WO2013185405A1 - 电力变压器铁芯松动故障诊断与故障初步定位系统及方法 - Google Patents

电力变压器铁芯松动故障诊断与故障初步定位系统及方法 Download PDF

Info

Publication number
WO2013185405A1
WO2013185405A1 PCT/CN2012/078885 CN2012078885W WO2013185405A1 WO 2013185405 A1 WO2013185405 A1 WO 2013185405A1 CN 2012078885 W CN2012078885 W CN 2012078885W WO 2013185405 A1 WO2013185405 A1 WO 2013185405A1
Authority
WO
WIPO (PCT)
Prior art keywords
vibration
fault
vibration signal
power transformer
signal
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.)
Ceased
Application number
PCT/CN2012/078885
Other languages
English (en)
French (fr)
Inventor
陈楷
王春宁
马宏忠
李凯
吴益明
张赢
刘洪涛
高鹏
陈涛涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Jiangsu Electric Power Co Ltd
Hohai University HHU
Nanjing Power Supply Co of Jiangsu Electric Power Co
State Grid Corp of China SGCC
Original Assignee
State Grid Jiangsu Electric Power Co Ltd
Hohai University HHU
Nanjing Power Supply Co of Jiangsu Electric Power Co
State Grid Corp of China SGCC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Jiangsu Electric Power Co Ltd, Hohai University HHU, Nanjing Power Supply Co of Jiangsu Electric Power Co, State Grid Corp of China SGCC filed Critical State Grid Jiangsu Electric Power Co Ltd
Priority to US14/128,603 priority Critical patent/US9404957B2/en
Publication of WO2013185405A1 publication Critical patent/WO2013185405A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/62—Testing of transformers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector

