CN114924157A - 一种基于5g传输的并联电抗器状态监测方法及*** - Google Patents

Abstract

本申请公开了一种基于5G传输的并联电抗器状态监测方法及***，方法包括以下步骤：通过仿真计算得到不同故障类型下并联电抗器油箱表面的振动多特征量；采集并联电抗器油箱表面的振动信号，并对振动信号进行计算，得到并联电抗器的第一信号特征；采集并联电抗器电信号，并根据电信号得到并联电抗器的第二信号特征；将第一信号特征分别与振动多特征量和第二信号特征进行特征量对比，判断并输出第一信号特征变化的原因。本申请能够广泛应用于变电站中的高压并联电抗器中，同时由于加速度传感器是吸附于油箱表面，因此对高压并联电抗器内部的绝缘状态不会产生任何影响，具有安全可靠的优点。

Description

一种基于5G传输的并联电抗器状态监测方法及***

技术领域

本申请涉及电气设备监测领域，具体涉及一种基于5G传输的并联电抗器状态监测方法及***。

背景技术

为增强电力***中的无功补偿与无功平衡，抑制***过电压，提高电能质量和供电可靠性，高压并联电抗器得到了广泛的使用。高压并联电抗器运行过程中产生强烈的振动与噪声，不仅影响周围居民的生活质量，也会导致电抗器紧固件松动以及加速构件老化，极端情况下可引起设备发生严重故障。据统计，故障状态下高压并联电抗器的振动显著增强，由过量振动引发的部件松动破损是继装配问题与设计缺陷之后最为主要的故障原因。随着投运数量的不断增长，高压并联电抗器的监测与诊断也越来越受到重视。而目前常用的电气量监测、油色谱监测等方法均难以发现此类故障。

并联电抗器由于含有大量的气隙，运行过程中的振动比同电压等级电力变压器大很多，过量的振动更容易使其绕组和铁心变形，引发故障。实践研究中，人们发现振动信号往往与设备的机械状态密切相关，基于振动信号的机械故障诊断方法已经在变压器等电力设备中得到了广泛的研究，一些现代信号处理方法也被引用到振动信号的处理中并取得到了较好的效果。但关于电抗器的研究主要集中在优化设计、物理场分析、减振降噪等方面，比较成熟的检测技术大多需要停机进行，而并联电抗器停机对正常供电影响较大，需要较高的经济成本。同时并联电抗器的振动信号受运行方式和环境的影响较大，振动特性不能线性地指向其内部的具体缺陷，目前还缺乏广泛认可的判断标准，其状态监测与故障诊断技术的困难主要是干扰的抑制和故障判据的确立。因此，需要研究并联电抗器的在线振动检测技术，通过监测获得的振动数据进行分析、判断，完成状态评估和故障诊断，对提高电力***供电可靠性、延长电抗器服役寿命及节约维修成本具有理论意义和应用价值。

高压并联电抗器的振动在线监测普遍利用光纤通道采集各测点振动信号，但受限于工程实施、经济性等因素。5G无线通信具有大带宽、低时延、低误码率等特点，可以解决利用高压并联电抗器多点信息进行故障处理对光纤网络的依赖。因此，有必要研究利用5G通信支撑信息交互，通过监测获得的振动数据进行分析、判断，完成状态评估和故障智能诊断，对提高电力***供电可靠性、延长电抗器服役寿命及节约维修成本具有理论意义和应用价值。

发明内容

本申请提取不同故障状态下并联电抗器的振动多特征量数据库，通过并联电抗器在线采集的第一信号特征与振动多特征量和第二信号特征的对比，诊断并联电抗器的在线运行状态，最终通过5G传输到云平台上进行可视化显示，供操作人员远程对并联电抗器的状态进行实时掌握。

