DE102018222291A1

DE102018222291A1 - Process for describing the condition of a transformer, energy automation device

Info

Publication number: DE102018222291A1
Application number: DE102018222291.6A
Authority: DE
Inventors: Anne Bauer; Hans-Peter Krämer; Thomas Werner
Original assignee: Siemens AG
Current assignee: Siemens AG
Priority date: 2018-12-19
Filing date: 2018-12-19
Publication date: 2020-06-25

Abstract

Die Erfindung betrifft ein Verfahren zur Zustandsbeschreibung eines Transformators (TRF) bei dem in einem ersten Schritta) eine Messung eines Verlaufs einer elektrischen Stromstärke (IMT) und/oder einer elektrischen Spannung (UMT) über einen Zeitverlauf (TMI) in einer Primärwicklung (PWN) und/oder einer Sekundärwicklung (SWN) in einer Abtastrate (TRS) als Betriebsmessung (OPM) erfolgt.Damit ein Rückschluss auf den Zustand des Transformators möglich ist, schlägt die Erfindung die weiteren Schritte vor:b) Frequenzanalyse (FRA) der Betriebsmessung (OPM) zur Ermittlung der Frequenzen (FRQ) eines Frequenzspektrums (FSP) der Betriebsmessung (OPM),c) Trennung des Frequenzspektrums (FSP) in ein erstes Frequenzspektrum (FS1), das von einem Netzrauschen (NNS) eines an den Transformator (TRF) angeschlossenen Stromnetzes (ANW) verursacht ist und ein zweites Frequenzspektrum (FS2), das von einem Schwingungsaufkommen (VBR) an dem Transformator (TRF) verursacht ist,d) Vergleich zumindest eines Teils des zweiten Frequenzspektrums (FS2) mit verschiedenen Referenzfrequenzspektren (FRF), denen jeweils eine Referenzzustandsbeschreibung (DSR) zugeordnet ist,e) Ableitung einer Zustandsbeschreibung (DST) auf dem Ergebnis des Vergleichs gemäß Schritt d),f) Umsetzung in Abhängigkeit von der Zustandsbeschreibung (DST) einer Mitteilungsroutine und/oder Warnungsroutine und/oder einer Regelungsroutine, die das Betriebsverhalten des Transformators beeinflusst. Weiterhin betrifft die Erfindung ein Energieautomatisierungsgerät (EAU) zum Steuern und/oder Überwachen eines Transformators (TRF), wobei dasThe invention relates to a method for describing the state of a transformer (TRF) in which, in a first step), a measurement of a profile of an electrical current strength (IMT) and / or an electrical voltage (UMT) over a time profile (TMI) in a primary winding (PWN). and / or a secondary winding (SWN) in a sampling rate (TRS) as operational measurement (OPM). In order to be able to draw conclusions about the state of the transformer, the invention proposes the further steps: b) frequency analysis (FRA) of operational measurement (OPM ) to determine the frequencies (FRQ) of a frequency spectrum (FSP) of the operational measurement (OPM), c) separation of the frequency spectrum (FSP) into a first frequency spectrum (FS1), which is connected to the transformer (TRF) by a network noise (NNS) Power network (ANW) is caused and a second frequency spectrum (FS2), which is caused by an oscillation (VBR) on the transformer (TRF), d) comparison of at least a part of the second frequency spectrum (FS2) with different reference frequency spectra (FRF), each of which is assigned a reference status description (DSR), e) deriving a status description (DST) from the result of the comparison according to step d), f) implementation depending on the status description ( DST) a notification routine and / or warning routine and / or a control routine that influences the operational behavior of the transformer. Furthermore, the invention relates to an energy automation device (EAU) for controlling and / or monitoring a transformer (TRF), the

Description

Die Erfindung betrifft ein Verfahren zur Zustandsbeschreibung eines Transformators, bei dem in einem ersten Schritt eine Messung eines Verlaufs einer elektrischen Stromstärke und/oder einer elektrischen Spannung über einen Zeitverlauf in einer Primärwicklung und/oder einer Sekundärwicklung in einer Abtastrate als Betriebsmessung erfolgt. Weiterhin betrifft die Erfindung ein Energieautomatisierungsgerät zum Steuern und/oder Überwachen eines Transformators, wobei das Energieautomatisierungsgerät zur Durchführung eines erfindungsgemäßen Verfahrens eingerichtet ist.The invention relates to a method for describing the state of a transformer, in which, in a first step, a course of an electrical current intensity and / or an electrical voltage is measured over a time course in a primary winding and / or a secondary winding in a sampling rate as an operational measurement. The invention further relates to an energy automation device for controlling and / or monitoring a transformer, the energy automation device being set up to carry out a method according to the invention.

In heutigen elektrischen Energieversorgungsnetzen ist die Überwachung des Zustandes eines elektrischen Betriebsmittels sehr aufwendig und teuer. Aus diesem Grund werden im Allgemeinen nur sehr große oder sehr teure Betriebsmittel, wie zum Beispiel Transformatoren in Hochspannungsnetzen, mit entsprechenden Sensoren und Auswertesystemen ausgerüstet, die eine online-Diagnose des Zustandes erlauben. Zu den üblichen Diagnoseverfahren für Transformatoren zählen die Teilentladungsmessung, Frequenzanalyse, Gas-in-Öl-Analyse, Feuchtemessungen des Öls und die Auswertung des thermischen Verhaltens des Transformators.
Neuste Arbeiten beschäftigen sich mit Vibrationsmessungen am Transformator, um daraus auf seinen Zustand zu schließen. Diese Vibrationen werden mit Beschleunigungssensoren aufgenommen, die auf den Kessel des Transformators aufgebracht werden. Es zeigt sich aber, dass die Signale dieser Sensoren stark positionsabhängig sind und zwei verschiedene Messpunkte hinsichtlich ihres Frequenzspektrums und Amplituden nicht direkt miteinander verglichen werden können. Dieser Sachverhalt ist ersichtlich aus:

- E.Fohry & Beltle, Michael & Mueller, A & Siegel, Martin & Tenbohlen, Stefan. (2014). Neue Methodik der Zustandsüberwachung von Transformatoren mithilfe von Online TE-Messung und Vibrationsmonitoring; https://www.researchgate.net/publication/266850702_Neue_ Metho- dik_der_Zustandsuberwachung_von_Transformatoren_mithilfe _von_Online_TE- Messung_und_Vibrationsmonitoring;.

