CN117390408B - 一种电力变压器运行故障检测方法及系统 - Google Patents
一种电力变压器运行故障检测方法及系统 Download PDFInfo
- Publication number
- CN117390408B CN117390408B CN202311710512.2A CN202311710512A CN117390408B CN 117390408 B CN117390408 B CN 117390408B CN 202311710512 A CN202311710512 A CN 202311710512A CN 117390408 B CN117390408 B CN 117390408B
- Authority
- CN
- China
- Prior art keywords
- power transformer
- sequence
- vibrator
- energy
- frequency
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 50
- 230000004044 response Effects 0.000 claims abstract description 26
- 230000002159 abnormal effect Effects 0.000 claims abstract description 24
- 230000003247 decreasing effect Effects 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 4
- 238000001816 cooling Methods 0.000 claims description 4
- 239000012774 insulation material Substances 0.000 claims description 4
- 238000004643 material aging Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 8
- 238000004804 winding Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000009413 insulation Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000016507 interphase Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Protection Of Transformers (AREA)
Abstract
本发明涉及信号处理技术领域，提出了一种电力变压器运行故障检测方法及系统，包括：获取电力变压器震动子序列；获取电力变压器震动子序列的能量波峰的频率宽度和能量差值，获取频带能量差值序列，获取震动能量反递减趋势度；获取能量分布集中度，进而获取异常能量响应指数；获取能量集中面积，进而获取故障复杂指数；获取时间相似性指数，确定电力变压器震动子序列的时序规整故障指数，根据电力变压器震动子序列的时序规整故障指数实现电力变压器运行故障检测。本发明解决震动信号的信息提取难度大导致的故障检测结果不精确的问题。
Description
技术领域
本发明涉及信号处理技术领域，具体涉及一种电力变压器运行故障检测方法及系统。
背景技术
电力变压器是电力系统中不可或缺的重要设备，主要作用是将电能的电压在低压和高压之间转换，以降低电能在远距离传输上的损耗、满足电力系统中各级负载的需求。由于电力变压器的长期运行和外界环境等因素的影响，电力变压器可能会出现各种故障问题，需要及时进行处理。例如，当电压等级过高时，很可能会发生过压击穿，之后，电力变压器油会进入损坏的空间，暂时隔离电流通路，所以，发生过压击的电力变压器并不会失去运行能力。但是，会存在极大的安全隐患。当再次遇到过压电流时，电力变压器的绝缘层更容易被击穿，导致系统短路等故障，造成不必要的损失。因此，需要在电力变压器运行时定期进行故障检测。
目前常用的电力变压器运行故障检测方法主要包括基于电压电流参数的故障诊断方法、基于红外热像技术的故障诊断方法、基于声音检测技术的故障诊断方法和基于震动检测技术的故障检测方法。其中，基于震动检测技术的故障检测方法是一种无损检测方法，无需拆卸设备，可明显减少生产损失。但是，基于震动检测技术的故障检测方法在进行电力变压器故障检测时，由于震动信号通常是非线性和非稳定性的，提取信号信息难度较大，故障检测的结果往往不精确。
发明内容
本发明提供一种电力变压器运行故障检测方法及系统，以解决震动信号的信息提取难度大导致的故障检测结果不精确的问题，所采用的技术方案具体如下：