为实现上述目的，本申请提供了以下技术方案：

一种基于5G传输的并联电抗器状态监测方法，包括以下步骤：

S1.通过仿真计算得到不同故障类型下并联电抗器油箱表面的振动多特征量；

S2.采集并联电抗器油箱表面的振动信号，并对所述振动信号进行计算，得到并联电抗器的第一信号特征；

S3.采集并联电抗器电信号，并根据所述电信号得到并联电抗器的第二信号特征；

S4.将所述第一信号特征分别与所述振动多特征量和所述第二信号特征进行特征量对比，得到并联电抗器状态变化原因。

优选的，得到所述振动多特征量的方法包括：

基于并联电抗器工作原理和电-磁-机械多物理场耦合理论建立仿真模型，基于所述仿真模型计算并联电抗器各类故障情况下的油箱振动特性，并对所述振动特性进行时频域分析，得到所述振动多特征量。

优选的，得到所述第一信号特征的方法包括：

基于所述振动信号，采用小波分解法对所述振动信号进行频域分解，得到所述第一信号特征。

优选的，所述电信号包括：电压和电流时域信号。

优选的，得到所述第二信号特征的方法包括：

采集并联电抗器的电压和电流时域信号，对所述电压和电流时域信号进行频域分解，得到所述第二信号特征。

优选的，所述并联电抗器状态变化原因包括：电压和电流激励变化和并联电抗器硬件故障。

优选的，所述特征量对比方法包括：

将所述振动多特征量、所述第一信号特征和所述第二信号特征通过5G网络传输至智能物联网云平台，将所述第二信号特征与所述第一信号特征进行对比，判断所述第一信号特征是否因所述第二信号特征变化而变化；

若判断为是，则判定所述并联电抗器状态变化原因为电压和电流激励变化，若判断为否，则将所述振动多特征量与所述第一信号特征进行对比，判定并输出所述并联电抗器硬件故障的类型。

本申请还提供了一种基于5G传输的并联电抗器状态监测***，包括：故障仿真模块、振动采集模块、电信号采集模块和对比模块；

所述故障仿真模块与所述振动采集模块连接，所述故障仿真模块用于通过仿真计算得到不同故障类型下并联电抗器油箱表面的振动多特征量；

所述振动采集模块还与所述电信号采集模块连接，所述振动采集模块用于采集并联电抗器油箱表面的振动信号，并对所述振动信号进行计算，得到并联电抗器的第一信号特征；

所述电信号采集模块还与所述对比模块连接，所述电信号采集模块用于采集并联电抗器电信号，并根据所述电信号得到并联电抗器的第二信号特征；

所述对比模块用于将所述第一信号特征分别与所述振动多特征量和所述第二信号特征进行特征量对比，判断并输出第一信号特征变化的原因。

优选的，所述对比模块包括：5G传输装置和智能物联网云平台；

所述5G传输装置用于传输所述振动多特征、所述第一信号特征和所述第二信号特征；

所述智能物联网云平台用于实现远程数据处理和状态监测。

本申请的有益效果为：

(1)通过并联电抗器油箱表面振动对其故障进行诊断，具有非侵入性，避免将传感器置于并联电抗器内部而导致放电和损坏绝缘的风险，便于工程应用；

(2)变电站内具有高电压和强磁场的特点，对传感器的布线要求很高，采用5G传输具有为短时延和免布线的优点，在掌握并联电抗器状态的同时也利于保障变电站的安全可靠运行；

(3)结合电压和电流的时频域特性能更准确地诊断并联电抗器铁心和绕组松动等故障，能准确判断并联电抗器的实时运行状态，避免了事故的产生，节省了大量的人力物力，具有非常显著的经济效益。

附图说明

为了更清楚地说明本申请的技术方案，下面对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请一种基于5G传输的并联电抗器状态监测方法流程示意图；

图2为本申请一种基于5G传输的并联电抗器状态监测***结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