Definitions

  • the invention relates to an on-line monitoring technology for power transmission and transformation equipment status, in particular to a power transformer core loose fault diagnosis and fault initial positioning system and method, and belongs to the technical field of intelligent substation.
  • the causes of the vibration of the transformer body are mainly the vibration of the transformer body and the vibration of the cooling system device.
  • the basic vibration frequency caused by the cooling device is low, which is significantly different from the vibration of the transformer body; the vibration of the body includes the vibration of the iron core and the winding.
  • the core silicon steel sheet material undergoes magnetostriction under the action of a magnetic field, that is, the size of the atom is slightly deformed, causing the core to vibrate.
  • the solid line in Fig. 1 describes the relationship between the magnetostrictive deformation and the magnetic flux density in the core. To simplify it, replace it with a quadratic curve, that is, the dotted line in the figure. It can be seen that the magnetostrictive variable is linear with the square of the magnitude of the magnetic flux density.
  • the relationship between load voltage and flux density is known to be:
  • ⁇ , ? are the main magnetic flux and flux density respectively; ⁇ is the cross-sectional area of the iron core; ⁇ is the effective value of the load voltage; / is the frequency of the load voltage; is the number of turns of the primary winding.
  • the fundamental frequency of the magnetostrictive force is 100 Hz.
  • the iron core is made up of silicon steel sheets. Each surface of the silicon steel sheet has an insulating coating. Therefore, there is a gap between the sheets, which causes magnetic leakage, which causes vibration of the iron core and the box. However, this vibration is less than the vibration caused by magnetostriction, and can be neglected. It is considered that the vibration of the core mainly depends on the magnetostriction of the silicon steel sheet, so the fundamental frequency of the core vibration frequency is 100 Hz. Due to the nonlinearity of magnetostriction and the length of the magnetic path inside and outside the core, the core vibration should contain higher harmonics of integer multiples of the fundamental frequency in addition to the fundamental frequency.
  • the vibration of the winding is caused by the leakage inductance, and the current interaction in the winding is caused by the electric power.
  • the electric power is proportional to the square of the current.
  • the winding current is zero at no load, and the winding has no effect on the core vibration.
  • the vibration of the transformer mainly depends on the iron core.
  • the vibration of the fuel tank at no load is mainly related to the core magnetostriction, that is, related to the voltage; the vibration generated by the transformer is transmitted to the surface of the tank through the transformer oil and the solid structure, and is affected by various factors, and the vibration signal is transmitted. Attenuation, phase shift, etc. occur during the process, and reaching the surface of the tank is a very complicated signal.
  • the vibration signal of the transformer is a non-stationary signal.
  • Signal processing methods include Fourier transform, wavelet transform, and Hilbert transform.
  • Fourier transform is the most classic signal processing method. It is suitable for stationary signals and can realize time-domain frequency domain conversion of signals. It is widely used in engineering.
  • the principle of wavelet denoising is as shown in Fig. 2. By decomposing and reconstructing the signal, the high frequency signal can be filtered and the low frequency signal can be recombined to achieve the filtering effect.
  • the technical problem to be solved by the present invention is to solve the defects of the power transformer core loose fault diagnosis technology in the prior art, and to propose an easy-to-diagnosis and accurate diagnosis of the power transformer core loose fault diagnosis and fault initial positioning method.
  • a power transformer core looseness fault diagnosis and fault preliminary positioning system includes at least three vibration sensors, a conversion interface, a data acquisition instrument and an analysis module; wherein the vibration sensor is configured to collect according to a preset sampling frequency and sampling time The vibration signal of the power transformer is then transmitted to the data acquisition instrument through the conversion interface, and among all the vibration sensors, three vibration sensors are respectively disposed on the top surface of the power transformer tank and the three-phase winding of the power transformer
  • the data acquisition device is configured to collect and record the vibration signal detected by the vibration sensor, and then output the same to the analysis module; the analysis module performs data storage, data processing, and fault diagnosis on the signal data output by the data acquisition device. , and finally get the diagnosis.
  • the present invention relates to a power transformer core loose fault diagnosis and fault preliminary positioning system
  • the analysis module includes a wavelet noise reduction processing unit, a Fourier transform unit, a storage unit, a calculation unit, and an output unit;
  • the wavelet noise reduction processing unit performs wavelet noise reduction on the vibration signal output by the data acquisition instrument And then performing a Fourier transform on the vibration signal processed by the wavelet noise reduction processing unit by the Fourier transform unit to obtain spectral data of the vibration signal;
  • the storage unit is configured to store a first fault threshold and a second fault threshold, wherein the first fault threshold is a threshold of a spectral component amplitude of the vibration signal at 300 Hz, and the second fault threshold is a spectral component amplitude at 50 Hz and 150 Hz. Threshold of
  • the calculating unit is configured to compare the amplitude of the spectral component located at 300 Hz in the spectral data of the vibration signal with the first fault threshold, and when the vibration sensor performs no less than 3 vibration signal sampling under the same condition, and at least 2 vibrations
  • the spectral data of the signal is located at a frequency of 300 Hz
  • the amplitude of the spectral component is greater than the first fault threshold
  • the sum of the amplitudes of the spectral components of the vibration signal at 50 Hz and 150 Hz is calculated, and compared with the second fault threshold
  • the vibration sensor performs no less than 3 vibration signal sampling under the same condition, and when the spectrum data of at least 2 vibration signals is located at a frequency of 50 Hz and 150 Hz, the sum of the amplitudes of the spectral components is greater than the second failure threshold, determining to acquire the vibration signal
  • the iron core near the position of the vibration sensor is loose, and the diagnosis result is sent to the output unit for output display.
  • the invention also provides a method for fault diagnosis and fault initial positioning of a power transformer core, which is as follows:
  • Step (1) according to the predetermined sampling frequency and the sampling time, the vibration information of the power transformer is respectively sampled by using the three vibration sensors according to claim 1, and not less than 3 times in the same case;
  • Step (2) in the sampling data of each vibration sensor, intercepting the transformer vibration signal according to the sampling frequency, the sampling time or the number of sampling points;
  • Step (3) performing wavelet denoising processing on the vibration signal intercepted in step (2), and performing Fourier spectrum analysis to obtain amplitudes of spectral components of the vibration signals respectively at 50 Hz, 150 Hz, and 300 Hz;
  • step (4) vibrating The amplitude of the spectral component at 300 Hz is multiplied by 1.2 to 2.5 times as the first fault threshold CR 1 ; the sum of the amplitudes of the spectral components at 50 Hz and 150 Hz is calculated, and then the sum of the amplitudes of the spectral components is calculated. Multiply by 1.2 to 2.5 times as the second failure threshold CR 2; when the power transformer is running idly and stably, perform the following steps:
  • Step (5) repeating steps (1) to (3), performing sampling and processing steps of the power transformer vibration signal, and obtaining amplitudes of spectral components of the vibration signals respectively at 50 Hz, 150 Hz, and 300 Hz;
  • step (6) Comparing the component amplitude of the vibration signal at 300 Hz with the first fault threshold C, When the vibration sensor performs no less than 3 vibration signal sampling under the same condition, and the spectral data of the vibration signal of at least 2 samples is located at 300 Hz, the amplitude of the spectral component is greater than the first failure threshold, proceed to the next step; otherwise Returning to step (1); step (7), calculating the sum of the amplitudes of the spectral components of the vibration signals respectively at 50 Hz and 150 Hz, and comparing them with the second failure threshold CR 2 , when the vibration sensor performs a lot in the same situation When the vibration signal is sampled 3 times, and the spectrum data of the vibration signal of at least 2 samples is located at a frequency of 50 Hz and 150 Hz, the sum of the
  • the invention has the following technical effects: After experimental verification, the feature quantity selected by the invention can accurately reflect the fault characteristics of the iron core loosening, and can effectively detect the loosening fault of the power transformer core. And by comparing the difference in the feature quantities of the three position signals, it is possible to perform preliminary positioning for the position where the fault occurs. DRAWINGS
  • 1 is a magnetic core deformation of a core according to the present invention as a function of magnetic flux density
  • FIG. 2 is a schematic diagram of wavelet denoising in the present invention
  • Figure 3 is a block diagram showing the structure of the diagnostic system of the present invention.
  • Figure 4 is a schematic view showing the installation position of the vibration sensor in the diagnostic system of the present invention.
  • Figure 5 is a flow chart of a diagnostic method in the present invention.
  • Figure 6 (a) is a schematic diagram of the original vibration signal collected in the embodiment of the present invention.
  • FIG. 6(b) is a schematic diagram of a vibration signal after noise reduction according to an embodiment of the present invention.
  • FIG. 7(a) is a schematic diagram of a frequency spectrum before a fault occurs at a fault point according to an embodiment of the present invention
  • FIG. 7(b) is a schematic diagram showing the frequency spectrum of the fault point after the fault in the embodiment of the present invention.
  • FIG. 8(a) is a schematic diagram of a spectrum before a fault in which one of the non-fault points is in the embodiment of the present invention
  • FIG. 8(b) is a schematic diagram of a spectrum after the fault is one of the non-fault points in the embodiment of the present invention
  • It is a schematic diagram of the spectrum of the second non-fault point before the fault in the embodiment of the present invention
  • FIG. 9(b) is a schematic diagram of the spectrum after the fault of the non-fault point of the embodiment of the present invention.
  • the present invention provides a fault diagnosis and preliminary positioning of a power transformer core loosening.
  • the system includes a transformer, a vibration sensor, a conversion interface, a data acquisition instrument, and an analysis module.
  • the input end of the vibration sensor is firmly adsorbed on the top surface of the transformer tank and the three positions corresponding to the three-phase winding by means of a magnet, as shown in FIG. 4,
  • A, B and C in the figure respectively represent three-phase three-phase of the transformer
  • a , b, c respectively represent the three-phase three-phase of the transformer
  • 0 means the zero line of the transformer
  • 1, 2, 3 respectively indicate the position of the three vibration sensors installed on the top of the transformer.
  • the output end of the vibration sensor is connected to the input end of the data acquisition instrument through a conversion interface, and the output end of the data acquisition instrument is connected to the analysis module through a network cable interface.
  • FIG. 5 it is a flowchart of a method for power cable core loosening fault diagnosis and preliminary positioning system provided by the present invention, which includes the following steps:
  • the transformer vibration signal is intercepted in the whole cycle according to the sampling frequency, the sampling time or the number of sampling points;
  • the transformer In the normal state of the transformer, the transformer is monitored and calculated according to the above steps, and the CRi CR 2 obtained at this time is used as a fault diagnosis threshold.
  • the senor When performing the fault diagnosis of the core of the power transformer, the sensor is used to sample the vibration information of the power transformer, and the sampled signal is processed as described in step (3), and the 50 Hz, 150 Hz, and 300 Hz component values of the vibration signal are obtained. .
  • the transformer is produced by Jiangsu Hongyuan Electric Co., Ltd., and its parameters are shown in Table 1.
  • the model of the transformer is S9-M-100/10
  • the vibration sensor uses the CA-YD-103 vibration acceleration sensor
  • the conversion interface uses the BNC electrical conversion interface
  • the data acquisition instrument uses the model NicoletWOO
  • the analysis module uses the computer directly.
  • the input end of the vibration sensor is firmly adsorbed on the top surface of the transformer tank through a magnet, and the output end is connected to the input end of the data acquisition instrument through a BNC conversion interface, and the output end of the data acquisition instrument is connected to the computer through a network cable interface.
  • the experiment uses the CA-YD-103 sensor, and its technical parameters are shown in the table below.
  • the Nicolet data acquisition instrument is equipped with a charge amplifier for collecting and recording the vibration signal detected by the vibration acceleration sensor, and the computer performs data storage, data processing and fault diagnosis on the signal data output by the collector, and displays the diagnosis result.
  • the transformer is tested using the diagnostic method provided above, and after the vibration signal is collected, the wavelet noise reduction is first performed, and FIG. 6(a) and FIG. 6(b) are respectively the original vibration signal and the drop before the noise reduction.
  • the noise reduction signal, comparing Figure 6 (a) and Figure 6 (b) can see the effect of noise reduction.
  • Fig. 8(a) and Fig. 8(b) are schematic diagrams showing the spectrum of the non-fault point (point 2) before and after the failure in the embodiment of the present invention. It can be seen that the non-fault point does not have the feature at the point of failure.
  • Fig. 9 (a) and Fig. 9 (b) are schematic diagrams showing the spectrum of the non-fault point (point 3) before and after the failure in the embodiment of the present invention. It can be seen that the non-fault point does not have the feature at the point of failure.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
  • Testing Relating To Insulation (AREA)

