基于CRP和RQA的变压器绕组压紧状态检测

为了掌握绕组压紧力状况,通过分析变压器表面振动变化情况,提出了基于交叉递归图(Cross Recurrence Plot, CRP)和递归定量分析(Recurrence Quantification Analysis, RQA)的绕组压紧状态检测方法。首先,从振动信号的递归特性出发,对多元和一元振动信号进行相空间重构。然后,分别采用CRP和RQA对相轨迹进行定性和定量分析,据此对绕组压紧状态进行检测。实验数据的分析结果表明,CRP中对角线结构的变化能定性反映出绕组压紧状态的变化,多元与一元振动信号的RQA度量能够分别从整体和局部角度对绕组压紧状态进行定量检测。研究结果为从非线性动力学角度监测绕组松动故障提供了理论依据。     

基于箱体振型特征的油浸式电抗器绕组松动识别方法

通过分析高压并联电抗器油箱表面振动加速度信号可以得到电抗器内部机械状态信息,从而有利于避免电抗器事故的发生。本文针对一台500 kV油浸式铁心电抗器搭建了振动实验平台,首先对油箱表面均匀分布测点的振动加速度信号进行相位校准并获取运行变形振型(ODS)图像,通过升压实验分析了电抗器表面振型分布与电压之间的关系,借助灰度共生矩阵提取电抗器在不同机械状态下的ODS图像纹理特征并进行对比分析。研究结果表明：运行电压下电抗器ODS分布不变,当绕组发生松动时,电抗器表面ODS图像的纹理特征发生变化,其灰度共生矩阵的能量增大,相关性减小,逆差距增大,从而验证了本文绕组松动识别方法的有效性,为高压并联电抗器故障诊断提供了参考。     

高压电抗器振动特性及实验分析

为进一步研究高压电抗器振动机理及特性,针对一台油浸式并联电抗器,根据其结构特点和受力情况,建立了绕组与铁心的振动数学模型,理论分析了电抗器振动特性;对油浸式并联电抗器进行振动实验,研究了不同测点的振动特性、最佳测点的选择、不同电压下振动变化规律与振动信号特征频率。研究结果表明:电抗器振动频率以100 Hz为主,内部铁心饼表面振动幅值最大,在油箱外部采集的振动信号与内部具有相同的振动特性,可以反映电抗器内部运行状态。研究结果为电抗器减振降噪以及基于振动法分析电抗器故障提供了有效信息与有效依据。     

变压器绕组及铁心振动监测方法研究

变压器油箱表面的振动主要是由变压器绕组及铁心振动引起的,通过测量油箱表面的振动信号可以反映绕组及铁心的振动情况,从而判断其绝缘状况.根据变压器的结构,通过理论分析和试验研究了变压器绕组及铁心振动信号的特点,探索出了一些能判断绕组和铁心压紧状态的方法,同时提出了在非空载条件下提取铁心振动信号的方法,解决了绕组发生轻微变形时难以测量的问题.     

基于BP神经网络的变压器振动信号分离方法

电力变压器是电力系统中最重要的电力设备之一,其运行可靠性关系到电力系统的安全稳定运行,因此变压器故障诊断一直备受研究人员关注。基于油箱表面振动信号的机械故障诊断方法,因其测量系统与变压器没有直接电气连接,抗干扰能力强而受到广泛研究。传统的振动信号分析法一般分析变压器油箱表面的混叠信号,无法有效分别评估绕组与铁心的机械状态,因此,开展变压器油箱表面振动信号分离技术的研究具有重要意义。提出基于BP神经网络的变压器油箱表面振动信号分离技术,分离得到的铁心振动信号波形相似系数平均值为0.813,绕组振动信号波形相似系数平均值为0.834,效果理想,为有效评估绕组和铁心机械状态提供了重要的技术手段。     

