CN117571113A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN117571113A CN117571113A CN202311370729.3A CN202311370729A CN117571113A CN 117571113 A CN117571113 A CN 117571113A CN 202311370729 A CN202311370729 A CN 202311370729A CN 117571113 A CN117571113 A CN 117571113A
- Authority
- CN
- China
- Prior art keywords
- transformer
- fault diagnosis
- vibration signal
- vibration
- 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.)
- Pending
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 44
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims abstract description 32
- 238000012937 correction Methods 0.000 claims abstract description 20
- 239000013598 vector Substances 0.000 claims abstract description 20
- 238000004804 winding Methods 0.000 claims description 20
- 238000001228 spectrum Methods 0.000 claims description 18
- 230000000875 corresponding effect Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000002596 correlated effect Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 230000003044 adaptive effect Effects 0.000 claims 1
- 238000011160 research Methods 0.000 abstract description 8
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 description 15
- 230000001133 acceleration Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000001845 vibrational spectrum Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 238000004445 quantitative analysis Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Classifications
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Housings And Mounting Of Transformers (AREA)
Abstract
本发明公开了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，包括：采集变压器的数据，并通过修正系数排除干扰因素；计算振动信号基频分量的能量值，建立故障诊断模型；根据故障诊断模型计算特征向量，进行故障诊断。本发明方法通过修正系数排除电流谐波畸变率、功率因素、温度、运行年限等影响因素，使采集到的数据更精确的表现出变压器的状态。通过对各频段能量值的计算初步判断故障，然后建立故障诊断模型，通过对比正常状态和当前状态的特征向量，精确诊断变压器铁心松动故障，为下一步完善变压器振动研究提供参考。
Description
技术领域
本发明涉及变压器故障诊断技术领域，具体为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。
背景技术