Ähnliche Erkenntnisse sind aus den folgenden Veröffentlichungen ersichtlich:

- Belen Garcia, Juan Carlos Burgos, Angel Matias Alonso Transformer Tank Vibration Modeling as a Method of Detecting Winding Deformations- Part I: Theoretical Foundation IEEE TRANSACTIONS ON POWER DELIVERY, VOL. 21, NO. 1, JANUARY 2006, pp. 157 ;
- Belen Garcia, Juan Carlos Burgos, Angel Matias Alonso Transformer Tank Vibration Modeling as a Method of Detecting Winding Deformations- Part II: Experimental Verification IEEE TRANSACTIONS ON POWER DELIVERY, VOL. 21, NO. 1, JANUARY 2006, pp. 164 .

In today's electrical power supply networks, monitoring the condition of electrical equipment is very complex and expensive. For this reason, only very large or very expensive equipment, such as transformers in high-voltage networks, are generally equipped with appropriate sensors and evaluation systems that allow online diagnosis of the condition. Common diagnostic procedures for transformers include partial discharge measurement, frequency analysis, gas-in-oil analysis, moisture measurement of the oil and evaluation of the thermal behavior of the transformer.
The latest work deals with vibration measurements on the transformer in order to infer its condition. These vibrations are recorded with acceleration sensors, which are applied to the boiler of the transformer. It turns out, however, that the signals from these sensors are strongly position-dependent and that two different measuring points cannot be compared directly with respect to their frequency spectrum and amplitudes. This can be seen from:

- E. Fohry & Beltle, Michael & Mueller, A & Siegel, Martin & Tenbohlen, Stefan. (2014). New methodology for condition monitoring of transformers using online TE measurement and vibration monitoring; https://www.researchgate.net/publication/266850702_Neue_ Methoddik_der_Zustandsuberüberwachung_von_Transformatoren_mithilfe _von_Online_TE- Measurement_und_Vibrationsmonitoring ;.

Similar findings can be seen from the following publications:

Zusammenfassend kann festgestellt werden, dass direkte Messungen von Vibrationen an Transformatoren in ihrem Ergebnis stark abhängig sind von der Positionierung der Messsensoren. Daher ist ein Schluss von den Schwingungsmessungen auf einen Zustand des einzelnen Transformators mit einer verhältnismäßig großen Unsicherheit behaftet. Insbesondere ist eine Generalisierung von Erkenntnissen aus gemessenen Schwingungswerten mittels einer Direktmessung und der Schluss auf eine mögliche Schwingungsursache - in der Art, dass ein Defekt an einem ersten Transformator ein bestimmtes Schwingungsaufkommen verursacht hat und dementsprechend ein bestimmtes Schwingungsaufkommen gleicher Größenordnung an einem anderen Transformator auf einen gleichen Defekt hindeutet - auch für Transformatoren gleicher Baureihe nicht immer möglich.In summary, it can be stated that direct measurements of vibrations on transformers are strongly dependent on the positioning of the measuring sensors. Therefore, a conclusion from the vibration measurements on a state of the individual transformer is fraught with a relatively large degree of uncertainty. In particular, a generalization of knowledge from measured vibration values by means of a direct measurement and the conclusion on a possible cause of vibration - in such a way that a defect in a first transformer caused a certain amount of vibration and accordingly a certain amount of vibration of the same order of magnitude on another transformer Defect indicates - not always possible even for transformers of the same series.

Die Erfindung hat es sich daher zur Aufgabe gemacht, die Generalisierung von Zustandsbestimmungen in Abhängigkeit von Betriebsmessungen zu verbessern bzw. mit verbesserter Genauigkeit zu ermöglichen.The object of the invention is therefore to improve the generalization of state determinations as a function of operational measurements or to enable them with improved accuracy.

Zur Lösung der erfindungsgemäßen Aufgabe wird ein Verfahren eingangs definierter Art vorgeschlagen mit den zusätzlichen Merkmalen der in Anspruch 1 spezifizierten Verfahrensschritte. Weiterhin wird ein Energieautomatisierungsgerät zur Durchführung des erfindungsgemäßen Verfahrens vorgeschlagen.To achieve the object of the invention, a method of the type defined in the introduction is proposed with the additional features of the method steps specified in claim 1. Furthermore, an energy automation device for carrying out the method according to the invention is proposed.

Neben der Verbesserung der Generalisierungsmöglichkeiten für die Zustandsbestimmung von Transformatoren ergibt sich erfindungsgemäß auch die attraktive Synergie, Direktmessungen von Schwingungen an Transformatoren einzusparen.In addition to improving the generalization options for determining the state of transformers, the attractive synergy according to the invention also results in saving direct measurements of vibrations on transformers.

Die Erfindung schlägt ein Verfahren vor, mit dem die Vibrationen indirekt über Strom- und Spannungsmessungen am Transformator erfasst werden. Damit wird eine Unabhängigkeit von der Positionierung der Messsensoren erreicht. Weiterhin können diese Messungen und ihre Auswertungen als Softwareanwendungen direkt in Energieautomatisierungsgeräte integriert werden.The invention proposes a method with which the vibrations are detected indirectly via current and voltage measurements on the transformer. This ensures independence from the positioning of the measuring sensors. Furthermore, these measurements and their evaluations can be integrated directly into energy automation devices as software applications.

Die Vibrationen bzw. die Betriebsgeräusche eines Transformators entstehen durch zwei Effekte, nämlich die Magnetostriktion und die Lorenzkräfte. Die Magnetostriktion beschreibt die Deformation der geschichteten Kernbleche durch die Magnetfelder, die von den Transformatorwicklungen erzeugt werden. Dabei werden die Weiß'schen Bezirke im ferromagnetischen Material im Takt der Schwingungen des äußeren Magnetfelds ausgerichtet, wodurch der gesamte Kern gedehnt und gestaucht wird. Die Weiß'schen Bezirke besitzen unterschiedliche räumliche Ausdehnungen, wodurch sie die Vibrationseigenschaften des Kerns prägen. Durch Veränderungen des Kerns ändern sich auch die Vibrationseigenschaften, so dass durch Messungen der Vibrationen auf den Zustand des Kerns zurückgeschlossen werden kann. Die Lorentzkräfte, die auf die Wicklungen des Transformators wirken, sind von der Geometrie der Wicklungen abhängig. Verändert sich diese, zum Beispiel durch hohe Kurzschlussströme, ändern sich auch die Lorentzkräfte und damit wiederum das Vibrationsverhalten. Beide Effekte, die Magnetostriktion als auch die Lorentzkräfte, sind Funktionen des Stromes. Wenn sie sich ändern, erkennt man nach der Erfindung Änderungen auch in den Stromverläufen.The vibrations or the operating noises of a transformer arise from two effects, namely magnetostriction and Lorenz forces. Magnetostriction describes the deformation of the layered core sheets through the magnetic fields generated by the transformer windings. The Weiss areas in the ferromagnetic material are aligned in time with the vibrations of the external magnetic field, which stretches and compresses the entire core. The Weiss districts have different spatial dimensions, which characterize the vibration properties of the core. Changes in the core also change the vibration properties, so that measurements of the vibrations can be used to determine the condition of the core. The Lorentz forces that act on the windings of the transformer depend on the geometry of the windings. If this changes, for example due to high short-circuit currents, the Lorentz forces also change and with it the vibration behavior. Both effects, magnetostriction and Lorentz forces, are functions of the current. If they change, changes according to the invention can also be seen in the current profiles.

