振动信号较为微弱,传感器采集的振动信号经长距离传输后到采集装置中会产生一定幅度的衰减,加之变电站内电磁污染较为严重,信号传输过程中易受到外界电磁干扰的影响,导致采集到的振动信号失真。此外,采集装置的速度与精度还受到板卡本身性能的制约,对于变压器异常运行状态时产生的高频振动分量会因精度不足而发生采样遗漏等问题。同时,电流和电压的变化是引起变压器振动的直接原因,但电压和电流信号的采集一般位于变电站内二次端子处,与变压器本体异地分布,因此传统的一体式振动采集装置在空间及功能上无法满足同时获取变压器振动信号及电压和电流信号的要求,若采用变电站内其他设备的电气录波信号,则存在与振动信号不同步的问题,影响振动信号的分析。
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,提供基于振动法的分布式电力变压器绕组状态监测方法及系统,实现变压器振动信号以及各相电流电压异地信号源的同步采样,通过内置算法对采样信号进行解析,利用故障诊断模型判断变压器绕组健康状态。
本发明采用如下的技术方案。
基于振动法的分布式电力变压器绕组状态监测方法的步骤如下:
步骤1,在当前采样周期下,同步采集变压器的振动模拟信号、电压模拟信号和电流模拟信号;
步骤2,将所采集的模拟信号进行模数转换为数字信号;
步骤3,基于振动数字信号,利用Hilbert边际谱能量熵法得到变压器振动信号的动态特征向量;
步骤4,将变压器振动信号的动态特征向量输入到支持向量机网络中,利用烟花算法优化支持向量机的参数,对振动信号按振动频率进行分类;
步骤5,根据不同振动频率下的振动信号,利用故障诊断算法判断变压器绕组状态。
优选地,
在步骤1中,振动模拟信号是变压器油箱壁不同位置处的振动振幅模拟信号和振动加速度模拟信号;电压模拟信号和电流模拟信号是变压器二次端子处的电压模拟信号和电流模拟信号。
优选地,
步骤3包括:
步骤3.1,将振动数字信号分解为K层有限带宽的瞬时频率的乘积函数,对每层乘积函数分量进行Hilbert变换,满足如下关系式:
式中,
vj表示振动数字信号第j层乘积函数分量,
步骤3.2,利用振动数字信号第j层乘积函数分量及其Hilbert变换,构造解析函数,满足如下关系式:
式中,
k表示构造系数;
步骤3.3,利用瞬时相位确定瞬时频率,满足如下关系式:
式中,
fj(t)表示瞬时频率;
步骤3.4,利用Hilbert谱构造振动信号的幅值随时间和频率的变化模型,满足如下关系式:
式中,
Re表示取实部;
步骤3.5,利用Hilbert边际谱构造振动信号的幅值在整个频率段上随频率变化的模型,满足如下关系式:
式中,
T表示振动信号的总长度;
步骤3.6,以如下关系式计算Hilbert边际谱能量值:
式中,
f1、f2分别表示Hilbert边际谱的频率下限和上限;
步骤3.7,将Hilbert边际谱能量值进行归一化,按照信息熵的基本原理定义Hilbert边际谱能量熵,满足如下关系式:
Hj=-εjlogεj
式中,
Hj表示第j层乘积函数分量的Hilbert边际谱能量熵,
εj表示第j层乘积函数分量的能量归一化值;
经过步骤3.7得到的K层PF分量的Hilbert边际谱能量熵,构成变压器振动信号的动态特征向量,包括振动振幅在频率轴上的分布特征数据、振动加速度在频率轴上的分布特征数据。
优选地,
步骤4包括:
步骤4.1,输入变压器振动信号的动态特征向量数据集,并将该数据集划分为训练集和测试集;设定优化目标为支持向量机分类准确度高;
步骤4.2,在解空间设置初始烟花个数N即惩罚函数核参数,和最大迭代次数Tmax;
步骤4.3,以K折交叉验证法识别率作为每一个烟花的自适应度值,以此确定烟花爆炸的质量;
步骤4.4,分别计算每个烟花爆炸产生的火花数目和爆炸半径;
步骤4.5,为了保证爆炸火花种群的多样性,在每次迭代时,在可行解中的烟花随机选择m个维度进行高斯变异;
式中,
e~N(1,1)是正态分布;
步骤4.6,将每个变压器振动信号的动态特征向量对应的支持向量机参数代入支持向量机分类器,通过训练集进行训练,并利用测试集计算训练后的支持向量机分类器的分类准确度,根据分类准确度计算个体适应度值;
步骤4.7,对整个空间烟花选择保留自适应度值最小的个体,然后利用轮盘赌的策略选择其他个体,其概率p(xi)满足如下关系式:
其中,‖xi-xj‖表示两个烟花个体之间的欧氏距离;
步骤4.8,判断是否满足结束条件:若满足,则寻优结束,返回当前的最优支持向量机参数和对振动信号按振动频率的分类结果,即振动振幅和振动加速度按振动频率分类;否则,就转至步骤4.4继续迭代。
优选地,
步骤5包括:
