变压器油箱表面运行变形振型特性研究

变压器油箱表面振动信号与其内部绕组及铁心的机械状况密切相关,对其进行测量及特性分析是诊断变压器机械故障的重要手段之一。传统的单点测量方式受油箱固有模态特性的影响,使得拾取的信号因测点位置不同而产生很大的差异,且随正常工况波动而变化,限制了该方法的进一步现场应用。该文首先提出变压器油箱表面运行变形振型(ODS)的测量方法;然后在空载及负载试验条件下,分别研究了不同电压和电流时变压器油箱表面的ODS特性,提出了利用振型相关系数(SCC)判断ODS变化程度的方法;最后研究了绕组压紧程度松动时变压器油箱的ODS特性。结果表明:不同测点加速度为多频率复合的周期稳态准同步信号,因各点信号相位相同或相反使得整个表面振动分布呈现波动形式,且不同频率最大振幅出现的位置也有所不同。加载电压及负载电流的变化会直接影响油箱表面振动加速度幅值,但并不影响整体形态,SCC接近于1,即各点间振动幅值比值不变,振动相位不变。与正常情况下相比,绕组松动时SCC远小于1,说明ODS发生了明显变化。该研究工作为基于振动信号的变压器绕组及铁心机械状态评估和故障诊断提供了一条新思路。     

基于在线监测系统与声振特征预测模型的高压并联电抗器运行状态评估方法

高压并联电抗器的声振信号特征是评估其运行状态的重要参考依据.当油箱内部重要结构件因长期振动出现松动,油箱振动形态发生改变,而油箱外部的声振特征变化程度也反映了重要结构件的缺陷程度.该文采用电抗器声振信号在线监测系统,对高压并联电抗器油箱表面振动信号和噪声信号进行持续监测.基于历史声振数据和时间序列预测模型,对未来一段时...     

基于CRP和RQA的高压并联电抗器振动信号分析

并联电抗器油箱表面的振动信号与电抗器绕组和铁心的状态密切相关。因此,可以通过振动信号来监测并联电抗器绕组和铁心状态。本文针对电抗器振动信号的非线性特征,提出了一种基于交叉递归图(CRP)与递归量化分析(RQA)相结合的信号处理方法,对铁心饼上表面振动信号与油箱表面多个测点信号的相关性进行研究。实验结果表明,该方法不仅能定性描述电抗器不同测点信号的相关性,还可利用提取的RQA参量对递归现象定量表述。研究结果从非线性动力学角度为高压并联电抗器振动敏感区域确定及振动测点选取提供了依据。     

高压电抗器振动特性及实验分析

为进一步研究高压电抗器振动机理及特性,针对一台油浸式并联电抗器,根据其结构特点和受力情况,建立了绕组与铁心的振动数学模型,理论分析了电抗器振动特性;对油浸式并联电抗器进行振动实验,研究了不同测点的振动特性、最佳测点的选择、不同电压下振动变化规律与振动信号特征频率。研究结果表明:电抗器振动频率以100 Hz为主,内部铁心饼表面振动幅值最大,在油箱外部采集的振动信号与内部具有相同的振动特性,可以反映电抗器内部运行状态。研究结果为电抗器减振降噪以及基于振动法分析电抗器故障提供了有效信息与有效依据。     

基于混沌理论与蝗虫优化K-means聚类算法的电抗器铁芯和绕组松动状态监测

为了更加准确有效地监测高压并联电抗器铁芯和绕组机械状态,提出了基于混沌理论与蝗虫优化K-means聚类算法的电抗器铁芯和绕组松动状态监测方法。首先,对振动信号的混沌特性进行分析,采用C-C法选择最佳延迟时间和嵌入维数,对电抗器振动信号进行相空间重构;然后,利用蝗虫算法优化传统K-means聚类算法,从而更加合理地选取初始簇中心,进而通过优化后的K-means聚类算法求出重构信号相轨迹的簇中心;最后,根据簇中心位移矢量和的模值变化对电抗器铁芯和绕组松动状态进行监测。研究结果表明：采用Wolf法求得的各测点最大Lyapunov指数均大于0,证明电抗器振动信号具有混沌特性。蝗虫优化K-means聚类算法有效提高了计算结果的准确性,振动信号相轨迹的簇中心位移矢量和的模值变化能够有效反映铁芯和绕组松动故障隐患,从而为电抗器铁芯和绕组松动状态检修提供了理论依据。     

基于BP神经网络的电抗器铁心柱轴向松动诊断∗

油浸式高压并联电抗器是电力系统中重要的设备之一,而铁心柱轴向松动是高压并联电抗器常见的机械故障,可以通过测试振动信号对其进行有效诊断.探讨了高压并联电抗器振动机理,分析了并联电抗器振动信号的频谱特征.以油浸式高压并联电抗器模型为研究对象,提出了借助BP神经网络预测油浸式高压并联电抗器振动信号,将预测信号与实测信号相对比,诊断并联电抗器铁心柱松动的方法.研究结果表明,所提方法可以有效诊断油浸式高压并联铁心电抗器铁心柱轴向松动.     