Eine Zustandsbeschreibung eines Transformators im erfindungsgemäßen Sinne bezieht sich auf den gegenständlichen Zustand des Transformators einschließlich beispielsweise Betriebsflüssigkeiten. Hierbei sind insbesondere sämtliche Zustandsparameter von Bedeutung, die Einfluss auf die voraussichtliche Lebensdauer des Transformators im Betrieb haben. Ausgehend von einem Gedankenmodell einer Lebensdauer in äquivalenten Betriebsstunden kann die Zustandsbeschreibung eines Transformators auch als ein Alterungszustand dieses Aggregats bezeichnet werden. Hierbei ist das Betriebsverhalten des Transformators, insbesondere hinsichtlich des Schwingungsaufkommens, ein Indikator für Bauteilermüdungen, zum Beispiel aufgrund von Mikrorissen oder Korrosion und bevorstehendes Bauteilversagen. Ein Beispiel hierfür sind beispielsweise sich lösende Bleche oder durch beispielsweise Teilentladungen beschädigte Isolierungen.A description of the condition of a transformer in the sense of the invention relates to the physical condition of the transformer including, for example, operating fluids. Here, all status parameters are of particular importance that have an influence on the expected service life of the transformer during operation. Based on a thought model of a service life in equivalent operating hours, the status description of a transformer can also be referred to as an aging status of this unit. The operating behavior of the transformer, in particular with regard to the amount of vibration, is an indicator of component fatigue, for example due to microcracks or corrosion and impending component failure. An example of this are, for example, metal sheets which come loose or insulations damaged by, for example, partial discharges.

Ein zentrales Element der Erfindung in einer vorteilhaften Weiterbildung ist das Schwingungsaufkommen an dem Transformator. Einerseits ist das Schwingungsaufkommen an dem Transformator sehr starker Indikator für den Alterungszustand des Transformators, weil bevorstehendes Bauteilversagen sich häufig durch ein höheres Schwingungsaufkommen ankündigt und andererseits ist das Schwingungsaufkommen nach Erkenntnis der Erfindung hinsichtlich der Verteilung der Frequenzen und auch hinsichtlich der Amplituden der Schwingung bei entsprechender hochauflösender Betrachtung der elektrischen Ströme und Spannungen an diesen Betriebsmessungen ablesbar.A central element of the invention in an advantageous development is the vibration on the transformer. On the one hand, the vibration level on the transformer is a very strong indicator of the aging condition of the transformer, because impending component failure is often heralded by a higher level of vibration level, and on the other hand, the vibration level according to the knowledge of the invention with regard to the distribution of frequencies and also with regard to the amplitude of the vibration with a correspondingly higher resolution Consideration of the electrical currents and voltages can be read from these operating measurements.

Hierzu ist es besonders vorteilhaft, wenn ein Frequenzspektrum aus den Betriebsmessungen mittels einer Fouriertransformation, insbesondere mittels einer schnellen Fouriertransformation, ermittelt wird. Die Erfindung untersucht die Betriebsmessung insbesondere im Frequenzbereich statt im Zeitbereich.For this purpose, it is particularly advantageous if a frequency spectrum is determined from the operational measurements by means of a Fourier transformation, in particular by means of a fast Fourier transformation. The invention examines the operational measurement particularly in the frequency domain instead of in the time domain.

Hierzu ist es besonders vorteilhaft, wenn ein um das Netzrauschen bereinigtes Frequenzspektrum, das bevorzugt mittels einer Fouriertransformation, insbesondere mittels einer schnellen Fouriertransformation, ermittelt worden ist, einem Verfahrensschritt zur Mustererkennung in dem schwingungsbezogenen Frequenzspektrum unterzogen wird. Die Frequenzanalysen gemäß der Erfindung werden mit solchen Frequenzanalysen verglichen, bei denen der Zustand der Transformatoren bekannt ist. Dazu sollen bevorzugt selbstlernende Verfahren zur Mustererkennung eingesetzt werden, zum Beispiel künstliche neuronale Netze, die anhand des veränderten Frequenzspektrums den veränderten Zustand des Betriebsmittels bzw. des Transformators klassifizieren.For this purpose, it is particularly advantageous if a frequency spectrum adjusted for the network noise, which has preferably been determined by means of a Fourier transformation, in particular by means of a fast Fourier transformation, is subjected to a method step for pattern recognition in the vibration-related frequency spectrum. The frequency analyzes according to the invention are compared with those frequency analyzes in which the state of the transformers is known. For this purpose, self-learning methods for pattern recognition should preferably be used, for example artificial neural networks which classify the changed state of the equipment or of the transformer on the basis of the changed frequency spectrum.

Besonders zweckmäßig ist das Verfahren zur Mustererkennung derart ausgebildet, dass es auf ein erstes künstliches neuronales Netz zugreift, das anhand erkannter Muster in dem zweiten Frequenzspektrum eine Zustandsbeschreibung oder bestimmte Zustandsveränderungen ableitet.The method for pattern recognition is particularly expediently designed in such a way that it accesses a first artificial neural network which derives a state description or certain state changes on the basis of recognized patterns in the second frequency spectrum.

Eine vorteilhafte Weiterbildung der Erfindung sieht vor, dass eine Abtastrate zur Messung der Stromstärke oder der Spannung gemäß der Erfindung zum Zwecke der Auswertung der jeweiligen Frequenzspektren mindestens 1000S/s, bevorzugt größer 10KS/s, beträgt. Je höher diese Abtastrate gewählt wird, desto genauer werden die einzelnen Frequenzen des Frequenzspektrums ermittelt werden. Insofern kann eine auf der Erfindung basierende Zustandsbeschreibung Schwingungsphänomene an Transformatoren anhand der angelernten Mustererkennung genauer und detailreicher zur Verfügung stellen.An advantageous development of the invention provides that a sampling rate for measuring the current strength or the voltage according to the invention for the purpose of evaluating the respective frequency spectra is at least 1000S / s, preferably greater than 10KS / s. The higher this sampling rate is selected, the more precisely the individual frequencies of the frequency spectrum will be determined. In this respect, a state description based on the invention can provide vibration phenomena on transformers on the basis of the learned pattern recognition in a more precise and detailed manner.

