CN111487491A - 一种油浸式平波电抗器的健康状态检测与评估***和方法 - Google Patents
一种油浸式平波电抗器的健康状态检测与评估***和方法 Download PDFInfo
- Publication number
- CN111487491A CN111487491A CN202010306289.5A CN202010306289A CN111487491A CN 111487491 A CN111487491 A CN 111487491A CN 202010306289 A CN202010306289 A CN 202010306289A CN 111487491 A CN111487491 A CN 111487491A
- Authority
- CN
- China
- Prior art keywords
- smoothing reactor
- oil
- signal
- immersed
- vibration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000009499 grossing Methods 0.000 title claims abstract description 88
- 230000036541 health Effects 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000011156 evaluation Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 238000004804 winding Methods 0.000 claims abstract description 39
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims description 17
- 230000001133 acceleration Effects 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 5
- 230000003862 health status Effects 0.000 claims description 5
- 238000000926 separation method Methods 0.000 claims description 5
- 230000003750 conditioning effect Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000007689 inspection Methods 0.000 abstract description 2
- 239000003921 oil Substances 0.000 description 61
- 230000006870 function Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 229910000976 Electrical steel Inorganic materials 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000001816 cooling Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 239000004020 conductor Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Housings And Mounting Of Transformers (AREA)
Abstract
本发明涉及一种油浸式平波电抗器的健康状态检测与评估***和方法,油浸式平波电抗器包括绕组、铁芯和油箱,***包括信号采集传感器、信号处理设备和显示设备,信号采集传感器包括具有振动检测功能的传感器,信号采集传感器连接油箱,用于检测油箱的振动信号,信号处理设备分别连接信号采集传感器和显示设备,信号处理设备用于从油箱的振动信号中提取绕组和铁芯的振动信号,从而提取故障特征,对油浸式平波电抗器的健康状态进行评估。与现有技术相比,本发明通过采集油箱的振动信号,提取故障特征,进行健康状态评估,具有科学有效地提高换流站油浸式平波电抗器的运检质量,确保了跨区直流输电***的安全稳定运行等优点。
