群组电力变压器分级状态评估方法分析

针对目前群组变压器状态评估方法无法全面掌握设备故障风险信息、准确制订在运变压器检修策略的问题,提出基于全维度故障风险信息的群组电力变压器运行状态精准诊断方法。该方法通过完善变压器不良运行工况和家族缺陷等基础数据,通过分级管理改进了群组变压器评估体系。在此基础上制订了电力变压器绕组变形标准化诊断管理流程,基于电容—电抗联合分析法,定量诊断绕组变形程度与变形位置,最终实现通过对群组变压器历史数据分析提前发现非停电设备重大隐患的目的,改变了变压器故障后检修的被动局面。     

500kV变压器多维状态监测与故障诊断

为提升变压器故障诊断水平并有效实现状态检修,通过一起500 kV主变压器内部潜伏性故障案例介绍了利用多种在线监测、离线检测等手段与故障诊断方法快速准确查找出变压器故障原因及位置。它通过采用油色谱检测、变压器振动及声音检测、容性设备在线监测、变压器局部放电检测、带电测试等多维状态监测技术开展变压器状态评价及故障诊断,并帮助实现对主变压器内部故障的准确定位和制定状态检修策略。该主变在通过状态监测及故障诊断后实现隐患故障快速准确定位,并通过紧急处理重新恢复正常运行状态,从而避免一起重大设备事故发生。结果表明,应用变压器油溶解气体色谱分析检测技术,可通过排除法准确地判断变压器故障性质和严重程度,它是早期发现变压器潜伏性故障特别有效的方法。同时,采用基于交叉小波的变压器振动信号特征量提取方法分析评价结果表明,变压器铁芯发生接地故障后其振动信号存在大量50 Hz谐波分量。借助振动及声音检测技术,能够有助于变压器故障诊断及准确定位,提高设备状态检修效率。     

变压器绕组振动监测技术研究综述

变压器绕组状态的监测分析是及时发现故障隐患、确保其安全可靠运行的重要手段,振动分析法从变压器绕组的机械动力学特性出发,根据监测到的振动信号中所包含的设备信息对绕组状态进行分析评估,在变压器绕组状态监测领域发挥着重要的作用。从变压器绕组振动监测技术的基本原理出发,分别从变压器绕组振动特性的建模计算与试验研究、基于振动信号的变压器绕组状态监测方法等方面综述了近年来变压器绕组振动监测领域的重要研究成果;最后,探讨现有变压器绕组振动监测领域的存在问题及相关研究方向,为今后变压器绕组振动监测技术的发展提供参考。     

动叶可调轴流式送风机振动故障诊断与处理

针对某300 MW送风机异常振动故障,分析了振动故障特征,指出轴承箱紧固螺栓脱松、支撑肋板裂纹等是导致振动不稳定与二倍频振动上涨的主要原因。通过检查消缺、现场动平衡治理,消除了该风机振动超标故障,保障了设备的安全运行,为同类故障问题的诊断、治理提供参考。     

基于振动信号特征分析的变压器绕组故障检测

变压器运行中油箱表面振动信号与其绕组的机械状况密切相关。通过分析变压器油箱外壁的振动信号来检测变压器绕组机械故障,关键在于从振动信号中提取反映故障前后变化的特征信息量。通过试验得到同一型号试验变压器绕组正常运行、短路冲击后运行和模拟故障运行时变压器油箱外壁的振动信号,运用小波包分析对振动信号进行特征提取,提出基于频段-能量-欧式距离的方法来检测变压器绕组机械故障。试验分析结果表明,变压器油箱外壁的振动信号能够反映出绕组内部结构的特性,通过对振动信号的分析能够有效地诊断变压器绕组故障。     

基于大数据采集模块的变压器绕组形变故障诊断方法

通过加速度传感器采集变压器工作情况下的绕组振动信号,利用小波包分析法对振动信号进行特征提取分析,建立基于支持向量机的故障诊断模型,实现变压器绕组形变故障分类诊断.     

基于电力变压器振动信息的绕组形变诊断方法

变压器绕组的机械形变为变压器安全运行埋下事故隐患,为此,提出一种基于振动法的变压器绕组机械状态诊断方法.诊断过程中,通过负载电流与振动信号基频进行拟合匹配初步判定绕组状态;采用小波包变换对变压器绕组不同状态下振动信号进行分析,以振动信号能谱熵作为特征输入向量;利用改进后的多分类支持向量机对特征向量进行训练与测试,实现了变压器绕组不同状态的分类诊断.通过对S 11-M-500/35型实际变压器绕组不同状态下进行负载试验,采集对应机械及电气参量数据,用所提出诊断方法对变压器绕组机械状态进行诊断,结果表明:在准确判断绕组正常及故障状态的同时,故障类型诊断结果准确率达到96.78％以上,从而验证所提出诊断方法应用于变压器绕组故障诊断的有效性和准确性.     

