特高压GIS／HGIS设备振动诊断方法研究

提出了一种新的基于振动检测的故障诊断方法,对运行中的特高压GIS／HGIS的机械故障进行了振动检测分析和诊断。提出了使用功率谱对GIS／HGIS振动信号进行分析和诊断,并通过普查的方式得到指纹图谱留作比对。通过在特高压长治站现场试验应用,证实了该方法对于特高压GIS／HGIS的机械故障检测诊断准确有效。基于振动检测的故障诊断方法对早期发现GIS／HGIS潜在故障及故障定位有重要意义。     

基于声学成像的GIS机械故障带电检测系统

气体绝缘全封闭组合电器(GIS)是电力系统中最重要的设备之一,机械故障是其主要故障类型之一,因此GIS机械故障诊断对于提高电力系统的安全性和可靠性具有十分重要的意义。传统的振动信号分析法是通过在GIS的壳体上测量振动来检测诸如触头异常等机械故障,但振动信号一般只进行个别位置测量,难以全面反映设备的机械状况。文中搭建了适用于GIS声场测量的声成像系统,使用具有方向性的声强探头组成阵列测量设备外壳的声场分布,试验验证了该系统的性能,为基于声学成像的GIS机械故障带电检测技术打好基础。对于提高GIS设备安全稳定运行具有十分重要的意义。     

基于同步挤压变换和深度迁移学习的GIS隔离开关故障诊断

为实现气体绝缘组合电器(GIS)隔离开关机械故障的智能诊断,基于GIS隔离开关分合闸过程中的振动信号,提出了基于深度迁移学习的GIS隔离开关机械故障诊断方法。首先应用二阶同步挤压傅里叶变换(FSST2)获取GIS隔离开关振动信号的时频分布,然后基于深度迁移学习的思想构建预训练模型并进行优化,建立了GIS隔离开关机械故障智能诊断模型。对某GR角型GIS隔离开关正常和典型机械故障状态下的振动信号的分析结果表明,基于FSST2得到的GIS隔离开关振动信号时频表示具有较好的能量聚集性,所建立的GIS隔离开关机械故障智能诊断模型识别准确率高且模型复杂度低,可用于GIS隔离开关机械故障的高效诊断。     

GIS设备运行状态下振动机理及检测诊断技术研究

气体绝缘金属封闭开关设备(gas insulated switchgear,GIS)运行中时常出现异常机械振动,振动信号检测对GIS运行状态评价与故障诊断具有重要意义。基于电磁感应原理分析了三相分箱型和三相共箱型GIS设备外壳环流特性,从电磁力和磁致伸缩两个方面深入研究了GIS振动机理,基于小波时频变换提取了振动信号频谱分布特征和振动声学指纹,用于振动信号识别与诊断。现场振动检测结果表明,GIS正常振动信号频率主要集中在100 Hz,与理论分析一致,异常振动信号除100 Hz分量外,还包含大量高次谐波分量,振动声学指纹发生明显变化。通过分析振动信号频谱及声学指纹,可以有效发现由内部缺陷引起的异常机械振动,该种方法具有较好的应用前景。     

基于S变换D-SVM AlexNet模型的GIS机械故障诊断与试验分析

机械故障是气体绝缘组合电器(gas insulated switchgear,GIS)最主要的故障之一,尚缺乏有效的在线诊断方法。为此该文利用GIS断路器激振能力强的优势,以GIS断路器分合操作为激振源,根据振动信号所包含的设备机械特性信息对GIS各构件的机械状态进行评估。搭建了包含3种GIS典型机械故障的试验模拟测试系统,并提出了一种基于S变换D-SVMAlex Net模型的GIS机械故障诊断方法。利用S变换处理断路器动作激发的非平稳振动信号,得到含有设备机械特征的时频图谱;建立D-SVM AlexNet模型,使用预训练的Alex Net神经网络模型提取S变换图像特征作为预测变量,通过Fitcecoc函数拟合支持向量机(support vector machine, SVM)进行图像预分类,根据模糊矩阵显示的分类结果筛选出有效测点;将有效测点的时频图送入AlexNet进行迁移学习,获得经微调后的神经网络模型。实验验证发现,训练完毕的卷积神经网络的故障诊断训练准确率达到99%,验证准确率达到92%,具备较好的时频图像分类效果,可实现GIS机械故障的有效诊断。     

基于小波理论的电力变压器振动信号特征研究

通过监测电力变压器的器身振动信号预估变压器机械故障的振动法的关键在于如何从振动信号中提取有效特征。为有效诊断铁心和绕组的机械状态,利用小波变换对变压器振动信号进行时域与频域综合分析,提出基于频段—能量分布的变压器铁心和绕组机械故障诊断新方法。试验结果表明,小波变换能够有效地提取振动信号的特征,得到实时振动信号各频段上的能量分布状态,据此可有效在线诊断变压器机械故障。     