第一方面，本发明一个实施例提供了一种电力变压器运行故障检测方法，该方法包括以下步骤：
采集电力变压器的震动信号并进行预处理，获取电力变压器震动子序列的频谱图、频率响应信号和频率响应序列；
获取电力变压器震动子序列的能量波峰，获取电力变压器震动子序列的主频和从频，根据电力变压器震动子序列的能量波峰的频率分量、频率分量的能量和主频，获取电力变压器震动子序列的能量波峰的频率宽度和能量差值，获取电力变压器震动子序列的频带能量差值序列，根据频带能量差值序列获取频带能量差值一阶差分序列，根据频带能量差值一阶差分序列获取电力变压器震动子序列的震动能量反递减趋势度；
根据电力变压器震动子序列内包含的频率分量获取频率分量分布密度，根据电力变压器震动子序列内包含的频率分量和频率分量的能量获取能量分布集中度，进而获取电力变压器震动子序列的异常能量响应指数；
获取电力变压器震动子序列的能量集中面积，根据电力变压器震动子序列的频率分量、频率分量的能量和能量集中面积获取电力变压器震动子序列的故障复杂指数；
获取电力变压器震动子序列的相邻子序列，根据电力变压器震动子序列和电力变压器震动子序列的相邻子序列获取电力变压器震动子序列的时间相似性指数，根据电力变压器震动子序列的时间相似性指数、故障复杂指数和频率分量分布密度确定电力变压器震动子序列的时序规整故障指数，根据电力变压器震动子序列的时序规整故障指数实现电力变压器运行故障检测。
进一步，所述获取电力变压器震动子序列的能量波峰，获取电力变压器震动子序列的主频和从频的获取方法为：
将电力变压器震动子序列的频谱图中的极大值点记为电力变压器震动子序列的能量波峰；
将电力变压器震动子序列的频谱图中的纵坐标最大的能量波峰记为主频，将不是主频的能量波峰记为从频。
进一步，所述根据电力变压器震动子序列的能量波峰的频率分量、频率分量的能量和主频，获取电力变压器震动子序列的能量波峰的频率宽度和能量差值的获取方法为：
将能量波峰的频率分量与主频的频率分量的差值的绝对值记为能量波峰的频率宽度，将能量波峰的能量与主频的能量的差值的绝对值记为能量波峰的能量差值。
进一步，所述获取电力变压器震动子序列的频带能量差值序列，根据频带能量差值序列获取频带能量差值一阶差分序列的获取方法为：
将能量波峰的能量差值按照能量波峰的频率宽度从大到小的顺序进行排序，获取电力变压器震动子序列的频带能量差值序列，将频带能量差值序列的一阶差分序列记为频带能量差值一阶差分序列。
进一步，所述根据频带能量差值一阶差分序列获取电力变压器震动子序列的震动能量反递减趋势度的方法为：
将电力变压器震动子序列对应的频带能量差值一阶差分序列内包含的数值的平均绝对误差记为电力变压器震动子序列的震动能量反递减趋势度。
进一步，所述进而获取电力变压器震动子序列的异常能量响应指数的方法为：
将电力变压器震动子序列的能量分布集中度和震动能量反递减趋势度的乘积与频率分量分布密度的比值记为电力变压器震动子序列的异常能量响应指数。
进一步，所述获取电力变压器震动子序列的能量集中面积的方法为：
将电力变压器震动子序列与正弦函数进行拟合，获取电力变压器震动子序列的波峰曲线，将波峰曲线从电力变压器震动子序列的第一个频率分量至最后一个频率分量的定积分记为电力变压器震动子序列的能量集中面积。
进一步，所述获取电力变压器震动子序列的相邻子序列，根据电力变压器震动子序列和电力变压器震动子序列的相邻子序列获取电力变压器震动子序列的时间相似性指数的方法为：
将电力变压器震动序列中与电力变压器震动子序列时间最接近的第一预设阈值个电力变压器震动子序列记为电力变压器震动子序列的相邻子序列；
将电力变压器震动子序列与相邻子序列之间的皮尔逊相关系数记为相邻子序列的相邻时间相似性，将电力变压器震动子序列的所有相邻子序列的相邻时间相似性的均值记为电力变压器震动子序列的时间相似性指数。
进一步，所述根据电力变压器震动子序列的时序规整故障指数实现电力变压器运行故障检测的方法为：
将需要进行故障检测的电力变压器的电力变压器震动子序列和电力变压器震动子序列的时序规整故障指数输入电力变压器故障检测模型，获取电力变压器故障检测结果；
电力变压器故障检测模型由LSTM长短时记忆网络和FC全连接层构成，将电力变压器震动子序列和电力变压器震动子序列的时序规整故障指数输入LSTM长短时记忆网络，LSTM长短时记忆网络连接FC全连接层，由FC全连接层输出电力变压器故障检测结果；
电力变压器故障检测结果包括“内部短路故障”、“绝缘材料老化或损坏故障”、“铁芯松动故障”、“冷却系统故障”、“其他故障”和“无故障”共六种结果。
第二方面，本发明实施例还提供了一种电力变压器运行故障检测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