步骤5.1,采集不同振动频率下的振动振幅、振动加速度,以及变压器的电压和电流;
步骤5.2,当发生50Hz频率的变压器振动时,同时存在短路故障,则利用电压数字信号和电流数字信号校准振动加速度,当校准后振动加速度稳定保持大于1G时,诊断变压器绕组结构受损;
否则,诊断变压器绕组结构未受损,进一步判断振幅幅值的增长方向:若幅值轴向增长,则诊断变压器绕组结构受损;若幅值辐向增长,则诊断变压器铁芯故障;
步骤5.3,当发生100Hz频率的变压器振动时,若振动加速度大于变压器正常运行时振动加速度峰值,则诊断变压器存在内部故障,进一步利用电压数字信号和电流数字信号校准后的振动加速度进行比较,当校准后振动加速度小于1G时,诊断变压器内部绝缘故障;若校准后振动加速度大于1G时,进一步判断振幅幅值的增长方向:若幅值轴向增长,则诊断变压器绕组故障结构受损;若幅值辐向增长,则诊断变压器铁芯故障;
步骤5.4,当发生200Hz及以上的高频变压器振动时,首先判断振动振幅的增量:当振动振幅的增量大于10%,则利用电压数字信号和电流数字信号校准振动加速度,当校准后振动加速度小于1G时,诊断变压器内部绝缘故障,若校准后振动加速度大于1G时,进一步判断振幅幅值的增长方向:若幅值轴向增长,则诊断变压器绕组故障结构受损;若幅值辐向增长,则诊断变压器铁芯故障;当振动振幅的增量大于10%但增量并未持续,则诊断变压器内部绝缘故障、但内部结构未受损;当振动振幅的增量小于10%,且该振动未发生,则诊断变压器绕组无故障。
基于振动法的分布式电力变压器绕组状态监测系统采用分布式架构,包括:信号采集子系统、信息处理子系统、故障诊断子系统、工作存储器和结果输出模块;
信号采集子系统包括振动传感器采集单元、电压电流采集单元、模数转换单元、光纤;振动传感器采集单元和电压电流采集单元,在当前采样周期下,同步采集变压器振动模拟信号、电压模拟信号和电流模拟信号;模数转换单元用于将所采集的模拟信号转换为数字信号;数字信号经由光纤传输给信息处理子系统;故障诊断子系统包括处理器和计算机,搭载故障诊断软件平台;
信息处理子系统,利用多种数值算法对各类数字信号进行预处理,随后储存到工作存储器中,供故障诊断子系统调用;
故障诊断子系统,利用故障诊断算法诊断变压器绕组正常状态和绕组故障状态,并将诊断结果通过输出模块输出;当变压器绕组发生故障,将诊断结果储存在工作存储器中;
工作存储器,用于储存信息采集、信息处理及故障诊断过程中产生的所有数据;
结果输出模块,利用显示器输出诊断结果。
优选地,
振动传感器采集单元包括多个安装在变压器油箱箱壁外部的振动传感器;电压电流采集单元包括安装在变压器二次端子箱的电压传感器和电流传感器。
模数转换单元包括数据采集卡,用于将振动传感器采集单元输出的模拟信号转换为数字信号。
故障诊断软件平台是在虚拟仪器基础上的LabVIEW软件平台,包括数据的采集、导入、处理、存储、分析以及显示。
基于故障诊断软件平台的结果输出模块包括:实时状态数值监控模块、信号波形显示模块、频谱分析模块、报警阈值设置模块以及历史数据查询模块;
各子模块在同一个显示器界面内切换显示。
本发明的有益效果在于,与现有技术相比,能够有效避免以电信号直接传输造成的幅值衰减和电磁干扰的问题,同时也保证了异地信号采样的同步性。系统耦合度低,可扩展性较强,能够应用于变电站、试验间等多种不同场合。
附图说明
图1为本发明分布式电力变压器绕组状态监测方法的流程图;
图2为本发明分布式电力变压器绕组状态监测方法的故障诊断算法流程图;
图3为本发明分布式电力变压器绕组状态监测系统的结构图;
图4为本发明分布式电力变压器绕组状态监测系统的主界面图。
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。
如图1,基于振动法的分布式电力变压器绕组状态监测方法的步骤如下:
步骤1,在当前采样周期下,同步采集变压器的振动模拟信号、电压模拟信号和电流模拟信号。
具体地,
在步骤1中,振动模拟信号是变压器油箱壁不同位置处的振动振幅模拟信号和振动加速度模拟信号;电压模拟信号和电流模拟信号是变压器二次端子处的电压模拟信号和电流模拟信号。振动信号受多种因素影响,变压器箱壁不同位置处振动情况也不同,所以对变压器振动信号采用多路采样方式,而且变压器振动信号以及各相电流电压信号是异地信号源,需要对这些异地信号源进行同步采样。
步骤2,将所采集的模拟信号进行模数转换为数字信号。
步骤3,基于振动数字信号,利用Hilbert边际谱能量熵法得到变压器振动信号的动态特征向量。
具体地,
步骤3包括:
步骤3.1,将振动数字信号分解为K层有限带宽的瞬时频率的乘积函数,对每层乘积函数分量进行Hilbert变换,满足如下关系式:
式中,
vj表示振动数字信号第j层乘积函数分量,
步骤3.2,利用振动数字信号第j层乘积函数分量及其Hilbert变换,构造解析函数,满足如下关系式:
式中,
k表示构造系数;
步骤3.3,利用瞬时相位确定瞬时频率,满足如下关系式:
式中,
fj(t)表示瞬时频率;
步骤3.4,利用Hilbert谱构造振动信号的幅值随时间和频率的变化模型,满足如下关系式:
式中,
Re表示取实部;
步骤3.5,利用Hilbert边际谱构造振动信号的幅值在整个频率段上随频率变化的模型,满足如下关系式:
式中,
T表示振动信号的总长度;
步骤3.6,以如下关系式计算Hilbert边际谱能量值:
式中,
f1、f2分别表示Hilbert边际谱的频率下限和上限;
步骤3.7,将Hilbert边际谱能量值进行归一化,按照信息熵的基本原理定义Hilbert边际谱能量熵,满足如下关系式:
Hj=-εjlogεj
式中,
Hj表示第j层乘积函数分量的Hilbert边际谱能量熵,
εj表示第j层乘积函数分量的能量归一化值;
经过步骤3.7得到的K层PF分量的Hilbert边际谱能量熵,构成变压器振动信号的动态特征向量,包括振动振幅在频率轴上的分布特征数据、振动加速度在频率轴上的分布特征数据。
通过将所采集到的振动信号经由希尔伯特谱在时间轴上进行积分,使之从幅值-时间-频率三者间的关系转变为幅值-频率两者间的关系,描述振动信号幅值或能量在频率轴上的分布,通过Hilbert边际谱频谱分布,识别变压器发生绕组松动故障时100Hz特征频率增大的变化,实现变压器绕组松动故障的诊断。
步骤4,将变压器振动信号的动态特征向量输入到支持向量机网络中,利用烟花算法优化支持向量机的参数,对振动信号按振动频率进行分类。
具体地,
步骤4包括:
步骤4.1,输入变压器振动信号的动态特征向量数据集,并将该数据集划分为训练集和测试集;设定优化目标为支持向量机分类准确度高;
步骤4.2,在解空间设置初始烟花个数N即惩罚函数核参数,和最大迭代次数Tmax;
步骤4.3,以K折交叉验证法识别率作为每一个烟花的自适应度值,以此确定烟花爆炸的质量;
步骤4.4,分别计算每个烟花爆炸产生的火花数目和爆炸半径;
步骤4.5,为了保证爆炸火花种群的多样性,在每次迭代时,在可行解中的烟花随机选择m个维度进行高斯变异;
式中,
e~N(1,1)是正态分布;
步骤4.6,将每个变压器振动信号的动态特征向量对应的支持向量机参数代入支持向量机分类器,通过训练集进行训练,并利用测试集计算训练后的支持向量机分类器的分类准确度,根据分类准确度计算个体适应度值;
步骤4.7,对整个空间烟花选择保留自适应度值最小的个体,然后利用轮盘赌的策略选择其他个体,其概率p(xi)满足如下关系式:
其中,‖xi-xj‖表示两个烟花个体之间的欧氏距离;
步骤4.8,判断是否满足结束条件:若满足,则寻优结束,返回当前的最优支持向量机参数和对振动信号按振动频率的分类结果,即振动振幅和振动加速度按振动频率分类;否则,就转至步骤4.4继续迭代。
步骤5,根据不同振动频率下的振动信号,利用故障诊断算法判断变压器绕组状态。
具体地,
如图2,步骤5包括:
步骤5.1,采集不同振动频率下的振动振幅、振动加速度,以及变压器的电压和电流;
步骤5.2,当发生50Hz频率的变压器振动时,同时存在短路故障,则利用电压数字信号和电流数字信号校准振动加速度,当校准后振动加速度稳定保持大于1G时,诊断变压器绕组结构受损;
否则,诊断变压器绕组结构未受损,进一步判断振幅幅值的增长方向:若幅值轴向增长,则诊断变压器绕组结构受损;若幅值辐向增长,则诊断变压器铁芯故障;
步骤5.3,当发生100Hz频率的变压器振动时,若振动加速度大于变压器正常运行时振动加速度峰值,则诊断变压器存在内部故障,进一步利用电压数字信号和电流数字信号校准后的振动加速度进行比较,当校准后振动加速度小于1G时,诊断变压器内部绝缘故障;若校准后振动加速度大于1G时,进一步判断振幅幅值的增长方向:若幅值轴向增长,则诊断变压器绕组故障结构受损;若幅值辐向增长,则诊断变压器铁芯故障;
步骤5.4,当发生200Hz及以上的高频变压器振动时,首先判断振动振幅的增量:当振动振幅的增量大于10%,则利用电压数字信号和电流数字信号校准振动加速度,当校准后振动加速度小于1G时,诊断变压器内部绝缘故障,若校准后振动加速度大于1G时,进一步判断振幅幅值的增长方向:若幅值轴向增长,则诊断变压器绕组故障结构受损;若幅值辐向增长,则诊断变压器铁芯故障;当振动振幅的增量大于10%但增量并未持续,则诊断变压器内部绝缘故障、但内部结构未受损;当振动振幅的增量小于10%,且该振动未发生,则诊断变压器绕组无故障。