变压器油箱表面运行变形振型特性研究

变压器油箱表面振动信号与其内部绕组及铁心的机械状况密切相关,对其进行测量及特性分析是诊断变压器机械故障的重要手段之一。传统的单点测量方式受油箱固有模态特性的影响,使得拾取的信号因测点位置不同而产生很大的差异,且随正常工况波动而变化,限制了该方法的进一步现场应用。该文首先提出变压器油箱表面运行变形振型(ODS)的测量方法;然后在空载及负载试验条件下,分别研究了不同电压和电流时变压器油箱表面的ODS特性,提出了利用振型相关系数(SCC)判断ODS变化程度的方法;最后研究了绕组压紧程度松动时变压器油箱的ODS特性。结果表明:不同测点加速度为多频率复合的周期稳态准同步信号,因各点信号相位相同或相反使得整个表面振动分布呈现波动形式,且不同频率最大振幅出现的位置也有所不同。加载电压及负载电流的变化会直接影响油箱表面振动加速度幅值,但并不影响整体形态,SCC接近于1,即各点间振动幅值比值不变,振动相位不变。与正常情况下相比,绕组松动时SCC远小于1,说明ODS发生了明显变化。该研究工作为基于振动信号的变压器绕组及铁心机械状态评估和故障诊断提供了一条新思路。     

运行中的电力变压器油箱表面振动信号的研究

变压器绕组和铁心是发生故障较多的部件。通过对电力变压器空载试验及负载试验时分别测量油箱表面的振动信号,从而得到铁心及绕组的振动信号,为开展变压器绕组及铁心监测与诊断方法的研究提供了十分重要的依据。本文提出了对实际运行的电力变压器油箱表面的振动信号进行测量,比较分析变压器型号、传感器测量位置等对测得的振动信号的影响;当缺乏历史数据时,可以通过和同型号变压器或上下对称位置处的振动信号比较来判断绕组或铁心状况;并且通过对传感器安装位置发生偏离时测得信号的比较分析,提出了测点的布置与以往数据相比,相差半径范围不应超过5 cm的结论。     

基于振动信号的变压器绕组松动实验研究

为分析和判断变压器绕组松动的严重程度,对油箱表面测得的振动信号进行研究。首先对变压器油箱表面振动测点的选择进行实验分析,得出振动测点布放原则。之后根据选择的合理测点,设计变压器绕组松动实验,通过对绕组松动前后的振动信号进行研究得出：观察变压器油箱表面测得的振动信号特征频率分量幅值变化,可以判断变压器绕组是否发生松动。该研究为基于振动法在线监测变压器状态提供参考。     

运行中的电力变压器油箱表面振动信号的研究

变压器绕组和铁心是发生故障较多的部件。通过对电力变压器空载试验及负载试验时分别测量油箱表面的振动信号，从而得到铁心及绕组的振动信号，为开展变压器绕组及铁心监测与诊断方法的研究提供了十分重要的依据。本文提出了对实际运行的电力变压器油箱表面的振动信号进行测量，比较分析变压器型号、传感器测量位置等对测得的振动信号的影响；当缺乏历史数据时，可以通过和同型号变压器或上下对称位置处的振动信号比较来判断绕组或铁心状况；并且通过对传感器安装位置发生偏离时测得信号的比较分析，提出了测点的布置与以往数据相比，相差半径范围不应超过5cm的结论。     

电力变压器铁心振动特性分析

作为电力变压器的主要部件,变压器铁心的振动信号主要与铁心紧固状况、绝缘程度密切相关,具有较强的非线性非平稳特性。本文以电力变压器铁心为研究对象,将希尔伯特黄变换(HHT)时频分析方法引入变压器铁心非线性振动信号分析领域,并结合传统频谱分析法对六种不同型号的电力变压器铁心振动信号进行了分析及实验研究,从时域、频域及时-频域等几个角度分析了铁心本体振动特性、油箱表面空载时振动特性及负载时绕组振动对铁心振动的影响。该研究分析结果为电力变压器的状态检测与故障诊断提供了一个良好的基础。     