电力变压器作为电力系统中关键设备之一，其可靠性尤其重要。铁心是变压器的重要组成部分，研究铁心的运行状态对保证变压器的安全运行具有重要意义。
常用于检测变压器铁心故障的传统方法主要有：基于油色谱分析的绝缘状态监测、离线检测法、基于负荷电压电流检测法、功率因数的电气故障监测等方法。近年来，随着振动检测法的发展，利用振动法检测铁心状态逐渐收到国内外研究者的关注。但是，现有的诊断模型很少有考虑谐波电流、功率因素、变压器运行年限等因素的影响，对于变压器振动影响因素的定量分析研究也非常少。
本发明对变压器的电流谐波畸变率、功率因素、温度、运行年限等影响因素进行定量分析，运用曲线拟合，得到变压器振动信号的修正系数。然后结合大量测试数据的分析研究建立变压器松动故障下的诊断模型，最后通过试验进行验证。
发明内容
鉴于上述存在的问题，提出了本发明。
因此，本发明解决的技术问题是：现有的诊断模型很少有考虑谐波电流、功率因素、变压器运行年限等因素的影响，对于变压器振动影响因素的定量分析研究也非常少。
为解决上述技术问题，本发明提供如下技术方案：一种基于振动信号的变压器铁心松动故障诊断方法，包括：采集变压器的数据，并通过修正系数排除干扰因素；计算振动信号基频分量的能量值，建立故障诊断模型；根据故障诊断模型计算特征向量，进行故障诊断。
作为本发明所述的基于振动信号的变压器铁心松动故障诊断方法的一种优选方案，其中：所述数据包括变压器正常状态和当前状态下的电压、温度、谐波畸变率、三相不平衡和振动信号。
作为本发明所述的基于振动信号的变压器铁心松动故障诊断方法的一种优选方案，其中：所述干扰因素包括，电流畸变率、功率因数、温度和运行年限，所述修正系数包括电流畸变率对振动信号频谱幅值的修正系数，
k100＝-76x3+110x2-47x+7.7
k200＝1.7x3-5x2+3.3x+0.22
k300＝-9.1x3+15x2-7.9x+1.7
k500＝-8.1x3+13x2-6.7x+1.2
k700＝-0.73x3+3.7x2-3.5x+0.94
其中，k100表示100Hz对应的电流畸变率对振动信号频谱幅值的修正系数；x表示频率幅值。
作为本发明所述的基于振动信号的变压器铁心松动故障诊断方法的一种优选方案，其中：所述修正系数还包括，功率因数与变压器振动频谱高次谐波分量呈正相关，三相变压器的运行年限与振动信号谐波畸变率呈正相关；温度对振幅的修正系数表示为，
A'＝At-d(t-25)
其中，A'表示折算为25℃后的总振幅；At表示温度t时的振幅；d表示拟合斜率。
作为本发明所述的基于振动信号的变压器铁心松动故障诊断方法的一种优选方案，其中：所述基频分量的能量值包括，对振动信号经快速傅里叶变换转化为频域信号后，计算各频率段的能量，
其中，Ef表示频率段的能量值；T表示标准特征向量；S(t)表示振动信号；Xm表示频域信号的某频率段内各离散点的幅值。
作为本发明所述的基于振动信号的变压器铁心松动故障诊断方法的一种优选方案，其中：所述故障诊断模型包括，
其中，ED50表示变压器箱体顶面振动信号50Hz分量的能量值；T1表示第一特征值。
作为本发明所述的基于振动信号的变压器铁心松动故障诊断方法的一种优选方案，其中：所述故障诊断包括，计算当前正面基频分量的能量值，与正常状态下的正面基频分量的能量值对比，若变压器正面基频能量增加大于20％，判断为变压器绕组变形或损伤；若变压器正面基频能量增加小于等于20％，利用故障诊断模型计算正面中部测点的ΔT＝Tx-TN＝[ΔT1 ΔT2 ΔT3]，若ΔT1、ΔT2、ΔT3都大于0，则判断变压器铁心松动；若存在ΔT1、ΔT2、ΔT3小于等于0，则判断变压器存在其他故障。
第二方面，本发明还提供了基于振动信号的变压器铁心松动故障诊断系统，包括，数据采集模块，采集变压其的数据，并通过自适应滤波器去除环境噪声；模型构建模块，将振动信号转化为频域信号，计算各频率段的能量，根据铁心、绕组松动后各频带的变化规律，建立故障诊断模型；诊断模块，利用故障诊断模型，计算变压器正常状态和当前状态的特征向量，诊断变压器铁心松动故障。
第三方面，本发明还提供了一种计算设备，包括：存储器和处理器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现所述基于振动信号的变压器铁心松动故障诊断方法的步骤。
第四方面，本发明还提供了一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现所述基于振动信号的变压器铁心松动故障诊断方法的步骤。