基于振动法的分布式电力变压器绕组状态监测系统采用分布式架构,包括:信号采集子系统、信息处理子系统、故障诊断子系统、工作存储器和结果输出模块。
信号采集子系统包括振动传感器采集单元、电压电流采集单元、模数转换单元、光纤;振动传感器采集单元和电压电流采集单元,在当前采样周期下,同步采集变压器振动模拟信号、电压模拟信号和电流模拟信号;模数转换单元用于将所采集的模拟信号转换为数字信号;数字信号经由光纤传输给信息处理子系统。
信息处理子系统,利用多种数值算法对各类数字信号进行预处理,随后储存到工作存储器中,供故障诊断子系统调用。
故障诊断子系统,利用故障诊断算法诊断变压器绕组正常状态和绕组故障状态,并将诊断结果通过输出模块输出;当变压器绕组发生故障,将诊断结果储存在工作存储器中;故障诊断子系统包括处理器和计算机,搭载故障诊断软件平台。
工作存储器,用于储存信息采集、信息处理及故障诊断过程中产生的所有数据。
结果输出模块,利用显示器输出诊断结果。
如图3,基于振动法的分布式电力变压器绕组状态监测系统采样分布式架构,在变压器旁安装振动采集单元以获取振动信号,模数转换后通过光纤发送至上位机。变压器二次端子处安装电流电压采集装置获取电流信号与电压信号,同样模数转换后经光纤发送至上位机,上位机向振动采集单元和电流电压采集单元发送时钟同步命令,并通过内置算法模型对采集到的信息进行处理与分析,判断绕组健康状态。其中,上位机包括信息处理子系统、故障诊断子系统、工作存储器和结果输出模块。
本优选实施例中,由于所采集信号通道多、数据量大,选取Spartan-6型FPGA芯片进行数据接收,将信号预处理后传输至数据分析处理模块,数据分析模块选用了型号为OMAP-L138型DSP+ARM处理器,对采集到的数据进行分析处理并显示。
具体地,
振动传感器采集单元包括多个安装在变压器油箱箱壁外部的振动传感器;,本优选实施例中,振动传感器采集单元包括6个安装在变压器油箱箱壁外部的振动传感器,其中3个振动传感器安装于变压器顶部、油箱轴向位置,分别位于A、B、C三相绕组正上方;另外3个安装于变压器侧面、油箱径向位置,分别与A、B、C三相绕组对应。
电压电流采集单元包括安装在变压器二次端子箱的电压传感器和电流传感器。
模数转换单元包括数据采集卡,用于将振动传感器采集单元输出的模拟信号转换为数字信号。
如图4,故障诊断软件平台是在虚拟仪器基础上的LabVIEW软件平台,包括数据的采集、导入、处理、存储、分析以及显示。
基于故障诊断软件平台的结果输出模块包括:实时状态数值监控模块、信号波形显示模块、频谱分析模块、报警阈值设置模块以及历史数据查询模块;
各子模块在同一个显示器界面内切换显示。
本发明的有益效果在于,与现有技术相比,能够有效避免以电信号直接传输造成的幅值衰减和电磁干扰的问题,同时也保证了异地信号采样的同步性。系统耦合度低,可扩展性较强,能够应用于变电站、试验间等多种不同场合。
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 (9)
1.基于振动法的分布式电力变压器绕组状态监测方法,其特征在于,
所述监测方法的步骤如下:
步骤1,在当前采样周期下,同步采集变压器的振动模拟信号、电压模拟信号和电流模拟信号;
步骤2,将所采集的模拟信号进行模数转换为数字信号;
步骤3,基于振动数字信号,利用Hilbert边际谱能量熵法得到变压器振动信号的动态特征向量;
步骤4,将变压器振动信号的动态特征向量输入到支持向量机网络中,利用烟花算法优化支持向量机的参数,对振动信号按振动频率进行分类;
步骤5,根据不同振动频率下的振动信号,利用故障诊断算法判断变压器绕组状态。
2.根据权利要求1所述的基于振动法的分布式电力变压器绕组状态监测方法,其特征在于,
在步骤1中,振动模拟信号是变压器油箱壁不同位置处的振动振幅模拟信号和振动加速度模拟信号;电压模拟信号和电流模拟信号是变压器二次端子处的电压模拟信号和电流模拟信号。
3.根据权利要求1所述的基于振动法的分布式电力变压器绕组状态监测方法,其特征在于,
步骤3包括:
步骤3.1,将振动数字信号分解为K层有限带宽的瞬时频率的乘积函数,对每层乘积函数分量进行Hilbert变换,满足如下关系式:
式中,
vj表示振动数字信号第j层乘积函数分量,
步骤3.2,利用振动数字信号第j层乘积函数分量及其Hilbert变换,构造解析函数,满足如下关系式:
式中,
k表示构造系数;
步骤3.3,利用瞬时相位确定瞬时频率,满足如下关系式:
式中,
fj(t)表示瞬时频率;
