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。     

基于振动的变压器铁芯松动判定方法

为分析和判断电力变压器铁芯松动故障,对变压器油箱表面的振动信号进行研究,提出基于油箱表面振动信号的变压器铁芯松动故障诊断方法。首先,对变压器铁芯的振动特性进行分析,并确定振动信号中100Hz为铁芯松动特征频率。为避免变压器固有振动频率的影响,对油箱壁的共振原理进行了研究,提出了先用激振法确定变压器油箱表面的固有频率,避开固有振动频率对故障诊断的影响;提出了利用100Hz特征频率分量占总分量(1kHz以内)的比值来判断铁芯松动故障的方法。变压器铁芯松动后,利用比例阈值法纵向比较(与历史数据比较)各测点的振动信号,可确定变压器是否存在铁芯松动故障;通过各测点横向比较,可初步进行变压器铁芯松动故障定位。该方法简单有效,不需要考虑电压变化以及传感器型号不同对故障判断的影响。     

基于振动信号的电力变压器机械状态诊断方法研究综述

变压器绕组机械状态与其抗短路能力密切相关,研究相应的检测技术具有非常重要的意义。振动信号分析法以其可灵敏反映绕组机械状态、易于实现带电检测、与系统无直接的电连接等优点受到了广泛的关注。文中综述国内外相关文献和资料,从变压器的铁芯振动机理及特性、绕组振动模型、油箱表面振动和内部振动的关联性、非故障因素的影响和故障绕组振动特征提取及振动方法等5个方面,分析了铁芯模态仿真中的等效性,阐述了经典质量-弹簧-阻尼轴向振动模型的局限性,探讨了振动由内而外的传递过程,对比了老化、松动和变形对绕组振动特性的影响,总结了基于离散频率和宽频振动特征的故障诊断方法。最后,本文展望了未来值得继续深入研究的内容和方向,包括:建立计及硅钢片间作用力的铁芯模型,研究变压器油对铁芯和绕组振动的影响,分析不同传递路径对油箱振动的贡献,加强从宽频振动信号提取绕组故障特征的研究。     

基于EEMD和负熵准则的变压器振动信号盲分离

变压器油箱表面测得的振动信号是各个振源的混合信号,直接加以分析,不能确定不同部件的运行状况。而传统盲源分离方法难以解决信号分析中相关源信号盲分离、欠定盲分离等问题。鉴于此,提出基于集成经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)与负熵准则的欠定盲源分离算法。首先,利用EEMD方法对变压器振动信号进行分解,得到若干本征模态函数(Intrinsic Mode Function,IMF),并采用邻近奇异值差值法估计混合信号中源信号个数;然后,根据负熵准则选取独立性较好的IMF分量,组成新的测量信号;最后,对新的测量信号进行盲分离。利用实测变压器振动信号对该算法进行了验证。     

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。     

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。     

基于振动信号的变压器绕组松动故障诊断方法

提出了基于运行中变压器表面振动信号的绕组松动故障诊断模型和诊断方法。首先,分析了绕组振动幅值与电流、预紧力、铁芯振动、非线性因素的关系,确定振动信号中100 Hz为绕组松动的特征频率,提出分离绕组振动幅值和铁芯振动幅值的方法;提出绕组松动诊断模型和基于该模型的平均安全余量,利用待检测变压器在一组负载电流下的绕组振幅计算平均安全余量,由此定量判断绕组的松动状态。利用有限元仿真和现场实验分别对诊断模型和诊断方法进行检验,实验结果显示平均安全余量在1±0.5之外时存在松动故障,值越远离1,松动程度越大。该方法解决了变压器实际运行中绕组和铁芯振动基频相同、矢量叠加相互影响的问题及实际运行中负载变化,电流不同,仅用某个电流下的振幅判断精度受限的问题,且对松动程度量化表示,易于判断。     