大型电力变压器冷却器振动故障诊断与处理

针对某±800 kV特高压直流换流站极Ⅱ高端换流变压器A相冷却器异常振动现象,通过现场振动测试及分析,排除了变压器本体存在故障的可能性,准确定位了振动激励源。通过现场改变结构支撑刚度,有效避免了设备结构共振,将振动降至优秀值范围内,保证了设备安全稳定运行,振动测试方案及分析处理过程可为同类型故障诊断和处理提供参考。     

基于声电联合及振动的变压器类设备局部放电现场综合诊断方法

根据变压器和高压电抗器等设备结构及运行情况,利用特高频法、超声波法和振动法开展现场局部放电带电检测,对基于声电联合及振动带电检测的变压器类设备局部放电现场诊断方法进行了研究。以某500 k V线路高压电抗器为例,提出现场检测实施方法和信号分析、缺陷诊断方法。所提综合诊断方法有助于判断变压器和高压电抗器局部放电并诊断其缺陷类型及严重程度,提升了设备局部放电缺陷特别是较为严重的悬浮电位放电缺陷的现场检测水平。     

基于振动信号分析法的换流变压器振动特性及其影响因素研究

换流变压器是高压直流输电中的核心设备之一,其由于绕组和铁心缺陷所引起的机械故障对整个直流输电系统的稳定持续运行造成了严重的危害。文中从换流变压器的的结构特点及在直流输电系统中的工作原理出发,结合宝鸡换流站的站内接线及站内换流变压器的结构特点,采用振动信号分析法对换流变压器振动特性及影响因素进行了理论研究。利用换流变压器振动监测系统对宝鸡换流站中的换流变压器进行了长期现场测试,为振动信号分析法在换流变压器故障检测中的应用提供了一定的基础支撑。     

基于振动信号的交流中压真空断路器故障诊断技术研究

机械故障是断路器发生的主要故障之一,因此机械状态监测对断路器安全稳定运行至关重要。断路器开断过程中的振动信号包含了丰富的机械特征,可以通过提取振动信号而对设备进行机械故障诊断的研究。文中针对某12 kV交流中压真空断路器,通过自制的断路器在线监测装置采集断路器正常及故障状态下的振动信号,使用短时能量法、总能量分析法及信息熵法对振动信号分析处理。该装置能够捕捉到振动事件的特征信息,区分出正常与故障状态,为断路器机械故障在线诊断技术的实现提供了依据。     

基于振动的电力变压器状态监测系统设计

为在线监测变压器的运行状态,文中对以机械参数为主、电气参数为辅的变压器振动分析法进行了研究,在Windows CE平台上搭建了基于振动信号的电力变压器状态监测系统。选用EPC-8000嵌入式工控机主板作为操作系统平台,PCM-8208BS高速模拟量输入卡作为数据采集设备,VC++作为软件开发环境。系统装置能实时采集变压器的振动信号并进行分析,绘制出实时的时域波形图、频谱图和能量谱图,得出变压器的运行状态,并进行故障预警,具有良好的在线监测效果。     

振动频谱特征值在诊断变压器故障中的应用研究

<正>常运行中的电力变压器的振动主要来自于变压器铁心和绕组的振动,振动信号中包含了丰富的能够表征变压器状态的信息。文章在1台10/0.4 k V三相双绕组电力变压器中设铁心松动、绕组松动、绕组幅向错位故障,利用基频、幅值、主频率、频率比重以及频谱复杂度等振动特征量,研究了变压器绕组在上述故障条件下油箱表面的振动变化规律。研究结果表明,三种故障条件下的频谱复杂度均会降低,绕组松动和铁心松动中的振动基频会升高,绕组错位中的基频振动会降低。文中的结论对基于振动信号分析法的电力变压器诊断具有借鉴意义。     