步骤3.4,利用Hilbert谱构造振动信号的幅值随时间和频率的变化模型,满足如下关系式:
式中,
Re表示取实部;
步骤3.5,利用Hilbert边际谱构造振动信号的幅值在整个频率段上随频率变化的模型,满足如下关系式:
式中,
T表示振动信号的总长度;
步骤3.6,以如下关系式计算Hilbert边际谱能量值:
式中,
f1、f2分别表示Hilbert边际谱的频率下限和上限;
步骤3.7,将Hilbert边际谱能量值进行归一化,按照信息熵的基本原理定义Hilbert边际谱能量熵,满足如下关系式:
Hj=-εjlogεj
式中,
Hj表示第j层乘积函数分量的Hilbert边际谱能量熵,
εj表示第j层乘积函数分量的能量归一化值;
经过步骤3.7得到的K层PF分量的Hilbert边际谱能量熵,构成变压器振动信号的动态特征向量,包括振动振幅在频率轴上的分布特征数据、振动加速度在频率轴上的分布特征数据。
4.根据权利要求1所述的基于振动法的分布式电力变压器绕组状态监测方法,其特征在于,
步骤4包括:
步骤4.1,输入变压器振动信号的动态特征向量数据集,并将该数据集划分为训练集和测试集;设定优化目标为支持向量机分类准确度高;
步骤4.2,在解空间设置初始烟花个数N即惩罚函数核参数,和最大迭代次数Tmax;
步骤4.3,以K折交叉验证法识别率作为每一个烟花的自适应度值,以此确定烟花爆炸的质量;
步骤4.4,分别计算每个烟花爆炸产生的火花数目和爆炸半径;
步骤4.5,为了保证爆炸火花种群的多样性,在每次迭代时,在可行解中的烟花随机选择m个维度进行高斯变异;
式中,
e~N(1,1)是正态分布;
步骤4.6,将每个变压器振动信号的动态特征向量对应的支持向量机参数代入支持向量机分类器,通过训练集进行训练,并利用测试集计算训练后的支持向量机分类器的分类准确度,根据分类准确度计算个体适应度值;
步骤4.7,对整个空间烟花选择保留自适应度值最小的个体,然后利用轮盘赌的策略选择其他个体,其概率p(xi)满足如下关系式:
其中,‖xi-xj‖表示两个烟花个体之间的欧氏距离;
步骤4.8,判断是否满足结束条件:若满足,则寻优结束,返回当前的最优支持向量机参数和对振动信号按振动频率的分类结果,即振动振幅和振动加速度按振动频率分类;否则,就转至步骤4.4继续迭代。
5.根据权利要求1所述的基于振动法的分布式电力变压器绕组状态监测方法,其特征在于,
步骤5包括:
步骤5.1,采集不同振动频率下的振动振幅、振动加速度,以及变压器的电压和电流;
步骤5.2,当发生50Hz频率的变压器振动时,同时存在短路故障,则利用电压数字信号和电流数字信号校准振动加速度,当校准后振动加速度稳定保持大于1G时,诊断变压器绕组结构受损;
否则,诊断变压器绕组结构未受损,进一步判断振幅幅值的增长方向:若幅值轴向增长,则诊断变压器绕组结构受损;若幅值辐向增长,则诊断变压器铁芯故障;
步骤5.3,当发生100Hz频率的变压器振动时,若振动加速度大于变压器正常运行时振动加速度峰值,则诊断变压器存在内部故障,进一步利用电压数字信号和电流数字信号校准后的振动加速度进行比较,当校准后振动加速度小于1G时,诊断变压器内部绝缘故障;若校准后振动加速度大于1G时,进一步判断振幅幅值的增长方向:若幅值轴向增长,则诊断变压器绕组故障结构受损;若幅值辐向增长,则诊断变压器铁芯故障;
步骤5.4,当发生200Hz及以上的高频变压器振动时,首先判断振动振幅的增量:当振动振幅的增量大于10%,则利用电压数字信号和电流数字信号校准振动加速度,当校准后振动加速度小于1G时,诊断变压器内部绝缘故障,若校准后振动加速度大于1G时,进一步判断振幅幅值的增长方向:若幅值轴向增长,则诊断变压器绕组故障结构受损;若幅值辐向增长,则诊断变压器铁芯故障;当振动振幅的增量大于10%但增量并未持续,则诊断变压器内部绝缘故障、但内部结构未受损;当振动振幅的增量小于10%,且该振动未发生,则诊断变压器绕组无故障。
6.利用权利要求1至5所述的基于振动法的分布式电力变压器绕组状态监测方法的监测系统,其特征在于,
所述监测系统采用分布式架构,包括:信号采集子系统、信息处理子系统、故障诊断子系统、工作存储器和结果输出模块;
所述信号采集子系统包括振动传感器采集单元、电压电流采集单元、模数转换单元、光纤;振动传感器采集单元和电压电流采集单元,在当前采样周期下,同步采集变压器振动模拟信号、电压模拟信号和电流模拟信号;模数转换单元用于将所采集的模拟信号转换为数字信号;数字信号经由光纤传输给信息处理子系统;
所述信息处理子系统,利用多种数值算法对各类数字信号进行预处理,随后储存到工作存储器中,供故障诊断子系统调用;