本发明的有益效果是：
本发明对对电力变压器震动序列进行划分，分别对每个电力变压器震动子序列进行分析，避免振动信号采集时数据的偶然性对电力变压器运行故障判断结果的影响，根据绕组短路、绝缘损坏等故障引起的震动信号通常在频域中体现为异常的能量集中或峰值，同时，额外的异常震动信号会引入新的频率分量，震动信号的振幅也会发生异常变化，而正常的震动信号的频谱结构通常较为稳定的特征，获取每个电力变压器震动子序列的异常能量响应指数，判断电力变压器震动子序列内包含的振动信号是电力变压器出现的故障带来的异常震动信号的可能性；其次，根据引起电力变压器异常震动的故障原因不同，出现的除正常震动之外的额外震动的震动频率也将有所不同的特征，确定电力变压器震动子序列的故障复杂指数；最后，确定时间临近电力变压器震动子序列的相邻子序列，进而确定电力变压器震动子序列的时序规整故障指数，根据电力变压器震动子序列的时序规整故障指数实现电力变压器运行故障检测，实现对复杂的震动信号的分解和特征提取，解决震动信号的信息提取难度大导致的故障检测结果不精确的问题，为实现变压器运行故障检测方法提供更精确的保障。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种电力变压器运行故障检测方法的流程示意图；
图2为正常的震动信号的频率-能量示意图；
图3为故障引起的震动信号的频率-能量示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，其示出了本发明一个实施例提供的一种电力变压器运行故障检测方法流程图，该方法包括以下步骤：
步骤S001，采集电力变压器的震动信号并进行预处理，获取电力变压器震动子序列的频谱图、频率响应信号和频率响应序列。
将加速度计安装在变电力压器的壳体上，采用加速度计对运行中的电力变压器的震动信号进行采集。根据奈奎斯特定理，采样频率通常设置为震动信号最高频率的两倍，所以，采样频率的经验值为1KHz。
将采集的震动信号按照采集时间的先后顺序进行排列，获取电力变压器震动序列。
对电力变压器震动序列进行划分，将电力变压器震动序列划分为电力变压器震动子序列，每个电力变压器震动子序列对应的时间长度的经验值为一秒。
对电力变压器震动子序列使用FFT快速傅里叶变换，获取电力变压器震动子序列的频率响应信号，将电力变压器震动子序列从时域转换到频域进行分析。获取电力变压器震动子序列的频谱图。对频率响应信号进行离散化，获取电力变压器震动子序列的频率响应序列。其中，获取电力变压器震动子序列的频谱图为公知技术，不再赘述；离散采样间隔为1Hz；快速傅里叶变换为公知技术，不再赘述。
至此，获取电力变压器震动子序列的频谱图、频率响应信号和频率响应序列。
步骤S002，获取电力变压器震动子序列的能量波峰，获取电力变压器震动子序列的主频和从频，根据电力变压器震动子序列的能量波峰的频率分量、频率分量的能量和主频，获取电力变压器震动子序列的能量波峰的频率宽度和能量差值，获取电力变压器震动子序列的频带能量差值序列，根据频带能量差值序列获取频带能量差值一阶差分序列，根据频带能量差值一阶差分序列获取电力变压器震动子序列的震动能量反递减趋势度。
电力变压器在进行工作时通常会产生震动信号，在这些震动信号中，有些是正常的震动信号，有一部分则可能是由电力变压器内部故障引起的异常的震动信号。
通常情况下，故障引起的震动信号与电力变压器正常工作时产生的震动信号有所不同。例如，绕组短路、绝缘损坏等故障引起的震动信号通常在频域中体现为异常的能量集中或峰值，同时，绕组短路、绝缘损坏等故障引起的震动信号的振幅也会发生异常变化。同时，正常的震动信号的频谱结构通常较为稳定，但绕组短路、绝缘损坏等故障引起的震动信号会引入新的频率分量。
正常的震动信号的频率-能量示意图如图2所示，故障引起的震动信号的频率-能量示意图如图3所示。
根据电力变压器震动子序列的频谱图和频率响应信号获取频谱图中的所有极大值点，将极大值点记为电力变压器震动子序列的能量波峰。
获取电力变压器震动子序列的能量波峰在电力变压器震动子序列的频谱图中的横坐标和纵坐标，横坐标对应频率分量，纵坐标对应频率分量的能量。将能量最大的能量波峰记为主频，将不是主频的能量波峰记为从频。将从频按照能量波峰在频谱图中从左到右的顺序依次排列，将排列的序号记为从频的编号。
需要注意的是，通常情况下，只考虑大于主频能量的1/10的从频。
在频谱图中，正常进行工作的电力变压器的震动信号的从频是逐级递减的，故障引起的震动信号表现为正常的震动信号额外引入了新的震动信号，所以故障引起的震动信号在频域中会引入新的频率分量，使能量分布不均匀。所以，以此为依据分析电力变压器震动子序列的从频是逐级递减特征的显著性。
