CN114325361A - 基于振动原理的变压器分接开关状态在线监测方法 - Google Patents
基于振动原理的变压器分接开关状态在线监测方法 Download PDFInfo
- Publication number
- CN114325361A CN114325361A CN202111344532.3A CN202111344532A CN114325361A CN 114325361 A CN114325361 A CN 114325361A CN 202111344532 A CN202111344532 A CN 202111344532A CN 114325361 A CN114325361 A CN 114325361A
- Authority
- CN
- China
- Prior art keywords
- vibration
- signal
- tap changer
- transformer
- state
- 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
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了基于振动原理的变压器分接开关状态在线监测方法,包括如下步骤:步骤1:针对变压器有载分接开关开展声学振动信号采集与预处理,确定并验证声学振动信号传感器选型、传感器优选安装方式及位置,提高传感器可靠性和准确性;步骤2:求取信号包络线并设置相应阈值,实现对电机驱动电流信号的监测与特征提取;步骤3:分接开关故障诊断及运行状态评估。本发明可选择负荷较重、操作较为频繁、易发多发故障的分接开关作为示范应用试点,试点成功后,实现分接开关振动状态监测,为运行管理人员提供有效指导和手段,减少运行维护工作强度和时间,提高变电站的运行维护水平和运行可靠性,促进检修模式的转变以及状态检修的完善。
Description
技术领域
本发明涉及电力技术领域,特别涉及基于振动原理的变压器分接开关状态在线监测方法。
背景技术
普通变电站的变压器作为变电的关键环节,在电网中是不可或缺的部分,其可靠运行对于保证电网的安全意义重大。近十年的统计数据表明,每次变压器事故平均损失的电量达数百万千瓦时,它所导致的经济损失为设备本身价格的数千倍甚至数万倍,而变压器的事故更多是由于有载分接开关这个关键部件引起的。因此,电力运营部门对保证变压器有载分接开关的运行可靠性提出了迫切的需要和更高的要求。
有载分接开关是有载调压变压器中唯一的可动部件,也是关键部件之一。依靠有载分接开关准确及时的动作,可减少和避免电压的大幅度波动,保证电力***安全可靠运行,增加电网调度的灵活性。作为变压器中唯一可进行机械动作的部件,有载分接开关的一次操作包含了一系列的动作事件,这些事件中,触头的碰撞,摩擦等都伴随机械振动信号的产生。一般,这些振动信号可以使用体外传感的方式进行测试。当有载分接开关存在一些故障隐患时,由于触头动作而引起有载分接开关表面的振动信号与正常状态时相比会有所不同,因此测录这些动作过程的振动波形,并对其进行分析,与正常信号相比,就能有效地反映出有载分接开关的运行工况。而有载分接开关的运行工况直接关系到有载调压变压器的运行安全,随着有载调压变压器在电网应用的增多,有载分接开关的故障也在增加。因此研究分接开关在线监测技术很有必要。
发明内容
本发明的目的在于提供基于振动原理的变压器分接开关状态在线监测方法,提高变电站的运行维护水平和运行可靠性,促进检修模式的转变以及状态检修的完善,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
基于振动原理的变压器分接开关状态在线监测方法,包括如下步骤:
步骤1:针对变压器有载分接开关开展声学振动信号采集与预处理,确定并验证声学振动信号传感器选型、传感器优选安装方式及位置,提高传感器可靠性和准确性;
步骤2:求取信号包络线并设置相应阈值,实现对电机驱动电流信号的监测与特征提取;
步骤3:分接开关故障诊断及运行状态评估。
进一步地,综合故障诊断***的数据,来源于传感测试***,多传感器监测信号经过信号预处理、相应的信号特征提取后,由分析***进行逻辑推理,并可根据需要随时调用振动信号综合分析处理程序,再将推理结果进行融合处理,最终将诊断结论与推理解释等信息一同输出,完成分接开关机械性能的综合故障诊断。
进一步地,步骤1的有载分接开关声学振动信号采集包括的步骤如下:
分接开关的特征信号通过振动传感器、电流互感器转变为电压信号输出,经限压保护、低通滤波和电压跟随信号调理电路后,通过CPLD控制A/D芯片的时序完成通路选择和模数转换数据采集和转换的过程;待A/D芯片转换结束后产生中断信号,CPLD接收到中断信号后向A/D发送读指令,同时发送INT信号通知DSP读取A/D的转换结果。
进一步地,在启动***进行信号采集时,首先使用默认配置参数来设定***的存储器资源和总线占用资源,以及中进入主程序的入口设置,所有寄存器清零,断矢量的设置等主程序运行前的准备工作。
进一步地,步骤1的预处理包括预滤波、零均值化以及消除趋势项。
进一步地,步骤2将驱动电机电流采集硬件***安装在电动操动机构箱内,通过远程软件***实时检测分接开关动作过程中的电机电流信号,并基于此进行开关机构卡涩故障诊断。
进一步地,步骤3包括实验室振动信号采集及处理、现场振动信号采集及处理、振动特征差异度的状态评估及修正完善。
进一步地,针对实验室振动信号采集及处理,通过实验室变压器有载分接开关进行故障信号采集和处理,提取对应故障类型的主要故障特征,分析其与正常状态下的差异。
进一步地,针对现场振动信号采集及处理,通过对大量的现场变压器有载分接开关进行信号检测,采集大量的OLTC振动信号并分析,使用滤波器处理采集的振动信号,获得其特征振动信号,提取出振动特征,并跟实际的OLTC典型异常运行、故障案例的特征信号进行对比分析。
进一步地,针对振动特征差异度的状态评估,分析特征信号并对其进行描述,根据得到的振动信号波峰时刻、幅值等信息对OLTC正常与典型故障下的特性进行对比,通过使用基于支持向量机的评估方法。
与现有技术相比,本发明的有益效果是:
本发明可选择负荷较重、操作较为频繁、易发多发故障的分接开关作为示范应用试点,试点成功后,向其他变电站推广应用,实现分接开关振动状态监测,为运行管理人员提供有效指导和手段,减少运行维护工作强度和时间,提高变电站的运行维护水平和运行可靠性,促进检修模式的转变以及状态检修的完善。实现设备维修的合理化、规范化、科学化,适应国民经济发展对电力高质量、高可靠性要求的新形势。
附图说明
图1为本发明的路线框图;
图2为本发明的变压器有载分接开关在线监测***工作流程图;
图3为本发明的信号采集单元硬件设计图;
图4为本发明的信号采集流程图;
图5为本发明的振动信号采集与预处理流程图;
图6为本发明的振动传感器安装位置优选分析步骤流程图;
图7为本发明的求取信号包络的推导图;
图8为本发明的支持向量机原理图;
图9为本发明的实验室差异度分析示意图;
图10为本发明的振动特征差异度的状态评估示意图;
图11为本发明的故障诊断示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
基于振动原理的变压器分接开关状态在线监测方法,包括如下步骤:
步骤1:针对变压器有载分接开关开展声学振动信号采集与预处理,确定并验证声学振动信号传感器选型、传感器优选安装方式及位置,提高传感器可靠性和准确性,参阅图1。
综合故障诊断***的数据,来源于传感测试***。多传感器监测信号经过信号预处理、相应的信号特征提取后,由分析***进行逻辑推理,并可根据需要随时调用振动信号综合分析处理程序,再将推理结果进行融合处理,最终将诊断结论与推理解释等信息一同输出,完成分接开关机械性能的综合故障诊断,参阅图2。
振动信号预处理原理:由数据采集所得到的原始振动信号中,常常混有各种噪声、测量仪器中的非线性等,这些不利的成分可能对最终的分析结果产生很大影响。因此,在分析处理之前需要对测试数据进行预处理,以提高振动信号分析的可靠性和真实性。预处理包括预滤波、零均值化以及消除趋势项。
(1)预滤波
当信号需要平滑或抑制不需的频率分量时,可以采用滤波的方法。为了避免因不满足采样定理而出现的频率混叠,可利用低通滤波器来限制原始信号的带宽,同时还可以减少高频噪声。数字滤波器还能抵消漂移和避免功率泄漏。
对于数字滤波器,所涉及的信号均为离散信号,其输出序列y(n)是输入序列x(n)和冲击响应序列h(n)的离散卷积,即:
实际计算中不可能去无限多项,只能去有限项M,或者采用反馈形式,将滤波器过去的输出又重新用来计算后一级的权值。因此得到如下两种计算方法,当T=1时,计算公式如下:
式描述的是有限冲击响应滤波器(FIR),而式描述的则是无限冲击响应滤波器(IIR)。习惯上用a(i)和b(j)表示权系数h(i)和g(j),当N远大于式中的M和K时,对式和进行Z变换,可求得两种滤波器的***函数分别如下:
数字滤波器的冲击响应序h(k)长度为无限,若用长度为N的数据窗w(m)去截取能足够反应滤波器特性的前N项,使无限长序列变为有限长序列,在不使用反馈形式的前提下便可以实现数字计算,截取过程如下:
hw(m)=w(m)h(k),k=-∞,...,0,...∞
m=-(N-1)/2,...0,...,(N-1)/2,N为奇数
m=-N/2,...,0,...N/2,N为奇数
此时滤波器的输入输出关系如下:
可以看到,FIR滤波器的特性实际上是由冲击响应序列h(m)确定的,改变冲击响应序列可以得到高通、低通、带通和带阻等不同类型的滤波器。
(2)零均值化
为了分析信号的统计特性,消除数据中的直流分量,需对信号作零均值处理。设原始信号序列为x(n),则零均值数据序列为:
(3)消除趋势项
趋势项指在随机信号中存在的线性项或缓慢变化的、周期大于记录长度的非线性成分。趋势项的存在,会使时域中的相关分析和频域张的功率谱分析产生较大的误差,甚至使低频谱完全失去真实性。通常采用最小二乘法来消除夹杂在信号中的线性趋势项,具体方法如下:
假定用一个k阶多项式vn来拟合数字信号un,则有:
根据最小二乘原理,选择合适的系数bi,使得vn和un间的误差平方和最小。误差平方和为:
式中,un为原始信号,vn为多项式拟合信号,T为抽样周期,bi为多项式系数。
在消除线性趋势项是b0和b1两项,即取k=1,其中b0为均值,b1为线性趋势项斜率,则:
由此得二项式:vn=b0+b1nT。
结构振动测试常常希望用有限个传感器准确地采集尽可能多的线性无关的振动响应数据,并且测量点的响应越大,越有利于信号的采集与参数的识别,因此对传感器的安装位置应该合理选择,安装位置是否合理将直接影响到被测信号的好坏,以及是否能够准确反映被测对象的振动特征。对传感器位置优化的理论主要包括:(1)有效独立法;(2)有效独立驱动点残差法;(3)振型加权有效独立法。各方法的主要原理如下:
1)有效独立法
有效独立法的主要思想是选择对结构目标振型的独立性贡献最大的结点,以使目标振型的空间分辨率达到最大。通过选择使Fisher信息矩阵行列式值最大的点实现传感器位置的优化,数学表达式如下所示,φ为根据质量归一化的振型,F为Fisher信息矩阵,E为有效独立分配矩阵。
F=φTφ
E=φF-1φT
分配矩阵[E]是一个对称幂等矩阵,它的每个对角线元素代表其对应的测量点对振型矩阵[φ]的秩的贡献程度。Eii取值从0到1,0代表其对目标振型的秩没有贡献,1代表其对目标振型的秩贡献最大。为了使选取的测量点能更好地反映结构的目标振型,应优先选取接近于1的测量点。
2)有效独立-驱动点残差法
有效独立法是通过选择最优测量点以尽可能识别出线性独立的测量模态的一个非常有效的工具,但它并未考虑测量点的响应,因而有可能会选择一些平均响应低的测量点,为了克服这一缺陷,将各个点的平均响应加权有效独立分配矩阵而得到有效独立-驱动点残差法。考虑传感器测量响应类型的不同将各个点的平均响应分为以下几类。
用各个点平均响应加权有效独立分配矩阵可得:
ED=E(i)×ADDOFD(i)
EV=E(i)×ADDOFV(i)
EA=E(i)×ADDOFA(i)
根据结构振动模态试验选定的传感器类型来选择公式计算参数值Ex,Ex越大的点说明其不但对目标振型的空间分辨率贡献高,而且具有较大的平均响应,运用逐步消减法每次循环删除对Ex的行列式的值贡献最小的点,如此循环迭代直到剩余所需的测量点数,剩下的测量点即为有效独立驱动点残差法计算的最优测量点,最优测量点对结构目标振型的空间分辨率贡献最大,并且平均响应也较大利于信号的采集,应优先选取。
3)振型加权有效独立法
有效独立法主要思想是选取对结构目标振型的独立性贡献最大的结点,以使目标振型的空间分辨率达到最大,然而有效独立法在选取测量点时考虑各目标振型的贡献是相同的,然而结构有些阶振型之间的相关度较高在实际中较难识别,或在实际模态测试中可能对某阶或某些阶振型较感兴趣,希望能提高某阶或某些阶振型的测量点布置。为此,提出了振型加权的有效独立法,振型加权有效独立法可根据模态测试需要,对某阶或某些阶振型加权,提高感兴趣振型的权值,从而提高感兴趣振型的空间分辨率,有利于感兴趣振型更好的识别。
振型加权有效独立法,首先对振型进行加权。φ是根据质量归一化的各阶振型,φr是第r阶振型,p是对第r阶振型的加权系数,公式如下:
利用未加权的振型计算Fisher信息矩阵,公式如下:
F=φTφ
利用加权后的振型计算有效独立分配矩阵,公式如下:
EP是振型加权的有效独立分配矩阵,与有效独立法相似,每个对角线元素代表其对应的测量点对振型矩阵的贡献程度。对角线元素越高代表对应的测量点对目标振型的贡献越大,有利于目标振型的空间识别,由于所关心的目标振型经过加权提高,因此也会相应提高对加权振型贡献较大的测量点的参数值,从而增加所关心振型的测量点布置,将有利于所关心振型的空间识别。
获得传感器最优安装位置后,接着要考虑传感器的安装方式,为得到可靠的结果,加速度传感器在振动结构上的安装方式也是非常重要的,在测振过程中,加速度传感器的安装需使预定的测量方向与主灵敏度轴重合,传感器需要与被测物良好接触,如果在水平方向产生滑动,或者在垂直方向脱离接触,都会使测试结果严重畸变,使得测试数据可靠性降低,以至于无法使用。此外,加速度传感器安装连接刚度与传感器质量形成的弹簧-质量***的固有频率,成为安装共振频率,它往往低于传感器的使用频率上限,从而不同安装方式下传感器的安装共振频率也有所差别。因此,采用何种方法将加速度传感器安装到测点上将对测量精度和范围起十分重要的影响。
有载分接开关声学振动信号采集:分接开关的特征信号通过振动传感器、电流互感器转变为电压信号输出,经限压保护、低通滤波和电压跟随信号调理电路后,通过CPLD控制A/D芯片的时序完成通路选择和模数转换等数据采集和转换的过程;待A/D芯片转换结束后产生中断信号,CPLD接收到中断信号后向A/D发送读指令,同时发送INT信号通知DSP读取A/D的转换结果,参阅图3。
在启动***进行信号采集时,首先使用默认配置参数来设定***的存储器资源和总线占用资源,以及中进入主程序的入口设置,所有寄存器清零,断矢量的设置等主程序运行前的准备工作。进入***软件的主程序运行,控制A/D芯片的时序完成信号采样的过程。其中,通过计数器判断A/D芯片的采样次数是否达到设定的次数,若未达到则继续进行采样,反之则进行A/D数据转换。当A/D芯片完成数据转换工作后将输出低电平有效的中断信号,通过判断中断输出端口的信号是否为低电平来确定A/D芯片是否完成了数据转换。当中断信号端口输出低电平信号时(即A/D已完成数据转换),A/D读数据,将14位转换后的数字量存储在SRAM中,最终读取SARM中数据。信号采集控制流程图如图4所示。
振动信号采集与预处理流程如图5所示,采用预处理手段对采集到的分接开关原始振动信号进行处理、采用预滤波方法抑制不需要的频率分量、采用零均值化方法消除数据中的直流分量、采用消除趋势项方法消除线性项或周期大于记录长度的非线性成分。采用短时傅里叶变换等算法,将预处理后的信号进行特征参数提取,通过实验室模拟典型故障,对典型故障特征值与正常情况的特征值进行差异分析。
基于实验室试验数据,采用有效独立算法对传感器的位置进行优化,有效独立算法的优化方法可采用直接法、逐步累积法和逐步消除法进行,通过对比各种不同搜索优化算法对传感器位置选择的影响,选择合适的算法对传感器位置进行优化,通过模态相关度、测点能量或Fisher信息矩阵对测点位置进行评价,最终获得传感器安装的最佳位置。研究传感器安装方式对数据采集信号的影响,分别对胶粘和永磁磁铁吸附这两种方法进行试验与对比分析,从而选择合理的传感器安装方式,最后通过现场试验对传感器的选型、安装位置及方式进行试验验证,振动传感器采用X、Y、Z三维空间多点位测试,试验分析步骤如图6所示。
步骤2:求取信号包络线并设置相应阈值,实现对电机驱动电流信号的监测与特征提取。
驱动电机电流信号分析理论:驱动电机电流的幅值变化若超过一定的范围,则表明开关切换过程出现了异常情况。对电机驱动电流信号的监测与特征提取,采用了求取信号包络线并设置相应阈值的方法。
求取信号的包络线在理论上并不复杂,若由人工绘制包络线,只需要经过大脑的取舍,连接相应的极值点即可得到相应信号的包络,但在数字信号处理***中,则没有那么简单。信号的包络通常有三种提取方法:Hilbert幅值解调法、检波—滤波法和高通绝对值解调法。Hilbert变换而得的解析信号实部为信号本身,虚部为其Hilbert变换,解析信号的幅值即为信号的包络:检波—滤波法是原信号作检波处理,然后再零均值化,设置以厂为中心频率的带通滤波,可得到以厂为主要成分的包络信号;高通绝对值法是对零均值的时域信号作高通滤波,取绝对值后再低通滤波,低通频率的选择决定了包络信号的频率成分。高通绝对值法是对信号中线的包络,检波—滤波法是对信号正半周中线的包络,两者得到的解调幅值谱都不是真实的包络幅值。而Hilbert法解调出的包络是对信号绝对值的包络,其解调幅值代表真实的信号包络,且在数字信号处理***中,Hilbert变换可方便地借助快速傅里叶变换来实现,因此,本发明采用Hilbert变换法提取电流信号的包络。