所述故障诊断子系统,利用故障诊断算法诊断变压器绕组正常状态和绕组故障状态,并将诊断结果通过输出模块输出;当变压器绕组发生故障,将诊断结果储存在工作存储器中;故障诊断子系统包括处理器和计算机,搭载故障诊断软件平台;
所述工作存储器,用于储存信息采集、信息处理及故障诊断过程中产生的所有数据;
所述结果输出模块,利用显示器输出诊断结果。
7.根据权利要求6所述的基于振动法的分布式电力变压器绕组状态监测系统,其特征在于,
所述振动传感器采集单元包括多个安装在变压器油箱箱壁外部的振动传感器;所述电压电流采集单元包括安装在变压器二次端子箱的电压传感器和电流传感器。
8.根据权利要求6和7所述的基于振动法的分布式电力变压器绕组状态监测系统,其特征在于,
所述模数转换单元包括数据采集卡,用于将振动传感器采集单元输出的模拟信号转换为数字信号。
9.根据权利要求6所述的基于振动法的分布式电力变压器绕组状态监测系统,其特征在于,
所述故障诊断软件平台是在虚拟仪器基础上的LabVIEW软件平台,包括数据的采集、导入、处理、存储、分析以及显示;
基于故障诊断软件平台的结果输出模块包括:实时状态数值监控模块、信号波形显示模块、频谱分析模块、报警阈值设置模块以及历史数据查询模块;
各子模块在同一个显示器界面内切换显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110104283.4A CN112986870A (zh) | 2021-01-26 | 2021-01-26 | 基于振动法的分布式电力变压器绕组状态监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110104283.4A CN112986870A (zh) | 2021-01-26 | 2021-01-26 | 基于振动法的分布式电力变压器绕组状态监测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112986870A true CN112986870A (zh) | 2021-06-18 |
Family
ID=76345688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110104283.4A Pending CN112986870A (zh) | 2021-01-26 | 2021-01-26 | 基于振动法的分布式电力变压器绕组状态监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112986870A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112285616A (zh) * | 2020-09-24 | 2021-01-29 | 国网河北省电力有限公司 | 一种快速判断电气设备内部故障的方法及装置 |
CN113916346A (zh) * | 2021-11-14 | 2022-01-11 | 广东电网有限责任公司江门供电局 | 一种具有三轴振动姿态数据判断功能的配电设备识别方法 |
CN114264981A (zh) * | 2021-11-12 | 2022-04-01 | 上海电力大学 | 基于云边融合的区域电网电力变压器健康状态评估系统 |
CN114924157A (zh) * | 2022-06-16 | 2022-08-19 | 中国矿业大学(北京) | 一种基于5g传输的并联电抗器状态监测方法及系统 |
CN114264981B (zh) * | 2021-11-12 | 2024-04-26 | 上海电力大学 | 基于云边融合的区域电网电力变压器健康状态评估系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101709995A (zh) * | 2009-12-24 | 2010-05-19 | 浙江大学 | 电力变压器振动在线监测及故障诊断方法 |
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 |
CN106908688A (zh) * | 2017-03-24 | 2017-06-30 | 广东电网有限责任公司电力科学研究院 | 一种便携式电力变压器绕组故障实时诊断设备 |
CN106952182A (zh) * | 2017-03-24 | 2017-07-14 | 广东电网有限责任公司电力科学研究院 | 一种基于振动分布特征的电力变压器绕组故障诊断方法 |