Abstract

一种电力变压器铁芯松动故障诊断与故障初步定位系统及方法，属于电力变压器故障智能诊断技术领域。该故障诊断与故障初步定位系统由振动传感器、信号采集仪和计算机系统组成。故障诊断与故障初步定位方法利用安装在变压器顶面的3个振动传感器测量振动信号，对信号进行傅立叶变换分析，得到铁芯松动故障特征量，分别为50Hz分量、150Hz分量和300Hz分量，以300Hz分量为主要特征量，当某一位置的这些分量的幅值增加到一定值，说明该位置发生铁芯松动故障，通过比较3个位置信号特征量的不同可进行故障定位。该系统能准确反映铁芯松动的故障特征，可有效的检测电力变压器铁芯松动故障。

Description

电力变压器铁芯松动故障诊断与故障初步定位系统及方法 技术领域
本发明涉及一种输变电设备状态在线监测技术，尤其涉及一种电力变压器铁 芯松动故障诊断及故障初步定位系统及方法， 属于智能变电站技术领域。
背景技术
引起变压器器身的振动原因主要有变压器本体的振动及冷却系统装置的振 动。冷却装置引起的基本振动频率较低， 与变压器本体振动有明显不同； 本体振 动包括铁芯和绕组的振动。变压器通电运行后， 绕组中流过电流， 在铁芯和绕组 中产生电磁场； 铁芯硅钢片材料在磁场作用下发生磁致伸縮， 即原子的尺寸发生 微小形变， 引起铁芯振动。 图 1中的实线描述了磁致伸縮形变与铁芯中磁通密度 的关系。 为了简化将其用二次曲线代替， 即图中虚线。 可以看出， 磁致伸縮形变 量与磁通密度大小的平方成线性关系。 已知负载电压和磁通密度之间的关系为：
Figure imgf000003_0001
式中： Φ、 ?分别为主磁通和磁通密度； ^为铁芯的横截面积； ί为负载电 压的有效值； /为负载电压的频率； 为原边绕组的匝数。 结合图 1可以得到磁 致伸縮引起的铁芯振动大小 v∞re与负载电压平方近似成正比关系， 为： oc [/2；，
由于电压的 2倍频为 100 Hz, 故磁致伸縮力的基频为 100 Hz o
铁芯由硅钢片叠加而成，每片硅钢片表层均有绝缘涂层，因此存在片间缝隙， 产生漏磁， 引起铁芯和箱体的振动。但是这种振动比磁致伸縮引起的振动小， 可 以忽略，认为铁芯的振动主要取决于硅钢片的磁致伸縮， 因此铁芯振动频率基频 为 100Hz。 由于磁致伸縮的非线性及铁芯内外框磁路长短不同， 铁芯振动除基频 外， 还应包含基频整数倍的高次谐波。
绕组的振动是在漏感的影响下， 绕组中的电流相互作用产生电动力引起的， 电动力正比于电流的平方。 空载时绕组电流为零， 绕组对铁芯振动基本无影响， 变压器的振动主要取决于铁芯。
根据以上分析，空载时的油箱振动主要与铁芯磁致伸縮有关，即与电压有关; 由变压器产生的振动通过变压器油和固体结构传递到油箱表面， 受各种因素影 响， 振动信号在传递过程中发生衰减、相移等变化， 到达油箱表面是十分复杂的 信号。
铁芯松动后， 硅钢片接缝处和叠片之间的漏磁变大， 导致电磁吸引力变大， 铁芯振动变大。
变压器的振动信号属于非平稳信号。信号处理的方法包括傅立叶变换、小波 变换、希尔伯特黄变换。傅立叶变换是最经典的信号处理方法。 它适用于平稳信 号， 可实现信号的时域频域的转换， 在工程中的应用十分广泛。 小波降噪原理如 图 2， 通过对信号的分解和重构可滤去高频信号， 重组低频信号， 达到滤波的效 果。
发明内容
本发明所要解决的技术问题是针对当前技术中电力变压器铁芯松动故障诊 断技术存在的缺陷，提出一种实现容易、诊断准确的电力变压器铁芯松动故障诊 断及故障初步定位方法。
本发明为解决上述技术问题采用以下技术方案：
一种电力变压器铁芯松动故障诊断与故障初步定位系统，包括至少三个振动 传感器、 转换接口、 数据采集仪以及分析模块； 其中， 所述振动传感器用于根据 预设的采样频率和采样时间采集电力变压器的振动信号，然后将该振动信号通过 所述转换接口传送至数据采集仪， 并且在所有振动传感器中， 有三个振动传感器 分别设置在电力变压器油箱顶面与电力变压器三相绕组对应的三个位置；所述数 据采集仪用于采集和记录振动传感器检测到的振动信号，然后将其输出至分析模 块； 所述分析模块对数据采集仪输出的信号数据进行数据存储、数据处理和故障 诊断， 最终得出诊断结果。
进一步的， 本发明的一种电力变压器铁芯松动故障诊断与故障初步定位系 统， 所述分析模块包括小波降噪处理单元、 傅立叶变换单元、 存储单元、 计算单 元、 输出单元；
其中，所述小波降噪处理单元将数据采集仪输出的振动信号进行小波降噪处 理，然后由傅立叶变换单元对小波降噪处理单元处理后的振动信号进行傅立叶变 换， 得到振动信号的频谱数据；
所述存储单元用于存储第一故障阈值以及第二故障阈值，其中第一故障阈值 为振动信号位于 300Hz的频谱分量幅值的阈值， 第二故障阈值为 50Hz与 150Hz 处的频谱分量幅值之和的阈值；
所述计算单元用于将振动信号的频谱数据中位于 300Hz 的频谱分量幅值与 第一故障阈值比较， 当振动传感器在同一情况下进行不少于 3次振动信号采样， 而至少有 2次振动信号的频谱数据位于 300Hz处的频谱分量幅值大于第一故障 阈值时， 再计算振动信号的频谱数据分别位于 50Hz、 150Hz处的频谱分量幅值 之和，将其与第二故障阈值对比； 当振动传感器在同一情况下进行不少于 3次振 动信号采样， 而至少有 2次振动信号的频谱数据位于 50Hz、 150Hz处的频谱分 量幅值之和大于第二故障阈值时，判断采集该振动信号的振动传感器位置附近的 铁芯发生松动故障， 将该诊断结果发送至输出单元进行输出显示。
本发明还提供一种电力变压器铁芯松动故障诊断及故障初步定位方法，具体 如下：
在电力变压器空载时， 进行以下步骤：
步骤（1 )， 根据预定的采样频率和采样时间， 采用如权利要求 1所述的三个 振动传感器分别对电力变压器的振动信息进行采样， 同一情况下进行不少于 3 次采样；
步骤（2)， 在每个振动传感器的采样数据中， 根据采样频率、 采样时间或采 样点数， 整周期截取变压器振动信号；
步骤 （3)， 对步骤 （2) 截取的振动信号进行小波降噪处理， 再进行傅立叶 频谱分析， 得到振动信号分别位于 50Hz、 150Hz, 300Hz处的频谱分量幅值； 步骤 （4)， 将振动信号位于 300Hz处的频谱分量幅值乘以 1.2至 2.5倍作为 第一故障阈值 CR1 ; 计算振动信号分别位于 50Hz、 150Hz处的频谱分量幅值之 和， 然后再将该频谱分量幅值之和乘以 1.2至 2.5倍作为第二故障阈值 CR2; 在电力变压器空载稳定运行时， 进行以下步骤：
步骤 （5)， 重复步骤 （1 ) 至步骤 （3)， 进行电力变压器振动信号的采样、 处理步骤， 得到振动信号分别位于 50Hz、 150Hz, 300Hz处的频谱分量的幅值； 步骤（6)， 将振动信号位于 300Hz处的分量幅值与第一故障阈值 C 对比， 当振动传感器在同一情况下进行不少于 3次振动信号采样，而至少有 2次采样的 振动信号的频谱数据位于 300Hz 处的频谱分量幅值大于第一故障阈值时， 进入 下一步骤； 否则， 返回步骤 （1 ); 步骤 （7)， 计算振动信号分别位于 50Hz、 150Hz处的频谱分量幅值之和， 将其与第二故障阈值 CR2对比，当振动传感器在同一情况下进行不少于 3次振动 信号采样， 而至少有 2次采样的振动信号的频谱数据位于 50Hz、 150Hz处的频 谱分量幅值之和大于第二故障阈值 CR2时，判断采集该振动信号的振动传感器位 置附近的铁芯发生松动故障； 否则， 返回步骤 （1 )。