本发明的有益效果：本发明方法通过修正系数排除电流谐波畸变率、功率因素、温度、运行年限等影响因素，使采集到的数据更精确的表现出变压器的状态。通过对各频段能量值的计算初步判断故障，然后建立故障诊断模型，通过对比正常状态和当前状态的特征向量，精确诊断变压器铁心松动故障，为下一步完善变压器振动研究提供参考。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明一个实施例提供的一种基于振动信号的变压器铁心松动故障诊断方法的整体流程图；
图2为本发明一个实施例提供的一种基于振动信号的变压器铁心松动故障诊断方法的不同电流畸变率下的振动信号频谱图；
图3为本发明一个实施例提供的一种基于振动信号的变压器铁心松动故障诊断方法的不同功率因数下振动信号的频谱图；
图4为本发明一个实施例提供的一种基于振动信号的变压器铁心松动故障诊断方法的不同温度下振动信号的频谱图；
图5为本发明一个实施例提供的一种基于振动信号的变压器铁心松动故障诊断方法的振动基频幅值随运行年限的变化趋势图；
图6为本发明一个实施例提供的一种基于振动信号的变压器铁心松动故障诊断方法的振动谐波畸变率随运行年限变化的趋势图；
图7为本发明第二个实施例提供的一种基于振动信号的变压器铁心松动故障诊断方法的变压器振动信号采集接线图；
图8为本发明第二个实施例提供的一种基于振动信号的变压器铁心松动故障诊断方法的变压器振动信号采集测试位置图；
图9为本发明第二个实施例提供的一种基于振动信号的变压器铁心松动故障诊断方法的变压器铁心松动前后振动频谱图；
图10为本发明第二个实施例提供的一种基于振动信号的变压器铁心松动故障诊断方法的铁心松动前后不同测点各频率能量幅值图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
实施例1
参照图1-6，为本发明的一个实施例，提供了一种基于振动信号的变压器铁心松动故障诊断方法，包括：
S1：采集变压器的数据，并通过修正系数排除干扰因素。
进一步的，采集变压器正常状态和当前状态下的电压、温度、谐波畸变率、三相不平衡和振动信号。
干扰因素包括，电流畸变率、功率因数、温度和运行年限，对额定情况、不同电流畸变率(25％、45％、63％、77％)情况时的变压器振动信号进行采集，运用曲线拟合求取振动信号频谱幅值的修正曲线，进而得到修正系数。不同电流畸变率下的变压器振动信号频谱如图2所示。在变压器的谐波电流中主要是奇次谐波，因此谐波导致的变压器振动信号频谱主要是300Hz、500Hz、700Hz等成分。为了求出每一个频率幅值分别随电流畸变率的变化的趋势，设：
xe＝kixi
其中，xe为额定情况下频率幅值；xi为不同电流畸变程度下的频率幅值；ki为所求系数。
在MATLAB中对四个频率点的系数k进行三阶多项式拟合，求出各频率相应的系数k的曲线及相应的多项式方程，
k100＝-76x3+110x2-47x+7.7
k200＝1.7x3-5x2+3.3x+0.22
k300＝-9.1x3+15x2-7.9x+1.7
k500＝-8.1x3+13x2-6.7x+1.2
k700＝-0.73x3+3.7x2-3.5x+0.94
其中，k100表示100Hz对应的电流畸变率对振动信号频谱幅值的修正系数；x表示频率幅值。在实际测试中，可根据测得的电流畸变率与该曲线方程计算对应系数，再对幅值进行折算，以排除电流畸变对诊断结果的影响。另外，从频谱图中可知随着电流畸变率增大，出现了150、250Hz等电流基频的奇次倍频率，因此在实际诊断中也需要考虑该现象，排除影响。
在变压器的实际运行中，功率因数一般不等于1，电流和电压之间存在相位差，变压器铁心及绕组所产生的振动加速度的相位差为：
由铁心与绕组两组振动在辐射过程中合成的振动加速度幅值为：
其中，Φ表示实际相位差；Φ0表示初始相位差；a表示由铁心与绕组两组振动在辐射过程中合成的振动加速度幅值；a1表示铁心产生的振动加速度；a2表示绕组产生的振动加速度。可以看出，不同功率因数下铁心与绕组两组振动叠加而成的振动的加速度峰值不同。本文通过对试验变压器进行不同功率因数下的变压器振动信号采集，分析振动信号频谱随功率因数的变化情况，并结合试验数据得到功率因数影响下的折算系数。
如图3所示，功率因数增大，振动信号的100、300、500Hz等分量的幅值均有所增大，200Hz幅值变化较小，可见功率因数升高将使变压器振动频谱高次谐波分量增大；另外，同测点的基频100Hz幅值随功率因数增大呈非线性上升趋势。因此实际诊断中需考虑该因数的影响。
温度对变压器的影响主要体现在油浸式变压器运行环境复杂，其油温变化较大。温度对绕组振动的影响表现在两方面：影响绕组垫块的杨氏模量；影响变压器油阻尼。对试验变压器进行温升实验，采集不同温度下的变压器绕组振动信号，频谱如图4所示。