CN208255301U (zh) * | 2018-06-05 | 2018-12-18 | 广西电网有限责任公司电力科学研究院 | 一种变压器振动测量系统 |
CN109034475A (zh) * | 2018-07-27 | 2018-12-18 | 华北电力大学 | 一种改进的变电站工程造价预测方法 |
CN109375010A (zh) * | 2018-10-10 | 2019-02-22 | 浙江大学 | 基于振动分布特征模型的电力变压器绕组故障诊断方法 |
CN109612564A (zh) * | 2018-12-29 | 2019-04-12 | 国网上海市电力公司 | 一种短路试验中变压器绕组状态振动监测装置 |
US20200241066A1 (en) * | 2019-01-30 | 2020-07-30 | State Grid Zhejiang Electric Power Company Limited Electric Power Research Institute | Intelligent on-line diagnosis and positioning method for winding deformation of power transformers |
CN112255538A (zh) * | 2020-10-14 | 2021-01-22 | 国网青海省电力公司海西供电公司 | 一种多特征优化融合的高压断路器故障诊断方法 |
-
2021
- 2021-01-26 CN CN202110104283.4A patent/CN112986870A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101709995A (zh) * | 2009-12-24 | 2010-05-19 | 浙江大学 | 电力变压器振动在线监测及故障诊断方法 |
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 |
CN106908688A (zh) * | 2017-03-24 | 2017-06-30 | 广东电网有限责任公司电力科学研究院 | 一种便携式电力变压器绕组故障实时诊断设备 |
CN106952182A (zh) * | 2017-03-24 | 2017-07-14 | 广东电网有限责任公司电力科学研究院 | 一种基于振动分布特征的电力变压器绕组故障诊断方法 |
CN208255301U (zh) * | 2018-06-05 | 2018-12-18 | 广西电网有限责任公司电力科学研究院 | 一种变压器振动测量系统 |
CN109034475A (zh) * | 2018-07-27 | 2018-12-18 | 华北电力大学 | 一种改进的变电站工程造价预测方法 |
CN109375010A (zh) * | 2018-10-10 | 2019-02-22 | 浙江大学 | 基于振动分布特征模型的电力变压器绕组故障诊断方法 |
CN109612564A (zh) * | 2018-12-29 | 2019-04-12 | 国网上海市电力公司 | 一种短路试验中变压器绕组状态振动监测装置 |
US20200241066A1 (en) * | 2019-01-30 | 2020-07-30 | State Grid Zhejiang Electric Power Company Limited Electric Power Research Institute | Intelligent on-line diagnosis and positioning method for winding deformation of power transformers |
CN112255538A (zh) * | 2020-10-14 | 2021-01-22 | 国网青海省电力公司海西供电公司 | 一种多特征优化融合的高压断路器故障诊断方法 |
Non-Patent Citations (3)
Title |
---|
杨秋玉等: "基于VMD-Hilbert 边际谱能量熵和SVM的高压断路器机械故障诊断", 《电机与控制学报》 * |
袁鑫锋等: "基于变压器振动的分布式绕组状态检测装置的开发与应用", 《电测与仪表》 * |