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CNN算法的并联电抗器机械故障诊断方法

为解决并联电抗器的机械故障诊断问题,本文提出了一种基于卷积神经网络算法的机械故障诊断方法。首先以一台10 kV并联电抗器为研究对象搭建了振动实验平台,在油箱表面采集了5种机械状态下的振动信号,将原始振动信号进行预处理得到其时域波形与频谱,然后分析了振动时频特性并验证了其区分机械状态的可行性,因此将振动信号输入分类模型中进行特征自适应提取和训练,最终通过分类器输出结果达到诊断的目的。该方法与传统的故障诊断方法相比,不但省略了人工提取特征环节,并且减少了误判问题,最终可以以较高的精度诊断电抗器机械故障。因此,本文提出的方法对并联电抗器的安全可靠运行具有重要意义。     

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。     

基于脉冲耦合注入的高压并联电抗器绕组故障带电检测

针对目前国内外还没有对高压并联电抗器开展绕组故障带电检测或在线监测的现状,提出了基于脉冲耦合注入的绕组故障带电检测方法,并研制了相应的绕组故障带电检测系统。对该检测系统进行了验证,并在某750k V变电站内的电抗器上安装运行。获取了三相高压并联电抗器绕组的在线频率响应特性,可以得出:在激励脉冲电压幅值500 V的作用下,相应响应信号的幅值可达到300 m V;同时获取了三相高压并联电抗器绕组的指纹数据,为绕组状态的后续评估及预警奠定了坚实的工作基础。该方法实现了高压并联电抗器绕组故障带电检测并及时预警,对于保证电力系统可靠运行具有重要意义。     

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。     

考虑铁心磁致伸缩与绕组受力的高压并联电抗器振动研究

铁心磁致伸缩效应与绕组受力是高压并联电抗器振动的主要原因。基于晶粒取向型硅钢片的磁致伸缩产生机理,将铁心磁致伸缩本质模型及Jiles磁致伸缩模型与实验数据进行对比分析,结果表明本质计算模型能准确地模拟硅钢片的磁致伸缩应变。在确定磁致伸缩本质计算模型有效性的基础上,用多物理场仿真软件COMSOL建立了一台额定电压为10.5 kV、容量为30 000 kvar高压并联电抗器本体结构的振动计算模型。从磁-机械场耦合的角度分析高压并联电抗器铁心振动与绕组受力特性,结果表明绕组受力很大,引起的振动不容忽略。同时研究了具有不同杨氏模量的气隙垫块对并联电抗器铁心振动的影响,杨氏模量越大的气隙垫块对高压并联电抗器的振动抑制效果越好。     

高压电抗器绕组和铁芯机械故障的混沌特性分析与特征识别

首先,根据Kolmogorov熵判断高压并联电抗器振动信号的混沌特性,在证明其具有混沌特性的基础上重构振动信号,分析不同电压等级、不同故障类型和故障程度下振动信号相轨迹的变化规律.然后,将最大Lyapunov指数、Kolmogorov熵、关联维数作为一组混沌指标定量计算和表征高压并联电抗器绕组和铁芯发生机械故障前、后振...     

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。     

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.     

电力变压器绕组振动及传播特性研究

为进一步研究变压器绕组径向振动机理、绕组振动在油中的传播特性及规律,该文建立了基于欧拉梁的绕组径向振动及油中振动的传播模型,利用激光测振仪和振动加速度传感器试验研究了绕组径向振动、压板轴向振动特性,定义了功率传播比研究了不同电流下绕组振动的传递规律。对单相10kV电力变压器的研究结果表明,绕组的径向振动与压板轴向振动具有相同的数量级,两者对于振动的传播均有重要的作用;振动在油中传播过程中会因传播距离以及与油箱壁的入射角的增大而减弱对于油箱表面振动的影响,因此油箱表面振动主要受其相邻区域的绕组振动影响;轻载条件下,油箱表面的绕组振动主要来自于固体传播,而随着负载电流的增大,由变压器油传播而来的绕组振动功率增加;选择油箱表面靠近绕组振动强烈的区域进行振动监测可以获得较高的信噪比。研究结论可为基于振动分析法的变压器绕组机械状态检测方法提供依据。     

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MPE和灰色关联度的高压并联电抗器故障诊断方法

从非线性动力学角度实现高压并联电抗器故障诊断,提出了基于多尺度排列熵(multi-scale permutation entropy,MPE)与灰色关联模型的电抗器内部松动故障诊断方法。本文设计实验方案为采集电抗器不同机械状态下的振动信号,以MPE对采集的信号进行特征提取。针对MPE曲线中所存在的部分交叉现象,采用区间化方式对特征值进行预处理,最终结合灰色关联模型对处理后的特征量进行状态识别。实验结果表明:基于MPE和灰色关联度的故障诊断方法能有效地提取电抗器内部松动的故障特征,区间化方式较传统预处理方式具有更高的故障识别率,研究结果从非线性动力学角度为高压并联电抗器故障诊断提供了理论依据。     

基于振动信号总离散频谱的高压并联电抗器健康评估方法

文章设计并实现了一套高压并联电抗器健康评估系统,具有振动信号采集、存储、分析,及健康评估等功能。因单一位置振动信号无法全面反映电抗器健康状态且不具备检测拓展性,系统将电抗器表面多路振动信号离散频谱按权重叠加,作为特征向量输入机器学习模型中,实现了对现场运行的6台某公司750 kV高压并联电抗器的检测和健康状态评估。将基于振动信号总离散频谱的评估结果与油色谱检测法和超声波局放法的实测结果进行比较,发现该方法与上述两种常规检测方法的分析结果保持一致,且状态评估准确率达到100%。因此,基于振动信号的电抗器健康状态评估具有很大的实际工程意义。