基于空载合闸振动信号的变压器绕组松动故障诊断研究

提出了一种基于空载合闸暂态振动信号的变压器绕组松动故障诊断方法,利用变分模态分解分解后模态分量的频谱峰值和振动信号的样本熵值实现对故障程度的判断,并通过试验验证了该方法的正确性。     

基于模态分析的变压器铁芯故障诊断

为诊断变压器铁芯松动故障,提出了基于模态分析的故障诊断方法,通过变压器振动信号与铁芯固有频率的共振响应识别变压器故障。该方法的应用首先需要确定变压器铁芯固有频率随铁芯松动的变化规律,采用仿真软件ANSYS Workbench确定了变压器样机不同预紧力下铁芯固有频率的变化规律,再结合实验条件下采集的变压器铁芯故障前后的振动信号,验证了振动信号与铁芯固有频率的共振响应可以有效反映变压器故障状态。研究结果表明,铁芯固有频率会随着松动程度增加而减小。变压器样机发生铁芯松动故障后,振动信号与铁芯固有频率在500 Hz分量处发生共振,幅值出现显著增大。     

基于VMD的变压器绕组松动故障分析与诊断

为了及时有效地诊断变压器绕组松动故障,针对变压器空载合闸振动信号,提出了一种基于变分模态分解(VMD)的分析方法。首先运用VMD对绕组松动前后变压器表面合闸振动信号进行最优模态分解,建立信息熵—峭度—相关系数综合评价模型,并运用熵权—TOPSIS法提取特征模态分量;通过计算变压器振动信号能量熵进一步判定绕组状态;最后搭建测试平台进行实验验证。结果表明,绕组松动和正常状态下变压器振动信号在特征频率和能量分布上均存在明显差异,该方法为变压器绕组松动故障诊断提供了新的思路。     

基于合闸暂态振动信号分析的变压器绕组松动缺陷早期诊断

本文中作者为了分析变压器合闸振动信号特征,提出一种基于经验小波变换的振动信号处理方法,并通过试验验证了该方法的可行性.     

空载合闸冲击条件下变压器绕组轻微松动预警

本文针对变压器在空载合闸冲击时产生的振动信号,提出了一种基于空载合闸冲击条件下变压器绕组轻微松动预警方法。首先,采用小波变换将变压器空载合闸振动信号转换成时频谱图,然后再提取时频图像的纹理特征和形状特征作为特征向量并输入到支持向量机进行分类识别。试验结果表明,所提方法能准确识别变压器轻微松动故障。     

基于振动信号指标能量的变压器机械故障检测

针对变压器机械状态的检测问题,文中提出了一种基于振动信号本征模态函数(Intrinsic Mode Function,IMF)指标能量的变压器绕组、铁芯机械状态检测方法。根据IMF的能量特征,建立了基于IMF指标能量的二元特征向量。通过实验测试对比分析了正常状态与故障状态下,变压器振动信号基于指标能量的特征向量变化情况。研究结果表明,发生故障前后,变压器振动信号基于指标能量的特征向量变化明显,可以依据该特征向量对变压器的机械状态进行检测。     

GIS振动机理及固有频率研究

利用振动信号对气体绝缘开关设备(gas insulated switchgear,简称GIS)进行状态监测与故障诊断具有独特优势。文章首先研究了GIS正常运行时的振动机理,从电磁力与磁致伸缩两个方面分析GIS正常运行时的振动特性。对GIS异常振动分类研究,分析利用振动法对GIS进行状态监测及故障诊断的可行性及必要性。固有频率是影响设备振动的重要因素,文章研究了GIS模态分析方法,对GIS气室进行分类研究,从模型构建、边界约束条件等方面研究了GIS振动模态分析的方法,通过模态分析研究GIS气室的固有频率,并与模态试验结果相比较,结果表明通过对GIS的模态分析可以较为准确地获得GIS的固有频率。     

基于空载合闸振动信号的变压器绕组松动诊断

针对变压器空载合闸机械振动特性,采用小波包变换对其振动信号进行分析。在实验中,模拟了变压器正常和绕组松动2种状态,对其空载合闸时的振动信号进行采集,并采用小波包-能量谱分析得到各个尺度上能量的百分比作为特征量对2种状态下的振动信号进行特征提取和对比分析。实验结果表明,故障前后的振动信号的能量分布特征有明显的差异,该方法可以有效地提取不同状态下合闸振动信号特征量,应用于空载合闸振动信号的变压器绕组松动诊断。     