基于递归定量分析的有载分接开关机械状态监测

为进一步提高有载分接开关(on-load tap changer,OLTC)机械状态监测的准确性,文中基于递归定量分析(recurrence quantification analysis,RQA)法对OLTC切换过程中的振动信号进行了分析。首先应用相空间重构和递归图理论获取了OLTC切换过程中振动信号的递归图,然后引入递归率、层流性和确定性等递归定量指标及其统计分布结果对OLTC振动信号的动力学特征进行了描述。对某CM型组合式OLTC正常与典型故障下振动信号的分析结果表明:OLTC从正常到典型机械故障的演变过程中,振动信号伴随有周期性减弱、预测性增强、平稳性提高的变化特性,所定义的振动信号的RQA指标的分布范围可较为准确地判断OLTC的运行状态。研究结果可为基于振动分析法的OLTC机械状态监测技术提供参考。     

运行中大型变压器油箱表面振动特性研究

针对大型变压器铁心与绕组故障多发的情况,以2台220 kV变压器为例,对变压器油箱表面振动信号进行测量,从而判断铁心与绕组运行状态,分析油箱表面不同位置处振动信号的特性,并提出了振动测量抗干扰措施。     

基于振动特征的变压器绕组与铁心故障诊断方法

<正>变压器运行状态与变压器油箱表面振动特征密切相关。应用变压器绕组与铁心信号分离技术,提出一种基于振动特征的变压器绕组与铁心故障诊断方法。通过计算变压器绕组与铁心实时振动信号与原始振动信号相关系数与幅值系数。实现对变压器运行状态的实时监测。试验结果显示,该方法能对绕组及铁心的运行状况作出有效判断,为变压器运行故障诊断提供重要理论依据。     

基于振动的变压器绕组压紧状态评估方法

为实时评估变压器绕组压紧状态,对变压器振动问题进行研究。在绕组振动成分、振动传播路径和油箱表面振动成分的研究基础上,建立了变压器油箱振动信号模型。在瞬态激振实验中发现:相对于油箱正面测点,顶面测点更能体现油箱瞬态激振响应逐渐衰减的特征;靠近C相套管的顶面测点共振频段随压紧力减小而明显向左位移。进行短路实验,结合不同电流不同压紧状态下的大量实验数据,发现靠近C相套管的顶面测点振动信号共振谱峰分布与瞬态激振实验中共振频段分布较为一致,提出利用共振谱峰位移规律进行绕组压紧状态在线评估。该方法简单易行,只需监测油箱顶面振动信号,适应变压器负荷变化的运行环境,与电网没有电气连接,可以实现变压器绕组压紧状态在线评估。     

基于BP神经网络的电抗器铁心柱轴向松动诊断∗

油浸式高压并联电抗器是电力系统中重要的设备之一,而铁心柱轴向松动是高压并联电抗器常见的机械故障,可以通过测试振动信号对其进行有效诊断.探讨了高压并联电抗器振动机理,分析了并联电抗器振动信号的频谱特征.以油浸式高压并联电抗器模型为研究对象,提出了借助BP神经网络预测油浸式高压并联电抗器振动信号,将预测信号与实测信号相对比,诊断并联电抗器铁心柱松动的方法.研究结果表明,所提方法可以有效诊断油浸式高压并联铁心电抗器铁心柱轴向松动.     