Eine andere vorteilhafte Weiterbildung der Erfindung sieht vor, dass die Trennung zwischen dem Schwingungsaufkommen aus dem Netzrauschen und dem Schwingungsaufkommen aus dem Transformatorbetrieb selbst besonders schnell und trennscharf erfolgt, wenn ein zweites künstliches neuronales Netz genutzt wird, das anhand erkannter Muster in dem zweiten Frequenzspektrum zumindest eine Eingangsgewichtung von Basisfunktionen des Regressionsverfahrens vorgibt.Another advantageous development of the invention provides that the separation between the amount of vibration from the network noise and the amount of vibration from the transformer operation itself takes place particularly quickly and clearly if a second artificial neural network is used which uses at least one pattern based on recognized patterns in the second frequency spectrum Input weighting of basic functions of the regression method.

Die selbstlernenden Verfahren werden an Referenztransformatoren trainiert, die sowohl mit der hier vorgeschlagenen Analysetechnik als auch mit klassischen Diagnoseverfahren ausgerüstet sind. An ihnen lernen die neuronalen Netze den Zusammenhang zwischen der indirekten Vibrationsanalyse und den Effekten, die sich mit den klassischen Diagnoseverfahren beobachten lassen. Durch die Fähigkeit der selbstlernenden Verfahren zur Generalisierung können sie später auch bei Transformatoren eingesetzt werden, die nicht vollständig den Transformatoren entsprechen, mit denen sie trainiert wurden. Besonders zweckmäßig wird das erfindungsgemäße Verfahren, wenn das erste künstliche neuronale Netz trainiert wird umfassend die folgenden Schritte:

a) Messung des Verlaufs einer elektrischen Stromstärke und/oder einer elektrischen Spannung in einer Primärwicklung und/oder einer Sekundärwicklung und
b) Messung mindestens eines Schwingungsaufkommens an mindestens einem Bauteil eines Referenz-Transformators über einen Zeitverlauf in einer Abtastrate als eine Referenz-Betriebsmessung,
c) Ermittlung der Frequenzen eines Frequenzspektrums der Referenz-Betriebsmessung mittels einer Frequenzanalyse der Referenz-Betriebsmessung,
d) Trennung des Frequenzspektrums in ein erstes Frequenzspektrum, das von einem Netzrauschen eines an den Referenz-Transformators angeschlossenen Stromnetzes verursacht ist und ein zweites Frequenzspektrum, das von einem Schwingungsaufkommen an dem Referenz-Transformators verursacht ist,
e) Zuordnung des zweiten Frequenzspektrums als ein Referenzfrequenzspektrum, zu dem gemessenen Schwingungsaufkommen als Referenzzustandsbeschreibung
f) Wiederholung der Schritte a)-c) an mindestens einem anderen Referenz-Transformator.

The self-learning methods are trained on reference transformers, which are equipped with both the analysis technology proposed here and classic diagnostic methods. The neural networks learn from them Relationship between the indirect vibration analysis and the effects that can be observed with the classic diagnostic methods. Due to the ability of the self-learning methods to generalize, they can later be used for transformers that do not fully correspond to the transformers with which they were trained. The method according to the invention is particularly expedient if the first artificial neural network is trained, comprising the following steps:

a) measurement of the course of an electrical current and / or an electrical voltage in a primary winding and / or a secondary winding and
b) measuring at least one vibration occurrence on at least one component of a reference transformer over a time course in a sampling rate as a reference operating measurement,
c) determining the frequencies of a frequency spectrum of the reference operational measurement by means of a frequency analysis of the reference operational measurement,
d) separation of the frequency spectrum into a first frequency spectrum, which is caused by a network noise of a power network connected to the reference transformer, and a second frequency spectrum, which is caused by an oscillation on the reference transformer,
e) Assignment of the second frequency spectrum as a reference frequency spectrum to the measured vibration volume as a reference state description
f) repetition of steps a) -c) on at least one other reference transformer.

Weiterhin ist es zweckmäßig, wenn im Rahmen der Referenzzustandsbeschreibung noch eine Zuordnung der folgenden Größen erfolgt:

mindestens eine Betriebsflüssigkeitstemperatur Wicklungstemperatur,
Gaszustand,
Ölfeuchte,
Gasgehalt Betriebsflüssigkeit,
Lastspannung,
Laststrom,
Wirk-, Blind-, Scheinleistung,
Umgebungstemperatur,
bisherige Betriebsstunden des Referenz-Transformators, mittels Kühlung abgeführte Wärmeleistung des Referenz-Transformators.

It is also expedient if the following variables are still assigned in the context of the reference status description:

at least one operating fluid temperature winding temperature,
Gas state,
Oil moisture,
Gas content operating liquid,
Load voltage,
Load current,
Active, reactive, apparent power,
Ambient temperature,
previous operating hours of the reference transformer, thermal output of the reference transformer dissipated by cooling.

Weiterhin schlägt die Erfindung gemäß einer vorteilhaften Weiterbildung vor, dass ein Energieautomatisierungsgerät zum Steuern und/oder Überwachen des Transformators mit dem Transformator in Verbindung steht, wobei das Energieautomatisierungsgerät zur Durchführung des erfindungsgemäßen Verfahrens eingerichtet ist.Furthermore, according to an advantageous development, the invention proposes that an energy automation device for controlling and / or monitoring the transformer is connected to the transformer, the energy automation device being set up to carry out the method according to the invention.