基于有限元模型的变压器绕组松动研究

为了研究预紧力大小与变压器绕组松动的关系,通过有限元分析了不同预紧力对变压器振动信号的影响。绘制变压器模型并导入有限元分析软件ANSYS Workbench进行模态分析和谐响应分析,得到了变压器固有频率随着预紧力降低而减小的结果,而施加激励力后,预紧力的变化对振动信号也有较大的影响,其变化趋势由不同位置处的结构决定。因此可以通过计算变压器在不同预紧力时的振动响应特性,并与历史数据比较,从而判断绕组是否发生松动。     

不同预紧力下变压器绕组轴向振动模态分析

根据电力变压器绕组的轴向振动的弹簧质量系统数学模型并考虑了电力变压器绕组的轴向振动的非线性特点,建立了轴向质量、弹塑性绝缘垫块和夹件组成的电力变压器绕组的模态仿真系统,给出了电力变压器绕组在不同预紧力下的轴向振动模态分析的方法,得出每一阶模态具有特定的固有频率和模态振型.指出了电力变压器绕组轴向预紧力的变化与其轴向振动固有频率变化之间的关系,并通过有限元软件ANSYS进行仿真分析和瞬态激振法进行实验验证.结果表明,仿真计算和实验数据相符合.建立了绕组的不同预紧力与固有频率变化之间的关系数据库, 为电力变压器绕组结构设计时固有频率避开轴向电磁力的频率提供了理论和实验依据.     

基于经验模态分解的变压器振动信号盲源分离

从变压器所采集的振动信号是铁心、绕组振动信号的混叠信号,因此提出一种基于经验模态分解(empirical mode decomposition,EMD)的盲源分离方法,对混叠信号进行分离,以利于变压器故障诊断。首先将信号进行EMD,然后提取最不相关本征模态函数分量,最后通过fast ICA算法进行分离矩阵的求解。将该方法运用到实验模拟信号中,证实了该方法的可行性。将该方法运用到运行的500 kV变压器中,所得铁心和绕组振动分离信号的频谱特性与正常状态一致,说明该方法可以分离铁心与绕组振动信号,且效果良好。     

采用HHT振动分析的低压断路器合闸同期辨识

利用振动信号辨识三相合闸不同期故障,应解决有效的振动信号消噪及其故障特征提取方法.提出一种希尔伯特-黄变换(HHT)的低压断路器振动信号分析方法,采用经验模态分解(EMD)有效地提取反映振动信号局部特性的本征模态函数(IMF)分量,以前5阶IMF分量表征振动信号特性且起到信号消噪作用.通过时域特征分析,得出振动信号的峭度和均方值可作为判别机械特性的辅助特征指标.提出前5阶IMF分量能量比及峭度、均方值为特征向量,建立粒子群优化径向基(PSO-RBF)神经网络的低压断路器合闸不同期故障识别模型.实验与仿真结果表明,基于单个传感器振动特性,综合采用时域分析、EMD分解、粒子群优化神经网络等人工智能的合闸同期性故障识别效果良好,为断路器故障尤其是三相合闸同期性振动分析提供了一种新的诊断方法.     

电力变压器绕组轴向模态特性试验研究

为准确获取变压器绕组的轴向固有模态特性,以一台10kV变压器为研究对象,通过设计和搭建模态测试平台,得到了变压器绕组正常工况和典型故障下的轴向振动频率响应函数,综合抗差最小二乘法和多参考点最小二乘复频域法识别得到了变压器绕组的轴向固有模态参数。结果表明:加入抗差最小二乘法的识别方法可较为准确地得到不同状态下的变压器绕组模态参数;变压器绕组前4阶固有频率对应的模态振型具有较好的对称性;绕组松动和变形时,其前4阶固有频率均有所降低。研究结果可作为变压器绕组结构优化设计及机械状态在线监测的评价参数。     

基于振动信号统计特性的变压器绕组状态监测

运行中的变压器振动信号与其绕组状态密切相关,为深入挖掘变压器振动信号的变化规律,实现绕组状态的准确监测,本文从在运变压器的振动监测信号特性出发,通过对预处理后的变压器振动信号进行系统聚类,得到了变压器绕组振动特征曲线,进而根据变压器振动信号的统计特性即T2控制图对绕组状态进行监测分析。对某500k V变压器振动在线监测信号的分析结果表明,所提出的系统聚类方法能够有效地提取变压器振动信号的特征,依据振动信号的T~2控制图可以准确地判断变压器的绕组状态。研究结果可为基于振动信号的变压器绕组状态监测提供重要依据。     