Description
技术领域
本发明涉及油浸式平波电抗器领域,尤其是涉及一种油浸式平波电抗器的健康状态检测与评估***和方法。
背景技术
平波电抗器是换流站中的核心设备之一,其主要功能有:
1、限制直流故障电流上升速率,防止由直流线路或直流场所产生的陡波冲击波进入阀厅,使换流阀免于遭受过电压应力而损坏;
2、防止直流低负荷时直流电流的间断,避免在低直流功率传输时电流的断续;
3、与直流滤波器一起构成换流站直流侧的谐波滤波回路滤掉部分谐波;
4、限制由快速电压变化所引起的电流变化率来降低换相失败率;
5、平抑直流电流的波纹等。
目前换流站使用的平波电抗器有油浸式和干式两种,其中油浸式平波电抗器因结构较复杂,其故障率高于干式平波电抗器。如图1所示,具不完全统计,自2003至2013年间,国网***换流站中仅因换相失败产生的穿越电流引起油浸式平抗本体机械振动异常导致的直流闭锁事件就有4次,如一起因换相失败产生穿越电流引起极1平波电抗器机械振动异常导致直流闭锁。由于交流网故障等原因,直流换相失败故障发生较频繁,在所难免。换相失败导致的平波电抗器穿越电流除了引起平抗的异常振动外,对于油浸式平抗的绕组、铁芯等部件的健康状况也会带来很大影响,甚至严重影响直流***的安全运行。
目前,国内外电力设备检修技术的开发和应用,围绕锅炉、汽轮机、发电机、变压器等大型电力设备展开,在设备寿命管理与预测、设备可靠性技术、设备状态监测以及故障诊断技术等方面取得了一些可实际应用的成果,但在换流站平波电抗器状态检测方面仍处于空白状态。
发明内容
本发明的目的就是为了克服上述现有技术存在的无法有效检测换相失败故障、换相失败频繁的缺陷而提供一种油浸式平波电抗器的健康状态检测与评估***和方法。
本发明的目的可以通过以下技术方案来实现:
一种油浸式平波电抗器的健康状态检测与评估***,所述油浸式平波电抗器包括绕组、铁芯和油箱,所述***包括信号采集传感器、信号处理设备和显示设备,所述信号采集传感器包括具有振动检测功能的传感器,所述信号采集传感器连接所述油箱,用于检测油箱的振动信号,所述信号处理设备分别连接所述信号采集传感器和显示设备,所述信号处理设备用于从油箱的振动信号中提取绕组和铁芯的振动信号,从而提取故障特征,对油浸式平波电抗器的健康状态进行评估。
进一步地,所述信号采集传感器为三向加速度传感器。
进一步地,所述信号处理设备基于CompactRIO平台搭建。
进一步地,所述信号处理设备包括控制器、机箱和I/O模块,所述控制器分别连接所述机箱和所述I/O模块,所述I/O模块连接所述信号采集传感器和显示设备。
进一步地,所述I/O模块内置FPGA芯片和数模转换电路,用于进行信号调理,
进一步地,所述信号处理设备还包括采集模块,该采集模块包括加速度计和数据采集卡,所述数据采集卡分别连接所述加速度计和所述I/O模块。
进一步地,所述数据采集卡的型号为NI 9234,所述信号采集传感器为PCB公司的三向加速度传感器,所述I/O模块的型号为NI9118。
进一步地,所述I/O模块的插槽数大于所述信号采集传感器的数量。
进一步地,所述信号处理设备还包括存储模块,该存储模块连接所述控制器。
进一步地,所述显示设备为手持式LED显示设备。
本发明还提供一种如上所述的一种油浸式平波电抗器的健康状态检测与评估***的健康状态检测与评估方法,其特征在于,包括以下步骤:
振动信号采集步骤:通过信号采集传感器采集油箱的振动信号;
振动信号预处理步骤:对油箱的振动信号进行预处理;
振动信号分析步骤:从预处理后的油箱的振动信号中,提取绕组和铁芯的振动信号,从而提取故障特征,将故障特征与预建立的故障库比较,判断油浸式平波电抗器是否发生故障;
健康状态评估步骤:根据油浸式平波电抗器的故障信息,评估油浸式平波电抗器的健康状态;
数据显示步骤:通过显示设备显示油浸式平波电抗器是否发生故障的判断信息,和油浸式平波电抗器健康状态的评估信息。
进一步地,振动信号分析步骤中,采用盲分离算法提取绕组和铁芯的振动信号。
进一步地,振动信号分析步骤中,所述提取故障特征具体为,根据绕组和铁芯的振动信号中的时域信号,提取特征统计量;根据绕组和铁芯的振动信号中的频域信号,提取特征值;基于特征统计量和特征值,获取故障特征;所述特征统计量包括峰峰值、偏态系数、峰态系数、峰值因子、K因子、波形指标、脉冲指标、裕度指标和/或歪度。
与现有技术相比,本发明具有以下优点:
(1)本发明油浸式平波电抗器的健康状态检测与评估***,通过采集油箱的振动信号,提取出绕组和铁芯的振动信号,从而提取故障特征,对油浸式平波电抗器的健康状态进行评估,科学有效地提高换流站油浸式平波电抗器的运检质量,抑制油浸式平波电抗器换相失败故障,确保跨区直流输电***的安全稳定运行。