本发明采用以上技术方案与现有技术相比， 具有以下技术效果： 经过实验验证，本发明所选取的特征量能准确反映铁芯松动的故障特征， 可 有效的检测电力变压器铁芯松动故障， 并且通过比较 3 个位置信号特征量的不 同， 可以对于故障发生的位置进行初步的定位。 附图说明
图 1是本发明中铁芯磁致伸縮形变随磁通密度变化；
图 2是本发明中小波降噪的原理图；
图 3是本发明中诊断系统的结构框图；
图 4本发明诊断系统中振动传感器的安装位置示意图；
图 5是本发明中诊断方法的流程图；
图 6 (a) 是本发明实施例采集到的振动原始信号示意图；
图 6 (b) 是本发明实施例降噪后的振动信号示意图；
图 7 (a) 是本发明实施例故障点处在故障前的频谱示意图；
图 7 (b) 是本发明实施例故障点处在故障后的频谱示意图；
图 8 (a) 是本发明实施例非故障点之一处在故障前的频谱示意图； 图 8 (b) 是本发明实施例非故障点之一处在故障后的频谱示意图； 图 9 (a) 是本发明实施例非故障点之二处在故障前的频谱示意图； 图 9 (b) 是本发明实施例非故障点之二处在故障后的频谱示意图。 具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明：
首先如图 3所示，本发明提供一种电力变压器铁芯松动故障诊断及初步定位 系统， 包括变压器、 振动传感器、 转换接口、 数据采集仪和分析模块。 其中， 振 动传感器的输入端借助磁铁牢固地吸附在变压器油箱顶面与三相绕组对应的三 个位置， 配合图 4所示， 图中的 A、 B、 C分别表示变压器高压侧三相， a、 b、 c 分别表示变压器低压侧三相， 0表示变压器的零线， 1、 2、 3分别表示安装在变 压器顶部的 3个振动传感器测量位置。振动传感器的输出端则通过转换接口连接 数据采集仪的输入端， 数据采集仪的输出端通过网线接口连接分析模块。
配合图 5所示，是本发明所提供的一种电力变压器铁芯松动故障诊断及初步 定位系统的方法的流程图， 包括如下步骤：
( 1 ) 在变压器稳定运行时， 根据一定的采样频率和采样时间对变压器的振 动信息进行采样， 同一情况下进行不少于 3次采样；
(2) 在采样数据中， 根据采样频率、 采样时间或采样点数， 整周期截取变 压器振动信号；
( 3 ) 对截取的振动信号进行小波降噪， 再进行傅立叶频谱分析；
(4) 求出振动信号的 50Hz、 150Hz 300Hz分量幅值；
( 5 ) 将振动信号的 300Hz的分量幅值乘以一定倍数作为第一阈值 CR1 ; 计 算振动信号的 50Hz、 150Hz处的频谱分量幅值之和， 然后以此乘以一定倍数作 为第二阈值 CR2; 所述一定倍数的范围为 1.2至 2.5倍。
在变压器正常状态下根据上述步骤对变压器进行监测计算， 将此时得到的 CRi CR2作为故障诊断阈值。
在进行电力变压器的铁芯松动故障诊断时，采用传感器对电力变压器的振动 信息进行采样，对采样信号进行如步骤 ( 3 )所述的处理后，求出振动信号的 50Hz、 150Hz、 300Hz分量值。
( 6)将振动信号位于 300Hz处的分量幅值与第一阈值 C 对比， 如果振动 传感器在同一情况下进行不少于 3次振动信号采样，而至少有 2次采样的振动信 号的频谱数据位于 300Hz处的分量幅值大于第一阈值 CR 则继续下面的步骤， 否则， 返回步骤 （1 ) 继续进行电力变压器的振动信息的采样；
(7 )计算振动信号位于 50Hz、 150Hz处的分量值之和与故障阈值 CR2对比， 当振动传感器在同一情况下进行不少于 3次振动信号采样，而至少有 2次采样的 振动信号的频谱数据位于 50Hz、 150Hz处的频谱分量幅值之和大于第二故障阈 值 CR2时，判断采集该振动信号的振动传感器位置附近的铁芯发生松动故障；否 则， 返回步骤 （1 ) 继续进行电力变压器的振动信号的采样分析。
实施例
对一台电力变压器进行铁芯松动故障设置，验证本发明的正确性， 并按照上 述步骤进行实验。 该变压器由江苏宏源电气有限责任公司生产， 其参数如表 1。
表 1
Figure imgf000008_0001
(一） 系统连接
配合图 3， 变压器的型号为 S9-M-100/10, 振动传感器采用 CA-YD-103振动 加速度传感器， 转换接口采用 BNC 电气转换接口， 数据采集仪采用型号 NicoletWOO, 分析模块直接采用计算机。将振动传感器的输入端通过磁铁牢固地 吸附在变压器油箱顶面的 3个位置， 其输出端通过 BNC转换接口连接数据采集 仪的输入端， 数据采集仪的输出端通过网线接口连接计算机。
(二） 振动加速度传感器的安装
实验采用 CA-YD-103传感器， 其技术参数如下表所示。
表 2
Figure imgf000008_0002
为了全面测量变压器铁芯的振动， 实验尽可能在空载情况下进行， 振动传感 器分别安装在顶面的三个位置。 具体安装位置如图 4。
(三） 铁芯松动故障的设置
用吊车将变压器吊芯。利用扳手将铁芯紧固螺丝拧松约 1厘米。用木槌敲打 松开螺丝的一侧铁芯使其松动，再将竹片轻轻敲入铁芯硅钢片的缝隙间使铁芯进 一步松动。
(四） 实施例实验
Nicolet数据采集仪配有电荷放大器， 用于采集和记录振动加速度传感器检 测到的振动信号，计算机则对采集仪输出的信号数据进行数据存储、数据处理和 故障诊断， 并且显示出诊断结果。 在本实施例中，利用前文提供的诊断方法对变压器进行实验， 采集到振动信 号后首先进行小波降噪， 图 6 ( a) 和图 6 (b) 分别为降噪前的振动原始信号和 降噪后的振动信号， 比较图 6 ( a) 和图 6 (b) 可以看出降噪的效果。
比较图 7 ( a) 和图 7 (b) 的 1号点 （即故障点附近） 正常情况与铁芯松动 故障的频谱可以发现， 当铁芯发生松动后， 距离其最近的油箱表面的振动将会产 生较多的 50Hz倍频分量， 300Hz能量上升。
经过计算， 被测变压器的频率分量幅值有如表 3所示变化规律。
表 3
Figure imgf000009_0001
对振动信号进行傅立叶分析后， 以 300Hz (CRi ) 为主要特征量， 当其幅值 超过正常时的一定倍数时， 可认为该位置附近发生铁芯松动故障。 当 50Hz 和 150Hz幅值之和 （CR2) 比正常时高出一定倍数时， 进一步确定该位置发生铁芯 松动故障。
图 8 ( a) 和图 8 (b) 是本发明实施例非故障点 （2号点） 处在故障前后的 频谱示意图。 可以看出非故障点没有出现故障点处的特征。
图 9 ( a) 和图 9 (b) 是本发明实施例非故障点 （3号点） 处在故障前后的 频谱示意图。 可以看出非故障点没有出现故障点处的特征。
在理论分析的基础上进行大量实测试验之后发现，上述特征具有很好的重复 性和规律性， 验证了这一特征可以用于变压器铁芯松动故障诊断。
最后需要说明的是，以上实施例仅用以描述本发明的技术方案而不是对本技 术方法进行限制，本发明在应用上可以延伸为其他的修改、变化、应用和实施例， 并且因此认为所有这样的修改、变化、应用、 实施例都在本发明的精神和教导范 围内。