根据电力变压器震动子序列的能量波峰的频率分量和能量，以及电力变压器震动子序列的主频，获取电力变压器震动子序列的能量波峰的频率宽度和能量差值。
其中，表示第个电力变压器震动子序列的第个能量波峰的频率宽度；表
示第个电力变压器震动子序列的第个能量波峰的频率分量；表示第个电力变压器
震动子序列的主频的频率分量；表示第个电力变压器震动子序列的第个能量波峰
的能量差值；表示第个电力变压器震动子序列的第个能量波峰的能量；表示第i
个电力变压器震动子序列的主频的能量。
将能量波峰的能量差值按照能量波峰的频率宽度从大到小的顺序进行排序，获取电力变压器震动子序列的频带能量差值序列。
正常进行工作的电力变压器的震动信号的从频是逐级递减的，所以，频带能量差值序列中的能量差值影依次递增。
获取频带能量差值序列的一阶差分序列，一阶差分序列内的每一项的数据值均为其在频带能量差值序列中的对应项与对应项的前一项的差。在获取一阶差分序列时，缺失项以均值填充法进行填充。将频带能量差值序列的一阶差分序列记为频带能量差值一阶差分序列。
其中，获取序列的一阶差分序列和均值填充法为公知技术，不再赘述。
根据频带能量差值一阶差分序列获取电力变压器震动子序列的震动能量反递减趋势度。
其中，表示第个电力变压器震动子序列的震动能量反递减趋势度；表示第
个电力变压器震动子序列对应的频带能量差值一阶差分序列的第个数值；表示第个电
力变压器震动子序列对应的频带能量差值一阶差分序列包含的所有数值的均值；表示第个电力变压器震动子序列包含数值的数量。
电力变压器震动子序列对应的频带能量差值一阶差分序列包含的所有数值差异越大时，电力变压器震动子序列内包含的数值差异越大，即电力变压器震动子序列内包含的震动信号的频率分量的能量呈现出的从频逐级递减的特征越不明显，此时，正常的震动信号额外引入了故障导致的震动信号的可能性越大。
至此，获取电力变压器震动子序列的震动能量反递减趋势度。
步骤S003，根据电力变压器震动子序列内包含的频率分量获取频率分量分布密度，根据电力变压器震动子序列内包含的频率分量和频率分量的能量获取能量分布集中度，进而获取电力变压器震动子序列的异常能量响应指数。
根据电力变压器震动子序列内包含的频率分量获取电力变压器震动子序列的频率分量分布密度，根据电力变压器震动子序列内包含的频率分量和频率分量的能量获取电力变压器震动子序列的能量分布集中度，根据电力变压器震动子序列的能量分布集中度、频率分量分布密度和震动能量反递减趋势度获取电力变压器震动子序列的异常能量响应指数。
其中，表示第个电力变压器震动子序列的频率分量分布密度；表示第个电
力变压器震动子序列的第个频率分量；表示第个电力变压器震动子序列的第1个频率
分量；表示第个电力变压器震动子序列包含数值的数量；表示第个电力变压器震动子
序列的能量分布集中度；表示第个电力变压器震动子序列的第个频率分量的能量；表示第个电力变压器震动子序列的第个频率分量；表示第个电力变压器
震动子序列的第个频率分量；表示第一调节系数，经验值为2；表示第个电力变
压器震动子序列的异常能量响应指数；表示第个电力变压器震动子序列的震动能量反
递减趋势度。
当电力变压器震动子序列的第个频率分量和第1个频率分量的差异越大时，电
力变压器震动子序列的频率分量分布密度越大、异常能量响应指数越小，即电力变压器震
动子序列对应的频率分量分布越分散，电力变压器震动子序列内包含的振动信号越有可能
是电力变压器正常工作带来的震动信号。
当电力变压器震动子序列的频率分量的能量越大、不同频率分量的差异越大时，电力变压器震动子序列的能量分布集中度越大，即电力变压器震动子序列的频谱图中存在越多有较高能量值的频率分量的可能性越大，电力变压器震动子序列内包含的振动信号越有可能是电力变压器出现的故障带来的异常震动信号。
当电力变压器震动子序列的能量分布集中度和震动能量反递减趋势度越大、频率分量分布密度越小时，电力变压器震动子序列的异常能量响应指数越大，电力变压器震动子序列内包含的振动信号越有可能是电力变压器出现的故障带来的异常震动信号。
至此，获取每个电力变压器震动子序列的异常能量响应指数。
步骤S004，获取电力变压器震动子序列的能量集中面积，根据电力变压器震动子序列的频率分量、频率分量的能量和能量集中面积获取电力变压器震动子序列的故障复杂指数。
当电力变压器内部零件，如绕组、芯片、夹具等存在松动时，电力变压器的结构不稳定，电力变压器会出现除正常震动之外的额外震动。当电力变压器发生绕组短路、相间短路等故障时，电流绕过绕组产生不正常的电磁力,也会引起电力变压器出现除正常震动之外的异常震动。引起电力变压器异常震动的故障原因不同，出现的除正常震动之外的额外震动的震动频率也将有所不同，在频谱图上，多个不同故障原因引起的电力变压器异常震动将表现为更为复杂的波动状况，以此为基础进行分析。
对电力变压器震动子序列使用最小二乘法与正弦函数进行拟合，获取电力变压器
