振动频谱特征值在诊断变压器故障中的应用

介绍在10/0.4kV三相双绕组电力变压器中设铁芯松动、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,绕组松动和铁芯松动中的振动基频会升高,绕组错位中的基频振动会降低。本文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。     

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。     

基于辨识模型的变压器故障诊断方法研究

提出了一种基于辨识模型的电力变压器绕组变形和铁心松动的故障检测方法。根据变压器的运行特点,结合其正常状态和故障状态下不同的振动特性,利用安装在变压器表面的振动传感器监测振动信号,对振动信号进行频谱分析,并根据振动特征频谱判定变压器中是否存在绕组变形和铁心松动故障,实例验证了该方法的正确性。     

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.     

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。     

基于振动的电力变压器铁心松动故障诊断研究

电力变压器发生铁心松动故障后,虽然振动信号中基频分量(100 Hz)会发生变化,但影响振动基频信号的因素众多,很难据此准确诊断铁心松动故障。研究发现,变压器铁心松动后,50 Hz分量及其部分倍频分量、基频的倍频分量等新特征频率能够反映故障。根据特征频率之间的关系提出基于振动的变压器铁心故障诊断方法,不仅能够诊断出变压器铁心内部有无故障,还能判断其故障类型。为了验证提出的模型和方法,文中对实际变压器设置铁心松动故障,采集其监测点处的振动信号,经过消噪、折算处理,采用提出的诊断方法对实际变压器进行故障诊断,其诊断结果与实际故障一致,验证了提出的诊断方法准确、可行。根据所提出的诊断方法研制出基于振动的电力变压器故障诊断系统,并应用于实际变电站。     

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。     

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。     

不同电压等级电力变压器振动特性统计分析

振动信号分析法是带电检测变压器绕组及铁心机械状况的有效手段,但目前现场运行变压器振动特性掌握还不够充分,对不同电压等级变压器振动信号进行统计分析具有重要意义。基于变压器铁心及绕组振动机理的分析,利用所建立的振动测量系统,文中对77台在运电力变压器进行了振动信号测量与统计,电压等级涵盖了110～750 kV,分析了振动信号基频振幅、主频、基频比重以及频谱复杂度等振动参量的变化规律,基于大量现场振动普测数据,得到了不同电压等级变压器振动参量的特征值范围及其概率分布。文中给出了不同电压等级变压器的振动特性,研究结果对于振动信号分析法的现场应用具有指导价值。     

基于振动的变压器铁芯松动定位

为对油浸式电力变压器铁芯松动进行定位判断,对变压器油箱表面测得的振动进行分析研究.首先理论分析变压器空载运行时油箱表面不同位置振动信号的特点以及变压器在铁芯松动前后振动信号的变化规律,然后对一台油浸式变压器进行实验,分析铁芯松动对油箱测点的影响.实验结果表明：振动信号基频分量幅值与空载电压的平方呈线性关系;当A、B、C 三相中某一相铁芯发生松动故障时,此相铁芯上方对应位置测点的振动信号基频分量幅值比正常时增大,且随铁芯松动程度增大而变大,其他两点的振动幅值先减小后增大.可根据此规律进行铁芯松动诊断以及初步定位.     

基于格拉姆角场和深度残差网络的变压器绕组松动故障诊断模型

针对变压器绕组松动故障诊断中特征量难以选取,依赖人工经验的问题,提出了一种基于自动编码器降噪,格拉姆角场(GAF)和深度残差网络(ResNet)进行识别的变压器绕组松动诊断方法。该方法直接从GAF图像中自动学习有效的故障特征,不需要手动提取特征量。首先,将振动信号经过自动编码器进行降噪,获得信噪比更高的振动信号。然后,采用GAF方法将振动信号转化为二维图像,生成图像数据集,在此基础上训练ResNet,构建适用于变压器绕组松动故障分类识别的网络模型。最后,搭建变压器绕组松动故障试验平台,采集绕组在不同松动和试验电流下的振动信号并进行分析。试验结果表明,所提诊断方法对变压器绕组松动识别准确率达95%以上,能够有效识别松动相和松动程度,适用于变压器绕组松动故障的识别和诊断。     