高压断路器振声联合故障诊断方法

针对现有的高压断路器机械故障诊断方法存在的不足,本文提出了一种新的高压断路器振声联合诊断机械故障的方法。此方法首先利用快速核独立分量分析(fast KICA)对采集到的声波信号进行盲源分离处理,并对处理后的声波信号和采集到的振动信号进行改进集合经验模式分解(EEMD)。其次,对分解后的每一个固有模态函数(IMF)求其二维谱熵,并以此二维谱熵矩阵的变换矩阵作为支持向量机的输入特征向量对断路器机械状态进行识别。最后实验表明,振声联合复合分析方法有效提高了高压断路器机械故障诊断的正确性和实用性。     

基于CNN算法的并联电抗器机械故障诊断方法

为解决并联电抗器的机械故障诊断问题,本文提出了一种基于卷积神经网络算法的机械故障诊断方法。首先以一台10 kV并联电抗器为研究对象搭建了振动实验平台,在油箱表面采集了5种机械状态下的振动信号,将原始振动信号进行预处理得到其时域波形与频谱,然后分析了振动时频特性并验证了其区分机械状态的可行性,因此将振动信号输入分类模型中进行特征自适应提取和训练,最终通过分类器输出结果达到诊断的目的。该方法与传统的故障诊断方法相比,不但省略了人工提取特征环节,并且减少了误判问题,最终可以以较高的精度诊断电抗器机械故障。因此,本文提出的方法对并联电抗器的安全可靠运行具有重要意义。     

基于EEMD和深度自编码器的变压器机械故障声学诊断方法

为提高电力变压器机械故障诊断的准确性,依据变压器声音信号与机械状态之间的关联特性,提出了一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和深度自编码器(Stacked Auto Encoder,SAE)的变压器机械故障声学诊断方法。首先采用EEMD对变压器原始声音信号进行分解,提取信号的时频能量特征;然后构建基于SAE的变压器机械故障识别模型,通过无监督自学习和有监督微调完成深层特征挖掘和识别;最后以某10 kV变压器为试验对象,采用典型机械状态下的声音信号对故障识别模型进行训练优化。算例结果表明,与传统的故障诊断方法相比,所提方法能更好地对变压器机械故障进行识别。     

基于EMD算法的GIS机械振动信号分析

为了找到有效的气体绝缘金属封闭开关设备(Gas Insulated Switchgear,GIS)机械故障诊断方法,利用经验模态分解(Empirical Mode Transform,EMD)算法对振动信号加以处理,得到多级本征模态函数(Intrinsic Mode Function,IMF)分量。依据功率谱密度函数和向量空间模型定义出功率特征矩阵以及矩阵相似度,形成GIS机械故障判据。通过试验室GIS简易模型,构造螺丝松动、微粒振动两类常见的GIS故障,证实通过振动信号的采集处理对于GIS机械故障检测诊断准确有效。基于异常振动的故障诊断方法对早期发现GIS潜在故障及故障定位有重要意义。     

小波包分析在汽轮机转子振动故障诊断中的应用

针对汽轮发电机组振动的频谱特点,提出了基于小波包变换的汽轮机转子振动故障诊断方法,它较一般的小波变换更能反映振动信号所包含的频谱成分及能量。根据Bently实验台所采集的4种典型汽轮机转子振动故障信号,运用小波包分析方法对其进行能量分析并提取故障特征。实验分析表明,基于小波包分析与信号能量分解的故障特征提取方法,可以获得汽轮机转子振动的故障状况;根据不同故障发生时的频谱特征,识别出不同的故障,从而进行汽轮机转子振动故障诊断。该方法比基于Fourier变换的故障特征提取方法更有效,适合于机械故障诊断。     

机械缺陷对GIS外壳振动影响

气体绝缘开关(GIS)在运行过程中会发生振动。为了分析在GIS外壳连接处的螺栓松动和导杆不对中两种缺陷的振动信号分别与无缺陷正常运行时的差别,文中建立了252 kV三相分箱型GIS的三维模型,并在固体力学场中对模型进行模态分析,确定其固有频率,得到较有代表性的六阶模态振型。文中通过施加不同载荷及改变模型参数等方法,在固体力学场中分别求解无缺陷、不同数量螺栓松动和不同情况的导杆不对中状态下GIS外壳振动加速度的时域信号,并通过频谱分析得到其频域信号,通过比较分析几种情况下外壳振动加速度信号的差别,获得GIS出现螺栓松动缺陷和导杆不对中缺陷在GIS外壳振动加速度上的特征,得到出现以上缺陷时的判据。文中所得到的相关结论对于后续的GIS设备运行状态监测、机械缺陷判别和振动情况研究有一定的参考价值。     

基于典型振动规律的干式变压器机械状态诊断

干式变压器在运行中受到电、热、机械等应力的共同作用,可能导致铁心松动和绕组变形等异常故障。振动分析法可以灵敏地反映铁心和绕组的机械状态,适用于干式变压器机械故障的检测。文中构建了干式变压器的有限元模型,仿真探究了干式变压器的振动机理与振动特性,发现干式变压器的绕组振动远小于铁心振动,正常运行状态下振动主要来源于铁心的磁致伸缩效应。文中搭建了干式变压器实验平台,采集并对比分析了正常工况和铁心松动状态下干式变压器表面的振动信号。发现随着铁心逐渐饱和,振动信号不再随电压平方呈线性关系增长,总振动信号峰值增长变快,基频振动信号幅值增长变慢。根据实验得到不同工况下干式变压器的振动信号频谱,发现可将振动信号的基频占比、高低频比作为诊断干式变压器机械状态的特征参量。     

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.     