震动子序列的波峰曲线。获取波峰曲线从电力变压器震动子序列的第一个频率分量至第
个频率分量的定积分，将定积分记为电力变压器震动子序列的能量集中面积。
当电力变压器震动子序列的频率分量的能量越大时，电力变压器震动子序列的能量集中面积越大，此时，电力变压器震动子序列内包含的振动信号越有可能出现电力变压器故障工作时的震动信号。
根据电力变压器震动子序列的频率分量、频率分量的能量和能量集中面积获取电力变压器震动子序列的故障复杂指数。
其中，表示第个电力变压器震动子序列的故障复杂指数；表示第个电力变压
器震动子序列包含数值的数量；表示第个电力变压器震动子序列的能量集中面积；表
示第个电力变压器震动子序列的第个频率分量的能量；表示第个电力变压器震动子
序列包含的频率分量的能量的均值。
当电力变压器震动子序列的频率分量的能量差异越大、电力变压器震动子序列的能量集中面积越大时，电力变压器震动子序列的故障复杂指数越大，此时，电力变压器震动子序列的频率分量分布越不均匀，电力变压器震动子序列越有可能出现电力变压器故障工作时的震动信号。
至此，获取电力变压器震动子序列的故障复杂指数。
步骤S005，获取电力变压器震动子序列的相邻子序列，根据电力变压器震动子序列和电力变压器震动子序列的相邻子序列获取电力变压器震动子序列的时间相似性指数，根据电力变压器震动子序列的时间相似性指数、故障复杂指数和频率分量分布密度确定电力变压器震动子序列的时序规整故障指数，根据电力变压器震动子序列的时序规整故障指数实现电力变压器运行故障检测。
为了避免振动信号采集时数据的偶然性导致的电力变压器运行故障判断不准确，仍对每个电力变压器震动子序列分别进行分析。
将电力变压器震动序列中与电力变压器震动子序列时间最接近的第一预设阈值个电力变压器震动子序列记为电力变压器震动子序列的相邻子序列。将电力变压器震动子序列与相邻子序列之间的皮尔逊相关系数记为相邻子序列的相邻时间相似性，将电力变压器震动子序列的所有相邻子序列的相邻时间相似性的均值记为电力变压器震动子序列的时间相似性指数。其中，皮尔逊相关系数的计算为公知技术，不再赘述；第一预设阈值的经验值为9。
当电力变压器震动子序列的相邻子序列与电力变压器震动子序列越为相似时，相邻子序列的相邻时间相似性越大，则电力变压器震动子序列的时间相似性指数越大，电力变压器震动子序列对应的电力变压器工作过程为正常工作过程的可能性越大。
根据电力变压器震动子序列的时间相似性指数、故障复杂指数和频率分量分布密度确定电力变压器震动子序列的时序规整故障指数。
其中，表示第个电力变压器震动子序列的时序规整故障指数；表示第个电
力变压器震动子序列的故障复杂指数；表示第个电力变压器震动子序列的异常能量响
应指数；表示第个电力变压器震动子序列的时间相似性指数。
但电力变压器震动子序列的时间相似性指数、故障复杂指数和频率分量分布密度越大时，电力变压器震动子序列包含的振动信号中包含故障引起的异常振动信号的可能性越大、可信性越强，变压器震动子序列中包含故障引起的异常振动信号的显著性越大。
将电力变压器故障进行分类，电力变压器故障类型包含“内部短路故障”、“绝缘材料老化或损坏故障”、“铁芯松动故障”、“冷却系统故障”和“其他故障”共五种。另外，将电力变压器无故障作为电力变压器运行故障检测的结果之一。
将已知电力变压器故障类型的电力变压器震动子序列和电力变压器震动子序列的时序规整故障指数与无故障的电力变压器运行时的电力变压器震动子序列和电力变压器震动子序列的时序规整故障指数作为训练集，使用训练集训练电力变压器故障检测模型。其中，无故障的电力变压器运行时的电力变压器震动子序列和电力变压器震动子序列的时序规整故障指数对应的电力变压器运行故障检测结果为“无故障”。
电力变压器故障检测模型由LSTM长短时记忆网络和FC全连接层构成，将电力变压器震动子序列和电力变压器震动子序列的时序规整故障指数输入LSTM长短时记忆网络，LSTM长短时记忆网络连接FC全连接层，由FC全连接层输出电力变压器故障检测结果。
电力变压器故障检测结果包括“内部短路故障”、“绝缘材料老化或损坏故障”、“铁芯松动故障”、“冷却系统故障”、“其他故障”和“无故障”共六种结果。
电力变压器故障检测模型的优化器采用Adam，损失函数采用交叉熵损失函数，通过最小化交叉熵损失函数，电力变压器故障检测模型可以学习到更准确的分类决策边界，提高分类任务的性能；构建电力变压器故障检测模型的过程为公知技术，不再赘述。
将需要进行故障检测的电力变压器的电力变压器震动子序列和电力变压器震动子序列的时序规整故障指数输入电力变压器故障检测模型，获取电力变压器故障检测结果。
至此，实现电力变压器运行故障检测。