实施例一

在本实施例一中，如图1所示，一种基于5G传输的并联电抗器状态监测方法，首先，从电磁原理方面研究并联电抗器的工作原理，再从电-磁-机械多物理场耦合的角度，结合磁致伸缩、麦克斯韦应力和电磁力，建立并联电抗器的磁-机械多物理场仿真模型，仿真计算得到并联电抗器各类故障(包括铁心和绕组不同程度的松动等)的油箱振动特性，对油箱振动特性进行时频域分析，得到不同故障类型下油箱表面的振动多特征量。并联电抗器的振动理论如下：

上式中，ε_p是预应力下的弹性应变。方程(1)中的第一项是预应力σ_p下的应变，其中E是固有杨氏模量。λ(σ_p)是初始磁致伸缩应变，ε_c为总磁致伸缩应变，M_s(σ_p)为预应力作用下饱和壁面移动磁化强度，λ_m(0)是磁环测量的饱和磁致伸缩系数。

二维麦克斯韦应力法表明，F_max的磁力可以通过麦克斯韦应力张量T_m的表面积分来计算，计算公式为：

上式中，T_m是一个二阶张量，S是一个封闭的表面，围绕着空气中的整个磁性物质。

根据弹性力学理论，考虑到磁性材料的正交各向异性特性，二维应力应变本构关系如下：

上式中，σ为法向应力，τ为剪应力，ν为泊松比，E为弹性模量，ε为法向应变，γ为剪应变。

并联电抗器铁心的阻尼效应可以忽略，因此振动方程可以简化如下：

上式中，m是质量矩阵，k是刚度矩阵，u是位移向量。F_vms是磁致伸缩体积力，F_vmax是麦克斯韦体积力。通过计算得到并联电抗器油箱的位移数据，再对位移的时域数据求两次偏导，即可得到油箱上的加速度时域数据。

其次，采用高灵敏度的压电式加速度传感器采集并联电抗器油箱上的振动信号，并利用LabView软件建立并联电抗器振动在线监测平台，并通过5G传输到数据采集器中，数据经过采集器储存到硬盘中，通过算法对时域信号进行频域分解，得到并联电抗器的时频域振动信号特征。

目前可用于时频域振动特征分析的方法有：短时傅里叶变换、小波分解法和经验模态分解法。小波分析方法是一种多尺度分析方法，对信号中的低频分量和高频分量分别采用较宽的时窗和较窄的时窗，这种多尺度分析方法具有较好的局部分析特性，可以更多地获取信号中的信息。小波分析非常适合于具有瞬态性和随机性的振动与声信号，因此，本申请采用小波分解法。

小波变换的定义为：设是平方可积函数，若其傅里叶变换满足如下条件：

其中ψ(ω)为ψ(t)的傅里叶变换，那么ψ(t)称为一个基小波或小波母函数。函数f(t)关于某一个小波母函数ψ的连续小波变换(CWT)定义为：

其中，f∈L²(R)，即f(t)为一平方可积函数，ψ^*为ψ的共轭，

通常记为ψ_a,τ(t)，称为小波基函数，a>0，a为小波变换的尺度，表示小波基函数时间窗口的大小。当a逐渐增大时，ψ_a,τ(t)的时间窗口Δt_a,τ逐渐增大，而其频域窗口Δω_a,τ相应减小，中心频率逐渐降低。因此小波变换的时域局部化性能良好。当检测高频部分时，时域窗变窄；检测低频部分时，时域窗变宽。称Vt·Vω为窗口面积，则窗口面积固定不变，即：

海森堡测不准原理阐明了连续小波基函数的窗日面积不随参数a和τ而改变的现象。尺度的倒数1/a—定意义上对应于频率ω，即尺度a越小，对应频率越高，a越大，对应频率越低。

