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。     

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。     

电力变压器振动检测装置设计及振动信号去噪方法研究

针对电力变压器在运送和装配过程中受外力作用使变压器绕组变形,运行过程中绕组变形积累到一定程度使电力变压器抗短路能力下降,但这种现象在早期不易被发现,成为潜在事故隐患问题.论文选用具有浮点运算、单指令周期执行复杂计算的高性能控制器,结合模拟型高灵敏度单轴加速度计,设计能够测试电力变压器箱体关键点处三轴振动信息电力变压器振...     

基于小波变换的电力变压器振动信号去噪研究

基于变压器器身振动信号的监测方法是近年来国内外研究的一种新方法,本文主要针对变压器振动机理及采集到的振动信号进行研究,利用小波变换在信号处理方面的强大功能,通过对实际运行的电力变压器振动信号进行时频域分析处理,去除信号白噪声。     

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。     

基于振动信号的电力变压器故障诊断系统的开发

在Windows CE平台上搭建了基于振动信号的电力变压器故障诊断系统.用数据采集卡实时采集变压器的振动信号,并利用快速傅立叶变换、能量谱、希尔伯特-黄变换等对其进行分析,绘制出实时的时域波形图、频谱图、能量谱图、核心频率柱形图以及希尔伯特-黄谱线图,得出变压器的运行状态:正常、故障以及故障类型,并进行故障预警.在动模实验室对变压器进行试验,该监控系统能够实现监控和故障诊断功能.     

电力变压器表面振动信号功率谱分析

理论实践表明,电力变压器表面振动信号特征分析是振动法分析电力变压器状态的一个重要基础,振动信号特征可以用来分析判断其绕组和铁芯的工作状态。文中分析了现场采集的电力变压器表面振动信号的功率特征以及功率与负载电流的关系,为振动法分析电力变压器运行状态提供参考。     

基于小波理论的电力变压器振动信号特征研究

通过监测电力变压器的器身振动信号预估变压器机械故障的振动法的关键在于如何从振动信号中提取有效特征。为有效诊断铁心和绕组的机械状态,利用小波变换对变压器振动信号进行时域与频域综合分析,提出基于频段—能量分布的变压器铁心和绕组机械故障诊断新方法。试验结果表明,小波变换能够有效地提取振动信号的特征,得到实时振动信号各频段上的能量分布状态,据此可有效在线诊断变压器机械故障。     

基于 IDBO-ARIMA 的电力变压器振动信号预测

为解决电力变压器振动信号因非平稳特性而导致难以预测的问题,提出一种基于改进蜣螂优化算法的差分整合移动平 均自回归预测模型。 首先,利用 ADF 检验和 KPSS 检验对变压器原始振动信号进行平稳性检验,若不平稳则进行差分处理直至 信号平稳。 其次,通过在蜣螂优化算法中引入周期突变机制以提升算法的寻优能力,并利用改进后的蜣螂优化算法对差分整合 移动平均自回归模型参数 p 和 q 进行定阶,实现对变压器振动信号的预测。 最后,利用某个 0. 4- / 0. 4-kV,15-kVA 三相双绕组 干式变压器实际采集的振动数据,验证所提出模型的有效性。 仿真结果表明,该模型的平均绝对百分比误差可达 3. 77%,而差 分整合移动平均自回归模型、长短时记忆网络、循环神经网络和卷积神经网络的平均绝对百分比误差分别为 5. 34%、4. 74%、 5. 03%、5. 40%。 因此,所提出的模型可以实现变压器振动信号的精准预测。     

基于振动信号的电力变压器机械状态诊断方法研究综述

变压器绕组机械状态与其抗短路能力密切相关,研究相应的检测技术具有非常重要的意义。振动信号分析法以其可灵敏反映绕组机械状态、易于实现带电检测、与系统无直接的电连接等优点受到了广泛的关注。文中综述国内外相关文献和资料,从变压器的铁芯振动机理及特性、绕组振动模型、油箱表面振动和内部振动的关联性、非故障因素的影响和故障绕组振动特征提取及振动方法等5个方面,分析了铁芯模态仿真中的等效性,阐述了经典质量-弹簧-阻尼轴向振动模型的局限性,探讨了振动由内而外的传递过程,对比了老化、松动和变形对绕组振动特性的影响,总结了基于离散频率和宽频振动特征的故障诊断方法。最后,本文展望了未来值得继续深入研究的内容和方向,包括:建立计及硅钢片间作用力的铁芯模型,研究变压器油对铁芯和绕组振动的影响,分析不同传递路径对油箱振动的贡献,加强从宽频振动信号提取绕组故障特征的研究。     