小波降噪及Hilbert变换在电机轴承故障诊断中的应用

针对振动信号降噪处理及故障特征提取是机械故障诊断的重点问题,为了有效消除高频信号的影响,并充分提取出电机轴承的低频故障特征。提出利用小波降噪及Hilbert变换的方法对采集的电机轴承振动数据进行处理并提取其故障特征信息。首先,运用小波降噪对采集到的振动数据进行降噪处理,抑制噪声干扰,然后对其进行Hilbert变换解调出故障特征频率。通过对现场测取的轴承振动数据进行信号处理可以达到理想的诊断效果,由此得知,该方法能通过电机轴承振动信号进行故障特征信息处理,有效地进行轴承故障分析及诊断。     

涡轮泵实时故障检测的频段幅值最大值比方法

根据液体火箭发动机涡轮泵出现故障后振动加速度信号的频谱变化,提出了一种基于频段幅值最大值比的故障检测方法用于涡轮泵实时故障检测。该方法采用快速傅里叶变换（fast fourier transformation,FFT）将历史信号从时域变换到频域并进行频段划分,选择两个有代表性的频段并计算其幅值最大值比。将该比值作为故障特征对待检信号进行实时故障检测。用某型号涡轮泵振动加速度信号对故障检测方法进行验证,结果表明对时长20.80 s的待检信号,设定故障特征阈值为3.5,该方法检出故障时刻为20.08 s,比故障真实出现时刻晚0.07 s（在0.5 s之内）,未出现虚警和漏警。该故障检测方法具备了良好的精确性与实时性。     

高压组合电器水平母线振动特性研究

高压组合电器设备（gas insulated switchgear,GIS）运行中产生异常机械振动缺陷,对设备危害极大,因此,GIS正常运行时的振动特性对其运行状态评价与故障诊断具有重要意义。以三轴加速度传感器为核心搭建了振动检测系统,在某330 kV变电站GIS上测取振动信号,从时域和频域出发分析了振动的成因。研究结果表明,GIS表面信号可由径向、轴向和切向振动描述,由于受力模式不同,振动特性与测点位置有关：同一测量面的不同测量点,由上至下,径向振动幅值先降后升,切向振动幅值先升后降;同一测量点的不同测量面,越靠近母线中央,径向和切向振动幅值越大,轴向振动表现复杂。振动频率集中在100 Hz左右,存在2种特殊情况。     

基于格拉姆角场与迁移学习-AlexNet的变压器绕组松动故障诊断方法

绕组松动故障是变压器最主要的机械故障之一，尚缺乏有效的智能化诊断方法。为此提出基于格拉姆角场与迁移学习-AlexNet的变压器绕组松动故障诊断方法。变压器稳态运行时的振动信号存在周期性的特点，导致其构建足量具有时间相关性的图像集十分困难，提出了一种样本构建方法用于生成变压器振动信号的格拉姆角场图像集。将生成的图像集送入AlexNet进行迁移学习，获得微调后的神经网络模型。实验结果表明：利用该样本构建方法生成的图像集作为训练集和验证集，建立的卷积神经网络模型训练准确率与验证准确率均达到99%以上；利用变压器周期性振动信号生成的图像集作为测试集，测试准确率达到99%以上，实现了变压器绕组松动故障的准确诊断，并为周期性信号运用具有时间相关性的图像变换方法构建足量样本集提供了一种新思路。     

基于机-热-电多参量信号特征的GIS隔离开关状态评估方法

气体绝缘开关(gas insulated switchgear, GIS)设备中的隔离开关故障往往是机械、热、电气多物理量综合作用的结果,从微小缺陷发展至严重故障的过程中,会产生异常振动、温度、局部放电多种参量信号,同时测量并分析GIS隔离开关的多参量信息对于准确获取其运行状态具有重要意义。文中通过在实体220 kV GIS实验平台上模拟隔离开关最为常见的接触不良缺陷,研究不同接触状态时振动信号、温度变化和局部放电信号的演化规律,获得其与设备状态之间的对应关系,结合健康指数理论和改进层次分析法,提出基于多参量特征的GIS隔离开关综合评估方法。使用该方法开展现场测试,其检查结果与多参量综合评估方法的的分析结果相吻合。文中的研究为GIS隔离开关状态的带电检测提供了一种可行性较高的多参量融合分析新方法。