Claims

权利要求书
1. 一种电力变压器铁芯松动故障诊断与故障初步定位系统， 其特征在于： 包括至少三个振动传感器、 转换接口、 数据采集仪以及分析模块； 其中， 所述振 动传感器用于根据预设的采样频率和采样时间采集电力变压器的振动信号，然后 将该振动信号通过所述转换接口传送至数据采集仪， 并且在所有振动传感器中， 有三个振动传感器分别设置在电力变压器油箱顶面与电力变压器三相绕组对应 的三个位置； 所述数据采集仪用于采集和记录振动传感器检测到的振动信号， 然 后将其输出至分析模块；所述分析模块对数据采集仪输出的信号数据进行数据存 储、 数据处理和故障诊断， 最终得出诊断结果。
2. 根据权利要求 1 所述的一种电力变压器铁芯松动故障诊断与故障初步定 位系统， 其特征在于： 所述分析模块包括小波降噪处理单元、 傅立叶变换单元、 存储单元、 计算单元、 输出单元；
其中，所述小波降噪处理单元将数据采集仪输出的振动信号进行小波降噪处 理，然后由傅立叶变换单元对小波降噪处理单元处理后的振动信号进行傅立叶变 换， 得到振动信号的频谱数据；
所述存储单元用于存储第一故障阈值以及第二故障阈值，其中第一故障阈值 为振动信号位于 300Hz的频谱分量幅值的阈值， 第二故障阈值为 50Hz与 150Hz 处的频谱分量幅值之和的阈值；
所述计算单元用于将振动信号的频谱数据中位于 300Hz 的频谱分量幅值与 第一故障阈值比较， 当振动传感器在同一情况下进行不少于 3次振动信号采样， 而至少有 2次振动信号的频谱数据位于 300Hz处的频谱分量幅值大于第一故障 阈值时， 再计算振动信号的频谱数据分别位于 50Hz、 150Hz处的频谱分量幅值 之和，将其与第二故障阈值对比； 当振动传感器在同一情况下进行不少于 3次振 动信号采样， 而至少有 2次振动信号的频谱数据位于 50Hz、 150Hz处的频谱分 量幅值之和大于第二故障阈值时，判断采集该振动信号的振动传感器位置附近的 铁芯发生松动故障， 将该诊断结果发送至输出单元进行输出显示。
3. 一种基于如权利要求 1 所述的电力变压器铁芯松动故障诊断与故障初步 定位系统的故障诊断及故障初步定位方法， 其特征在于， 具体如下： 在电力变压器空载时， 进行以下步骤：
步骤（1 )， 根据预定的采样频率和采样时间， 采用如权利要求 1所述的三个 振动传感器分别对电力变压器的振动信息进行采样， 同一情况下进行不少于 3 次采样；
步骤（2)， 在每个振动传感器的采样数据中， 根据采样频率、 采样时间或采 样点数， 整周期截取变压器振动信号；
步骤 （3)， 对步骤 （2) 截取的振动信号进行小波降噪处理， 再进行傅立叶 频谱分析， 得到振动信号分别位于 50Hz、 150Hz, 300Hz处的频谱分量幅值； 步骤 （4)， 将振动信号位于 300Hz处的频谱分量幅值乘以 1.2至 2.5倍作为 第一故障阈值 CR1 ; 计算振动信号分别位于 50Hz、 150Hz处的频谱分量幅值之 和， 然后再将该频谱分量幅值之和乘以 1.2至 2.5倍作为第二故障阈值 CR2; 在电力变压器空载稳定运行时， 进行以下步骤：
步骤 （5)， 重复步骤 （1 ) 至步骤 （3)， 进行电力变压器振动信号的采样、 处理步骤， 得到振动信号分别位于 50Hz、 150Hz, 300Hz处的频谱分量的幅值； 步骤（6)， 将振动信号位于 300Hz处的分量幅值与第一故障阈值 C 对比， 当振动传感器在同一情况下进行不少于 3次振动信号采样，而至少有 2次采样的 振动信号的频谱数据位于 300Hz 处的频谱分量幅值大于第一故障阈值时， 进入 下一步骤； 否则， 返回步骤 （1 );
步骤 （7)， 计算振动信号分别位于 50Hz、 150Hz处的频谱分量幅值之和， 将其与第二故障阈值 CR2对比，当振动传感器在同一情况下进行不少于 3次振动 信号采样， 而至少有 2次采样的振动信号的频谱数据位于 50Hz、 150Hz处的频 谱分量幅值之和大于第二故障阈值 CR2时，判断采集该振动信号的振动传感器位 置附近的铁芯发生松动故障； 否则， 返回步骤 （1 )。
PCT/CN2012/078885 2012-06-13 2012-07-19 电力变压器铁芯松动故障诊断与故障初步定位系统及方法 Ceased WO2013185405A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US14/128,603 US9404957B2 (en) 2012-06-13 2012-07-19 Fault diagnosis and preliminary location system and method for transformer core looseness

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201210193931.9 2012-06-13
CN201210193931.9A CN102721465B (zh) 2012-06-13 2012-06-13 电力变压器铁芯松动故障诊断与故障初步定位系统及方法