(2)换相失败导致的平波电抗器穿越电流除了引起平抗的异常振动外,对于平抗的绕组、铁芯等部件的健康状况也会带来很大影响,直至严重影响直流***的安全运行,本发明油浸式平波电抗器的健康状态检测与评估***可以在日常运维过程中对油浸式平波电抗器的健康状态进行检测并评估,可预测潜伏性故障发展趋势,何时发展成故障,以及可能发生何种类型故障,从而指导维修工作,保证直流输电***的安全、经济与可靠运行。
(3)本发明采用三向加速度传感器,进行油箱振动信号的采集,具有体积小、重量轻、可以测量空间加速度、振动信号采集准确和全面等优点。
(4)本发明的信号采集传感器采用PCB ICP型三向加速度传感器,信号处理设备基于NI CompactRIO搭建,PCB公司和NI公司采集仪具有很好的兼容性,可以确保测量数据的准确性与稳定性。
(5)本发明通过加速度计与三向加速度传感器配合,共同用于测量油箱的振动信号,提高了振动信号采集的准确性和全面性。
(6)本发明信号处理设备内置的Xilinx的FPGA芯片,具有很强的实时信号处理能力。
(7)本发明采用盲分离算法,能有效地将目标信号从混合信号中提取出来,提高本发明故障检测的准确性。
(8)本发明分别从时域信号中,提取特征统计量;从频域信号中,提取特征值,进而获取故障特征,故障特征提取的可靠性和准确性高。
附图说明
图1为背景技术中国网***换流站2003至2013年间故障类型比例结果示意图;
图2为本发明油浸式平波电抗器的健康状态检测与评估***的结构示意图;
图3为CompactRIO***的第一示意图;
图4为两个CompactRIO***的第二示意图;
图5为本发明油浸式平波电抗器的健康状态检测与评估方法的流程示意图;
图6为油浸式平波电抗器振动传播路径示意图;
图7为绕组振动模型示意图;
图8为绕组某一线饼的振动力学模型示意图;
图中,1、油浸式平波电抗器,2、信号采集传感器,3、信号处理设备,31、CompactRIO***,4、显示设备。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例1
油浸式平波电抗器1主要由线圈、铁芯和油箱、套管、冷却***等部件组成。当换相失败时,穿越电流会引起平波电抗器产生强烈的机械振动,从而导致直流闭锁。由于交流网故障等原因,直流换相失败故障在所难免地频繁发生。换相失败导致的平波电抗器穿越电流除引起平抗的异常振动外,还会导致平抗的绕组和铁芯等部件松动或变形,对其健康状况也造成很大影响,甚至会影响到直流***的安全运行。
本实施例提供一种油浸式平波电抗器的健康状态检测与评估***和方法,通过采集油箱箱体表面振动信号,提取绕组和铁芯的振动特征并判断其运行状态,发现其潜在故障。同时结合可靠性理论,预测其剩余使用寿命,最终实现油浸式平波电抗器1的健康状态评估。其结果可以为平波电抗器的状态修提供重要理论依据,便于设备管理人员尽早采取措施,避免故障或重大事故的发生。
下面对本实施例***、方法和工作原理分别进行详细描述。
一、油浸式平波电抗器的健康状态检测与评估***
如图2所示,健康状态检测与评估***包括信号采集传感器2、信号处理设备3和显示设备4,信号采集传感器2包括具有振动检测功能的传感器,信号采集传感器2连接油箱,用于检测油箱的振动信号,信号处理设备3分别连接信号采集传感器2和显示设备4,信号处理设备3用于从油箱的振动信号中提取绕组和铁芯的振动信号,从而提取故障特征,对油浸式平波电抗器1的健康状态进行评估。
下面对***各部分分别进行详细描述。
1、信号采集传感器2
信号采集传感器2为三向加速度传感器。本实施例采用PCB ICP型三向加速度传感器,精度为100mV/g,量程为50g,频率范围为0.5~5000Hz。PCB公司和NI公司采集仪具有很好的兼容性,可以确保测量数据的准确性与稳定性。本实施例中采用了12个三向加速度传感器,均匀设置在油箱表面,实时采集油箱的振动信号。
2、信号处理设备3
如图3和图4所示,信号处理设备3基于CompactRIO平台搭建。NI CompactRIO(cRIO)是一款工业级嵌入式测控平台,外形小巧而坚固,满足苛刻的工业级指标,具有宽温(-40℃-70℃)和抗冲击(50g)等特性,特别适用于复杂工业环境中对可靠性有严格要求的应用,如机载、舰载、车载、野外复杂现场等数采记录。CompactRIO***31由控制器、机箱(内嵌FPGA芯片)和采集模块三部分组成。CompactRIO内嵌PowerPC微处理器和FPGA芯片,支持上百种可热插拔的I/O模块,控制器分别连接机箱和I/O模块,I/O模块连接信号采集传感器2和显示设备4,模块内置FPGA芯片和数模转换电路,具有信号调理和数模转换功能,可直接连接电压、电流、电荷、ICP接口、电桥以及TEDS传感器。用户可根据传感器需要选择相应的采集模块实现数据采集和记录功能。
