CN106441547A - 一种变压器振动监测方法及装置 - Google Patents

Abstract

本发明公开了一种变压器振动监测方法及装置，属于高压设备在线监测技术领域。采集变压器待测振动信号；将变压器待测振动信号进行预处理，得到时域波形；将时域波形进行时‑频转换，得到变压器待测振动信号的瞬时频率特性波形以及三维时间‑频率‑幅值谱图；根据瞬时频率波形以及时间‑频率‑幅值谱图，提取特征量，特征量为各种频率下的幅值特性；将变压器振动数据的特征量与样本库中的每种故障类型的特征量逐一进行相关性计算，根据计算得到的相关系数的大小，识别出变压器故障类型。该方法及装置实现通过振动信号对变压器进行直接的检测和故障判断。

Description

一种变压器振动监测方法及装置

技术领域

本发明属于高压设备在线监测技术领域，具体涉及一种变压器振动监测方法及装置。

背景技术

变压器作为电力***中最重要的设备一旦发生故障将直接影响电网的稳定运行。变压器铁芯和绕组是发生故障的主要部件，当绕组和铁芯发生变形或松动时，磁致伸缩和漏磁引起的铁芯叠片以及绕组之间的振动是引起变压器箱体振动加剧的主要原因。同时，随着我国交直流混合输电模式逐渐形成，交直流***相互干扰的问题也随之出现。

振动监测法灵敏度高、与电力***无电气连接，通过实时监测运行中电力变压器振动信号并进行数据处理、分析诊断，获得变压器内部铁芯和绕组的压紧状况、位移及变形状态等，阻止变压器潜伏故障的发生，为电力变压器状态评估和状态检修提供重要依据，对积极促进智能变电站的建设，提高高压设备智能运维水平，具有重大的实际应用价值。

发明内容

本发明提供一种变压器振动监测方法及装置，以实现通过振动信号对变压器进行直接的检测和故障判断。

为解决上述技术问题，本发明提供一种变压器振动监测方法，包括如下步骤：

1)采集变压器待测振动信号；

2)将变压器待测振动信号进行预处理，得到时域波形；

3)将时域波形进行时-频转换，得到变压器待测振动信号的瞬时频率特性波形以及三维时间-频率-幅值谱图；

4)根据瞬时频率波形以及时间-频率-幅值谱图，提取特征量，特征量为各种频率下的幅值特性；

5)将变压器振动数据的特征量与样本库中的每种故障类型的特征量逐一进行相关性计算，根据计算得到的相关系数的大小，识别出变压器故障类型。

进一步地，所述特征量还包括时域波形提取的峰峰值和有效值。

进一步地，还包括将采集的变压器振动信号经调理、放大、A/D及光电转换，以FT3格式输出待测信号的振动时域波形，并对时域波形采用滤波算法进行降噪处理，滤波效果采用均方根误差：

来衡量，d越小越好。

进一步地，所述相关性计算为Pearson相关性计算方法：

X为待识别变压器数据对应的特征向量，Y为样本库中某一故障类型的特征向量，ρ_X,Y为相关系数；ρ_X,Y的绝对值越大，相关性越强。

进一步地，根据时间-频率-幅值谱图提取的特征量中，包括低于1000Hz的幅值特性和1000Hz以上的幅值特性，1000Hz以上频率的幅值特性用于对直流偏磁故障的判断。

本发明还提供一种变压器振动监测装置，包括如下模块：

1)用于采集变压器待测振动信号的模块；

2)用于将变压器待测振动信号进行预处理，得到时域波形的模块；

3)用于将时域波形进行时-频转换，得到变压器待测振动信号的瞬时频率特性波形以及三维时间-频率-幅值谱图的模块；

4)用于根据瞬时频率波形以及时间-频率-幅值谱图，提取特征量，特征量为各种频率下的幅值特性的模块；

5)用于将变压器振动数据的特征量与样本库中的每种故障类型的特征量逐一进行相关性计算，根据计算得到的相关系数的大小，识别出变压器故障类型的模块。

进一步地，所述特征量还包括时域波形提取的峰峰值和有效值。

进一步地，还包括用于将采集的变压器振动信号经调理、放大、A/D及光电转换，以FT3格式输出待测信号的振动时域波形，并对时域波形采用滤波算法进行降噪处理的模块，滤波效果采用均方根误差：

来衡量，d越小越好。

进一步地，所述相关性计算为Pearson相关性计算方法：

X为待识别变压器数据对应的特征向量，Y为样本库中某一故障类型的特征向量，ρ_X,Y为相关系数；ρ_X,Y的绝对值越大，相关性越强。

进一步地，根据时间-频率-幅值谱图提取的特征量中，包括低于1000Hz的幅值特性和1000Hz以上的幅值特性，1000Hz以上频率的幅值特性用于对直流偏磁故障的判断。