为了减少小波变换系数冗余，一般将小波基函数ψ_a,τ(t)的a和τ限定在一些离散点上取值。一种通常的做法就是将尺度a按幕级数进行离散，取a_j＝a₀ ^j，而通常对τ进行均匀离散取值，覆盖整个时间轴。在工程应用中一般取a＝2，即二分法。从二分法上可以得出二进制小波变换方法，进而构造出二进制滤波器，进而产生一系列正交的二进制小波基，这些二进制小波基组成小波包基，可以提取信号任意频率位置和范围的信息。利用小波包分解算法提取振动信号子频带能量特征集的步骤如下：

(1)对并联电抗器振动原始信号进行J层小波包分解，分解层数的选择需要综合考虑到机械部件振动信号是频谱结构及故障特征频率的分布，及计算速度的要求。

(2)重构小波包分解系数，提取各子频带信号能量。设P_jk为第k层第j个频带的重构信号d_jk对应的信号能量，则有：

其中，x_jm表示重构信号的离散点的幅值。

(3)构造能量特征集

T＝{P_j0，P_j1，…，P_js} (11)

其中，s＝2^j-1，然后再对特征向量进行归一化无量纲处理，可以得到子频带能量特征集。

为了提高振动多特征量故障诊断精度，以100Hz和200Hz振动能量占比下降和总谐波畸变率上升为故障诊断依据，公式如下：

上式中，Q₁为能量占比，Q₂为总谐波畸变率，P_100Hz和P_100Hz分别为100Hz和200Hz振动能量，P_f为频率为f Hz的振动能量，将正常状态和故障状态的能量占比和总谐波畸变率提取形成数据库，再根据提取的能量占比和总谐波畸变率确定故障状态和正常状态的阈值，进而将并联电抗器运行过程中的能量占比和总谐波畸变率与相应的阈值进行对比，当能量占比和总谐波畸变率同时满足各自的阈值范围之内时，初步输出第一阶段所判断出的并联电抗器运行状态。

再次，利用电压互感器和电流互感器同时采集并联电抗器的电压和电流时域信号，将电压和电流的时域信号进行分解，得到其第二信号特征，将第一信号特征与第二信号特征进行对比，判断是否为电压和电流变化导致的第一信号特征发生变化，如果为电压和电流变化导致的第一信号特征发生变化，则输出由于电压和电流变化导致并联电抗器非正常振动现象的结果，如果电压和电流变化不是并联电抗器振动状态发生变化的原因，则进行下一步。

最后，将第一信号特征与振动多特征量进行对比，如果满足某种故障状态的振动多特征量，则输出该类故障，做相应的提示，提示的故障种类为：绕组松动、铁心松动、绕组短路。并结合5G传输，实现并联电抗器的振动数据能够实时传输到智能物联网云平台上，并实现远程数据处理和状态观测，云平台的界面包含并联电抗器各个测点的振动时域波形和频谱图、电压电流时域波形与频谱图。此***能够实现对电抗器油箱表面多个振动信号的监测，通过提取振动信号中的特征信息来剖析铁心和绕组的机械特性变化情况，并由此对并联电抗器的实际状态进行判断。并联电抗器内部的机械特性若发生改变，均可过振动信号中的特征信息反映出来，具有很高的灵敏度。

实施例二

在本实施例二中，如图2所示，一种基于5G传输的并联电抗器状态监测***，包括：故障仿真模块、振动采集模块、电信号采集模块和对比模块；

故障仿真模块与振动采集模块连接，故障仿真模块用于通过仿真计算得到不同故障类型下并联电抗器油箱表面的振动多特征量；振动采集模块还与电信号采集模块连接，振动采集模块用于采集并联电抗器油箱表面的振动信号，并对振动信号进行计算，得到并联电抗器的第一信号特征；电信号采集模块还与对比模块连接，电信号采集模块用于采集并联电抗器电信号，并根据电信号得到并联电抗器的第二信号特征；对比模块用于将第一信号特征分别与振动多特征量和第二信号特征进行特征量对比，判断并输出第一信号特征变化的原因。其中，对比模块包括：5G传输装置和智能物联网云平台；5G传输装置用于传输振动多特征、第一信号特征和第二信号特征；智能物联网云平台用于实现远程数据处理和状态监测。