Publications (1)

Publication Number Publication Date
WO2013185405A1 true WO2013185405A1 (zh) 2013-12-19

Family

ID=46947290

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2012/078885 Ceased WO2013185405A1 (zh) 2012-06-13 2012-07-19 电力变压器铁芯松动故障诊断与故障初步定位系统及方法

Country Status (3)

Country Link
US (1) US9404957B2 (zh)
CN (1) CN102721465B (zh)
WO (1) WO2013185405A1 (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106706120A (zh) * 2016-12-20 2017-05-24 国家电网公司 一种变压器振动测试系统及方法
CN111307084A (zh) * 2020-03-19 2020-06-19 广西电网有限责任公司南宁供电局 一种基于振动的电力变压器绕组变形故障诊断新方法
CN111398723A (zh) * 2020-04-17 2020-07-10 上海数深智能科技有限公司 一种变压器故障智能诊断的模型方法
CN112149569A (zh) * 2020-09-24 2020-12-29 福州大学 变压器基于模糊c均值聚类算法的声纹故障诊断方法
CN112484843A (zh) * 2020-11-23 2021-03-12 国网北京市电力公司 变电站的状态分析方法及装置、电子设备
CN112798279A (zh) * 2020-12-30 2021-05-14 杭州朗阳科技有限公司 一种新的诊断电机轴承故障的检测方法
CN114166444A (zh) * 2021-11-29 2022-03-11 国网新源控股有限公司 适用于水电站厂房暂态工况下振动分析的数据处理方法
CN114295944A (zh) * 2021-12-28 2022-04-08 南京力通达电气技术有限公司 一种智能寻式变压器故障监测定位装置及优化算法
CN116400209A (zh) * 2023-03-10 2023-07-07 广东电网有限责任公司佛山供电局 一种配电变压器的调压开关故诊断方法及装置
CN118364399A (zh) * 2024-04-16 2024-07-19 无锡亿能电力设备股份有限公司 一种基于干式变压器震动的故障监测系统
CN118603513A (zh) * 2024-03-21 2024-09-06 国网宁夏电力有限公司电力科学研究院 一种变压器铁心及夹件区域变形检测方法、介质及系统