在29℃～45℃范围内，变压器绕组振动信号基频幅值随着顶层油温升高而增大，并且呈近似线性关系，其拟合斜率d的范围：0.013g/℃～0.04g/℃，可对测得的幅值折算到温度为25℃：
A'＝At-d(t-25)
其中，A'表示折算为25℃后的总振幅；At表示温度t时的振幅；d表示拟合斜率。
如图5所示，随着变压器运行年限的增长，其振动基频分量幅值大致呈增大趋势。结合实验与文献研究发现，出现这种分布规律的原因主要有两方面：首先，随着年限增大，变压器大；其次，随运行年限增大，变压器垫块的老化也加剧，从而导致垫块的弹性模量降低，引起绕组基频幅值增加。
由图6可知，不同运行年限变压器对其振动频谱谐波畸变率影响较大，年限在0～10年内的变压器谐波畸变率比较稳定；15～20年内的电力变压器谐波畸变率较大。在谐波畸变率分布特点方面，谐波畸变率数值落在200％～600％之间的概率最大。但是运行在10～20年内的变压器振动谐波畸变率存在分层现象，这可能与变压器相数存在联系，因此本文对该统计中的单相、三相变压器进行二次统计，发现无论运行年限长短、电压等级高低等因素，单相变压器振动频谱的谐波畸变率≤600％的概率为72％。而三相变压器随运行年限增大，振动信号谐波畸变率层次分明，即随运行年限的增大而增加。因此在状态诊断中需要考虑这一因素，进行一定折算。
S2：计算振动信号基频分量的能量值，建立故障诊断模型。
进一步的，当变压器状态发生变化时，其箱体表面的振动信号也随之发生改变。主要出现不同频率段的振动信号呈现出不同程度的衰减或增强的现象。所以在各频率成分的能量中包含着大量丰富的故障状态信息，对振动信号，经快速傅里叶变换(FFT)转化为频域信号后，求各频率段的能量。
其中，Ef表示频率段的能量值；T表示标准特征向量；S(t)表示振动信号；Xm表示频域信号的某频率段内各离散点的幅值。
但在计算能量前需按各影响因素的影响程度进行折算，在一定程度上排除各因素的影响。
电力变压器发生故障的原因错综复杂，导致故障征兆也多种多样，因此需要提取多种频率分量作为判断依据。结合铁心、绕组松动后各频带的变化规律，建立变压器铁心、绕组松动故障诊断模型：
其中，ED50表示变压器箱体顶面振动信号50Hz分量的能量值；T1表示第一特征值。
根据故障诊断模型，确定正常与故障下的3个特征值，组成正常情况下的标准特征向量T，当绕组、铁心松动后，各频率处的幅值会出现变化，其变化将使标准特征量发生改变，通过比较当前特征向量Tx与标准特征向量进而判断铁心松动故障。
S3：根据故障诊断模型计算特征向量，进行故障诊断。
进一步的，故障诊断包括，计算当前正面基频分量的能量值，与正常状态下的正面基频分量的能量值对比，若变压器正面基频能量增加大于20％，判断为变压器绕组变形或损伤；若变压器正面基频能量增加小于等于20％，利用故障诊断模型计算正面中部测点的ΔT＝Tx-TN＝[ΔT1 ΔT2 ΔT3]，若ΔT1、ΔT2、ΔT3都大于0，则判断变压器铁心松动；若存在ΔT1、ΔT2、ΔT3小于等于0，则判断变压器存在其他故障。
需要说明的是，在进行故障诊断时，需要将信号按照负载电流、加载电压、功率因素、运行年限、温度等影响因素进行折算，折算到同一运行状态，以确保诊断的准确性。
本实施例还提供一种基于振动信号的变压器铁心松动故障诊断系统，包括，数据采集模块，采集变压其的数据，并通过自适应滤波器去除环境噪声；模型构建模块，将振动信号转化为频域信号，计算各频率段的能量，根据铁心、绕组松动后各频带的变化规律，建立故障诊断模型；诊断模块，利用故障诊断模型，计算变压器正常状态和当前状态的特征向量，诊断变压器铁心松动故障。
本实施例还提供一种计算设备，包括，存储器和处理器；存储器用于存储计算机可执行指令，处理器用于执行计算机可执行指令，实现如上述实施例提出的实现基于振动信号的变压器铁心松动故障诊断方法。
本实施例还提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例提出的基于振动信号的变压器铁心松动故障诊断方法。
本实施例提出的存储介质与上述实施例提出的基于振动信号的变压器铁心松动故障诊断方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例与上述实施例具有相同的有益效果。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(ReadOnly，Memory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。