基于特征判定系数的CSO-SVM的电力变压器振动信号故障诊断

变压器带电故障诊断对于保证电力变压器安全平稳运行具有重要的意义。针对变压器工作环境复杂且单一参数表征变压器故障类型不全面的问题,提出一种基于自适应噪声完备集合经验模态分解（CEEMDAN）和特征熵权法（EWM）进行故障诊断的方法。通过相关系数加权峭度（CCWK）原则筛选CEEMDAN分量并重构信号,实现在剔除冗余分量的同时,提升变压器振动信号特征的表征能力;利用EWM构建特征判定系数（FDC）实现单一数据诊断变压器故障类型;通过主成分分析法（PCA）减小混合域特征尺度,采用鸡群优化算法（CSO）优化支持向量机（SVM）模型进行故障诊断。对某变电站110kV三相油浸式变压器进行分析,结果表明与概率神经网络（PNN）和SVM等变压器故障诊断方法相比,文中方法在提前定性故障类型的同时,能够进一步提高变压器故障诊断准确率与效率。     

浅谈油色谱分析判断变压器故障

电力变压器故障检测主要有电气量检测和化学量检测两种方法.化学量检测(即色谱分析)主要是通过变压器油中特征气体的含量、产气速率和三比值法进行分析判断,它体现了变压器的潜伏性故障及故障发展程度的真实性.在实际应用过程中,能真实、准确诊断变压器的内部故障;色谱分析法根据设备历史运行状况、特征气体的含量等采用不同的分析模型确定设备运行是否属于正常或存在潜伏性故障以及故障类别,能有效判断变压器故障类型,对变压器检修提供可靠依据.保证变压器健康稳定运行.     

基于振动法的电力变压器绕组变形测点分析

振动分析法是一种诊断变压器绕组机械变形的有效方法。针对当前振动法测点不确定问题,通过变压器振动机理分析,以S11-M-500 kVA/35 kV试验变压器为研究对象,分别对正常及故障绕组进行负载试验,获取不同测点振动信息。采用欧几里得距离法和基频幅值对正常及故障绕组的不同测点振动信息进行分析,分析结果表明1/6测点处更适合用于绕组变形的振动法检测。     

基于声纹特征和集成学习的变压器缺陷诊断方法

变压器运行过程中产生的振动噪声与其运行状态及内部缺陷情况直接相关,对其声纹信号开展特征分析,有助于进一步了解设备运行工况,保障电力系统安全稳定运行。文中以声纹特征分析为基础,兼顾诊断效率与准确性,提出一种基于卷积神经网络及集成学习模型的变压器缺陷诊断方法。该方法以变压器声纹数据的时域及频域信号为多通道输入混合特征,构建了基于卷积神经网络模型和声纹特征分析法的集成学习模型,可实现变压器声纹特征的有效识别,并通过由多个基学习器组成的集成学习模型提高了变压器缺陷诊断的准确性。基于文中所构建的变压器声纹样本库,可得到该方法对变压器单一缺陷的识别准确率为99.2%,对变压器混合缺陷的识别准确率为99.7%。研究结果表明该方法可有效识别变压器的运行状态,为变压器运维检修提供技术参考。     

变压器氢气含量超标原因分析

变压器是电力系统中的主要设备,当发生故障时,对电网的安全运行会造成极大的影响。因此对变压器状态的监督,特别是对变压器潜在故障隐患的排查就显得格外重要。对变压器内部绝缘油的色谱分析法,是灵敏有效的分析手段,并且色谱取样可以在带电时操作,不会影响变压器正常运行。色谱检测不仅可以作为判断故障已发生的依据,还可以预测变压器潜伏性故障,以便对症下药。     

负载电流法在基于振动信号分析法监测变压器铁心状况中的应用

振动法是诊断变压器运行中潜伏故障的一种有效手段，不仅能够检测出故障绕组，还能检测铁心的状况，对其进行充分的研究有良好的应用前景。文中提出了一种不空载运行变压器取得变压器铁心振动信号基频成分的负载电流法。模拟变压器实际运行时的情况，测量了不同负载电流及空载情况下变压器本体的振动加速度信号。通过拟合的负载电流与振动加速度信号基频成分的关系曲线，得到了负载电流为零时变压器振动信号基频成分的幅值，这个值与空载情况测得的振动信号基频成分相当，说明了利用这种方法可以提取出变压器铁心振动信号的基频成分。文中最后利用负载电流法对于铁心故障进行了监测，并与小波包分析法进行比较，结果证明了这种方法可初步判定铁心的状况。     

一起变压器内部过热故障的分析和处理

通过对变压器绝缘油的气体含量检测,结合电气试验结果,综合分析一起变压器内部过热故障,及时发现了绕组绝缘损坏的隐患,可为变压器运行中此类故障的诊断和处理提供借鉴。