本实施例中,CompactRIO***31设有36个信号采集通道,振动信号通过IEPE的加速度计测量,使用9块NI 9234(数据采集卡)采集,NI 9234提供4路支持IEPE激励的并行采集通道,最高采样率50kS/s/通道。机箱选用12槽的NI 9118,提供4个扩展插槽,且内置Xilinx的FPGA芯片,具有很强的实时信号处理能力。另外设置有4个空槽,具有***扩展能力。
信号处理设备3还包括存储模块,该存储模块连接控制器。
3、显示设备4
大量的数据处理和运算已在CompactRIO上完成,但为了保证良好的人机交互,显示时域、频域波形,特征量、报警信息,采用手持式LED显示屏显示数据处理结果。
二、油浸式平波电抗器的健康状态检测与评估方法
如图5所示,健康状态检测与评估方法以软件的形式集成在信号处理设备3的控制器中,该方法包括以下步骤:
振动信号采集步骤:通过信号采集传感器2采集油箱的振动信号;
振动信号预处理步骤:对油箱的振动信号进行预处理,包括调理和数模转换;
振动信号分析步骤:从预处理后的油箱的振动信号中,提取绕组和铁芯的振动信号,从而提取故障特征,将故障特征与预建立的故障库比较,判断油浸式平波电抗器1是否发生故障;
健康状态评估步骤:根据油浸式平波电抗器1的故障信息,评估油浸式平波电抗器1的健康状态;
具体的功能包括:
1)目标信号提取
油箱箱体的振动信号由多种振动信号叠加而成,要对绕组、铁芯等关键部件进行分析,首先需要将这些信号从混合信号中提取出来。利用盲分离算法,分别提取出各个分析目标的振动信号,便于有针对性的对其运行状态进行评估。
2)时域信号分析
对于提取的时域信号进行分析计算,提取特征统计量,包括峰峰值、偏态系数、峰态系数、峰值因子、K因子、波形指标、脉冲指标、裕度指标、歪度等,时域信号提供实时时域图像。
3)频域信号分析
信号的功率谱反映了信号的能量随频率的分布情况,既反映了信号中的频率成分以及各频率成分的能量大小情况。倒谱是对信号傅立叶变换后,取对数,最后取傅立叶反变换后的结果。倒频谱能较好地检测出功率谱上的周期成分。频谱信号提供频谱图像,并提取特征值。
4)故障库建立
模型及信号分析结果,建立平波电抗器相关故障的故障库。
故障特征库的建立一般有两种方法,一种是基于模型的方法,一种是基于试验的方法。其中基于试验的方法需要测试大量的故障数据,利用统计学原理寻找故障规律并建立故障特征库,这种方法不适合本实施例。本实施例采用基于模型的方法建立故障特征库。
5)故障诊断与预警
将提取的故障特征与故障库中对应特征进行比较与分析,可以进行故障报警。一旦发生报警,CompactRIO可以自动记录报警数据和信息,以便事后分析查看。同时根据可靠性理论对其运行状态进行预测,提前发现平波电抗器是否存在潜在的危险,具有预警功能。
数据显示步骤:通过显示设备4显示油浸式平波电抗器1是否发生故障的判断信息,和油浸式平波电抗器1健康状态的评估信息,保证了良好的人机交互,具体地,***显示时域、频域波形,特征量、报警信息等各种信息。
数据存储步骤:信号处理设备3通过存储模块将历史故障数据以及报警信息进行存储,方便后期调阅。
三、工作原理
如图6所示,如果把平波电抗器的绕组和铁芯看作一个机械结构体,则绕组和铁芯结构或受力发生的任何变化,都可以从它的机械振动特性上得到反映。绕组及铁芯的振动通过壳体结构与绝缘油传递到平波电抗器的箱体,引起平波电抗器箱体的振动,所以平波电抗器箱体表面的振动信号与其内部结构变化有密切的关系,因此振动分析方法可以作为平波电抗器绕组故障诊断的途径。
通过建立油浸式平波电抗器1振动模型,即可有效地提取出绕组和铁芯的振动特征。本实施例建立的油浸式平波电抗器1振动模型包括建立绕组、铁芯振动模型和箱体振动模型。其中绕组振动模型的建立通过分析铁芯与绕组之间的漏磁场以及漏磁场中绕组的载流导体产生的电磁力分析绕组的受力情况,结合绕组振动等效模型(如图7所示)与绕组某一线饼的振动力学模型(如图8所示),分析绕组在以电磁力为激振力的条件下产生的受迫振动规律并建立其振动模型。
铁芯振动主要硅钢片的磁致伸缩引起,硅钢片的磁致伸缩的大小决定了铁芯振动的强弱。通过分析硅钢片的磁致伸缩大小的主要影响因素,计算磁致收缩及其引起的铁芯振动加速度,建立铁芯振动模型。