Families Citing this family (77)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102721465B (zh) * 2012-06-13 2014-02-05 江苏省电力公司南京供电公司 电力变压器铁芯松动故障诊断与故障初步定位系统及方法
CN103822696B (zh) * 2012-11-19 2016-01-20 广东电网公司电力科学研究院 一种变压器绕组状态的诊断方法
CN103077813A (zh) * 2013-01-08 2013-05-01 四川电力科学研究院 一种新型智能变压器
WO2015178975A2 (en) 2014-02-13 2015-11-26 Micatu Inc. An optical sensor system and methods of use thereof
CN103968939B (zh) * 2014-05-16 2016-03-09 国家电网公司 基于平均位移法的变压器绕组松动故障检测方法
CN104020403A (zh) * 2014-06-20 2014-09-03 国家电网公司 一种组合电器故障定位的诊断系统
CN104236702B (zh) * 2014-08-29 2017-09-19 国家电网公司 电力变压器内部松动判断系统及其方法
CN104330684A (zh) * 2014-10-31 2015-02-04 国家电网公司 一种多参量电力变压器铁芯内部局部短路故障监测方法
CN104677485B (zh) * 2015-03-17 2017-12-08 国家电网公司 配电变压器铁芯振动信号特征量提取方法
CN104748838B (zh) * 2015-03-27 2017-09-19 国家电网公司 基于有限元分析的变压器绕组松动判断系统和方法
US10215621B2 (en) 2015-04-17 2019-02-26 Micatu Inc. Enhanced optical condition monitoring system for power transformer and method for operating power transformer
CN105043729B (zh) * 2015-06-25 2017-12-15 中铁第四勘察设计院集团有限公司 一种悬挂设备松动故障的监测预警方法和系统
CN105092024B (zh) * 2015-08-24 2018-07-06 江苏省电力公司南京供电公司 一种电力变压器绕组轴向压紧状态在线监测方法及系统
US10401169B2 (en) 2015-10-09 2019-09-03 Micatu Inc. Enhanced power transmission tower condition monitoring system for overhead power systems
CN105223444B (zh) * 2015-10-20 2018-03-23 国家电网公司 油浸式变压器内部局部过热判断与过热点定位方法
CN105651500A (zh) * 2015-12-01 2016-06-08 哈尔滨电机厂有限责任公司 一种检查汽轮发电机定子铁心装压质量的方法
CN106441547A (zh) * 2016-08-31 2017-02-22 许继集团有限公司 一种变压器振动监测方法及装置
CN106443257A (zh) * 2016-09-27 2017-02-22 河海大学 一种基于振动的特高压变压器状态监测系统
CN106468751A (zh) * 2016-09-29 2017-03-01 河海大学 一种基于模糊自适应共振神经网络的变压器绕组状态识别方法
CN107101715A (zh) * 2017-05-25 2017-08-29 贵州电网有限责任公司 一种基于交叉小波的变压器振动信号幅频特征量提取方法
CN107356869A (zh) * 2017-07-31 2017-11-17 海南电网有限责任公司琼海供电局 一种变压器有载调压开关故障诊断系统
CN108169583B (zh) * 2017-11-17 2020-11-20 国网湖南省电力有限公司 中性点经电容接地的自耦变压器直流偏磁判别方法及系统
CN108414079A (zh) * 2018-03-21 2018-08-17 广东电网有限责任公司电力科学研究院 一种变压器噪声监测系统
US11087920B2 (en) 2018-03-30 2021-08-10 General Electric Company System and method for transformer control
CN108519433A (zh) * 2018-04-10 2018-09-11 长沙理工大学 一种波形钢腹板之间横向连接结构的健康监测装置及方法
CN108596099A (zh) * 2018-04-25 2018-09-28 华北电力大学（保定） 一种变压器表面振动基频幅值预测方法
CN110632406A (zh) * 2018-06-22 2019-12-31 广东电网有限责任公司 一种用于变压器的数据挖掘系统
CN109030998B (zh) * 2018-07-19 2023-01-20 浙江浙能常山天然气发电有限公司 一种基于三轴振动技术的智能化变压器监测系统
US10938314B2 (en) 2018-07-23 2021-03-02 Smart Wires Inc. Early detection of faults in power transmission lines
CN109470972B (zh) * 2018-11-15 2021-06-22 广西电网有限责任公司电力科学研究院 一种基于振动图像的变压器铁心松动诊断方法
CN111445596B (zh) * 2019-01-16 2022-05-17 珠海全志科技股份有限公司 频率和振幅获取方法、比较方法、分析方法及电子设备
CN111856169B (zh) * 2019-04-22 2023-03-14 宁波奥克斯智能科技股份有限公司 一种变压器故障检测方法及系统
CN110187219A (zh) * 2019-05-21 2019-08-30 国家电网有限公司 一种基于振动法模型的电力变压器铁心故障诊断方法
CN110297841B (zh) * 2019-06-25 2021-08-27 国网浙江省电力有限公司电力科学研究院 一种变压器故障诊断与快速索引方法及系统
CN110717283B (zh) * 2019-06-28 2023-05-26 沈阳工业大学 一种油浸式电力变压器铁心振动计算方法
CN110441632B (zh) * 2019-08-01 2021-06-25 河海大学 便携式高压并联电抗器故障检测装置及方法
CN110687447B (zh) * 2019-09-30 2022-08-19 华能四川水电有限公司 一种定子铁芯松动的诊断方法、装置、存储介质及设备
CN112578218B (zh) * 2019-09-30 2025-08-19 中国电力科学研究院有限公司 一种架空导线断股识别方法和装置
CN110909480B (zh) * 2019-11-29 2023-03-14 华北水利水电大学 一种水轮机振动信号的去噪方法与装置
CN111060301B (zh) * 2019-12-27 2021-11-19 中国联合网络通信集团有限公司 一种故障诊断方法及装置
TWI719786B (zh) 2019-12-30 2021-02-21 財團法人工業技術研究院 資料處理系統與方法
DE102020201329A1 (de) * 2020-02-04 2021-08-05 Siemens Aktiengesellschaft Verfahren zum Feststellen unsymmetrischer Schwingungen beim Betrieb eines an ein Hochspannungsnetz angeschlossenen elektrischen Geräts
CN111413085A (zh) * 2020-05-06 2020-07-14 国网上海市电力公司 一种电力变压器机械状态检测系统
CN111597957B (zh) * 2020-05-12 2023-08-01 三峡大学 基于形态学图像处理的变压器绕组故障诊断方法
CN111551853B (zh) * 2020-05-30 2022-07-29 华能澜沧江水电股份有限公司 一种水轮发电机定子铁芯叠片松动故障检测方法
CN111884715A (zh) * 2020-06-08 2020-11-03 国网山东省电力公司建设公司 一种变电站二次系统光回路的故障定位方法及装置
CN111707897A (zh) * 2020-06-30 2020-09-25 国网黑龙江省电力有限公司大庆供电公司 基于振动信号小波能量谱特征的变压器运行状态分析方法
CN112179486A (zh) * 2020-11-10 2021-01-05 国网北京市电力公司 噪声监控方法、装置及系统、处理器、电子设备
CN112986870A (zh) * 2021-01-26 2021-06-18 国网江苏省电力有限公司南京供电分公司 基于振动法的分布式电力变压器绕组状态监测方法及系统
CN113514784B (zh) * 2021-03-16 2023-09-15 国网江苏省电力有限公司南京供电分公司 变压器绕组在空载合闸下的机械状态检测判断方法
CN113514783B (zh) * 2021-03-16 2023-12-15 国网江苏省电力有限公司南京供电分公司 空载合闸下的变压器绕组机械状态检测判断方法
CN113074931B (zh) * 2021-04-26 2023-04-21 三一汽车制造有限公司 紧固件松动检测方法、装置、电子设备和存储介质
CN113375786B (zh) * 2021-05-17 2022-01-25 国网浙江海盐县供电有限公司 一种基于振动信号的变压器监测方法及铁芯临时修复装置
CN113465913A (zh) * 2021-06-11 2021-10-01 电子科技大学 一种核电阀门的故障特征提取及优选方法
CN113687154B (zh) * 2021-08-05 2024-01-26 南方电网科学研究院有限责任公司 变压器的空载运行状态监测方法、装置、设备及存储介质
CN113776649A (zh) * 2021-08-16 2021-12-10 国网江苏省电力有限公司电力科学研究院 一种基于压电自取能的变压器振动无源无线监测方法及系统
CN113723496B (zh) * 2021-08-26 2024-11-26 国网陕西省电力有限公司电力科学研究院 一种电抗器铁心松动故障诊断方法、装置和设备
CN113537156B (zh) * 2021-09-06 2021-12-14 航天智控(北京)监测技术有限公司 一种基于区间标准差结合频谱分析的振动数据清洗方法
CN113654786A (zh) * 2021-09-07 2021-11-16 沈阳工业大学 一种基于振动信号的电力变压器故障诊断装置及方法
CN113820086A (zh) * 2021-09-08 2021-12-21 国网江苏省电力有限公司淮安供电分公司 一种基于缺陷声纹特征的变压器故障检测设备
CN114018398B (zh) * 2021-11-03 2025-05-02 宁波市电力设计院有限公司 一种电力变压器绕组振动在线监测系统及方法
CN114200350B (zh) * 2021-11-29 2024-07-26 国网福建省电力有限公司电力科学研究院 基于振动信息的三相电力变压器故障诊断与定位方法及装置
CN114778987B (zh) * 2022-05-16 2023-02-28 国网四川省电力公司眉山供电公司 一种干式电抗器故障分析装置
CN115031828B (zh) * 2022-05-30 2025-05-06 广西电网有限责任公司电力科学研究院 一种变压器暂态声振信号处理方法
CN115014748B (zh) * 2022-05-31 2023-05-23 南京林业大学 一种用于籽棉分选喷阀的故障诊断方法
CN115754507B (zh) * 2022-09-27 2024-11-08 中国长江三峡集团有限公司 一种基于振动信号的变压器故障诊断方法、装置和设备
CN115603278A (zh) * 2022-10-19 2023-01-13 西安交通大学（Cn） 基于压力频率特征的油浸式变压器数字式非电量保护方法
CN116243214A (zh) * 2023-03-03 2023-06-09 绍兴秘可视信息科技有限公司 电力变压器振动数据在线监测系统及方法
CN117706433B (zh) * 2023-12-13 2024-08-06 西南交通大学 一种考虑多频率分量的变压器绕组故障判断方法
CN117932558B (zh) * 2024-02-29 2024-10-18 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
CN118583048B (zh) * 2024-08-07 2024-11-26 安徽大学 一种变压器绕组形变的检测方法及系统
CN118936618B (zh) * 2024-08-20 2025-12-19 云南电网有限责任公司电力科学研究院 变压器有效振动信号选取方法、装置、设备及介质
CN118837572B (zh) * 2024-09-20 2024-11-22 成都本原聚能科技有限公司 一种mems加速度传感器的补偿方法
CN119716665B (zh) * 2025-02-24 2025-07-18 西电济南变压器股份有限公司 电力变压器的智能综合测试方法及系统
CN119860839A (zh) * 2025-03-13 2025-04-22 国网辽宁省电力有限公司抚顺供电公司 一种基于声纹特征的变压器铁芯振动监测及故障诊断方法
CN120654041B (zh) * 2025-08-15 2025-11-28 西南科技大学 一种变压器短路故障下的绕组形变诊断方法
CN121114698B (zh) * 2025-11-13 2026-03-06 国网江西省电力有限公司电力科学研究院 一种电磁声学跨模态融合的变压器铁芯绝缘故障区分方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201707124U (zh) * 2010-06-13 2011-01-12 重庆市电力公司江津供电局 一种电力变压器振动在线监测系统
CN102375102A (zh) * 2010-08-20 2012-03-14 华东电力试验研究院有限公司 变压器有载分解开关状态监测系统及方法
CN202230145U (zh) * 2011-07-14 2012-05-23 山东恒威电力设备有限公司 配电变压器远程无线监控系统
CN102721465A (zh) * 2012-06-13 2012-10-10 江苏省电力公司南京供电公司 电力变压器铁芯松动故障诊断与故障初步定位系统及方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3449633A (en) * 1967-03-07 1969-06-10 Westinghouse Electric Corp Electrical transformer
US6178386B1 (en) * 1998-08-14 2001-01-23 The University Of Hartford Method and apparatus for fault detection
US7539549B1 (en) * 1999-09-28 2009-05-26 Rockwell Automation Technologies, Inc. Motorized system integrated control and diagnostics using vibration, pressure, temperature, speed, and/or current analysis
US20050040809A1 (en) * 2003-08-22 2005-02-24 Uber Arthur E. Power line property measurement devices and power line fault location methods, devices and systems
US7254514B2 (en) * 2005-05-12 2007-08-07 General Electric Company Method and system for predicting remaining life for motors featuring on-line insulation condition monitor
KR101081982B1 (ko) * 2008-10-23 2011-11-10 한국전력공사 변압기용 진동 감시 및 진단 시스템
WO2011010325A1 (en) * 2009-07-23 2011-01-27 Indian Institute Of Technology, Bombay An on-line diagnostic method for health monitoring of a transformer
CN201497795U (zh) * 2009-09-23 2010-06-02 河海大学 基于振动信号幅频变化的分接开关触头脱落故障诊断装置
CN101769787B (zh) * 2010-01-29 2011-07-20 浙江大学 电力变压器铁心松动故障监测方法
CN101782426B (zh) * 2010-01-29 2012-04-18 浙江大学 电力变压器绕组松动故障振动检测方法
JP5672527B2 (ja) * 2010-09-01 2015-02-18 パナソニックＩｐマネジメント株式会社 画像処理装置及び画像処理方法
US8849587B1 (en) * 2011-03-14 2014-09-30 Neal Fredrick Lightle System and method for remotely monitoring the health of a transformer
US9964625B2 (en) * 2011-06-27 2018-05-08 General Electric Company Electrical substation fault monitoring and diagnostics
CN102331547A (zh) * 2011-07-12 2012-01-25 江苏镇安电力设备有限公司 一种变压器绕组振动的在线监测及故障诊断方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201707124U (zh) * 2010-06-13 2011-01-12 重庆市电力公司江津供电局 一种电力变压器振动在线监测系统
CN102375102A (zh) * 2010-08-20 2012-03-14 华东电力试验研究院有限公司 变压器有载分解开关状态监测系统及方法
CN202230145U (zh) * 2011-07-14 2012-05-23 山东恒威电力设备有限公司 配电变压器远程无线监控系统
CN102721465A (zh) * 2012-06-13 2012-10-10 江苏省电力公司南京供电公司 电力变压器铁芯松动故障诊断与故障初步定位系统及方法