可将驱动电机电流采集硬件***安装在电动操动机构箱内,通过远程软件***实时检测分接开关动作过程中的电机电流信号,并基于此进行开关机构卡涩故障诊断。采用Hilbert变换法提取电流信号的包络,求取信号包络具体推导过程如图7。正确求取电机驱动电流信号包络线后,提取特征值平均电流、稳态时电流最小与最大的差值、操作长度。其中平均电流(稳态时的平均电流),主要判断电机负载增加问题。稳态时电流最小与最大的差值,主要判断主齿轮、轴承以及传动机构的润滑问题。操作长度(初始电流及电流结束之间的总时间)主要判断升/降挡特性,奇/偶挡特性。
步骤3:分接开关故障诊断及运行状态评估。
(1)故障诊断算法
1)短时傅里叶变换
分接开关振动信号是非平稳信号,需要使用时域与频域的二维联合表示,才能得到精确的描述。
短时Fourier变换又称加窗Fourier变换,由Gabor1946年提出。其基本思想是:把信号划分成许多小的时间间隔,用Fourier变换分析每一个时间间隔,以确定该间隔存在的频率,以达到时频局部化之目的。短时Fourier变换的表达式为:
式中,为g(t)的共轭,g(t)为时限函数,又称窗口函数,起时限作用;e-iωt起频限作用。g(t)与e-iωt结合可起时频局部化作用。Fgf(ω,τ)大致反映了f(t)其在时刻τ时、频率为ω的信号成分的相对含量。
由上面定义知,加窗Fourier变换能实现一定程度的时频局部化,适用于确定性的平稳信号。一旦窗函数确定,窗口的大小和形状固定,则其时、频分辨率是单一的。设ω=mω0,τ=nτ0,ω0、τ0分别频域、时域取样步长;当窗函数g(t)不变,则对不同的频率成分mω0,在时域上的取样步长均是τ0。
若窗函数满足下式:
则信号可以有其STFT变换完全重构出来,其广义反变换可写成:
2)离散短时傅里叶变换
在实际应用中,需要对FSTFTx(t,f)进行离散化处理,为此在时频面上等间隔时频网格点(mT,nF)处采样,其中T和F分别为时间变量和频率变量的采样间隔。令x(k)表示信号x(t)的离散形式,k=0,1,2,…,N-1;m,n=0,1,2,…,N-1,N为总采样点数,则STFT变换的离散形式为:
可见,STFT变换结果为1个两维复数矩阵,并且可利用FFT变换实现快速计算,其幅值矩阵可表示为:
A(m,n)=|FSTFT(m,n)|
由得到的信号STFT变换幅值矩阵,其行对应采样时间点,列对应频率值,矩阵元素为对应的频谱幅值,需要说明的是此时的频率坐标值n对应的实际频率等于n/(NT),N为总的采样点数,变量n的取值范围n=0,1,2,…,N/2-1。由此,幅值矩阵A(m,n)中各行向量为对应时刻的频谱,各列向量为各频率频谱的时间分布。
(2)状态评估方法
状态评估方法需要对分接开关不同故障信号进行处理,以获得一种评估准则,最终能实现通过对某一现场信号的特征,以及其与评估准则中阈值的差异度进行判断,获得信号所对应的分接开关所处状态。评估方法的基础是信号处理,评估方法有很多,本发明选取了基于支持向量机的评估方法。
支持向量机应用于分接开关状态评估的原理是:以分接开关各状态量为输入,然后调整支持向量机相关的参数进行学习与测试,可以使得输入不同的样本得到相应的输出值。采用这种方法训练一定数量的样本之后就可以得到一个评估***,然后将各个指标的权重系数储存在训练模型之中,就能够实现非线性回归,如图8。
分接开关的振动信号直接反映了某类故障的特征参数,是状态评估的基础。对故障机理的深入研究,对振动信号对应的各状态量之间的内在联系的清晰认识,是进行准确状态评估的必要前提。状态评估过程是一个主观的过程,评估结果的准确性受人为因素的影响很大。在各振动特征信号对分接开关健康状况影响考虑中,需对各状态量的权重系数进行赋值,并通过大量数据进行修正完善。同时,评估过程中难免会有故障信号误判或漏判,需要对状态评估的判断准则进行修正与完善,请参阅图9。
1、实验室振动信号采集及处理
通过实验室变压器有载分接开关进行故障信号采集和处理,提取对应故障类型的主要故障特征,分析其与正常状态下的差异。
2、现场振动信号采集及处理
