基于声学振动特征参量及权重因子的电抗器状态评估方法研究

杨磊YANG Lei

（国家管网集团榆济管道有限责任公司，济南 250014）

0 引言

随着中国经济高速发展，电力工业作为国民经济发展当中的战略行业，电力系统向着电力物联网、超高压，智能化、高态势感知化发展。作为电网可靠运行的基石部分，电抗器承担着限制过电压和潜供电流、吸收电力系统容性无功、提高重合闸成功率的作用；同时应用于高压线路端的并联电抗器同样有利于削弱空载和轻载线路上的无功分布，以此降低线损和潜供电流，大大提高了线路自动重合闸率，也有利于消除发电端的自励磁作用[1]。由于电抗器自身材料的限制，主要受到外界大气环境等影响使得绝缘材料老化速度较快，造成材料的力学性能和绝缘性能下降，尤其是在气候潮湿、污染严重的环境中易形成局部放电；另一方面由于电抗器的结构易形成局部温升过高，如存在制造缺陷则加剧该问题的形成。

目前通过对电抗器的电信号和气体信号取样进行分析的方法在国际上有相关应用，但该装置容易受到现场强电磁干扰，采集到的局部放电信号无法准确反映出电抗器内部真实的局部放电量，存在数据分析结果不够可靠等问题。国内对于电抗器在线故障诊断的研究多数聚焦于电抗器振动信号检测及检测方式优化等方面。

由于电抗器自身结构的原因，振动引发的电抗器零部件松动或破损情况导致的故障占到总故障类型的五分之一左右。经调查表明，持续运行中的电抗器的声学振动特征可以在一定范畴中表徵电抗器的正常和异常状态，许多并未危及绝缘的、没有引起电气量变化的异常状态可以通过声学振动测量检测而发现。有国内外学者多将电抗器运行时发出的声信号认定为噪声，研究目的多为电抗器降噪的定性或定量研究，鲜见将电抗器的振动和声学信号作为异常状态检测的有效手段。

与传统的电抗器异常状态检测方法相比，声学振动信号检测法在各方面应用中都有其特有的优点。相比于局部放电检测法，声学振动检测法能够在设备本体未产生较大变化的情况下，对未引起电气量信号变化的程度较轻的机械故障实现检测；同时与主回路部分无电气连接，检测方法更为安全，不易受到主回路电磁影响，无需对电抗器进行停机，即可实现在线带电检测，能够在日常工作状态下实现对电抗器的运行状态监测。声学振动检测法结合了声学检测和振动检测两个不同检测方式的优点，安装简便、可移植性较强、信号整体性较好，有着广阔的应用前景。

本文通过获取电抗器声学振动特征参量，包括声学检测方面的声压级、声功率级、声学信号频谱，振动监测方面的振动幅值、振动加速度值、振动信号频谱、谐波比重及频率复杂度等特征参量，分析高压并联电抗器长期运行工况下各特征参量的范围和分布规律，通过层次分析法确定各特征参量的权重因子，并在此基础上结合模糊推理建立电抗器的状态评估模型。

1 电抗器声学指纹的提取

经调查发现电抗器的声纹诊断长期以来都未得到广泛的应用，其主要原因在于在现场收集声纹数据过程中，应用场景经常会存在各类复杂的干扰噪声，给电抗器本体声音的采集、处理与故障诊断带来困扰。因此，全频段地去除噪声处理成为了在进行深度神经网络训练或实际应用时需要首先开展的工作。

由于大部分应用场景位于户外条件下，电抗器声信号会受到的干扰较为复杂，干扰信号类型也有所不同。首先，持续弱干扰类中的电晕放电和瞬时干扰类中的鸟鸣等干扰频带都与电网主设备本体频带（0-4000Hz）无交集，因此可以不用考虑。而对于其他的干扰，将使用以下算法对变电站的声音信号进行处理：对于瞬时干扰信号，采用基于相似矩阵的盲源分离法；对于持续强干扰信号，利用幅值与相角波动性法消除噪声。