本发明的有益效果是：对变压器待测振动信号进行预处理，得到振动信号的时域波形、瞬时频率特性波形和三维时间-频率-幅值谱图，提取特征量，包括时域波形下振动信号的峰峰值和有效值，以及时间-频率-幅值谱图下变压器振动数据的各种频率下的幅值特性的特征量，将特征量与样本库中的每种故障类型的特征量逐一进行相关性计算，能够准确识别出变压器故障类型。基于此方法或装置，实现通过振动信号对变压器进行直接的检测和故障判断，提高了变压器故障的识别效率。

附图说明

图1是变压器振动监测方法流程图。

具体实施方式

下面结合附图，对本发明进行进一步的详细说明。

如图1所示为变压器振动监测方法流程图。

1)在变压器投入运行后，采集变压器在实际负载运行工况下的振动信号。

2)将采集变压器振动信号经信号调理、放大、A/D及光电转换，以FT3格式输出原始及待测信号的振动时域波形。对振动数据时域波形进行降噪处理，滤除随机噪声和尖峰脉冲干扰。例如，可以采用长度为7的直线结构元素进行形态滤波(当然也可以采用其他滤波方法)，滤波效果用均方根误差：

来衡量，d越小越好，可根据需要设定d的阈值。若误差较大，可以调整结构元素的长度进行优选。

3)根据滤波降噪后的时域波形图获取时域波形的特征值，包括峰峰值和有效值，作为比对特征输入量。

4)对待测振动信号的时域波形进行归一化处理，将时域信号进行时-频转换，得到待测振动信号的瞬时频率特性波形以及三维时间-频率-幅值谱图。

5)根据瞬时频率谱图以及时间-频率-幅值谱图，提取变压器的特征量，特征量为各种频率下的幅值特性。

在本实施例中，采样频率为10kHz，采样持续1s，采样时间间隔为10s。统计每一个通道每1s的振动数据，每通道为10000个数据，数据处理单元对滤波处理后生成4*10000的二维数组，该数组包含通道编号和采样时刻。对四个通道的数据进行归一化处理，将相同时序的采样数据叠加到一个通道，进行均值化处理，生成一个有10000个数据的一维数组。

对上述时序振动信号进行时频转换，得到振动信号的瞬时频率特性以及三维时间-频率-幅值谱图。针对瞬时频率谱图以及时间-频率-幅值谱图，提取变压器振动数据的23个特征量如表1所示；

表1

6)将变压器振动数据的特征量与样本库中的每种故障类型的特征量逐一进行Pearson相关性计算：

X为待识别变压器数据对应的特征向量，Y为样本库中某一故障类型的特征向量，ρ_X,Y为相关系数；ρ_X,Y的绝对值越大，相关性越强。根据计算得到的相关系数的大小，识别出变压器故障类型。作为其他实施方式，除了上述的Pearson相关性计算方法，也可以采用其他的验证相关程度的公式或算法。

在本实施例中，特征量包括两种，一种是时域波形提取的峰峰值和有效值，在表1中体现为序号为1和2的特征量；另一种是频域波形提取的各种频率下的幅值特性的特征量，在表1中体现为序号3-23的特征量。作为其他实施方式，可以仅通过频域波形提取的各种频率下的幅值特性的特征量来进行相关性的计算，进而识别出故障类型。

在本实施例中，根据三维时间-频率-幅值谱图，提取变压器的特征量，为各种频率下的幅值特性。特征量包括低于1000Hz的幅值特性和1000Hz以上的幅值特性，其中，1000Hz以上频率的幅值特性不能对变压器机械故障进行判断，可以用于对直流偏磁故障的判断。

在本实施例中，在变压器初始投入运行时，采集变压器的基准振动信号，即变压器在空载、额定负载工况下的振动信号；然后将变压器基准信号时域波形下所计算得到的峰峰值和有效值存入样本库作为正常状态的比对基准。除此之外，样本库中还应包括各种故障类型对应的样本作为故障状态的比对基准，比如铁芯松动、绕组松动故障分别对应的三维时间-频率-幅值情况，这些故障样本可以通过相关实验或历史数据获取，正常状态的比对基准除了可以通过上述的初始投运获得，也可以由历史数据中获得。

本发明还提供一种变压器振动监测装置，包括如下模块：

1)用于采集变压器待测振动信号的模块；

2)用于将变压器待测振动信号进行预处理，得到时域波形的模块；

3)用于将时域波形进行时-频转换，得到变压器待测振动信号的瞬时频率特性波形以及三维时间-频率-幅值谱图的模块；

4)用于根据瞬时频率波形以及时间-频率-幅值谱图，提取特征量，特征量为各种频率下的幅值特性的模块；

5)用于将变压器振动数据的特征量与样本库中的每种故障类型的特征量逐一进行相关性计算，根据计算得到的相关系数的大小，识别出变压器故障类型的模块。

上述变压器振动监测装置，实际上是基于本发明方法流程的一种计算机解决方案，即一种软件构架，上述各种模块即为与方法流程相对应的各处理进程或程序。由于对上述方法的介绍已经足够清楚完整，故不再对该装置进行详细描述。