基于与上述方法相同的发明构思，本发明实施例还提供了一种电力变压器运行故障检测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种电力变压器运行故障检测方法中任意一项所述方法的步骤。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种电力变压器运行故障检测方法，其特征在于，该方法包括以下步骤：
采集电力变压器的震动信号并进行预处理，获取电力变压器震动子序列的频谱图、频率响应信号和频率响应序列；
获取电力变压器震动子序列的能量波峰，获取电力变压器震动子序列的主频和从频，根据电力变压器震动子序列的能量波峰的频率分量、频率分量的能量和主频，获取电力变压器震动子序列的能量波峰的频率宽度和能量差值，获取电力变压器震动子序列的频带能量差值序列，根据频带能量差值序列获取频带能量差值一阶差分序列，根据频带能量差值一阶差分序列获取电力变压器震动子序列的震动能量反递减趋势度；
根据电力变压器震动子序列内包含的频率分量获取频率分量分布密度，根据电力变压器震动子序列内包含的频率分量和频率分量的能量获取能量分布集中度，进而获取电力变压器震动子序列的异常能量响应指数；
获取电力变压器震动子序列的能量集中面积，根据电力变压器震动子序列的频率分量、频率分量的能量和能量集中面积获取电力变压器震动子序列的故障复杂指数；
获取电力变压器震动子序列的相邻子序列，根据电力变压器震动子序列和电力变压器震动子序列的相邻子序列获取电力变压器震动子序列的时间相似性指数，根据电力变压器震动子序列的时间相似性指数、故障复杂指数和频率分量分布密度确定电力变压器震动子序列的时序规整故障指数，根据电力变压器震动子序列的时序规整故障指数实现电力变压器运行故障检测。
2.根据权利要求1所述的一种电力变压器运行故障检测方法，其特征在于，所述获取电力变压器震动子序列的能量波峰，获取电力变压器震动子序列的主频和从频的获取方法为：
将电力变压器震动子序列的频谱图中的极大值点记为电力变压器震动子序列的能量波峰；
将电力变压器震动子序列的频谱图中的纵坐标最大的能量波峰记为主频，将不是主频的能量波峰记为从频。
3.根据权利要求1所述的一种电力变压器运行故障检测方法，其特征在于，所述根据电力变压器震动子序列的能量波峰的频率分量、频率分量的能量和主频，获取电力变压器震动子序列的能量波峰的频率宽度和能量差值的获取方法为：
将能量波峰的频率分量与主频的频率分量的差值的绝对值记为能量波峰的频率宽度，将能量波峰的能量与主频的能量的差值的绝对值记为能量波峰的能量差值。
4.根据权利要求1所述的一种电力变压器运行故障检测方法，其特征在于，所述获取电力变压器震动子序列的频带能量差值序列，根据频带能量差值序列获取频带能量差值一阶差分序列的获取方法为：
将能量波峰的能量差值按照能量波峰的频率宽度从大到小的顺序进行排序，获取电力变压器震动子序列的频带能量差值序列，将频带能量差值序列的一阶差分序列记为频带能量差值一阶差分序列。
5.根据权利要求1所述的一种电力变压器运行故障检测方法，其特征在于，所述根据频带能量差值一阶差分序列获取电力变压器震动子序列的震动能量反递减趋势度的方法为：
将电力变压器震动子序列对应的频带能量差值一阶差分序列内包含的数值的平均绝对误差记为电力变压器震动子序列的震动能量反递减趋势度。
6.根据权利要求1所述的一种电力变压器运行故障检测方法，其特征在于，所述进而获取电力变压器震动子序列的异常能量响应指数的方法为：
将电力变压器震动子序列的能量分布集中度和震动能量反递减趋势度的乘积与频率分量分布密度的比值记为电力变压器震动子序列的异常能量响应指数。
7.根据权利要求1所述的一种电力变压器运行故障检测方法，其特征在于，所述获取电力变压器震动子序列的能量集中面积的方法为：
将电力变压器震动子序列与正弦函数进行拟合，获取电力变压器震动子序列的波峰曲线，将波峰曲线从电力变压器震动子序列的第一个频率分量至最后一个频率分量的定积分记为电力变压器震动子序列的能量集中面积。
8.根据权利要求1所述的一种电力变压器运行故障检测方法，其特征在于，所述获取电力变压器震动子序列的相邻子序列，根据电力变压器震动子序列和电力变压器震动子序列的相邻子序列获取电力变压器震动子序列的时间相似性指数的方法为：
将电力变压器震动序列中与电力变压器震动子序列时间最接近的第一预设阈值个电力变压器震动子序列记为电力变压器震动子序列的相邻子序列；
将电力变压器震动子序列与相邻子序列之间的皮尔逊相关系数记为相邻子序列的相邻时间相似性，将电力变压器震动子序列的所有相邻子序列的相邻时间相似性的均值记为电力变压器震动子序列的时间相似性指数。
9.根据权利要求1所述的一种电力变压器运行故障检测方法，其特征在于，所述根据电力变压器震动子序列的时序规整故障指数实现电力变压器运行故障检测的方法为：
将需要进行故障检测的电力变压器的电力变压器震动子序列和电力变压器震动子序列的时序规整故障指数输入电力变压器故障检测模型，获取电力变压器故障检测结果；