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106706120A (zh) * 2016-12-20 2017-05-24 国家电网公司 一种变压器振动测试系统及方法
CN111307084A (zh) * 2020-03-19 2020-06-19 广西电网有限责任公司南宁供电局 一种基于振动的电力变压器绕组变形故障诊断新方法
CN111398723A (zh) * 2020-04-17 2020-07-10 上海数深智能科技有限公司 一种变压器故障智能诊断的模型方法
CN112149569B (zh) * 2020-09-24 2022-06-14 福州大学 变压器基于模糊c均值聚类算法的声纹故障诊断方法
CN112149569A (zh) * 2020-09-24 2020-12-29 福州大学 变压器基于模糊c均值聚类算法的声纹故障诊断方法
CN112484843A (zh) * 2020-11-23 2021-03-12 国网北京市电力公司 变电站的状态分析方法及装置、电子设备
CN112798279A (zh) * 2020-12-30 2021-05-14 杭州朗阳科技有限公司 一种新的诊断电机轴承故障的检测方法
CN114166444A (zh) * 2021-11-29 2022-03-11 国网新源控股有限公司 适用于水电站厂房暂态工况下振动分析的数据处理方法
CN114295944A (zh) * 2021-12-28 2022-04-08 南京力通达电气技术有限公司 一种智能寻式变压器故障监测定位装置及优化算法
CN114295944B (zh) * 2021-12-28 2023-11-10 南京力通达电气技术有限公司 一种智能寻式变压器故障监测定位装置及优化算法
CN116400209A (zh) * 2023-03-10 2023-07-07 广东电网有限责任公司佛山供电局 一种配电变压器的调压开关故诊断方法及装置
CN118603513A (zh) * 2024-03-21 2024-09-06 国网宁夏电力有限公司电力科学研究院 一种变压器铁心及夹件区域变形检测方法、介质及系统
CN118364399A (zh) * 2024-04-16 2024-07-19 无锡亿能电力设备股份有限公司 一种基于干式变压器震动的故障监测系统

Also Published As

Publication number Publication date
CN102721465B (zh) 2014-02-05
CN102721465A (zh) 2012-10-10
US20140118003A1 (en) 2014-05-01
US9404957B2 (en) 2016-08-02

Similar Documents

Publication Publication Date Title
WO2013185405A1 (zh) 电力变压器铁芯松动故障诊断与故障初步定位系统及方法
CN102721897B (zh) 电力变压器绕组匝间短路故障诊断方法
CN103513138B (zh) 一种基于振动特征的变压器绕组与铁芯故障诊断方法
CN102721464B (zh) 电力变压器绕组变形故障检测方法及系统
CN101782426B (zh) 电力变压器绕组松动故障振动检测方法
CN104236702B (zh) 电力变压器内部松动判断系统及其方法
CN103398769B (zh) 基于小波ggd特征和不均衡k-均值下采样集成svm的变压器在线故障检测方法
CN103116111B (zh) 一种电力变压器绕组工作状态的诊断方法
CN102914362B (zh) 变压器绕组及铁芯振动信号的分离方法
CN106441547A (zh) 一种变压器振动监测方法及装置
CN104748838B (zh) 基于有限元分析的变压器绕组松动判断系统和方法
CN105629100A (zh) 基于异常振动分析的gis机械缺陷诊断系统及方法
CN104655967B (zh) 配电变压器绕组振动信号特征量提取方法
CN106338336A (zh) 变压器振动的在线监测系统
CN103968939B (zh) 基于平均位移法的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
CN103149476A (zh) 一种基于电-振动模型的电力变压器故障诊断方法
CN103176104A (zh) 一种变压器绕组运行状态的诊断方法
CN102519581B (zh) 一种电力变压器振动信号的分离方法
CN109697437B (zh) 一种基于电激励的绕组模态分析方法及其应用和验证方法
CN106970297A (zh) 一种基于振动的变压器绕组变形的在线检测方法
CN202735463U (zh) 电力变压器绕组匝间短路故障诊断系统
CN114924157B (zh) 一种基于5g传输的并联电抗器状态监测方法及系统
CN105699838A (zh) 一种变压器绕组状态检测方法及装置
CN105606045A (zh) 一种判断电力变压器绕组变形的方法及系统

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 14128603

Country of ref document: US

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 12878700

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 12878700

Country of ref document: EP

Kind code of ref document: A1