以上所述的实施例仅是对本申请优选方式进行的描述，并非对本申请的范围进行限定，在不脱离本申请设计精神的前提下，本领域普通技术人员对本申请的技术方案做出的各种变形和改进，均应落入本申请权利要求书确定的保护范围内。

Claims (9)

1.一种基于5G传输的并联电抗器状态监测方法，其特征在于，包括以下步骤：

S1.通过仿真计算得到不同故障类型下并联电抗器油箱表面的振动多特征量；

S2.采集并联电抗器油箱表面的振动信号，并对所述振动信号进行计算，得到并联电抗器的第一信号特征；

S3.采集并联电抗器电信号，并根据所述电信号得到并联电抗器的第二信号特征；

S4.将所述第一信号特征分别与所述振动多特征量和所述第二信号特征进行特征量对比，得到并联电抗器状态变化原因。

2.根据权利要求1所述基于5G传输的并联电抗器状态监测方法，其特征在于，得到所述振动多特征量的方法包括：

基于并联电抗器工作原理和电-磁-机械多物理场耦合理论建立仿真模型，基于所述仿真模型计算并联电抗器各类故障情况下的油箱振动特性，并对所述振动特性进行时频域分析，得到所述振动多特征量。

3.根据权利要求1所述基于5G传输的并联电抗器状态监测方法，其特征在于，得到所述第一信号特征的方法包括：

基于所述振动信号，采用小波分解法对所述振动信号进行频域分解，得到所述第一信号特征。

4.根据权利要求1所述基于5G传输的并联电抗器状态监测方法，其特征在于，所述电信号包括：电压和电流时域信号。

5.根据权利要求4所述基于5G传输的并联电抗器状态监测方法，其特征在于，得到所述第二信号特征的方法包括：

采集并联电抗器的电压和电流时域信号，对所述电压和电流时域信号进行频域分解，得到所述第二信号特征。

6.根据权利要求1所述基于5G传输的并联电抗器状态监测方法，其特征在于，所述并联电抗器状态变化原因包括：电压和电流激励变化和并联电抗器硬件故障。

7.根据权利要求6所述基于5G传输的并联电抗器状态监测方法，其特征在于，所述特征量对比方法包括：

将所述振动多特征量、所述第一信号特征和所述第二信号特征通过5G网络传输至智能物联网云平台，将所述第二信号特征与所述第一信号特征进行对比，判断所述第一信号特征是否因所述第二信号特征变化而变化；

若判断为是，则判定所述并联电抗器状态变化原因为电压和电流激励变化，若判断为否，则将所述振动多特征量与所述第一信号特征进行对比，判定并输出所述并联电抗器硬件故障的类型。

8.一种基于5G传输的并联电抗器状态监测***，其特征在于，包括：故障仿真模块、振动采集模块、电信号采集模块和对比模块；

所述故障仿真模块与所述振动采集模块连接，所述故障仿真模块用于通过仿真计算得到不同故障类型下并联电抗器油箱表面的振动多特征量；

所述振动采集模块还与所述电信号采集模块连接，所述振动采集模块用于采集并联电抗器油箱表面的振动信号，并对所述振动信号进行计算，得到并联电抗器的第一信号特征；

所述电信号采集模块还与所述对比模块连接，所述电信号采集模块用于采集并联电抗器电信号，并根据所述电信号得到并联电抗器的第二信号特征；

所述对比模块用于将所述第一信号特征分别与所述振动多特征量和所述第二信号特征进行特征量对比，判断并输出第一信号特征变化的原因。

9.根据权利要求8所述基于5G传输的并联电抗器状态监测***，其特征在于，所述对比模块包括：5G传输装置和智能物联网云平台；

所述5G传输装置用于传输所述振动多特征、所述第一信号特征和所述第二信号特征；

所述智能物联网云平台用于实现远程数据处理和状态监测。

Images