用振动信号分析法监测电力变压器状况时传感器安装位置研究

电力变压器油箱表面的振动与变压器绕组及铁心的压紧状况、位移及变形状态密切相关。因此,振动信号分析法是监测电力变压器绕组和铁芯状况的有效方法之一。文章利用组建起的变压器振动测量系统,对现场正在运行中的电力变压器油箱表面的振动信号进行了测量,研究了对于某一固定位置来说,当传感器的安装位置有所改变时,所测得的振动信号的变化情况,结果表明,传感器位置变动在5cm的范围内时,测得的振动信号变化不明显,不会对变压器绕组或铁芯状况的判断造成影响;而传感器位置变动在10cm时,振动信号在某些频率上幅值变化很大,可能引起误判。据此,文章提出了应对传感器安装位置进行标记,在进行下次测量时,传感器安装位置最好在标记点处或偏离不超过5cm。本文的研究成果对于振动信号分析法的实际应用是具有一定的指导意义的。     

振动频谱特征值在诊断变压器故障中的应用

介绍在10/0.4kV三相双绕组电力变压器中设铁芯松动、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,绕组松动和铁芯松动中的振动基频会升高,绕组错位中的基频振动会降低。本文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。     

基于经验模态分解的变压器振动信号盲源分离

从变压器所采集的振动信号是铁心、绕组振动信号的混叠信号,因此提出一种基于经验模态分解(empirical mode decomposition,EMD)的盲源分离方法,对混叠信号进行分离,以利于变压器故障诊断。首先将信号进行EMD,然后提取最不相关本征模态函数分量,最后通过fast ICA算法进行分离矩阵的求解。将该方法运用到实验模拟信号中,证实了该方法的可行性。将该方法运用到运行的500 kV变压器中,所得铁心和绕组振动分离信号的频谱特性与正常状态一致,说明该方法可以分离铁心与绕组振动信号,且效果良好。     

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。     

基于多场耦合的变压器偏磁振动建模与仿真分析

变压器受偏磁影响时振动异常剧烈,基于变压器电磁力场耦合方式,采用有限元仿真与振动测试技术深入研究了变压器铁芯和绕组的偏磁振动特性。首先对变压器铁芯和绕组的电磁场数学模型进行推导,建立直流偏磁条件下的振动模型。然后将推导的数学模型应用到变压器振动分析的多场耦合建模中,以一次侧电压变量作为激励,仿真分析不同直流偏磁铁芯、绕组的机械响应情况。仿真结果与实测结果对比分析,验证了提出的变压器偏磁振动的多场耦合分析方法的有效性。     

引起变压器异常振动的两种缺陷的诊断

铁芯和绕组是电力变压器的关键部件,运行中电力变压器的振动主要由铁芯与绕组的松动所引起.在实验室建立10 kV变压器故障模型,通过人为松动铁芯与绕组的紧固装置来分别模拟铁芯松动与绕组松动的缺陷,并在变压器内部与外部共安装了7个传感器来进行数据采集,研究内外传感器的数据差异,得出测量变压器振动的最佳传感器布置方式;之后,研究不同空载电压条件下铁芯的振动规律,及不同负载电流条件下绕组振动的规律,最终得出诊断变压器铁芯松动和绕组松动的方法.     

线路断线引起220kV变电站主变压器故障分析及处理措施

乌海电业局220 kV顺达变电站110 kV线路(159)保护动作跳闸,同时220 kV 1号主变压器差动保护动作跳闸。经检查分析,159线路导线因处在空气重污染地区,长年受污染物腐蚀,在导线拉力及微风振动作用下钢芯铝绞线减薄、断裂,引起单相接地短路,产生的零序电流流经1号主变压器线圈及中性点,在10 kV平衡绕组中产生较大环流。在该电流冲击下,变压器平衡绕组产生的电动力导致绕组发生严重变形,进而形成匝间短路并对铁心放电,最终1号主变压器差动保护动作。将1号主变压器返厂进行解体修复,运回现场安装、试验合格后,至今运行正常。     

基于相空间重构的大型变压器绕组松动的振动特征识别

为识别大型变压器的绕组松动缺陷特征,进行110 kV变压器短路实验并测取油箱顶面3个测点的振动信号。应用相空间重构方法对振动信号进行研究。基于相图可视性的目的,取嵌入维数为2。应用平均位移法确定最佳时间延迟,重构振动信号的相平面轨线。观察较大电流下(80%~110%额定电流)的轨线,可以发现特征:绕组松动状态下轨线近似为闭合的空心畸变椭圆,表明变压器振动是非线性周期振动;绕组压紧状态下轨线交叉混叠,并未沿主对角线打开。该特征在实验中的可重复性强。依据此特征,实现了绕组松动缺陷的识别。     