盲源分离为少量先验源信号的情况下从混叠信号中分离和提取各种源信号的方法。该方法普遍用于分离非稳定信号和连续稳定信号。在电抗器声音采集过程中，鸟鸣等瞬时类干扰在变电站的干扰种类中占据绝大部分。此类干扰的共同特性是持续时间短且干扰信号的能量分布集中，而电抗器本体声音则是连续稳定的信号[2]。因此，本文使用基于相似矩阵的盲源分离方法将瞬时干扰信号从原始声音中剥离，从而排除无关干扰，提高后续识别算法的准确率和效率。

电抗器在运行中，实际产生的声学信号和振动信号都属于非平稳信号。即使在发生故障或者运行异常时，声学信号和振动信号同样具有不稳定性，时域中会有多条曲线同时存在，原始信号中包含各种不同频率的成分[3]。因此对电抗器声学振动指纹的提取需要借助时频分析方法。

本文通过希尔伯特-黄变换算法获得电抗器声学和振动的非平稳信号在时域和频域的规律，再由此提取频域下的谐波比重、频率复杂度等特征量[4]，分析不同厂家、不同电压等级、不同型号电抗器的特征量的差异，选取可有效区分不同电抗器的特征量建立声学指纹库。本部分内容的核心是HHT 算法。

HHT 变换算法，首先根据信号x（t）的所有局部最大值和局部最小值用三次样条线确立两条包络线。重新确立信号数据y1（t）：

μ1——包络线的均值

判断数据y1（t）是否符合固有单模态分量IMF，若数据y1（t）不符合IMF 条件，按照上式重新确定y1（t），直到y1（t）满足IMF 条件记c1（t）=y1（t），将c1（t）作为信号x（t）的首个IMF 分量，代表信号x（t）中最高频分量。

去掉信号x（t）中的高频分量c1（t）可得一个新的原始数据r1（t）即为：

将r1（t）作为原始信号数据重复分离过程，获得IMF分量c2（t），重复计算n 次获得n 个IMF 分量可记为：

循环计算直到cn（t）或者rn（t）均符合终止条件，使得函数rn（t）为一单调函数时停止。

其中，rn（t）为残余函数，表示信号的平均趋势，而IMF分量ci（t）分别包含了信号各个频段的信息。每一频段含有频率成分不同且随信号本身而变化。

将IMF 分量进行HHT 变换：

构造解析信号

瞬时幅值函数

瞬时相位函数

可得瞬时频率

得

忽略残余函数rn（t），将上式的展开式成为Hillbert 谱式以及边际谱式，可较为精确的描述信号的幅值在频域和时域的变化规律：

2 基于各声学振动特征参量及权重因子的状态评估方法

基于特征参量和权重因子的状态评估方法，本质上是一种基于信号处理的电抗器状态评估方法。考虑采用模糊层次分析法结合基于均衡函数的变权模型来建立电抗器的状态评估模型。评估模型包括建立特征参量集、划分状态等级、确定权重因子、确定隶属函数和模糊算子以及确定状态评估等级五个部分。

①建立电抗器特征参量集，u={u1，u2…un}，un为第n 个评价特征参量，n 为评价因子的个数。初步考虑包括声压级、声功率级、声学信号频谱、振动幅值、振动加速度值、振动信号频谱、谐波比重及频谱复杂度等参量，首先需检验各参量与电抗器状态的关联度，选取关联度强的参量作为电抗器声学振动的特征参量。

权重是一个相对的概念，是针对某一指标而言。某一指标的权重是指该指标在整体评价中的相对其他因子的重要程度。美国运筹学家T. L. Saaty 教授提出的层次分析法（analytic hierarchy process，AHP）是一种定性与定量分析相结合的多目标决策权重确定方法。它的特点是把复杂问题中的各种因素通过划分为相互联系的有序层次，使之条理化，根据对一定客观现实的主观判断结构（主要是两两比较）把专家意见和分析者的客观判断结果直接而有效地结合起来，将同一层次元素两两比较的重要性进行定量描述；而后，利用数学方法计算反映每一层次元素的相对重要性次序的权值，通过所有层次之间的总排序计算所有元素的相对权重并进行排序[5]。目前AHP 方法已被广泛应用于解决许多复杂系统的权重确定问题。