Zusammenfassend können wesentliche Eckpunkt der Erfindung und deren Weiterbildungen festgehalten werden:

Zunächst werden über einen definierten Zeitraum, zum Beispiel einen Tag, die Frequenzspektren bei einer größeren Anzahl von Zeitpunkten aufgenommen. Durch Vergleich der Spektren werden die Frequenzanteile bestimmt, die von den angeschlossenen Netzen auf den Transformator aufgeprägt werden. Dazu können unter anderen Regressionsverfahren genutzt werden, um das Signal (Vibration des Transformators) vom Rauschen (Netze) zu trennen. Das so ermittelte Frequenzspektrum wird in einen Datenspeicher abgelegt. Parallel zu der Frequenzanalyse erfolgt eine Referenzmessung mit den oben genannten klassischen Analyseverfahren. Je nach eingesetzten Referenzverfahren werden dabei unterschiedliche Aspekte untersucht, die Rückschlüsse auf unterschiedliche Alterungsphänomene des Transformators zulassen. Die Ergebnisse der Referenzverfahren sowie ihre Interpretation (z.B. Windungsdeformation o.ä.) werden ebenfalls in den Datenspeicher abgelegt. Nachdem eine ausreichend große und diverse Menge von Trainingsdaten für verschiedene Alterungszustände erzeugt wurden, werden diese genutzt, um das selbstlernende Verfahren in Rahmen eines überwachten Lernens zu trainieren. Dazu werden dem selbstlernenden Verfahren die Frequenzanalysen als Eingangsdaten präsentiert und die Ergebnisse der klassischen Diagnoseverfahren bzw. deren Interpretationen als gewünschte Ausgangsdaten.

In summary, essential cornerstones of the invention and its developments can be stated:

First, the frequency spectra are recorded at a larger number of times over a defined period of time, for example a day. By comparing the spectra, the frequency components are determined that are imprinted on the transformer by the connected networks. For this purpose, other regression methods can be used to separate the signal (vibration of the transformer) from the noise (networks). The frequency spectrum determined in this way is stored in a data memory. In parallel to the frequency analysis, a reference measurement is carried out using the classic analysis methods mentioned above. Depending on the reference method used, different aspects are examined that allow conclusions to be drawn about different aging phenomena of the transformer. The results of the reference method and their interpretation (e.g. winding deformation or similar) are also stored in the data memory. After a sufficiently large and diverse amount of training data has been generated for different aging states, these are used to train the self-learning process in the context of supervised learning. For this purpose, the frequency analyzes are presented to the self-learning method as input data and the results of the classic diagnostic methods and their interpretations as desired output data.

Auch im laufenden Betrieb wird in zyklischen Abständen, eine Reihe von Frequenzspektren über einen definierten Zeitraum (z.B. ein Tag) aufgenommen und mit Hilfe von Regressionsanalysen weiterverarbeitet. Nachdem aus dieser Menge der Messungen das Signal der indirekten Vibrationsanalyse isoliert wurde, wird es dem selbstlernenden Verfahren als Eingangsdaten präsentiert, dass es dann aufgrund seines Trainings klassifiziert. Das Ergebnis wird in einem Datenspeicher als Zustandsbestimmung für den ausgewählten Zeitraum abgelegt. Je nach Relevanz der Ergebnisse erfolgt zusätzlich eine Alarmierung des Betreibers des Transformators oder die Weitergabe der Informationen an ein überlagertes Assetmanagementsystem.Even during operation, a series of frequency spectra over a defined period (e.g. one day) is recorded at cyclical intervals and processed further with the help of regression analyzes. After the indirect vibration analysis signal has been isolated from this set of measurements, it is presented to the self-learning method as input data, which it then classifies on the basis of its training. The result is stored in a data memory as a status determination for the selected period. Depending on the relevance of the results, the operator of the transformer is also alerted or the information is passed on to a higher-level asset management system.

Mit dem vorgeschlagenen Verfahren ergeben sich die folgenden Vorteile: Das Verfahren nutzt Strom- und Spannungsmessungen, die heute im Allgemeinen an Transformatoren verfügbar sind. Es ist nicht notwendig, zusätzliche Sensoren zu installieren. Im Unterschied zu Vibrationsanalysen mit Beschleunigungssensoren gibt es keine Abhängigkeit von den Montagepositionen der Sensoren, deswegen lassen sich die Ergebnisse der Messungen an den Referenztransformatoren besser generalisieren. The proposed method has the following advantages: The method uses current and voltage measurements that are generally available today on transformers. It is not necessary to install additional sensors. In contrast to vibration analyzes with acceleration sensors, there is no dependency on the mounting positions of the sensors, which is why the results of the measurements on the reference transformers can be generalized better.

Die Vibrationsanalyse kann sowohl als zusätzliche Funktion in Energieautomatisierungsgeräte (Schutzgerät, PQ-Gerät) integriert werden, als auch als Softwarekomponenten in dezentralen, zentralen und Cloud-basierten IT-Systemen ausgeführt werden.The vibration analysis can be integrated as an additional function in energy automation devices (protection device, PQ device), or as software components in decentralized, central and cloud-based IT systems.

Durch das selbstlernende Verfahren müssen im Unterschied zum herkömmlichen Verfahren keine mathematischen Modelle für einen spezifischen Transformator beschrieben und parametriert werden. Durch das generalisierende Verhalten der selbstlernenden Verfahren ist es ausreichend, das Training nur mit den Daten einiger weniger Referenztransformatoren auszuführen.In contrast to the conventional method, the self-learning method means that no mathematical models for a specific transformer have to be described and parameterized. Due to the generalizing behavior of the self-learning methods, it is sufficient to carry out the training only with the data of a few reference transformers.

Im Folgenden ist die Erfindung anhand eines speziellen Ausführungsbeispiels unter Bezugnahme auf Zeichnungen näher beschrieben. Es zeigen:

1 eine schematische Darstellung eines Ausführungsbeispiels der Erfindung, wobei das Zusammenwirken verschiedener im Betrieb befindlicher Transformatoren und Referenztransformatoren mit dem erfindungsgemäßen Verfahren und einem erfindungsgemäßen Energieautomatisierungsgerät und erfindungsgemäßen neuronalen Netzen dargestellt ist,
2 eine Darstellung des erfindungsgemäßen Verfahrens in der Art eines Flussdiagramms.

The invention is described in more detail below on the basis of a special exemplary embodiment with reference to drawings. Show it:

1 2 shows a schematic representation of an exemplary embodiment of the invention, the interaction of various transformers and reference transformers in operation being illustrated with the method according to the invention and an energy automation device according to the invention and neural networks according to the invention,
2nd a representation of the method according to the invention in the manner of a flow chart.