Claims (10)

1.一种变压器振动监测方法，其特征在于，包括如下步骤：

1)采集变压器待测振动信号；

2)将变压器待测振动信号进行预处理，得到时域波形；

3)将时域波形进行时-频转换，得到变压器待测振动信号的瞬时频率特性波形以及三维时间-频率-幅值谱图；

4)根据瞬时频率波形以及时间-频率-幅值谱图，提取特征量，特征量为各种频率下的幅值特性；

5)将变压器振动数据的特征量与样本库中的每种故障类型的特征量逐一进行相关性计算，根据计算得到的相关系数的大小，识别出变压器故障类型。

2.根据权利要求1所述的变压器振动监测方法，其特征在于，所述特征量还包括时域波形提取的峰峰值和有效值。

3.根据权利要求1或2所述的变压器振动监测方法，其特征在于，还包括将采集的变压器振动信号经调理、放大、A/D及光电转换，以FT3格式输出待测信号的振动时域波形，并对时域波形采用滤波算法进行降噪处理，滤波效果采用均方根误差：

$d=\sqrt{\frac{1}{N}\underset{n=1}{\overset{N}{\Σ}}{\left(y\right(n)-f(n\left)\right)}^2}$

来衡量，d越小越好。

4.根据权利要求1或2所述的变压器振动监测方法，其特征在于，所述相关性计算为Pearson相关性计算方法：

${\mathrm{\ρ}}_{X,Y}=\frac{E(X,Y)-E\left(X\right)E\left(Y\right)}{\sqrt{E\left(X^2\right)-E^2\left(X\right)}\sqrt{E\left(Y^2\right)-E^2\left(Y\right)}}$

X为待识别变压器数据对应的特征向量，Y为样本库中某一故障类型的特征向量，ρ_X,Y为相关系数；ρ_X,Y的绝对值越大，相关性越强。

5.根据权利要求1或2所述的变压器振动监测方法，其特征在于，根据时间-频率-幅值谱图提取的特征量中，包括低于1000Hz的幅值特性和1000Hz以上的幅值特性，1000Hz以上频率的幅值特性用于对直流偏磁故障的判断。

6.一种变压器振动监测装置，其特征在于，包括如下模块：

1)用于采集变压器待测振动信号的模块；

2)用于将变压器待测振动信号进行预处理，得到时域波形的模块；

3)用于将时域波形进行时-频转换，得到变压器待测振动信号的瞬时频率特性波形以及三维时间-频率-幅值谱图的模块；

4)用于根据瞬时频率波形以及时间-频率-幅值谱图，提取特征量，特征量为各种频率下的幅值特性的模块；

5)用于将变压器振动数据的特征量与样本库中的每种故障类型的特征量逐一进行相关性计算，根据计算得到的相关系数的大小，识别出变压器故障类型的模块。

7.根据权利要求6所述的变压器振动监测装置，其特征在于，所述特征量还包括时域波形提取的峰峰值和有效值。

8.根据权利要求6或7所述的变压器振动监测装置，其特征在于，还包括用于将采集的变压器振动信号经调理、放大、A/D及光电转换，以FT3格式输出待测信号的振动时域波形，并对时域波形采用滤波算法进行降噪处理的模块，滤波效果采用均方根误差：

$d=\sqrt{\frac{1}{N}\underset{n=1}{\overset{N}{\Σ}}{\left(y\right(n)-f(n\left)\right)}^2}$

来衡量，d越小越好。

9.根据权利要求6或7所述的变压器振动监测装置，其特征在于，所述相关性计算为Pearson相关性计算方法：

${\mathrm{\ρ}}_{X,Y}=\frac{E(X,Y)-E\left(X\right)E\left(Y\right)}{\sqrt{E\left(X^2\right)-E^2\left(X\right)}\sqrt{E\left(Y^2\right)-E^2\left(Y\right)}}$

X为待识别变压器数据对应的特征向量，Y为样本库中某一故障类型的特征向量，ρ_X,Y为相关系数；ρ_X,Y的绝对值越大，相关性越强。

10.根据权利要求6或7所述的变压器振动监测装置，其特征在于，根据时间-频率-幅值谱图提取的特征量中，包括低于1000Hz的幅值特性和1000Hz以上的幅值特性，1000Hz以上频率的幅值特性用于对直流偏磁故障的判断。