基于振动信号特征分析的变压器绕组故障检测

变压器运行中油箱表面振动信号与其绕组的机械状况密切相关。通过分析变压器油箱外壁的振动信号来检测变压器绕组机械故障,关键在于从振动信号中提取反映故障前后变化的特征信息量。通过试验得到同一型号试验变压器绕组正常运行、短路冲击后运行和模拟故障运行时变压器油箱外壁的振动信号,运用小波包分析对振动信号进行特征提取,提出基于频段-能量-欧式距离的方法来检测变压器绕组机械故障。试验分析结果表明,变压器油箱外壁的振动信号能够反映出绕组内部结构的特性,通过对振动信号的分析能够有效地诊断变压器绕组故障。     

换流变压器和交流变压器振动信号特征的比较分析

本文中作者针对换流变压器振动测试,从振动产生的机理、振动测试的原理及振动信号的分析等方面进行了分析和研究,对比分析了换流变压器和交流变压器振动信号的特征和差异。     

电力变压器器身振动带电监测

俄罗斯《电站》杂志１９９８年第６期报导，俄罗斯研制成功变压器器身振动带电监测系统并已推广应用。简要介绍如下：变压器大修的目的，主要是进一步把绕组和磁导体压紧、固定好。因此，对大型变压器器身紧固状态需要进行诊断并提出是否需要进行大修的建议。但是，用传统...     

基于振动法的电力变压器在线状态监测系统设计

介绍了一个基于振动法的、用于检测电力变压器故障原因的在线监测系统.     

大型电力变压器绕组轴向非线性振动研究

建立了变压器绕组安匝不平衡时轴向非线性振动数学模型 ,计算分析了短路条件下绕组轴向振动位移、振幅、相位随时间的变化规律 ,讨论了轴向预紧力等因素对绕组轴向动态特性的影响。说明保持绕组轴向压紧可以增强绕组的轴向稳定性和对短路的承受力。     

电力变压器绕组轴向振动的建模与分析

建立了电力变压器绕组轴向振动模型并进行了分析。     

基于改进的HHT变压器铁芯振动信号检测研究

随着全国电网互联,电力系统的结构日益复杂,变压器故障时有发生,对电力系统安全造成了严重威胁,因而对变压器运行状态的监测和分析越来越受到人们的关注。将小波包变换和HHT (hilbert-huang transform,HHT)相结合的方法引入到变压器铁芯振动信号分析中。由于实测信号中往往含有大量噪声,不利于对振动信号特征信息的提取,因此提出运用小波包变换对其进行阈值处理,然后将处理后的振动信号进行HHT变换,再计算其边际谱,通过边际谱中的频率分布,对变压器铁芯振动实现在线监测分析。最后利用大量数值仿真和现场实测数据分析,表明了该分析方法在变压器上述故障诊断中的可行性和有效性。     

基于振动信号和小波神经网络的变压器故障诊断

提出一种基于振动信号和小波神经网络的电力变压器故障诊断方法.采用变压器油箱表面的振动信号作为采样信号进行频谱分析提取特征频率信号,并以此特征频率信号乘以电流标么值的平方作为训练样本进行小波神经网络训练,小波神经网络输出量能够反映出频谱特征向量和变压器故障类型之间的映射关系,从而实现变压器的故障诊断.实验结果表明,使用该方法能够有效地对变压器进行故障分类及其诊断,并且小波神经网络具有很好的泛化能力.     

电力变压器故障红外诊断专家系统

介绍了一种实用的电力变压器故障红外诊断专家系统，对红外诊断的基本原理，故障诊断的数学模型模糊知识的表示和推理机制进行了研究，还详细叙述了该专家系统的结构，知识表示与获取及推理机制的设计，实现方法。