通过对大量的现场变压器有载分接开关进行信号检测,采集大量的OLTC振动信号并分析。使用滤波器处理采集的振动信号,获得其特征振动信号。提取出振动特征,并跟实际的OLTC典型异常运行、故障案例的特征信号进行对比分析。不同的典型指标量可以反映不同的OLTC切换动作正常、异常、故障运行状态,采用合适的数据处理方法量化反映OLTC的实际运行状态及长期的运行趋势。可采用数据归一化处理,以相对值数值的大小初步判断设备相关联的运行状态。
3、振动特征差异度的状态评估
分析特征信号并对其进行描述,根据得到的振动信号波峰时刻、幅值等信息对OLTC正常与典型故障下的特性进行对比,通过使用基于支持向量机的评估方法等,请参阅图10,使用各故障对应信号特征的差异度得到OLTC典型工作状态的评价准则,确定差异度阈值。使用评价准则中的差异度阈值来确定分接开关在各个阈值内的运行状态。
4、修正完善
应用开发的基于振动分析法的有载分接开关机械特性在线监测***,开展现场工况下有载分接开关机械特性的检测和诊断,根据现场测试结果,讨论检测装置误差产生的原因并提出相应的改进措施,完善有载分接开关机械特性在线监测***及相应的故障诊断算法。
本发明通过对有载分接开关操作长度(初始电流及电流结束之间的总时间)、平均电流(初始电流及电流结束之间的总时间)、稳态时电流最小与最大的差值、换挡时长(挡位切换结束和电流结束的时间差值)、高频/低频最高幅值等特征值检测分析,综合判断有载分接开关升/降挡特性或奇/偶挡特性、电机负载、润滑问题、同步及制动、触头磨损等问题,实现了分接开关故障类型判别的预期目标,故障诊断方案如下图11所示。
本发明基于振动原理,通过高精度振动加速度传感器、电流互感器分别对分接开关振动信号及驱动电机电流信号进行采集,利用数学分析方法对信号进行特征识别,实现分接开关运行状态在线监测,可实现分接开关并联同步一致性的精确判别。本项目基于可靠性和预防性为中心的检修技术,实现分接开关潜伏性故障早期征兆的识别,对故障部位、故障严重程度及发展趋势的判断,对运行状态评估,制定了可靠的维修计划,从而支撑分接开关的运行维护,可有效延长分接开关使用寿命,提升输变电***的安全运行水平。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (10)
1.基于振动原理的变压器分接开关状态在线监测方法,其特征在于,包括如下步骤:
步骤1:针对变压器有载分接开关开展声学振动信号采集与预处理,确定并验证声学振动信号传感器选型、传感器优选安装方式及位置,提高传感器可靠性和准确性;
步骤2:求取信号包络线并设置相应阈值,实现对电机驱动电流信号的监测与特征提取;
步骤3:分接开关故障诊断及运行状态评估。
2.如权利要求1所述的基于振动原理的变压器分接开关状态在线监测方法,其特征在于,综合故障诊断***的数据,来源于传感测试***,多传感器监测信号经过信号预处理、相应的信号特征提取后,由分析***进行逻辑推理,并可根据需要随时调用振动信号综合分析处理程序,再将推理结果进行融合处理,最终将诊断结论与推理解释等信息一同输出,完成分接开关机械性能的综合故障诊断。
3.如权利要求1所述的基于振动原理的变压器分接开关状态在线监测方法,其特征在于,步骤1的有载分接开关声学振动信号采集包括的步骤如下:
分接开关的特征信号通过振动传感器、电流互感器转变为电压信号输出,经限压保护、低通滤波和电压跟随信号调理电路后,通过CPLD控制A/D芯片的时序完成通路选择和模数转换数据采集和转换的过程;待A/D芯片转换结束后产生中断信号,CPLD接收到中断信号后向A/D发送读指令,同时发送INT信号通知DSP读取A/D的转换结果。
4.如权利要求3所述的基于振动原理的变压器分接开关状态在线监测方法,其特征在于,在启动***进行信号采集时,首先使用默认配置参数来设定***的存储器资源和总线占用资源,以及中进入主程序的入口设置,所有寄存器清零,断矢量的设置等主程序运行前的准备工作。
5.如权利要求1所述的基于振动原理的变压器分接开关状态在线监测方法,其特征在于,步骤1的预处理包括预滤波、零均值化以及消除趋势项。
6.如权利要求1所述的基于振动原理的变压器分接开关状态在线监测方法,其特征在于,步骤2将驱动电机电流采集硬件***安装在电动操动机构箱内,通过远程软件***实时检测分接开关动作过程中的电机电流信号,并基于此进行开关机构卡涩故障诊断。
7.如权利要求1所述的基于振动原理的变压器分接开关状态在线监测方法,其特征在于,步骤3包括实验室振动信号采集及处理、现场振动信号采集及处理、振动特征差异度的状态评估及修正完善。