箱体的振动模型通过铁芯、绕组与箱体之间的传递路径进行确定。另外,由于箱体振动实际上还包含了冷却装置、套管、支撑附件等的振动,因此在进行故障分析时,本实施例通过盲分离算法首先提取铁芯与绕组的振动信号。
最后,通过试验研究验证模型准确性。采用研发的振动测试***对换流站装备的多台油浸式平波电抗器1进行测量。通过将基于振动模型获取的振动信号与试验测得的振动信号进行对比,不断地修正模型参数,确保模型准确性。同时比较分析多台油浸式平波电抗器1振动信号之间的差异,分析型号、安装条件等因素对振动模型的影响,以提升振动模型的通用性。另外,还将结合模型和试验分析绕组和铁芯振动与箱体振动之间的传递路径,并据其确定箱体对绕组和铁芯振动响应较大的区域作为传感器最优安装位置。
建立了油浸式平波电抗器振动模型后,通过时域分析、频域分析等方法,提取信号故障特性,并与预建立的故障特征库和故障判别标准比较,进行故障诊断,同时结合可靠性理论,对其运行状态进行趋势分析,预测是否存在潜在危险,以便提前进行维护。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种油浸式平波电抗器的健康状态检测与评估***,所述油浸式平波电抗器(1)包括绕组、铁芯和油箱,其特征在于,所述***包括信号采集传感器(2)、信号处理设备(3)和显示设备(4),所述信号采集传感器(2)包括具有振动检测功能的传感器,所述信号采集传感器(2)连接所述油箱,用于检测油箱的振动信号,所述信号处理设备(3)分别连接所述信号采集传感器(2)和显示设备(4),所述信号处理设备(3)用于从油箱的振动信号中提取绕组和铁芯的振动信号,从而提取故障特征,对油浸式平波电抗器(1)的健康状态进行评估。
2.根据权利要求1所述的一种油浸式平波电抗器的健康状态检测与评估***,其特征在于,所述信号采集传感器(2)为三向加速度传感器。
3.根据权利要求1所述的一种油浸式平波电抗器的健康状态检测与评估***,其特征在于,所述信号处理设备(3)基于CompactRIO平台搭建。
4.根据权利要求3所述的一种油浸式平波电抗器的健康状态检测与评估***,其特征在于,所述信号处理设备(3)包括控制器、机箱和I/O模块,所述控制器分别连接所述机箱和所述I/O模块,所述I/O模块连接所述信号采集传感器(2)和显示设备(4)。
5.根据权利要求4所述的一种油浸式平波电抗器的健康状态检测与评估***,其特征在于,所述I/O模块内置FPGA芯片和数模转换电路,用于进行信号调理。
6.根据权利要求4所述的一种油浸式平波电抗器的健康状态检测与评估***,其特征在于,所述信号处理设备(3)还包括采集模块,该采集模块包括加速度计和数据采集卡,所述数据采集卡分别连接所述加速度计和所述I/O模块。
7.根据权利要求6所述的一种油浸式平波电抗器的健康状态检测与评估***,其特征在于,所述数据采集卡的型号为NI 9234,所述信号采集传感器(2)为PCB公司的三向加速度传感器,所述I/O模块的型号为NI9118。
8.一种如权利要求1所述的一种油浸式平波电抗器的健康状态检测与评估***的健康状态检测与评估方法,其特征在于,包括以下步骤:
振动信号采集步骤:通过信号采集传感器(2)采集油箱的振动信号;
振动信号预处理步骤:对油箱的振动信号进行预处理;
振动信号分析步骤:从预处理后的油箱的振动信号中,提取绕组和铁芯的振动信号,从而提取故障特征,将故障特征与预建立的故障库比较,判断油浸式平波电抗器(1)是否发生故障;
健康状态评估步骤:根据油浸式平波电抗器(1)的故障信息,评估油浸式平波电抗器(1)的健康状态;
数据显示步骤:通过显示设备(4)显示油浸式平波电抗器(1)是否发生故障的判断信息,和油浸式平波电抗器(1)健康状态的评估信息。
9.根据权利要求8所述的方法,其特征在于,振动信号分析步骤中,采用盲分离算法提取绕组和铁芯的振动信号。