基于TVFEMD与中心频率算法的变压器绕组松动故障诊断方法

考虑到变压器振动信号为非平稳的周期信号,文中引入时变滤波经验模式分解(Time Varying Filter for EMD,TVFEMD)和中心频率算法处理。在一台10 kV实验变压器连接额定阻性负载条件下,测试得到绕组正常和松动两种状态下的振动信号,利用TVFEMD对去噪后的振动信号进行模态分解,得到多个模态函数(IMF),然后通过中心频率算法筛选50 Hz～700 Hz频段内的IMF,最后求取各阶IMF能量特征,将其分为低频能量和高频能量,二者比值作为特征量。研究结果表明利用文中特征量提取方法可以实现绕组松动状态的诊断,并且该特征量能够排除变压器常见运行条件变量,如负载率、功率因数、电流谐波的影响,降低了误判风险。     

基于空载合闸振动信号的变压器绕组松动诊断

针对变压器空载合闸机械振动特性,采用小波包变换对其振动信号进行分析。在实验中,模拟了变压器正常和绕组松动2种状态,对其空载合闸时的振动信号进行采集,并采用小波包-能量谱分析得到各个尺度上能量的百分比作为特征量对2种状态下的振动信号进行特征提取和对比分析。实验结果表明,故障前后的振动信号的能量分布特征有明显的差异,该方法可以有效地提取不同状态下合闸振动信号特征量,应用于空载合闸振动信号的变压器绕组松动诊断。     

基于相空间重构的大型变压器绕组松动的振动特征识别

为识别大型变压器的绕组松动缺陷特征,进行110 kV变压器短路实验并测取油箱顶面3个测点的振动信号。应用相空间重构方法对振动信号进行研究。基于相图可视性的目的,取嵌入维数为2。应用平均位移法确定最佳时间延迟,重构振动信号的相平面轨线。观察较大电流下(80%~110%额定电流)的轨线,可以发现特征:绕组松动状态下轨线近似为闭合的空心畸变椭圆,表明变压器振动是非线性周期振动;绕组压紧状态下轨线交叉混叠,并未沿主对角线打开。该特征在实验中的可重复性强。依据此特征,实现了绕组松动缺陷的识别。     

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。     

基于振动的变压器绕组松动缺陷诊断方法

将理论与实验相结合,对变压器绕组松动缺陷诊断方法进行研究。理论上定义了基于预紧力的变压器绕组松动缺陷特征值,该特征值与变压器绕组预紧力之间存在规律的单调区间,提出利用该关系进行缺陷诊断,该方法不受电流影响,因而适用于负荷波动下的在线监测。在实验中采用应变片桥式电路测量预紧力,施加不同的预紧力进行绕组松动缺陷设置。利用锤击法测算油箱固有频率,考虑预紧力变化对油箱固有频率的影响,以不受共振影响的测点为有效测点。分析不同预紧力大小、不同电流情况下变压器有效测点信号的特征值,确定故障阈值与预警阈值,实现绕组松动缺陷诊断以及缺陷相定位。     

基于ST-SVD与WOA-SVM模型的变压器绕组松动故障诊断方法

为了深入研究变压器振动信号包含的大量故障信息,提出了一种基于S变换奇异值分解(ST-SVD)与鲸鱼优化支持向量机(WOA-SVM)模型的变压器绕组松动故障诊断方法。首先,基于变压器故障模拟试验平台采集变压器绕组处于不同状态下的振动信号。其次,对变压器振动信号进行S变换获取其时频矩阵。再次,计算出时频矩阵对应的幅值矩阵进行SVD,并定义特征向量。最后,采用鲸鱼优化算法优化SVM模型参数,并输入特征向量完成故障诊断。试验结果表明,所提方法故障识别准确率高于传统方法模型,适用于变压器绕组松动故障诊断。     

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。