实施例2
参照图7-9，为本发明的一个实施例，提供了一种基于振动信号的变压器铁心松动故障诊断方法，为了验证本发明的有益效果，通过实验进行科学论证。
本文采用PCB356A16压电式加速度传感器以及NI9234数据采集仪对一台型号为S11-M-10/10的变压器样机进行振动测试，采样频率为25.6kHz。测试接线原理图、测试位置分别如图7和图8所示。
图8为测试位置说明。变压器本体振动信号经不同方向路径传播至变压器正面和顶部，实验样机体积较小，电压低，顶部安装传感器可行，因此选择每相对应的顶部和正面中部位置对实验样机进行测试，即A1、B2和C3三个测试点分别对应A、B、C三相铁心顶部位置，A4、B5和C6三个测试点分别对应A、B、C三相铁心正面中部位置。
对变压器正常运行时的箱体顶部进行振动信号采集，记为正常信号。对变压器铁心松动故障进行模拟，并采集松动下的变压器振动信号。以A1点为例，对正常与故障下的信号进行折算和处理，得到其频谱分别如图9所示
从图9(a)中变压器正常空载状态时，基频100Hz分量的幅值最大，存在少量的50Hz、200Hz等分量，与理论分析相符；分析设置故障后的变压器振动频谱，如图9(b)，可见，设置故障之后，变压器表面振动信号的基频100Hz的幅值增大，50Hz、200Hz幅值都大幅增加。其他两点的频谱变化规律与A1点相似。
运用本发明提出的诊断模型对变压器故障进行判断。将故障后的变压器表明振动信号记为当前未知信号。记录当前的电压、温度、谐波畸变率、三相不平衡等参数，对采集到的振动信号进行折算，选取变压器顶部振动信号，对基频100Hz、50Hz、200Hz的能量值进行对比分析，结果如图10所示。
通过对比图10中变压器顶部测点A1、B2、C3振动信号基频能量可知，当前值均比正常情况下的能量值有所增大，并且50Hz与200Hz占比明显增大。可判断该变压器存在一定问题，需要进一步诊断分析。
利用故障诊断模型进行特征量提取，得到标准特征向量TN与当前特征向量TW，结果如下表所示。
表1测点A1、B2、C3处的特征向量
| 测试点 | 正常状态特征向量TN | 当前特征向量TW |
| 测点A1 | [0.7 0.22 0.25] | [2.60 0.46 0.40] |
| 测点B2 | [0.2 0.07 0.43] | [0.81 0.13 0.48] |
| 测点C3 | [1.1 0.25 0.28] | [4.30 0.46 0.49] |
计算该变压器每个测点的ΔT＝Tx-TN＝[ΔT1 ΔT2 ΔT3]，结果如表2所示。
表2特征向量对比
| 测试点 | ΔT1 | ΔT2 | ΔT3 |
| 测点A1 | 1.9 | 0.24 | 0.15 |
| 测点B2 | 0.61 | 0.05 | 0.05 |
| 测点C3 | 3.2 | 0.21 | 0.21 |
从表2中可知，该变压器三个测点处的ΔT1、ΔT2、ΔT3都大于0，据本发明分析可初步认为该变压器存在铁心松动故障。另外，经计算变压器正面基频能量Ez增加了13.67％，其能量值增加不明显，而顶部基频能量增加了45.3％，明显看出其增大幅值较大，因此可进一步认为变压器出现铁心松动故障。
本发明对功率因素、温度、运行年限等对变压器振动的影响情况进行了定性分析，得到振动信号随功率因素、温度、运行年限变化而改变的大致趋势：变压器振动频谱高次谐波分量随着功率因素升高而增大，同测点的基频100Hz幅值随功率因素增大呈非线性上升趋势；在29℃～45℃范围内，变压器绕组振动信号基频幅值随着顶层油温升高而增大，并且呈近似线性关系；变压器运行年限在0～10年内的变压器谐波畸变率比较稳定，15～20年内的电力变压器谐波畸变率较大。
针对变压器铁心松动问题，通过大量数据分析与研究提出了基于铁心松动的故障诊断模型，并通过试验研究验证了模型的可靠性。为下一步完善变压器振动研究提供参考。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于振动信号的变压器铁心松动故障诊断方法，其特征在于，包括：
采集变压器的数据，并通过修正系数排除干扰因素；
计算振动信号基频分量的能量值，建立故障诊断模型；
根据故障诊断模型计算特征向量，进行故障诊断。
2.如权利要求1所述的基于振动信号的变压器铁心松动故障诊断方法，其特征在于：所述数据包括变压器正常状态和当前状态下的电压、温度、谐波畸变率、三相不平衡和振动信号。
