基于变压器振动信号的检修辅助系统设计

刘方兵

（湖北省电力装备有限公司，湖北 武汉 430000）

0 引 言

电力变压器是变电站的关键性设备，是电能转换的关键节点，其运行的稳定性和与之对应的检修工作十分重要。在长时间中为了使变压器保持良好的工作状态，有依据的检修计划对出现的变压器故障的高效排除和检修成本节约有着重要作用[1-3]。电网的波动也会对变压器自身带来一定的影响，只有感知到变压器的运行情况时才能有效处理由电能质量引起的异常。运维人员可以通过变压器在运行过程中受到的电能冲击情况进行检修计划的安排，使检修更高效、检修成本更低。变压器作为一种具有良好密闭性的装置，由电能质量变化带来的影响很难被察觉到[4-6]。

为检测变压器的安全可靠性，国内外已经有几种比较成熟的检测方法，如短路阻抗法、低压脉冲法、频率响应分析法、超声波检测法等。但这些检测方法或多或少存在一定不足，如短路阻抗法的灵敏度很高，但是要依赖大型试验设备和大容量的试验电源才能达到，且试验的周期很长；低压脉冲法相对来说抗干扰的能力还有待提高；频率响应分析法则在轻微的变形检测中效果不太理想。

电能质量的变化通过电磁感应产生内部振动，从铁芯、绕组、绝缘油等逐步传导至箱体。振动检测法通过在外部布置的传感设备收集振动信号进行分析，具有快速应用的优势。文献[7]介绍了一种以振动分析法为基础的变压器故障诊断技术和隐患治理流程。依据振动频谱对某特高压电抗器乙炔含量具有微少增加的具体原因进行了分析，并进行了拟合分析，定位了故障源。文献[8]通过有限元法，构建了一种对变压器进行振动分析的模型，从而具体分析变压器油箱表面振动谐响应。

本文提出了一种基于振动信号的变压器诊断系统，有效地辅助变压器检修计划的制定。

1 原理分析

1.1 小波变换

小波变换首先选择合适的母小波，由这个母小波得到衍生小波，期间需要在时间坐标轴上进行母小波的移动、放缩、改变幅度等。衍生小波表达式为

式中：a为尺度因子；τ为位移因子。

小波具有衰减性和波动性，小波变换是对信号从频域和时域进行分析。不同于傅里叶变换只能做频域上的分析，小波变换的基本做法是对波进行平移和收缩操作。小波分析能够分析信号在时间轴上的任意一点，其最大优点是能突出信号潜在的微小信息。小波分析法能够提取出来比较细微的突变信号特征值，对突发变量分析和捕捉的效率更高。

1.2 BP神经网络

反向传播神经网络（Back Propagation Neural Network，BPNN）通过人工输入的数据进行不断学习，不断调整网络内部的权重和偏置来达到接近输入与输出值之间的关系，在给定输入值时能够得到最优结果，这种结果最接近期望输出值。权重和偏置的调整是依据向前传播结束后与结果之间的误差进行的，反复此操作网络的参数可接近输入与输出之间的关系。

BP神经网络具有多层结构，输入层是整个BP神经网络的源数据输入阶段，用于接收上个阶段的特征数据。输入层中的每个神经元代表一个输入变量。隐含层由大量神经元组成，是建立映射关系最重要的一层。输出层可以得到网络的期望输出。

2 故障特征选择

变压器箱体检测得到的振动信号来源有2个方面，即磁致伸缩和电磁力。二者都是通过电磁感应产生的力的作用，但区别点在于磁致伸缩是铁芯中经过磁通产生，而电磁力是铁芯的漏磁对绕组的作用，通常电磁力也被称为安培力。为了对振动信号与电气量变化进行匹配，需要从原理上对电能质量变化进行分析。安培力计算为

式中：I为绕组流过电流；B为作用在绕组上的漏磁通；α为I与B的夹角；L为绕组中流过电流的导线长度。表1为振动类型与特征分类。

表1 振动类型与特征分类表

根据以上总结，重新构造了振动传播机理模型。其故障传播如图1所示。

图1 故障特征类型与传播路线

3 系统设计

3.1 硬件设计

本文中所提到的变压器辅助检修系统主要依靠监测变压器的振动信号，辨析变压器内部受到的电能冲击类型。要实现因内部受到电力影响产生的不正常振动信号的监测，需要获取到变压器箱体的振动信号，这是对系统实时性检测和统计数据的重要环节。因此在对系统进行设计时，需要在传统变压器上增设振动传感模块和基本的通信模块实现振动信号的实时反馈分析。图2为振动信号采集硬件设计。该设计以TMS320F8335微处理器为基础，所使用的微处理器有丰富的接口满足其他芯片和模块接入的需要，其内存也满足数据处理的需求。为了能够配置串口间的通信模块，需要加入通信电平转换芯片，设计所用的芯片为MAX232。此外，模块使用的是RS232串口通信，满足要求。

图2 振动信号传输硬件架构

3.2 流程设计

为了可以对变压器的振动信号进行监测，并且诊断出异常情况，有效支持通信服务与协议情况，及时采集和输送信息数据，实现振动信号的小波分析和振动信号特征量来对设变压器振动信号进行检测与评估。振动信号分析流程如图3所示。

图3 振动信号分析流程

图4详细展示了振动监测系统的运行流程，其中信号处理模块包含小波变换程序和变换后经过BP神经网络特征识别得到的变压器振动监测结果。

图4 振动信号监测传递流程图

4 实验分析

本文使用某变电站的油浸式变压器对采集到的振动信号进行分析。将表1所提到的振动类型依次从1～5进行标号。实验分析结果如图5所示。

图5 系统识别结果

结果显示，本系统故障类型识别结果的准确性较高，只在9、11号样本中出现了识别错误的情况。之后的检修计划可以通过变压器这段时间中出现的振动故障样本安排着重检修的内容，从而减少无用的检修工作。

5 结 论

针对电网波动对变压器带来的影响，本文由外部感知的振动信号对变压器内部进行感知。针对变压器振动信号进行研究，利用TMS320F28335实现电路的运行功能，提出了一种基于振动信号的变压器诊断系统，辅助变压器检修计划的制定。对变压器运行过程时的振动信号进行研究和分析，变压器箱体的振动信息通过小波变换进行特征提取，然后通过BP神经网络算法对小波变换后的特征量进行分析，识别箱体振动信号对应的电能质量变化对变压器的影响，从而实现对变压器的运行监测。