基于熵权关联理论的变压器绕组松动状态的振动检测法

为更加准确地检测变压器绕组的故障隐患,从变压器绕组多个测点处振动频响曲线的相关性出发,提出了一种综合灰色关联分析和熵权理论的变压器绕组振动检测方法。首先基于灰色理论计算了各个测点处振动频响曲线的灰色关联度和灰色面积关联度,然后定义了熵权关联度对变压器绕组状态进行检测。对某220 k V变压器绕组正常与松动时的振动频响试验结果进行了分析,结果表明,所定义的熵权关联度的计算结果与变压器预设工况吻合良好,可以较好地描述变压器绕组的松动状态,具有较好的工程应用价值。     

基于熵权关联理论的变压器绕组状态振动检测

为更加准确地检测变压器绕组的故障隐患,本文从变压器绕组多个测点处振动频响曲线的相关性出发,提出了一种综合灰色关联分析和熵权理论的变压器绕组振动检测方法。该方法根据某220kV变压器绕组正常与松动时的振动频响试验结果,首先基于灰色理论计算了各个测点处振动频响曲线的灰色关联度和灰色面积关联度,然后定义了熵权关联度对变压器绕组状态进行检测。结果表明,所定义的熵权关联度的计算结果与变压器预设工况吻合良好,可以较好描述变压器绕组的松动状态。与现有的频响分析法相比,振动频响法能更为灵敏地检测出变压器绕组的松动状态,具有较大的工程应用价值。     

大型变压器绕组振动频响特性的试验研究

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%。     

基于VMD的变压器绕组松动故障分析与诊断

为了及时有效地诊断变压器绕组松动故障,针对变压器空载合闸振动信号,提出了一种基于变分模态分解(VMD)的分析方法。首先运用VMD对绕组松动前后变压器表面合闸振动信号进行最优模态分解,建立信息熵—峭度—相关系数综合评价模型,并运用熵权—TOPSIS法提取特征模态分量;通过计算变压器振动信号能量熵进一步判定绕组状态;最后搭建测试平台进行实验验证。结果表明,绕组松动和正常状态下变压器振动信号在特征频率和能量分布上均存在明显差异,该方法为变压器绕组松动故障诊断提供了新的思路。     

基于振动频响法的变压器绕组松动故障检测方法研究北大核心CSCD

变压器是电力系统的重要设备,在长期运行中会出现绕组松动、变形等故障,影响电力系统的正常工作,因此对变压器绕组健康状态进行评估极为重要。提出利用振动频响法获取变压器绕组的振动频响函数,对比绕组故障状态与健康状态下的振动频响函数,将两者之间的相关系数作为判断变压器绕组故障与否的依据。随后,对比健康状态与4种不同程度松动状态下变压器绕组的振动频响函数,探讨利用相关系数判断变压器绕组松动故障程度的可行性。本研究结果对判断变压器绕组运行故障具有一定的指导意义。     

基于振动信号的变压器绕组松动实验研究

为分析和判断变压器绕组松动的严重程度,对油箱表面测得的振动信号进行研究。首先对变压器油箱表面振动测点的选择进行实验分析,得出振动测点布放原则。之后根据选择的合理测点,设计变压器绕组松动实验,通过对绕组松动前后的振动信号进行研究得出：观察变压器油箱表面测得的振动信号特征频率分量幅值变化,可以判断变压器绕组是否发生松动。该研究为基于振动法在线监测变压器状态提供参考。     

基于小波包和模糊自适应共振神经网络的变压器绕组状态识别

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。     

基于VMD与优化SVM的变压器绕组松动缺陷振动信号诊断方法

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。     

基于振动模型的变压器绕组变形特性研究

研究变压器绕组变形下的振动特性。介绍了目前常用的变压器绕组变形检测技术,对振动法检测技术的研究现状、存在问题进行了总结。通过分析变压器铁心和绕组的振动机理,建立了绕组的振动模型,对不同预紧力影响下的绕组振动进行了计算。计算结果表明绕组预紧力减小将导致绕组松动、绕组刚度减小以及振幅增大。通过检测由绕组或铁心引起的振动,可以判断绕组或铁心的松动情况。计算结果可为振动检测系统的设计和振动图谱的分析提供参考。     

基于振动频响法的变压器绕组离线检测

介绍了变压器振动频响法原理,对一退役220kV变压器C相绕组设置一系列故障并进行振动频响试验,从试验数据中提取量化绕组状态变化的特征量,结果表明振动频响法检测绕组状态相对短路阻抗法有很高的灵敏度.     

基于混沌理论和KPCM聚类的变压器绕组松动状态监测

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。     

变压器绕组松动故障的混沌特征分析方法

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。     

用机械振动频响法诊断大型变压器绕组松动

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.     

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。     

基于“磁–机械”耦合场理论的电力变压器绕组振动特性研究

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。     

基于振动法的电力变压器绕组变形测点分析

振动分析法是一种诊断变压器绕组机械变形的有效方法。针对当前振动法测点不确定问题,通过变压器振动机理分析,以S11-M-500 kVA/35 kV试验变压器为研究对象,分别对正常及故障绕组进行负载试验,获取不同测点振动信息。采用欧几里得距离法和基频幅值对正常及故障绕组的不同测点振动信息进行分析,分析结果表明1/6测点处更适合用于绕组变形的振动法检测。     

基于奇异谱熵和支持向量机的变压器绕组松动识别及定位

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。     

频响法检测变压器绕组变形测试系统

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.     

基于振动的变压器绕组松动诊断方法

对变压器绕组振动的频率成分进行分析,指出100 Hz振动分量是变压器绕组振动的核心分量,且接近100 Hz的振动分量振幅较大。为避开铁心振动对绕组松动诊断的影响,提出以50 Hz振动分量与150 Hz振动分量的比值为特征量的绕组松动诊断方法。对某110 k V大型变压器进行绕组松动试验,采集其监测点处的振动信号,提取指定频率下的振动分量并计算诊断特征量,试验结果表明在绕组松动前后,50 Hz振动分量与150 Hz振动分量的比值会发生明显变化,可以作为变压器绕组松动的诊断依据。     

频响法和相关系数法判别变压器绕组变形的研究

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。