3.如权利要求2所述的基于振动信号的变压器铁心松动故障诊断方法，其特征在于：所述干扰因素包括，电流畸变率、功率因数、温度和运行年限，所述修正系数包括电流畸变率对振动信号频谱幅值的修正系数，
k100＝-76x3+110x2-47x+7.7
k200＝1.7x3-5x2+3.3x+0.22
k300＝-9.1x3+15x2-7.9x+1.7
k500＝-8.1x3+13x2-6.7x+1.2
k700＝-0.73x3+3.7x2-3.5x+0.94
其中，k100表示100Hz对应的电流畸变率对振动信号频谱幅值的修正系数；x表示频率幅值。
4.如权利要求3所述的基于振动信号的变压器铁心松动故障诊断方法，其特征在于：所述修正系数还包括，功率因数与变压器振动频谱高次谐波分量呈正相关，三相变压器的运行年限与振动信号谐波畸变率呈正相关；
温度对振幅的修正系数表示为，
A'＝At-d(t-25)
其中，A'表示折算为25℃后的总振幅；At表示温度t时的振幅；d表示拟合斜率。
5.如权利要求4所述的基于振动信号的变压器铁心松动故障诊断方法，其特征在于：所述基频分量的能量值包括，对振动信号经快速傅里叶变换转化为频域信号后，计算各频率段的能量，
其中，Ef表示频率段的能量值；T表示标准特征向量；S(t)表示振动信号；Xm表示频域信号的某频率段内各离散点的幅值。
6.如权利要求5所述的基于振动信号的变压器铁心松动故障诊断方法，其特征在于：所述故障诊断模型包括，
其中，ED50表示变压器箱体顶面振动信号50Hz分量的能量值；T1表示第一特征值。
7.如权利要求6所述的基于振动信号的变压器铁心松动故障诊断方法，其特征在于：所述故障诊断包括，计算当前正面基频分量的能量值，与正常状态下的正面基频分量的能量值对比，若变压器正面基频能量增加大于20％，判断为变压器绕组变形或损伤；
若变压器正面基频能量增加小于等于20％，利用故障诊断模型计算正面中部测点的ΔT＝Tx-TN＝[ΔT1 ΔT2 ΔT3]，若ΔT1、ΔT2、ΔT3都大于0，则判断变压器铁心松动；若存在ΔT1、ΔT2、ΔT3小于等于0，则判断变压器存在其他故障。
8.一种采用如权利要求1～7任一所述方法的基于振动信号的变压器铁心松动故障诊断系统，其特征在于，包括，
数据采集模块，采集变压其的数据，并通过自适应滤波器去除环境噪声；
模型构建模块，将振动信号转化为频域信号，计算各频率段的能量，根据铁心、绕组松动后各频带的变化规律，建立故障诊断模型；
诊断模块，利用故障诊断模型，计算变压器正常状态和当前状态的特征向量，诊断变压器铁心松动故障。
9.一种计算设备，包括：存储器和处理器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任一项所述的方法的步骤。
10.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311370729.3A CN117571113A (zh) | 2023-10-23 | 2023-10-23 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311370729.3A CN117571113A (zh) | 2023-10-23 | 2023-10-23 | 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 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117571113A true CN117571113A (zh) | 2024-02-20 |
Family
ID=89863321
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311370729.3A Pending CN117571113A (zh) | 2023-10-23 | 2023-10-23 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117571113A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117932558A (zh) * | 2024-02-29 | 2024-04-26 | 国网宁夏电力有限公司电力科学研究院 | 一种变压器铁心绕组耦合振动模型建立方法、介质及系统 |
| CN118424453A (zh) * | 2024-07-03 | 2024-08-02 | 南京导纳能科技有限公司 | 一种变压器箱体表面振动测点选取设计方法及系统 |
-
2023