220 kV自耦有载调压变压器的波过程分析

为更经济可靠地设计 2 2 0kV自耦有载调压变压器 ,对比分析了带角接稳定绕组的自耦有载调压变压器的波过程。定量计算分析各种可能的雷电冲击方式下各线圈尤其是调压线圈的电位振荡后得出 ,合理的线圈结构形式即高压线圈末端正反调压、调压线圈多路并联纠结 ;自耦有载调压变压器的线圈之间和线圈本身的电位振荡比普通变压器要严重得多 ,为此提出了把调压线圈上可能出现的最高电位限制到合理程度的两种方法     

基于振动信号的变压器铁心与绕组故障区分方法

针对变压器铁心、绕组由于机械结构相连,铁心故障与绕组故障区分困难的问题,提出采用基于振动信号的变压器铁心与绕组故障的区分方法,通过对比分析铁磁材料磁致伸缩和绝缘垫块弹性形变的非线性特性差异,结合实验分别获取变压器铁心、绕组振动信号,在频域研究了变压器铁心、绕组振动信号的非线性特性,通过分析不同条件下振动信号高次谐波能量占比,提出采用振动信号基频与高次谐波幅值的变化规律来区分铁心故障和绕组故障.研究表明,变压器运行中振动信号基频分量由铁心和绕组振动共同决定,高次谐波分量主要来源于铁心振动.当变压器绕组故障时,仅振动信号基频幅值发生突增;铁心故障时基频和高次谐波分量幅值均发生突增,可以有效区分铁心和绕组故障.     

Transformer tank vibration modeling as a method of detecting winding deformations-part I: theoretical foundation

In this paper, a model developed for a transformer monitoring system to estimate transformer tank vibration is presented. The model calculates vibration on the transformer tank starting from some input variables that can be easily measured on the transformer. Tank vibration is also measured, showing a good concordance between estimated and measured values if the transformer is healthy. In case of a winding deformation winding vibration and, consequently, that of the tank, changes and a big difference between estimated and measured vibration appear. To estimate tank vibration, the model takes into account the main physical phenomena generating vibrations in the different transformer elements and how these vibrations are superposed and transmitted to the tank. The model has been tested experimentally on a test transformer fitted with internal and external accelerometers. A deformation has been provoked in the test transformer winding with the aim of testing the model's ability to detect it. The model has been also tested on several in-service grid transformers. The results of the experimental validation are shown in Part II of the paper.     

基于振动信号分形维数的变压器松动诊断方法

基于变压器松动前后振动信号非线性特性的改变,提出采用振动信号时域波形的分形维数作为铁心、绕组松动诊断特征量。文中探讨了分形维数应用于变压器振动信号分析的可行性,根据分形理论,针对变压器振动模拟信号与实测信号分别进行了分形盒维数计算。结果表明,正常状态下不同变压器绕组振动信号分形盒维数集中于1.19,不同变压器铁心振动信号分形盒维数不同,但对于同一台变压器,其铁心振动信号分形盒维数具有稳定值。变压器松动故障后,铁心和绕组振动信号的分形维数均明显增大,分形维数能准确反映变压器正常与松动状态。     

220kV变电站主变110kV侧接地方式分析

220 kV变电站主变中性点接地方式直接影响到主变的安全稳定运行,当220 kV变电站的110 kV侧发生单相接地故障时,有可能造成主变遭受冲击而损坏。因此列举出了220 kV变电站中可能出现的主变中性点接地方式,分析了110 kV侧发生单相接地故障时,主变中性点接地方式对流入主变短路电流的影响,并计算了相应的短路电流,提出单相接地故障对主变的冲击最严重。可以通过改变主变中性点的接地方式来保护主变,最后提出了具体的保护措施,并给出唐山供电公司的一个应用实例。