盲源分离技术在振动法检测变压器故障中的应用

变压器油箱表面的振动信号可以反映其内部绕组与铁心的健康状况,具有良好的应用前景。但在油箱表面测得的信号都是绕组和铁心振动信号的混合,且两者相关程度很高,难以用普通分离算法进行分离,不利于分别对绕组及铁心的故障进行诊断。鉴于此,本文提出一种基于子空间独立分量分离法(SDICA)的变压器绕组和铁心振动信号盲源分离方法。首先,对基于SDICA算法的盲源分离方法进行了说明,利用所构建的仿真信号对该算法进行了验证,并与普通盲源分离算法—快速独立分量分离(fastICA)算法的分离结果进行了对比,证实了SDICA算法适用于变压器振动信号的分离;然后,运用SDICA算法对测得的一台试验变压器的振动信号进行了分离,并探讨了测量位置、电压等级以及负载大小对分离结果的影响;最后,将SDICA盲源分离算法在一台现场实际运行的、有一定故障隐患的变压器中进行应用,成功分离出了绕组和铁心振动信号,且绕组信号中包含有丰富的振动故障特征,与该变压器实际的运行情况相符合。本文提出的盲源分离算法可根据在油箱表面测得的多路振动信号直接分离出绕组和铁心振动信号,这对于振动法在变压器绕组及铁心故障诊断中的推广应用具有重要意义。     

基于在线监测系统与声振特征预测模型的高压并联电抗器运行状态评估方法

高压并联电抗器的声振信号特征是评估其运行状态的重要参考依据.当油箱内部重要结构件因长期振动出现松动,油箱振动形态发生改变,而油箱外部的声振特征变化程度也反映了重要结构件的缺陷程度.该文采用电抗器声振信号在线监测系统,对高压并联电抗器油箱表面振动信号和噪声信号进行持续监测.基于历史声振数据和时间序列预测模型,对未来一段时...     

电力变压器振动监测的测点位置选择

研究运用振动信号分析法在线监测大型电力变压器绕组机械结构参数及其变化的振动测点布置问题。在分析变压器绕组振动特征、振动传播特性和变压器及其油箱机械结构动力学特性的基础上,对三相大型电力变压器进行了油箱表面振动测点位置选择的实验研究与分析,提出了油箱表面能有效反映三相结构变压器绕组振动的测试区域。最后对一台110kV变压器进行实例分析,验证了所选测试区域的有效性。该研究为电力变压器的振动在线状态监测与故障诊断提供了很好的基础和支持。     

基于RBF神经网络的变压器绕组及铁心振动信号分离研究

对变压器油箱表面混合的绕组和铁心振动信号进行分离,可以提高利用振动信号诊断内部机械状态的准确程度。文中利用径向基(radial basis function,RBF)神经网络以任意精度逼近非线性函数的优点,建立了以混合振动信号频域特征为输入,铁心、绕组源信号频域特征为输出的分离模型,将采集到的振动信号分为训练集和验证集,用训练集对网络进行训练,验证集进行验证,设定训练误差的目标值,当网络迭代到训练误差达到指定精度时,网络训练完成,从而可以利用该网络实现铁心、绕组振动信号的分离。波形相似系数的计算结果表明,分离信号与振动源信号的相似系数高于0.7,分离效果理想。与传统的盲源分离方法相比,基于RBF神经网络的分离方法克服了前者的两个局限性:一个是源信号排列顺序的不确定性,即分离出的铁心和绕组振动信号的排序无法确定;另一个是信号幅值的不确定性,即分离得到信号与源信号波形相似而幅值差距较大。此方法能够更准确地获得绕组和铁心的振动信号,实现对绕组、铁心机械状态的诊断。     

交叉递归图在变压器铁芯压紧力变化检测中的应用

基于交叉递归图(CRP)能够对信号的非线性非平稳变化进行检测的特点,提出了一种基于CRP的铁芯连续压紧力变化的检测方法。首先对铁芯在压紧力单调下降情况下的振动信号进行递归图分析,根据铁芯振动信号的特点经验性地选择距离阈值ε,然后分别采用一元和多元传感器信号进行相空间重构并进行递归图分析,计算铁芯全局和局部的压紧力的4个基于对角线结构的递归度量分析(RQA)度量,对铁芯压紧力的变化从总体角度和局部角度分别进行衡量。对实验数据使用该方法的分析表明,选取的4个度量在一定压紧力范围内随压紧力的下降而单调下降,多个RQA参数结合能够有效地表征铁芯压紧力的变化趋势。该方法能较好地反映铁芯结构发生的非线性变化,能有效地监测铁芯松动故障。