8.如权利要求7所述的基于振动原理的变压器分接开关状态在线监测方法,其特征在于,针对实验室振动信号采集及处理,通过实验室变压器有载分接开关进行故障信号采集和处理,提取对应故障类型的主要故障特征,分析其与正常状态下的差异。
9.如权利要求7所述的基于振动原理的变压器分接开关状态在线监测方法,其特征在于,针对现场振动信号采集及处理,通过对大量的现场变压器有载分接开关进行信号检测,采集大量的OLTC振动信号并分析,使用滤波器处理采集的振动信号,获得其特征振动信号,提取出振动特征,并跟实际的OLTC典型异常运行、故障案例的特征信号进行对比分析。
10.如权利要求7所述的基于振动原理的变压器分接开关状态在线监测方法,其特征在于,针对振动特征差异度的状态评估,分析特征信号并对其进行描述,根据得到的振动信号波峰时刻、幅值等信息对OLTC正常与典型故障下的特性进行对比,通过使用基于支持向量机的评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111344532.3A CN114325361A (zh) | 2021-11-15 | 2021-11-15 | 基于振动原理的变压器分接开关状态在线监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111344532.3A CN114325361A (zh) | 2021-11-15 | 2021-11-15 | 基于振动原理的变压器分接开关状态在线监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114325361A true CN114325361A (zh) | 2022-04-12 |
Family
ID=81045558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111344532.3A Pending CN114325361A (zh) | 2021-11-15 | 2021-11-15 | 基于振动原理的变压器分接开关状态在线监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114325361A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116577716A (zh) * | 2023-07-06 | 2023-08-11 | 西安高压电器研究院股份有限公司 | 一种电流传感器振动特性测试方法、相关设备及相关*** |
CN116956203A (zh) * | 2023-09-21 | 2023-10-27 | 山东和兑智能科技有限公司 | 一种变压器分接开关动作特性测量方法及*** |
CN117150421A (zh) * | 2023-11-01 | 2023-12-01 | 江苏沙洲电气有限公司 | 一种新的低压开关柜数据监测方法及*** |
-
2021
- 2021-11-15 CN CN202111344532.3A patent/CN114325361A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116577716A (zh) * | 2023-07-06 | 2023-08-11 | 西安高压电器研究院股份有限公司 | 一种电流传感器振动特性测试方法、相关设备及相关*** |
CN116577716B (zh) * | 2023-07-06 | 2023-10-20 | 西安高压电器研究院股份有限公司 | 一种电流传感器振动特性测试方法、相关设备及相关*** |
CN116956203A (zh) * | 2023-09-21 | 2023-10-27 | 山东和兑智能科技有限公司 | 一种变压器分接开关动作特性测量方法及*** |
CN116956203B (zh) * | 2023-09-21 | 2023-12-15 | 山东和兑智能科技有限公司 | 一种变压器分接开关动作特性测量方法及*** |
CN117150421A (zh) * | 2023-11-01 | 2023-12-01 | 江苏沙洲电气有限公司 | 一种新的低压开关柜数据监测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114325361A (zh) | 基于振动原理的变压器分接开关状态在线监测方法 | |