本文采用变权方法解决选取特征参量的可靠性差异问题，以保证权重较小的特征参量在严重偏离正常值时仍然能够在整体评估中不被忽略。采取归一化处理方法解决各特征参量数量级和量纲不同的问题，归一化处理后的数据代入变权公式和隶属函数即可计算出变权值和每组数据针对电抗器不同状态等级的隶属度。

②划分电抗器状态的评估等级。根据国内电力企业制定的相关标准以及运行检修过程中的历史经验，一般将电抗器的状态评估结果分为S1-S4 四个等级，按照正常、注意、异常、严重四个状态表征电抗器故障可能性。

③确定各特征参量的权重因子。在常权评价模型里设备状态可靠性越高时评价因素指标偏离正常值越小，实际的电抗器状态评估中却恰恰相反，指标参数偏离值较高时设备状态可靠性更好，因此无法应用。变权模型按照所采集数据计算获得各因子的权重，具有较强的客观性。因此将均衡函数引入变权模型，得到公式

式中：xi为第i 个评价特征参量归一化后的数值，m 为评价特征参量的个数为第i 个评价特征参量的常权，利用层次分析法计算，ωi为第i 个评价特征参量的变权重。α=1 时，则变权模型等效为常权模型，一般在无需考虑各特征参量均衡问题时取α＞1/2，某些特别需要关注的、与严重缺陷密切相关的特征参量取α＜1/2。由于电抗器检测过程中关键特征参量偏离幅值越大对电抗器的整体性能影响越严重，故取值为α=0.2[6]。

④隶属函数的确定和模糊算子的选择。基于简化实际运算的目的，选用“降（升）半梯形分布法”作为隶属函数来确定各评价隶属于不同评估等级的程度，采用加权平均型的模糊合成算子。

⑤评估等级的确定。将集中度较高的特征参量利用权重和关系矩阵进行分析，使用最大隶属原则对计算结果进行评价，确定对象状态等级，进而得出最终的综合评判结果。

3 实际应用案例

对某变电站运行中的3 台单相并联电抗器，应用本文所提供的电抗器状态评估方法进行声学振动信号检测和状态评估。3 台电抗器声振信号的奇偶次谐波比和50Hz比重值极低，表明3 台电抗器均不存在直流偏磁等异常工况。对于B 相和C 相电抗器，其声振信号的基频幅值基本稳定，不存在明显波动，且基频比重达到90%以上，频谱复杂度小于1，应用状态评估模型评估的结果为“正常（S1）”。

A 相电抗器的声振信号基频比重80%，频谱复杂度1.02，低频比重98.41%，中频比重1.50%，高频比重0.08%，按照本文设计的状态评估模型，评估结果为“注意（S2）”。6 个月后对A 相电抗器声振信号进行复测，基频比重65%，频谱复杂度1.35，低频比重80.31%，中频比重16.45%，高频比重0.40%，状态评估的结果为“异常（S3）”，表明机械缺陷的持续影响和振动的长期效应对电抗器内部机械结构造成了破坏。

图1 基于特征参量和权重因子的状态评估方法

经过返厂检修，在A 相高抗内部发现非出线侧X 柱上磁分路靠近旁轭的夹件与主铁心上夹件间接地线，未按图纸要求在主铁心夹件端进行接地撬接，接线头与上铁轭拉螺杆垫圈接触，拉螺杆垫圈及对应夹件和绝缘垫圈周围有明显放电痕迹。由此表明，本文提供的状态评估方法可以反映电抗器的机械状态。

4 结论

本文提供的电抗器声学振动检测方法与传统的电抗器异常状态检测方法相比，安装简便、可移植性较强、信号整体性较好，简化了电抗器故障检测方法，更为安全有效实现了电抗器的在线故障检测。