电力变压器故障检测模型由LSTM长短时记忆网络和FC全连接层构成，将电力变压器震动子序列和电力变压器震动子序列的时序规整故障指数输入LSTM长短时记忆网络，LSTM长短时记忆网络连接FC全连接层，由FC全连接层输出电力变压器故障检测结果；
电力变压器故障检测结果包括“内部短路故障”、“绝缘材料老化或损坏故障”、“铁芯松动故障”、“冷却系统故障”、“其他故障”和“无故障”共六种结果。
10.一种电力变压器运行故障检测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9任意一项方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311710512.2A CN117390408B (zh) | 2023-12-13 | 2023-12-13 | 一种电力变压器运行故障检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311710512.2A CN117390408B (zh) | 2023-12-13 | 2023-12-13 | 一种电力变压器运行故障检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117390408A CN117390408A (zh) | 2024-01-12 |
| CN117390408B true CN117390408B (zh) | 2024-02-06 |
Family
ID=89470695
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311710512.2A Active CN117390408B (zh) | 2023-12-13 | 2023-12-13 | 一种电力变压器运行故障检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117390408B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117741450B (zh) * | 2024-02-21 | 2024-05-14 | 新风光电子科技股份有限公司 | 一种电参数分析的储能电池检测方法 |
| CN117892095B (zh) * | 2024-03-14 | 2024-05-28 | 山东泰开电力电子有限公司 | 一种储能系统用的散热系统故障智能检测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106970297A (zh) * | 2017-05-25 | 2017-07-21 | 河海大学 | 一种基于振动的变压器绕组变形的在线检测方法 |
| CN116415115A (zh) * | 2023-03-15 | 2023-07-11 | 南方电网调峰调频发电有限公司西部检修试验分公司 | 变压器绕组状态确定方法及装置、变压器 |
| CN116699270A (zh) * | 2023-03-24 | 2023-09-05 | 国网浙江省电力有限公司超高压分公司 | 一种故障分析方法和相关装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10215621B2 (en) * | 2015-04-17 | 2019-02-26 | Micatu Inc. | Enhanced optical condition monitoring system for power transformer and method for operating power transformer |
-
2023
- 2023-12-13 CN CN202311710512.2A patent/CN117390408B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106970297A (zh) * | 2017-05-25 | 2017-07-21 | 河海大学 | 一种基于振动的变压器绕组变形的在线检测方法 |
| CN116415115A (zh) * | 2023-03-15 | 2023-07-11 | 南方电网调峰调频发电有限公司西部检修试验分公司 | 变压器绕组状态确定方法及装置、变压器 |
| CN116699270A (zh) * | 2023-03-24 | 2023-09-05 | 国网浙江省电力有限公司超高压分公司 | 一种故障分析方法和相关装置 |
Non-Patent Citations (1)