1 zeigt schematisch das Zusammenwirken zwischen Transformatoren TRF bzw. Referenztransformatoren RTRF, die verglichen mit den Transformatoren TRF zusätzliche direkte Messstellen für Größen bzw. Betriebsparameter aufweisen. Hierbei ist es denkbar, dass einige Referenztransformatoren RTRF vergleichsweise viele Direktmessungen aufweisen und andere Referenztransformatoren RTRF weniger. Hinsichtlich des Vorliegens von Direktmessungen von Parametern, die nicht Spannung oder Stromstärke an den Spulen sind, ist ein Transformator TRF ein Referenztransformator RTRF. In 1 ist ein Beispiel eines Transformators TRF bzw. Referenztransformators RTRF ausführlicher dargestellt und weitere Transformatoren TRF bzw. Referenztransformatoren RTRF sind nur andeutungsweise wiedergegeben. Die Transformatoren TRF, mit denen sich die Erfindung hinsichtlich einer Zustandsbeschreibung befasst, umfassen eine Primärwicklung PWN und eine Sekundärwicklung SWN, die in bekannter Art und Weise beispielsweise mittels eines Eisenkerns FEC elektromagnetisch miteinander wechselwirken. Die beiden Wicklungen sind jeweils von einem elektrischen Strom unter einer elektrischen Spannung durchflossen, wobei in der Primärwicklung PWN und der Sekundärwicklung SWN in einer Abtastrate TRS die elektrische Stromstärke IMT und die elektrische Spannung UMT als Betriebsmessung OPM in einem ersten Schritt a) (die einzelnen Schritte sind in 2 dargestellt) erfolgt. Die Messwerte der Betriebsmessung OPM werden von einem Energieautomatisierungsgerät EAU aufgenommen (umfasst auch die Speicherung in einem physikalischen Datenspeicher), wobei in einem zweiten Schritt b) (siehe 2) eine Frequenzanalyse FRA der Betriebsmessung OPM zur Ermittlung der Frequenzen FRQ eines Frequenzspektrums FSP der Betriebsmessung OPM erfolgt. 1 shows schematically the interaction between transformers TRF or reference transformers RTRF that compared to the transformers TRF have additional direct measuring points for sizes or operating parameters. It is conceivable that some reference transformers RTRF have a comparatively large number of direct measurements and other reference transformers RTRF fewer. With regard to the presence of direct measurements of parameters that are not voltage or current at the coils, there is a transformer TRF a reference transformer RTRF . In 1 is an example of a transformer TRF or reference transformer RTRF shown in more detail and other transformers TRF or reference transformers RTRF are only hinted at. The transformers TRF With which the invention deals with a description of the state, comprise a primary winding PWN and a secondary winding SWN in a known manner, for example by means of an iron core FEC interact electromagnetically. The two windings are each flowed through by an electrical current under an electrical voltage, in the primary winding PWN and the secondary winding SWN at a sampling rate TRS the electrical current IMT and the electrical voltage UMT as operational measurement OPM in a first step a) (the individual steps are in 2nd shown). The measured values of the operational measurement OPM are from an energy automation device EAU recorded (also includes storage in a physical data memory), in a second step b) (see 2nd ) a frequency analysis FRA the operational measurement OPM to determine the frequencies FRQ of a frequency spectrum FSP the operational measurement OPM he follows.

Anschließend erfolgt in einem Schritt c) (wie in 2 dargestellt) eine Trennung des Frequenzspektrums FSP in ein erstes Frequenzspektrum FS1, das von einem Netzrauschen NNS eines an den Transformator TRF angeschlossenen Stromnetzes ANW verursacht ist und ein zweites Frequenzspektrum FS2, das von einem Schwingungsaufkommen VBR an dem Transformator TRF selbst verursacht ist.Then in step c) (as in 2nd shown) a separation of the frequency spectrum FSP into a first frequency spectrum FS1 that from a network noise NNS one to the transformer TRF connected power grid APP is caused and a second frequency spectrum FS2 that from a vibration VBR on the transformer TRF itself is caused.

Wie in 1 dargestellt erfolgt die Trennung des Frequenzspektrums FSP mittels eines Verfahrens zur Mustererkennung PRM, wobei das Energieautomatisierungsgerät EAU, das direkt an dem Transformator TRF angeordnet ist, zum Zweck der Trennung ein Regressionsverfahren RGM durchführt, wobei das Regressionsverfahren RGM auf ein zweites künstliches neuronales Netz NN2 zugreift, das anhand erkannter Muster im zweiten Frequenzspektrum NS2 zumindest eine Eingangsgewichtung FGS von Basisfunktionen BFT des Funktionsverfahrens vorgibt.As in 1 shown the separation of the frequency spectrum FSP by means of a method for pattern recognition PRM , the energy automation device EAU that is directly on the transformer TRF is arranged, for the purpose of separation, a regression method RGM performs the regression process RGM to a second artificial neural network NN2 accesses that based on recognized patterns in the second frequency spectrum NS2 at least one input weight FGS of basic functions BFT of the functional procedure.

In einem anschließenden Schritt d) folgt ein Vergleich zumindest eines Teils des zweiten Frequenzspektrums FS2 mit verschiedenen Referenzfrequenzspektren FRF, denen jeweils eine Referenzzustandsbeschreibung DRS zugeordnet ist. Im anschließenden Verfahrensschritt e) wird eine Zustandsbeschreibung DST auf Basis des Vergleichs gemäß Schritt d) abgeleitet. Der Vergleich gemäß d) und die Ableitung gemäß e) finden hierbei mittels Zugriffs auf ein erstes künstliches neuronales Netz NN1 statt, das anhand bekannter Muster in dem zweiten Frequenzspektrum FS2 eine Zustandsbeschreibung oder bestimmte Zustandsveränderungen ableitet. Hierbei kommen Verfahren zur Mustererkennung PRM zur Anwendung. Bevorzugt ist das erste neuronale Netzwerk NN1 ausgeführt und abgespeichert physikalisch auf einem Server SRV, der mit dem Transformator TRF bzw. mit dem Energieautomatisierungsgerät lediglich in datenübertragender Verbindung steht. Im Einzelnen können die Verfahrensschritte als Funktionen in dem Energieautomatisierungsgerät integriert sein oder als Softwarekomponenten in dezentralen, zentralen oder Cloud-basierten IT-Systemen ausgeführt werden. Insbesondere das erste neuronale Netzwerk NN1 und/oder das zweite neuronale Netzwerk NN2 sind bevorzugt ausführbare Softwarekomponenten in einem zentral angeordneten IT-System.In a subsequent step d), at least a part of the second frequency spectrum is compared FS2 with different reference frequency spectra FRF each with a reference status description DRS assigned. In the subsequent process step e), a state description is given DST derived on the basis of the comparison according to step d). The comparison according to d) and the derivation according to e) take place by means of access to a first artificial neural network NN1 instead, based on known patterns in the second frequency spectrum FS2 derives a state description or certain state changes. Here come methods for pattern recognition PRM to use. The first neural network is preferred NN1 executed and physically stored on a server SRV with the transformer TRF or is only in a data-transmitting connection with the energy automation device. In detail, the process steps can be integrated as functions in the energy automation device or can be executed as software components in decentralized, central or cloud-based IT systems. In particular the first neural network NN1 and / or the second neural network NN2 are preferably executable software components in a centrally located IT system.

