基于振动信号法的变压器绕组状况诊断

振动法是诊断变压器运行中潜伏故障的一种有效手段,?能够检测出故障绕组及铁芯的状态。以振动法为基础，通过施加一激励源来激励变压器绕组振动，再利用振动速度总振级和振动速度烈度指数2个函数来反映激励后绕组振动信号的变换特征，以此来诊断绕组的状况。试验研究结果验证了该方法的可行性和有效性     

基于振动的油浸式电力变压器短路累积效应试验研究

针对绕组累积损伤有可能导致变压器突发性故障,严重威胁电网安全稳定运行的问题,以某油浸式电力变压器为研究对象,对其进行多次短路试验。通过分析短路试验前后及短路试验过程中油箱壁振动信号的变化规律,发现多次短路冲击后,无论短路电抗变化超标与否,变压器振动信号的频谱、幅值,铁心振动信号的基频幅值与施加电压平方的线性关系、以及绕组振动信号的基频幅值与流过绕组的负载电流平方的线性关系都会发生明显变化。试验结果表明,多次短路冲击会使变压器内部产生机械累积损伤,振动信号能够比较灵敏反映这种短路累积效应的特征量。     

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。     

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。     

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。     

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。     

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。     

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。     

变压器油箱壁振动信号诊断绕组变形技术研究

文章对S11-M-500/35kV变压器A相绕组进行连续5次短路冲击试验(B、C两相未单独进行冲击试验),使A相绕组产生较其他两相更严重的形变,获取短路冲击前后变压器A相绕组对应油箱壁的振动数据。通过变压器油箱壁振动信号分析变压器绕组的变形程度,利用小波包分解原理,将振动信号分解到不同频段中,计算各频段的能量熵值,得出不同程度的绕组形变对能量熵值变化的影响。试验结果表明:与离线短路电抗法判断绕组形变相比,振动分析法小波包能量熵特征提取方法不但具有在线诊断绕组故障的优点,且更灵敏的体现出绕组状态变化,对及时反映绕组形变,对带电或在线监测判断绕组变形故障具有重要意义。     

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.