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。     

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。     

应用复小波变换检测突发短路时的电力变压器绕组状态

突发短路时电力变压器箱壁的振动信号与绕组的运行状态密切相关。考虑到突发短路时变压器振动信号的强时变性和非平稳性,为了进一步提高振动分析法检测变压器绕组状态的准确性,本文引入复数小波变换法即Morlet小波对突发短路时变压器的实测振动信号进行时频分析,根据振动信号中的频域特征变化来判断变压器的绕组状态。结果表明:复小波变换算法能够准确地展示突发短路时变压器振动信号的频谱特性,时频图中100Hz分量和冲击总能量的大幅增加预示了绕组的松动,而高频分量的出现敏锐地反映出绕组变形的开始。与短路电抗法相比,振动分析法更能灵敏地反映出变压器绕组的变形故障。     

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.     

基于改进凝聚层次聚类算法的变压器绕组及铁心故障诊断研究

为实现振动响应法在线诊断变压器绕组及铁心故障,提出一种基于改进凝聚层次聚类算法的变压器故障诊断方法。首先,运用集合经验模态分解(ensemble empirical mode decomposition,EEMD)方法对变压器振动信号进行特征值提取,得到变压器振动信号的特征向量。然后,应用凝聚层次聚类算法对测试变压器振动信号的特征向量进行层次分类,分类得到变压器正常、绕组轴向变形、绕组径向变形、铁心故障4种状态。同时,为克服凝聚层次聚类算法计算量大的缺点,对该算法进行了改进,从而提高了变压器状态分类的速度。最终,经实例测试,结果证明该改进方法能有效快速地识别出变压器所处的状态,实现变压器绕组及铁芯的在线监测与故障诊断。     

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.     

振动法在线监测变压器绕组及铁心状况

在振动法在线监测运行中的变压器时,分析不同时刻、不同位置所测振动信号,提出了根据当前与历史数据的差异来判断变压器绕组及铁心状况的原则。研究表明,振动法简单实用,可提前发现变压器绕组及铁心压紧松动等潜伏性故障,具有良好的应用前景。     

用振动信号分析法监测变压器绕组状况

振动法是诊断变压器运行中潜伏故障的一种有效手段 ,能检测出故障绕组及铁心的状况。为此 ,论述了绕组正常状态及异常时变压器绕组的振动信号特征 ,提出了一种测量变压器绕组振动信号及由振动信号判断绕组状况的方法     

电力变压器振动频谱特征值在绕组变形检测中的应用

变压器油箱表面的振动信号与铁心和绕组的机械状况有着密切的关系,通过在2台10/0.4kV单相双绕组电力变压器中设置绕组鼓包以及绕组翘曲故障,利用基频、幅值、频率比重以及频谱复杂度等振动频谱特征量,研究了变压器绕组在上述两种故障条件下,油箱表面的振动信号的变化规律。研究表明在绕组鼓包和翘曲故障下,振动信号的基频及其比重均会下降,而频谱复杂度则会上升。     

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。     

基于ICEEMDAN多尺度模糊熵和MVO-KELM的变压器绕组铁心机械故障诊断

针对变压器绕组铁心机械故障诊断精度不足的问题,提出了一种基于改进自适应白噪声完整集成经验模态分解(ICEEMDAN)多尺度模糊熵(MFE)和多元宇宙优化算法优化核极限学习机(MVO-KELM)的变压器绕组铁心机械故障诊断方法。首先,为了避免虚假模态分量的产生,采用改进的ICEEMDAN对变压器原始振动信号进行分解。其次,利用Pearson相关系数法选取相关性最高的模态分量,并计算其MFE值。然后,将MFE值作为特征量构建特征数据集,并利用MVO优化KELM的核参数和正则化系数。最后,将特征数据集输入所建MVO-KELM模型进行分类识别,实现高准确率诊断目标。试验结果表明,所提方法具有优秀的诊断精度和稳定性,能够精确诊断变压器绕组铁心不同松动程度的故障,诊断准确率达到了99%以上,可为变压器现场检修策略的制定提供一定的指导。     

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。     

基于CRAS系统的发电机定子绕组端部模态试验研究

为预防发电机定子绕组端部因谐振或其他原因造成的绑绳、支架固定螺栓和槽内紧固件松动以及线棒绝缘磨损的现象发生,需准确测量定子绕组端部的振动量,预测发电机在实际工作状态下的振动幅度,应用CRAS动态分析系统对发电机模态进行分析,评价发电机绕组端部整体结构动态特性.并以实例介绍了这种方法的应用,效果良好.     

基于有限元法的变压器电磁振动噪声分析

变压器噪声是变电站主要噪声来源之一,研究变压器噪声对合理评估变电站噪声水平及对变压器降噪分析具有重要意义。从变压器噪声产生机理入手,分析变压器铁心和绕组的电磁振动噪声,建立了其电磁-结构-声场有限元模型。通过瞬态电磁场分析,并基于虚位移法得到铁心和绕组所受电磁力的时域波形,采用FFT变换对结果进行后处理获取电磁力的主要谐波分量大小,将其作为结构谐响应分析的激励源,通过频域内的振动分析得到铁心和绕组表面各节点的振动位移,并将其作为变压器声场分析的边界条件,进一步求解变压器声场模型,分析得到变压器周围空间场点在噪声集中频率100 Hz和200 Hz上的声压级,并与实测值进行对比分析,验证了该模型的可行性,可为变压器噪声预测提供理论依据和计算方法。     

电力变压器振动信号分离方法研究

以独立成分分析(ICA)为代表的主流盲分离技术对信号独立性要求较高,难以分离具有高度相关性的变压器铁芯与绕组振动信号。为了分离变压器铁芯和绕组振动信号,建立了变压器振动信号混合模型,在该模型基础上提出了一种基于时频比盲源分离算法(TIFORM-BSS)的变压器振动信号分离方法。将该方法分别应用于分离人工混合后的110 k V三相变压器油箱壁信号和实际运行中的500 k V单相变压器油箱壁振动信号,结果表明该方法能够有效分离具有强相关性的变压器绕组和铁芯振动信号。     

基于扫频阻抗法辨识的电力变压器绕组变形智能检测技术

针对扫频阻抗法在变压器绕组变形检测中判据尚不明确,还依赖人员经验的现状.文章结合扫频阻抗谱的基本特性,提出基于扫频阻抗谱辨识的绕组变形智能检测技术,选取的特征参量包括阻抗幅值的极值点、相位过零点、70°相位特征点、相关系数.并通过实验对不同故障状态下的各参量变化进行统计分析,验证扫频阻抗谱的特征参量在检测变压器绕组变形时的有效性.结果 表明,所选扫频阻抗谱的特征参量可以很好地识别绕组是否变形以及故障类型.此项研究为我国电力变压器绕组变形故障检测的发展提供参考和借鉴.