共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
为更加准确地理解和掌握变压器绕组的振动响应特性,及时发现变压器绕组的故障隐患,以一台110 k V变压器为研究对象,依托所研制的变压器振动频响测试系统,对变压器绕组正常与典型故障下的振动频响特性进行了试验研究,根据箱壁上多个测点处的振动频响曲线,基于信息融合的思想计算分析了变压器绕组融合振动频响曲线的归一化奇异谱熵。试验结果进一步验证了变压器绕组振动频响试验的可重复性。变压器绕组振动频响曲线峰值随频率的增加而增大,且其峰值点随绕组工况不同出现明显偏移。归一化奇异谱熵能够较好地对变压器振动频响曲线进行定量描述,当变压器绕组存在松动或变形等典型故障时,振动频响曲线的归一化奇异谱熵变化率均5%。 相似文献
4.
5.
6.
7.
《广东电力》2017,(7)
变压器振动信号中包含了大量状态信息,但难以从中提取有效特征进行绕组松动状态识别。为此,提出了基于模糊自适应共振理论(fuzzy adaptive resonance theory,Fuzzy-ART)的变压器绕组松动状态识别方法。首先,设置9种绕组松动状态并进行短路实验,测取油箱表面振动信号;然后对振动信号进行4层小波包变换,提取有效测点状态特征频带的小波包能量构成特征向量;最后将特征向量作为Fuzzy-ART神经网络的输入,对不同绕组松动状态进行识别。实验结果表明,基于小波包的Fuzzy-ART神经网络能对绕组松动状态进行快速、稳定分类,可用于变压器绕组松动状态的在线监测与诊断。 相似文献
8.
随着电力系统中变压器容量的不断增加,变压器绕组松动缺陷引起的影响也愈发严重,故需进行故障诊断。针对利用振动信号进行变压器绕组松动缺陷诊断问题,提出基于变分模态分解(VMD)排列熵(PE)的变压器振动信号特征提取方法与天牛须搜索(BAS)优化支持向量机(SVM)的变压器绕组松动缺陷诊断方法。首先对一台实际110 kV变压器设置不同松动状态,采集绕组正常与不同松动程度状态下振动信号;其次,采用变分模态分解结合排列熵进行变压器绕组松动缺陷特征提取;再次,采用天牛须搜索优化支持向量机算法进行绕组松动状态模式识别。最后将该方法与传统方法进行对比,结果表明,VMD分解效果优于当前主要采用的经验模态分解,排列熵量化故障特征效果优于多尺度排列熵、近似熵等时间序列复杂度计算指标,BAS-SVM运算时间及诊断正确率优于网格搜索优化SVM、遗传算法优化SVM等优化算法;所提方法在所进行的60%~110%额定电流状态试验下变压器绕组松动故障诊断准确率达到98.7%以上。 相似文献
9.
10.
11.
运行中的变压器会产生持续振动,通过振动的变化可以判断变压器内部运行状态。变压器振动信号中包含了大量状态信息,难以从中提取有效特征来监测绕组松动状态。为此,提出了基于混沌理论和核可能性聚类算法KPCM的变压器绕组松动状态监测方法。首先,从振动信号的混沌动力学特性出发,通过选择最佳嵌入维数和时间延迟,对实测变压器振动信号进行相空间重构。然后,针对重构信号的高维空间分布,使用KPCM聚类方法对分布模式进行识别,据此对绕组松动状态进行监测。现场实测数据的计算结果表明,使用Wolf法计算得到的最大李雅普诺夫指数为正,证实了变压器振动信号的混沌特性,基于KPCM聚类分析得到的聚类中心位移矢量的变化能够有效识别出绕组松动的机械故障隐患。研究结果为从混沌动力学角度监测变压器绕组的松动状态提供了理论依据。 相似文献
12.
为了更加有效地对变压器绕组松动故障进行监测与识别,提出了一种变压器绕组松动故障的混沌特征分析方法。首先,针对振动信号的混沌动力学特性,采用互信息量法和G-P算法分别确定延迟时间和嵌入维数,对变压器振动信号进行相空间重构;其次,通过判断最大Lyapunov指数是否为正,进而证明变压器振动信号的混沌特性,在此基础上分析不同程度的绕组松动故障对相空间轨迹变化的影响;最后,将关联维数、Kolmogorov熵和最大Lyapunov指数作为一组混沌特征用以量化变压器绕组发生松动故障前后振动信号的混沌特性。结果表明:变压器振动信号的最大Lyapunov指数均大于0,证实了其具有混沌特性,所得到的混沌特征能够有效反映变压器绕组松动故障。研究结果为变压器绕组松动状态监测提供了一种理论依据。 相似文献
13.
用机械振动频响法诊断大型变压器绕组松动 总被引:3,自引:0,他引:3
开展变压器绕组及铁心监测及诊断方法的研究,及早发现变压器绕组松动,避免突发事故具有十分重要的意义.利用机械振动频响法,通过对变压器的箱壁振动信号的测试和分析,对上海武威变电站220 kV变压器的绕组松动进行了测试分析,提出了诊断变压器绕组松动的新方法. 相似文献
14.
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。 相似文献
15.
《中国电机工程学报》2016,(9)
为进一步理解和掌握变压器绕组的振动特性,通过建立实体变压器的三维有限元分析模型,使用超弹性Mooney-Rivlin模型模拟变压器绕组垫块的非线性材料特性,基于"磁–机械"耦合场理论实现了变压器运行过程中由电动力激励到绕组振动响应的全过程仿真分析,得到了变压器绕组在电磁力激励下正常与松动状态下的振动特性。对某35 k V电力变压器振动特性的测试结果表明,变压器绕组振动波形的计算结果与直接布置于绕组上的光振传感器的测试结果吻合良好,验证了计算结果的正确性。此外,变压器绕组松动即预紧力的下降相当于垫块材料刚度的增加,此时,绕组振动信号中的100 Hz分量及其倍频均随之增大,但增幅各异。研究结果可为变压器绕组结构优化及绕组变形振动检测法提供重要依据。 相似文献
16.
17.
绕组压紧状态影响着变压器的机械性能和绝缘性能。为此,提出一种基于奇异谱熵和支持向量机的变压器绕组松动诊断及定位方法。首先进行110 kV变压器绕组松动实验并测取不同绕组状态下的振动信号,对信号进行时间序列重构,通过奇异值分解提取重构空间的最优特征序列,结合信息熵得出绕组松动的特征量——奇异谱熵,并作为诊断模型的输入,利用粒子群算法对多分类支持向量机进行参数优化。并将其测试结果与BP和PNN神经网络的诊断效果进行对比。实验结果证明,该方法能有效地判断绕组是否发生松动并正确识别绕组松动相,验证了上述方法的可行性和准确性。 相似文献
18.
在对运用频响法测试变压器绕组变形仪器工作原理研究的基础上,通过对事故后变压器测试的频率响应曲线分析,初步地建立了频响法检测变压器绕组变形的测试结果判定标准. 相似文献
19.
20.
频率响应分析法是检测变压器绕组变形的常用方法之一,其原理是通过观察频率响应曲线的波峰波谷分布位置及数量来判断绕组变形。根据变压器绕组等效模型利用MATLAB软件仿真,得到频响曲线,分析变压器绕组电感、电容等参数变化时的频响曲线。观察参数变化前后的曲线来判断是否变形。为便于定量计算,可采用相关系数法等进行辅助判断,利用相关系数法提出特征参数来判别变压器绕组变形程度,其结果可以为定量分析变压器绕组变形程度提供参孝。 相似文献