赵书涛等: "基于CEEMDAN 样本熵与FWA-SVM的高压断路器机械故障诊断", 《电力自动化设备》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112285616A (zh) * | 2020-09-24 | 2021-01-29 | 国网河北省电力有限公司 | 一种快速判断电气设备内部故障的方法及装置 |
CN112285616B (zh) * | 2020-09-24 | 2022-05-06 | 国网河北省电力有限公司 | 一种快速判断电气设备内部故障的方法及装置 |
CN114264981A (zh) * | 2021-11-12 | 2022-04-01 | 上海电力大学 | 基于云边融合的区域电网电力变压器健康状态评估系统 |
CN114264981B (zh) * | 2021-11-12 | 2024-04-26 | 上海电力大学 | 基于云边融合的区域电网电力变压器健康状态评估系统 |
CN113916346A (zh) * | 2021-11-14 | 2022-01-11 | 广东电网有限责任公司江门供电局 | 一种具有三轴振动姿态数据判断功能的配电设备识别方法 |
CN113916346B (zh) * | 2021-11-14 | 2023-11-17 | 广东电网有限责任公司江门供电局 | 一种具有三轴振动姿态数据判断功能的配电设备识别方法 |
CN114924157A (zh) * | 2022-06-16 | 2022-08-19 | 中国矿业大学(北京) | 一种基于5g传输的并联电抗器状态监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112986870A (zh) | 基于振动法的分布式电力变压器绕组状态监测方法及系统 | |
US11408797B2 (en) | GIL fault on-line monitoring system based on vibration signals and support vector machine | |
CN111442827B (zh) | 一种变压器绕组振动的光纤无源在线监测系统 | |
CN107748314A (zh) | 基于声波震荡检测的变压器故障分析系统 | |
CN101655538B (zh) | 发电机局部放电在线监测装置及其监测方法 | |
CN110275094A (zh) | 一种高压电缆局部放电声光联合检测方法及系统 | |
CN112147444B (zh) | 一种电力变压器工作状态监测方法及系统 | |
CN106934421A (zh) | 基于2dpca及svm的变电站电力变压器故障检测系统及检测方法 | |
CN106124939A (zh) | 分布式高压电缆局部放电在线监测及定位系统 | |
CN108693448B (zh) | 一种应用于电力设备局部放电模式识别系统 | |
CN109443190B (zh) | 基于暂态行波的变压器绕组变形在线监测方法及装置 | |
CN113298134B (zh) | 一种基于bpnn的风机叶片远程非接触健康监测系统和方法 | |
CN115877205A (zh) | 一种伺服电机的故障智能诊断系统及其诊断方法 | |
CN208076016U (zh) | 一种基于振动信号支持向量机的gil故障在线监测系统 | |
CN115993511A (zh) | 一种局部放电类型高精度检测识别装置、方法和设备 | |
CN115453286A (zh) | Gis局部放电诊断方法、模型训练方法、装置及系统 | |
CN115238785A (zh) | 基于图像融合和集成网络的旋转机械故障诊断方法和系统 | |
CN116520068B (zh) | 一种电力数据的诊断方法、装置、设备及存储介质 | |
CN113671363A (zh) | 一种高压断路器状态辨识系统及方法 | |
CN105203937A (zh) | 一种变压器内部放电模式识别方法及故障诊断系统 | |
KR101575204B1 (ko) | 부분 방전 진단 장치 및 그 방법 | |
CN205091430U (zh) | 一种变压器内部放电故障诊断装置 | |
CN112560888B (zh) | 基于辛几何变换评估变压器绕组抗短路能力的方法及系统 | |
CN115410599A (zh) | 一种基于声纹感知的变压器运行状态识别的方法及系统 | |
CN111352365B (zh) | 一种防尘通风型电力电气设备机柜及控制方法 |
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 |