EMD密集模态识别研究及在电站厂房中的应用

针对传统经验模态分解(EMD)密集模态分解能力不足的问题,提出信号调频预处理和优化模态筛选准则相结合的改进方法。研究了模态筛选准则、迭代次数、信号调频与EMD模态分解能力的关系,并给出了信号调频的具体过程;提出基于窗函数、信号调频和改进EMD模态筛选准则的密集模态识别方法,并分别通过仿真信号和电站厂房实测振动信号的模态参数识别进行验证。试验成果表明,改进方法能够有效识别密集模态参数,为EMD应用于电站厂房等密集模态结构参数识别奠定了基础。     

基于改进凝聚层次聚类算法的变压器绕组及铁心故障诊断研究

为实现振动响应法在线诊断变压器绕组及铁心故障,提出一种基于改进凝聚层次聚类算法的变压器故障诊断方法。首先,运用集合经验模态分解(ensemble empirical mode decomposition,EEMD)方法对变压器振动信号进行特征值提取,得到变压器振动信号的特征向量。然后,应用凝聚层次聚类算法对测试变压器振动信号的特征向量进行层次分类,分类得到变压器正常、绕组轴向变形、绕组径向变形、铁心故障4种状态。同时,为克服凝聚层次聚类算法计算量大的缺点,对该算法进行了改进,从而提高了变压器状态分类的速度。最终,经实例测试,结果证明该改进方法能有效快速地识别出变压器所处的状态,实现变压器绕组及铁芯的在线监测与故障诊断。     

基于振动的变压器铁芯松动判定方法

为分析和判断电力变压器铁芯松动故障,对变压器油箱表面的振动信号进行研究,提出基于油箱表面振动信号的变压器铁芯松动故障诊断方法。首先,对变压器铁芯的振动特性进行分析,并确定振动信号中100Hz为铁芯松动特征频率。为避免变压器固有振动频率的影响,对油箱壁的共振原理进行了研究,提出了先用激振法确定变压器油箱表面的固有频率,避开固有振动频率对故障诊断的影响;提出了利用100Hz特征频率分量占总分量(1kHz以内)的比值来判断铁芯松动故障的方法。变压器铁芯松动后,利用比例阈值法纵向比较(与历史数据比较)各测点的振动信号,可确定变压器是否存在铁芯松动故障;通过各测点横向比较,可初步进行变压器铁芯松动故障定位。该方法简单有效,不需要考虑电压变化以及传感器型号不同对故障判断的影响。     

基于振动信号样本熵和相关向量机的万能式断路器分合闸故障诊断

为实现对万能式断路器分合闸故障的非侵入式监测和诊断,以分合闸过程中所产生的包含丰富机械特性信息的振动作为信号来源,提出一种基于振动信号互补总体平均经验模态分解(CEEMD)-样本熵和相关向量机(RVM)相结合的万能式断路器故障诊断方法。该方法首先将振动信号通过改进的小波包阈值去噪算法处理;其次采用CEEMD提取若干个反映断路器状态信息的固有模态函数(IMF)分量,依据各IMF分量的能量分布特点,选择其中前7阶进行处理,计算其样本熵形成有效的特征样本;最后通过计算不同故障类型的样本间欧氏距离来定量评价类间样本平均距离,建立基于RVM的二叉树多分类器,诊断得出万能式断路器故障类型。基于所设计的分合闸典型故障模型进行实验。与其他方法的对比实验表明,所提方法可利用相对较少的故障数据样本实现对万能式断路器故障类型的识别并具有较高的识别率;同时实验表明,辅以同一故障类型的样本间欧氏距离,可实现对分合闸故障中三相不同期故障严重程度的初步评估。     

基于变压器振动信号的电能质量特征基提取方法

提出了一种基于变压器振动信号的电能质量特征基提取方法,通过对变压器振动信号的分析,构建了变压器振动特征集合,借助决策树算法建立了基于变压器振动信号的电能质量特征基,并验证了其有效性。     

水轮机转轮叶片动态参数识别

简要介绍了时间序列识别方法理论基础.对某水轮机转轮叶片实测动应力和振动信号进行了分析研究,建立了ARMA模型.采用马夸特参数精确估计方法对于该模型进行调整和修正,分识别出较低频范围内的多阶模态频率.将所识别的固有频率与同机叶片理论计算和试验模态分析结果进行比较表明,时间序列方法识别的固有频率具有一定的实用性.图2表1参5