| Title |
|---|
| 马宏忠 ; 周宇 ; 李凯 ; 许洪华 ; 王涛云 ; .基于振动的变压器绕组压紧状态评估方法.电力系统自动化.2015,(第18期),137-142. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117390408A (zh) | 2024-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117390408B (zh) | 一种电力变压器运行故障检测方法及系统 | |
| CN109633431B (zh) | 基于振动信号特征提取的有载分接开关故障识别方法 | |
| CN110031089B (zh) | 一种变压器运行状态振声检测信号的滤波方法和装置 | |
| CN110579682A (zh) | 一种故障录波数据暂态同源对比方法及装置 | |
| CN104316844A (zh) | 配电网故障类型识别方法及装置 | |
| CN116679161B (zh) | 一种电网线路故障诊断方法、设备和介质 | |
| 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 | |
| CN118074058B (zh) | 一种智能配电室安全管控方法及系统 | |
| CN113391244A (zh) | 一种基于vmd的变压器合闸振动信号特征频率计算方法 | |
| CN115342904A (zh) | 一种基于多信息融合的变压器振动基频幅值预测方法 | |
| CN110609088A (zh) | 一种支柱绝缘子故障识别方法及装置 | |
| CN109324268B (zh) | 基于贝叶斯推理的配电网早期故障检测方法及装置 | |
| CN117269660A (zh) | 基于变异系数差分算法的故障电弧检测方法及系统 | |
| CN112114215A (zh) | 基于误差反向传播算法的变压器老化评估的方法及系统 | |
| CN114462452B (zh) | 用逐次变模态分解算法的异步电机转子断条故障诊断方法 | |
| 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 | |
| Zhang et al. | Mechanical fault diagnosis method for OLTC based on MPE and K-means++ algorithm | |
| 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 | |
| CN112327084B (zh) | 一种利用等距变换的变压器运行状态振声检测方法和系统 | |
| Gao et al. | An improved permutation entropy algorithm for non-intrusive load state change detection | |
| CN114062833B (zh) | 基于模糊推理系统的单相接地故障绝缘劣化识别方法 | |
| CN110502724B (zh) | 基于自组织神经网络的设备状态预测方法和终端设备 | |
| CN110657881B (zh) | 一种利用稀疏反演的变压器振声信号滤波方法和系统 | |
| CN117745123A (zh) | 一种基于多维特征的变电站电压暂降综合评估方法和装置 | |
| Shang et al. | PD feature extraction based on cross-wavelet transform and PCA |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240508 Address after: No. 12517, Jingshi West Road, Jinan City, Shandong Province, 250000 Patentee after: XD JINAN TRANSFORMER Co.,Ltd. Country or region after: China Patentee after: CHINA XD ELECTRIC Co.,Ltd. Address before: No. 12517, Jingshi West Road, Jinan City, Shandong Province, 250000 Patentee before: XD JINAN TRANSFORMER Co.,Ltd. Country or region before: China |