- 2023-10-23 CN CN202311370729.3A patent/CN117571113A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117932558A (zh) * | 2024-02-29 | 2024-04-26 | 国网宁夏电力有限公司电力科学研究院 | 一种变压器铁心绕组耦合振动模型建立方法、介质及系统 |
| CN118424453A (zh) * | 2024-07-03 | 2024-08-02 | 南京导纳能科技有限公司 | 一种变压器箱体表面振动测点选取设计方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| US9404957B2 (en) | Fault diagnosis and preliminary location system and method for transformer core looseness | |
| CN104236702B (zh) | 电力变压器内部松动判断系统及其方法 | |
| CN111289796B (zh) | 一种高比例可再生能源电力系统次同步振荡的检测方法 | |
| CN112556828A (zh) | 一种变压器绕组松动故障检测方法 | |
| CN202734953U (zh) | 电力变压器铁芯松动故障诊断装置 | |
| CN112630527A (zh) | 基于经验小波变换的畸变信号电量计量方法 | |
| CN109932053A (zh) | 一种用于高压并联电抗器的状态监测装置及方法 | |
| CN114924157B (zh) | 一种基于5g传输的并联电抗器状态监测方法及系统 | |
| CN106526436A (zh) | 一种基于振动法的变压器绝缘老化状态评估方法 | |
| Chen et al. | Estimation of High-Frequency Oscillation’s Magnitude and Frequency Based on Multi-Tone FIR Filter | |
| CN104330684A (zh) | 一种多参量电力变压器铁芯内部局部短路故障监测方法 | |
| LU502454B1 (en) | A Bearing Fault Identification Method and System Based on EEMD Sparse Decomposition | |
| 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 | |
| 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 | |
| CN111650436B (zh) | 一种高比例可再生能源电力系统的次同步振荡辨识方法 | |
| Jiang et al. | Characteristic Analysis and Optimization Strategy of Transformer Vibration Signal | |
| 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 | |
| Ning et al. | Application of empirical wavelet transform in vibration signal analysis of UHV shunt reactor | |
| CN112836390B (zh) | 一种变流器故障检测方法、系统及存储介质 | |
| Wang et al. | Vibration signal processing method of GIS equipment based on wavelet analysis and spectrum analysis | |
| CN115291021B (zh) | 高压套管状态的高精度参数分析方法与系统 | |
| CN115343659A (zh) | 基于振动信号的变压器直流偏磁检测方法和系统 | |
| 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 | |
| CN116296329B (zh) | 一种变压器铁芯机械状态诊断方法、设备及介质 |
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 |