In diesem Sinne ist das gesamte Verfahren nach der Erfindung in sämtlichen Ausführungsmöglichkeiten auch als Computerprogrammprodukt oder Software ausführbar oder in Ausführung auf einem IT-System, insbesondere einem Computer, insbesondere abgespeichert auf einem optischen oder magnetischen Datenträger auch Gegenstand der Erfindung.In this sense, the entire method according to the invention can also be carried out in all possible embodiments as a computer program product or software or in execution on an IT system, in particular a computer, in particular stored on an optical or magnetic data carrier, and is also the subject of the invention.

Gemäß dem in 2 mit f) bezeichneten Verfahrensschritt erfolgt anschließend eine Umsetzung in Abhängigkeit von der Zustandsbeschreibung DST einer Mitteilungsroutine RPR und/oder einer Warnungsroutine ALR und/oder einer Regelungsroutine CTR, die das Betriebsverhalten des Transformators TRF beeinflusst. Insbesondere für die Regelungsroutine CTR steht eine Regelungseinheit CUN mit dem Energieautomatisierungsgerät EAU in Verbindung, so dass ein Eingriff in den Betrieb des Transformators TRF - beispielsweise mittels Lastabwurfs - erfolgen kann.According to the in 2nd The method step designated f) is then implemented depending on the status description DST a notification routine RPR and / or a warning routine ALR and / or a control routine CTR that the operational behavior of the transformer TRF influenced. Especially for the control routine CTR there is a control unit CUN with the energy automation device EAU connected so that an interference in the operation of the transformer TRF - For example, by means of load shedding.

Hierbei ist besonders sinnvoll, wenn die Zustandsbeschreibung DST in der Art einer Mitteilungsroutine RPR erfolgt, wobei mindestens eine Angabe über das Schwingungsaufkommen VBR Bestandteil der Mitteilung der Mitteilungsroutine RPR sein sollte. Der Schritt b), bei dem die Betriebsmessung OPM in Frequenzen FRQ eines Frequenzspektrums analysiert wird, wird bevorzugt in dem Energieautomatisierungsgerät EAU mittels einer Fouriertransformation, insbesondere einer schnellen Fouriertransformation FFA als Frequenzanalyse FRA durchgeführt.This is particularly useful if the condition description DST in the manner of a notification routine RPR takes place, with at least one indication of the vibration VBR Part of the notification of the notification routine RPR should be. The step b) in which the operational measurement OPM in frequencies FRQ a frequency spectrum is analyzed, is preferred in the energy automation device EAU by means of a Fourier transformation, in particular a fast Fourier transformation FFA as frequency analysis FRA carried out.

Zur permanenten Steigerung der Genauigkeit des erfindungsgemäßen Verfahrens ist es zweckmäßig, wenn in einem Schritt des Verfahrens das erste künstliche neuronale Netz NN1 vor Erstinbetriebnahme an einem Transformator TRF und/oder während des laufenden Betriebes trainiert wird. Hierzu schlägt eine vorteilhafte Weiterbildung der Erfindung folgende Schritte vor:

a) Messung des Verlaufs einer elektrischen Stromstärke IMT und/oder einer elektrischen Spannung UMT in einer Primärwicklung PWN und/oder einer Sekundärwicklung SWN. Anschließend wird eine Messung mindestens eines Schwingungsaufkommens VBR an mindestens einem Bauteil eines Referenztransformators RTRF über einen Zeitverlauf TMI in einer Abtastrate TRS als eine Referenzbetriebsmessung ROPM durchgeführt. Im nächsten Schritt erfolgt eine Ermittlung der Frequenzen FRQ eines Frequenzspektrums FSP der Referenzbetriebsmessung ROPM mittels einer Frequenzanalyse FRA der Referenzbetriebsmessung ROPM. Anschließend erfolgt eine Trennung des Frequenzspektrums FSP in ein erstes Frequenzspektrum FS1, das von einem Netzrauschen NS eines an den Referenztransformator RTRF angeschlossenen Stromnetzes ANW verursacht ist und in ein zweites Frequenzspektrum FS2, das von einem Schwingungsaufkommen VBR an dem Referenztransformator RTRF verursacht ist. Auf dieser Basis erfolgt in dem nächsten Schritt eine Zuordnung des zweiten Frequenzspektrums FS2 als ein Referenzfrequenzspektrum FRF zu dem gemessenen Schwingungsaufkommen VBR als Referenzzustandsbeschreibung DSR. Diese hier für die Bestimmung der Referenzgrößen durchgeführten Verfahrensschritte werden an mindestens einem weiteren Referenztransformator RTRF durchgeführt. Diese Referenzvorgänge sind in der 1 schematisch dargestellt und finden bevorzugt permanent und wiederholt an mehreren Referenztransformatoren RTRF statt, die auch unterschiedlichen Baureihen angehören können, damit das trainierte erste neuronale Netzwerk NN1 Analysen für unterschiedliche Transformatorbaureihen durchführen kann. Zur weiteren Erhöhung der Vorhersagegenauigkeit und der Zustandsbestimmung ist es zweckmäßig, wenn zu der Referenzzustandsbeschreibung DSR zusätzlich noch mindestens eine der folgenden Größen zugeordnet wird: mindestens eine Betriebsflüssigkeitstemperatur TOL, Wicklungstemperatur TWD, Gaszustand GCD, ölfeuchte OWC, Gasgehaltbetriebsflüssigkeit OLG, Lastspannung ULD, Laststrom ILD, Wirkleistung PAC, Blindleistung PRC, Scheinleistung PAP, Umgebungstemperatur TAM, bisherige Betriebsstunden POH des Referenztransformators TRTRF, mittels Kühlung abgeführte Wärmeleistung PHT.