10.根据权利要求8所述的方法,其特征在于,振动信号分析步骤中,所述提取故障特征具体为,根据绕组和铁芯的振动信号中的时域信号,提取特征统计量;根据绕组和铁芯的振动信号中的频域信号,提取特征值;基于特征统计量和特征值,获取故障特征;所述特征统计量包括峰峰值、偏态系数、峰态系数、峰值因子、K因子、波形指标、脉冲指标、裕度指标和/或歪度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010306289.5A CN111487491A (zh) | 2020-04-17 | 2020-04-17 | 一种油浸式平波电抗器的健康状态检测与评估***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010306289.5A CN111487491A (zh) | 2020-04-17 | 2020-04-17 | 一种油浸式平波电抗器的健康状态检测与评估***和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111487491A true CN111487491A (zh) | 2020-08-04 |
Family
ID=71812862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010306289.5A Pending CN111487491A (zh) | 2020-04-17 | 2020-04-17 | 一种油浸式平波电抗器的健康状态检测与评估***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111487491A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111947872A (zh) * | 2020-08-05 | 2020-11-17 | 国网河北省电力有限公司沧州供电分公司 | 电抗器铁芯材料振动特性测试平台及测试方法 |
CN113049957A (zh) * | 2021-03-29 | 2021-06-29 | 华北电力大学(保定) | 一种同步调相机转子绕组轻微匝间短路故障在线检测方法 |
CN113759188A (zh) * | 2021-07-02 | 2021-12-07 | 国网河北省电力有限公司电力科学研究院 | 并联电抗器故障检测方法、装置及终端 |
CN114778987A (zh) * | 2022-05-16 | 2022-07-22 | 国网四川省电力公司眉山供电公司 | 一种干式电抗器故障分析装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202735425U (zh) * | 2012-06-13 | 2013-02-13 | 江苏省电力公司南京供电公司 | 基于振动的电力变压器故障检测*** |
CN104977047A (zh) * | 2015-07-22 | 2015-10-14 | 中国长江三峡集团公司 | 基于振动和油液的风电机组在线状态监测与健康评估***及方法 |
CN106338336A (zh) * | 2016-08-04 | 2017-01-18 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 变压器振动的在线监测*** |
CN109325475A (zh) * | 2018-11-19 | 2019-02-12 | 国网河北省电力有限公司电力科学研究院 | 变压器振动信号分离方法及终端设备 |
CN110174137A (zh) * | 2019-05-07 | 2019-08-27 | 西安交通大学 | 一种基于非电量综合特征信息的变压器监测装置及方法 |
CN110703151A (zh) * | 2019-10-10 | 2020-01-17 | 重庆大学 | 基于振动盲源分离和贝叶斯模型的变压器故障诊断方法 |
-
2020
- 2020-04-17 CN CN202010306289.5A patent/CN111487491A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202735425U (zh) * | 2012-06-13 | 2013-02-13 | 江苏省电力公司南京供电公司 | 基于振动的电力变压器故障检测*** |
CN104977047A (zh) * | 2015-07-22 | 2015-10-14 | 中国长江三峡集团公司 | 基于振动和油液的风电机组在线状态监测与健康评估***及方法 |
CN106338336A (zh) * | 2016-08-04 | 2017-01-18 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 变压器振动的在线监测*** |
CN109325475A (zh) * | 2018-11-19 | 2019-02-12 | 国网河北省电力有限公司电力科学研究院 | 变压器振动信号分离方法及终端设备 |