Kim et al. | Fault diagnosis of a power transformer using an improved frequency-response analysis | |
CN110728257B (zh) | 基于振动灰度图像的变压器绕组故障监测方法 | |
CN108802535B (zh) | 筛选方法、主干扰源识别方法及装置、服务器及存储介质 | |
WO2013185405A1 (zh) | 电力变压器铁芯松动故障诊断与故障初步定位***及方法 | |
CN109581270B (zh) | 基于小波多尺度变换快速辨识cvt故障的方法 | |
CN106371002A (zh) | 一种基于希尔伯特黄变换算法对断路器故障诊断的方法 | |
CN110991481B (zh) | 一种基于交叉小波变换的高压并联电抗器内部松动故障诊断方法 | |
CN104251953A (zh) | 一种电力变压器有载分接开关触头松动故障诊断法及装置 | |
CN114152825A (zh) | 变压器的故障诊断方法、装置和变压器的故障诊断*** | |
CN114486259A (zh) | 优化变分模态分解的分布式光纤声传感***的信号处理方法 | |
Yu et al. | A new method to select frequency band for vibration signal demodulation and condition estimation of rolling bearings | |
Zhou et al. | Multi-node feature learning network based on maximum spectral harmonics-to-noise ratio deconvolution for machine condition monitoring | |
Wan et al. | Adaptive asymmetric real Laplace wavelet filtering and its application on rolling bearing early fault diagnosis | |
CN117630800A (zh) | 一种电能表自动检定装置故障诊断方法及*** | |
Tse et al. | Enhanced eigenvector algorithm for recovering multiple sources of vibration signals in machine fault diagnosis | |
CN110929673A (zh) | 一种基于itd排列熵和cgwo-svm的变压器绕组振动信号识别方法 | |
CN115343579B (zh) | 一种电网故障分析方法、装置及电子设备 | |
CN110645887A (zh) | 一种基于短路电抗的绕组变形判断方法 | |
Ma et al. | Envelope demodulation method based on SET for fault diagnosis of rolling bearings under variable speed | |
Cui et al. | Egram based SVD method for gear fault diagnosis | |
CN113032915A (zh) | 一种制造装备主轴轴承健康状态评估方法及装置 | |
Qian et al. | Fault Diagnosis of On-Load Tap-Changer Based on the Parameter-adaptive VMD and SA-ELM | |
Ma et al. | A novel time-frequency slice extraction method for target recognition and local enhancement of non-stationary signal features | |
Chen et al. | Noise-robust adaptive feature mode decomposition method for accurate feature extraction in rotating machinery fault diagnosis |
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 |