To permanently increase the accuracy of the method according to the invention, it is expedient if, in one step of the method, the first artificial neural network NN1 before commissioning on a transformer TRF and / or is trained during ongoing operation. To this end, an advantageous development of the invention proposes the following steps:

a) Measurement of the course of an electrical current IMT and / or an electrical voltage UMT in a primary winding PWN and / or a secondary winding SWN . Then a measurement of at least one vibration is carried out VBR on at least one component of a reference transformer RTRF over time TMI at a sampling rate TRS as a reference operational measurement ROPM carried out. The next step is to determine the frequencies FRQ of a frequency spectrum FSP the reference operating measurement ROPM by means of a frequency analysis FRA the reference operating measurement ROPM . The frequency spectrum is then separated FSP into a first frequency spectrum FS1 that from a network noise NS one to the reference transformer RTRF connected power grid APP is caused and in a second frequency spectrum FS2 that from a vibration VBR on the reference transformer RTRF is caused. On this basis, the second frequency spectrum is assigned in the next step FS2 as a reference frequency spectrum FRF to the measured vibration level VBR as a description of the reference condition DSR . These method steps carried out here for determining the reference variables are carried out on at least one further reference transformer RTRF carried out. These reference processes are in the 1 schematically shown and are preferably found permanently and repeatedly on several reference transformers RTRF instead, which can also belong to different series, so that the trained first neural network NN1 Can perform analyzes for different transformer series. To further increase the accuracy of the prediction and the determination of the condition, it is useful if the reference condition description DSR additionally at least one of the following variables is assigned: at least one operating fluid temperature TOL , Winding temperature TWD , Gas state GCD , oil damp OWC , Gas content operating fluid OLG , Load voltage ULD , Load current ILD , Active power PAC , Reactive power PRC , Apparent power PAP , Ambient temperature TAM , previous operating hours POH of the reference transformer TRTRF , dissipated heat output by cooling PHT .

ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDE IN THE DESCRIPTION

Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of documents listed by the applicant has been generated automatically and is only included for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.

Zitierte Nicht-PatentliteraturNon-patent literature cited

Belen Garcia, Juan Carlos Burgos, Angel Matias Alonso Transformer Tank Vibration Modeling as a Method of Detecting Winding Deformations- Part I: Theoretical Foundation IEEE TRANSACTIONS ON POWER DELIVERY, VOL. 21, NO. 1, JANUARY 2006, pp. 157 [0002]
Belen Garcia, Juan Carlos Burgos, Angel Matias Alonso Transformer Tank Vibration Modeling as a Method of Detecting Winding Deformations- Part II: Experimental Verification IEEE TRANSACTIONS ON POWER DELIVERY, VOL. 21, NO. 1, JANUARY 2006, pp. 164 [0002]

Claims

Process for describing the state of a transformer (TRF) comprising the following steps: a) Measurement of a profile of an electrical current (IMT) and / or an electrical voltage (UMT) over a time profile (TMI) in a primary winding (PWN) and / or a secondary winding (SWN) in a sampling rate (TRS) as an operational measurement (OPM ), b) frequency analysis (FRA) of the operational measurement (OPM) to determine the frequencies (FRQ) of a frequency spectrum (FSP) of the operational measurement (OPM), c) separation of the frequency spectrum (FSP) into a first frequency spectrum (FS1), which is caused by a network noise (NNS) of a power network (ANW) connected to the transformer (TRF) and a second frequency spectrum (FS2), which is caused by an oscillation ( VBR) on the transformer (TRF), d) comparison of at least part of the second frequency spectrum (FS2) with different reference frequency spectra (FRF), each of which is assigned a reference status description (DSR), e) deriving a status description (DST) on the result of the comparison according to step d), f) Implementation depending on the status description (DST) of a notification routine (RPR) and / or warning routine (ALR) and / or a control routine (CTR) that influences the operational behavior of the transformer (TRF).

Procedure according to Claim 1 , wherein the condition description (DST) comprises at least one indication of the amount of vibration (VBR) on the transformer (TRF).

Procedure according to Claim 1 or 2nd , wherein the frequency analysis (FRA) comprises a Fourier transform (FTA), in particular a fast Fourier transform (FFA).

Procedure according to at least one of the Claims 1 , 2nd or 3rd wherein step d) comprises a method for pattern recognition (PRM).

Procedure according to at least the previous one Claim 4 The method for pattern recognition (PRM) accesses a first artificial neural network (NN1), which derives a state description or certain state changes based on recognized patterns in the second frequency spectrum (FS2).

Method according to at least one of the preceding Claims 1 to 5 , where the sampling rate (TRS) is at least 1000 S / s.

Method according to at least one of the preceding Claims 1 to 6 The frequency spectrum (FSP) is separated into a first frequency spectrum (FS1) and a second frequency spectrum (FS2) by means of a regression method (RGM).

Procedure according to at least the previous one Claim 7 , wherein the regression method (RGM) accesses a second artificial neural network (NN2) which, based on recognized patterns in the second frequency spectrum (FS2), specifies at least one input weighting (FGS) of basic functions (BFT) of the regression method (RGM).

Procedure according to at least the previous one Claim 5 , wherein in a step of the method the first artificial neural network (NN1) is trained comprising the following steps, a) measuring the course of an electrical current (IMT) and / or an electrical voltage (UMT) in a primary winding (PWN) and / or a secondary winding (SWN) and b) measuring at least one vibration (VBR) on at least one component of a reference transformer (RTRF) over a time course (TMI) in a sampling rate (TRS) as a reference operational measurement (ROPM), c) determining the frequencies (FRQ) of a frequency spectrum (FSP) of the reference operational measurement (ROPM) by means of a frequency analysis (FRA) of the reference operational measurement (ROPM), d) separating the frequency spectrum (FSP) into a first frequency spectrum (FS1) which is generated by a Network noise (NNS) of a power network (ANW) connected to the reference transformer (RTRF) is caused and a second frequency spectrum (FS2), which is caused by an oscillation (VBR) at the reference trans formators (RTRF) is caused, e) assigning the second frequency spectrum (FS2) as a reference frequency spectrum (FRF) to the measured vibration level (VBR) as a reference state description (DSR) f) repeating steps a) -c) on at least one other reference Transformer (RTRF).

Procedure according to at least the previous one Claim 9 , whereby in step c) at least one of the following variables is additionally assigned to the reference status description (DSR): at least one operating fluid temperature (TOL) winding temperature (TWD), gas status (GCD), oil moisture (OWC), gas content operating fluid (OLG), Load voltage (ULD), load current (ILD), active, reactive, apparent power (PAC, PRC, PAP), Ambient temperature (TAM), previous operating hours (POH) of the reference transformer (RTRF), thermal output (PHT) of the reference transformer (RTRF) dissipated by cooling.

Energy automation device (EAU) for controlling and / or monitoring a transformer (TRF), characterized in that the energy automation device (EAU) for performing a method according to one of the Claims 1 to 10 is set up.