CN110174137A (zh) * | 2019-05-07 | 2019-08-27 | 西安交通大学 | 一种基于非电量综合特征信息的变压器监测装置及方法 |
CN110703151A (zh) * | 2019-10-10 | 2020-01-17 | 重庆大学 | 基于振动盲源分离和贝叶斯模型的变压器故障诊断方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111947872A (zh) * | 2020-08-05 | 2020-11-17 | 国网河北省电力有限公司沧州供电分公司 | 电抗器铁芯材料振动特性测试平台及测试方法 |
CN113049957A (zh) * | 2021-03-29 | 2021-06-29 | 华北电力大学(保定) | 一种同步调相机转子绕组轻微匝间短路故障在线检测方法 |
CN113759188A (zh) * | 2021-07-02 | 2021-12-07 | 国网河北省电力有限公司电力科学研究院 | 并联电抗器故障检测方法、装置及终端 |
CN114778987A (zh) * | 2022-05-16 | 2022-07-22 | 国网四川省电力公司眉山供电公司 | 一种干式电抗器故障分析装置 |
CN114778987B (zh) * | 2022-05-16 | 2023-02-28 | 国网四川省电力公司眉山供电公司 | 一种干式电抗器故障分析装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111487491A (zh) | 一种油浸式平波电抗器的健康状态检测与评估***和方法 | |
CN110689252B (zh) | 一种电容式电压互感器计量误差态势感知*** | |
CN102998545B (zh) | 一种变压器绕组工作状态的在线监测方法 | |
CN102707232B (zh) | 电动机设备状态在线监测装置及其监测方法 | |
CN110728257B (zh) | 基于振动灰度图像的变压器绕组故障监测方法 | |
CN106338336A (zh) | 变压器振动的在线监测*** | |
CN103884943B (zh) | 一种变压器绕组变形综合分析诊断方法 | |
CN101101319A (zh) | 发电机转子绕组匝间短路状态的检测装置 | |
Yang et al. | Fault identification for circuit breakers based on vibration measurements | |
CN103472350A (zh) | 变压器诊断***及其诊断方法 | |
CN103968939B (zh) | 基于平均位移法的变压器绕组松动故障检测方法 | |
CN109443190B (zh) | 基于暂态行波的变压器绕组变形在线监测方法及装置 | |
CN103438797A (zh) | 变压器绕组变形在线检测方法与*** | |
CN111458612A (zh) | 一种油浸式套管电气绝缘性能的状态监测及缺陷模拟*** | |
CN114252749B (zh) | 基于多传感器的变压器局部放电检测方法及装置 | |
CN106443315B (zh) | 一种基于多信息融合的电力变压器绕组变形诊断方法 | |
CN104655967A (zh) | 配电变压器绕组振动信号特征量提取方法 | |
KR19980084275A (ko) | 전력공급선의 신호분석을 통한 전동기 비정상 상태 감시 시스템 | |
CN104407240A (zh) | 三绕组变压器损耗在线检测***及损耗计算方法 | |
CN103077813A (zh) | 一种新型智能变压器 | |
CN105182116B (zh) | 一种基于加权梯度结构相似度的变压器绕组工作状态检测方法 | |
CN205176191U (zh) | 一种变压器绕组变形检测*** | |
JP2020187955A (ja) | 開閉装置の診断方法及び装置 | |
CN110146772B (zh) | 一种基于振动频谱矩阵的变压器铁心松散缺陷诊断方法 | |
CN214041567U (zh) | 无源滤波补偿装置的电感和容值带电运行下的检测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200804 |