基于声纹信号的变压器故障在线监测装置设计

季坤， 朱太云， 李坚林， 黄文礼， 汪啸

(1.国网安徽省电力有限公司，安徽 合肥 230000； 2.安徽南瑞继远电网技术有限公司，安徽 合肥 230000； 3.中国科学技术大学国家同步辐射实验室，安徽 合肥 230029)

0 引 言

作为电网主设备的变压器，在运行过程中由于受到电磁力和机械应力的作用，铁芯、绕组和操纵机构等会发生振动并产生机械波[1-3]。经过绝缘介质与腔体的传播，产生的振动声学信号包含了大量的设备状态信息。尤其是当设备发生缺陷或故障后，内部组件或结构发生机械形变，会使其声学指纹(以下简称声纹)改变，可以作为诊断缺陷及故障的重要特征参量。

目前噪声声纹信号是变压器机械状况带电检测的有效手段,如何减少声纹信息无效数据量过大和有效特征声纹甄别成为了变压器探伤的技术难点[4]。余长厅等[5]根据声纹成像、声源定位和振动信号特征值测试分析结果,判定变压器存在套管升高等故障，验证了声纹诊断技术的有效性，但对变压器故障排除的帮助有限。王丰华等[6]提出了一种基于改进梅尔频率倒谱系数和矢量量化算法的变压器声纹识别模型，但该项工作未对实际工况下的变压器所受的环境因素及干扰进行消除，试验结果仅限于实验室条件下。刘勇等[7]提出一种新型变压器状态检测方法——扫频阻抗法,能够有效抑制空间噪声干扰,但无法利用阻抗偏差对绕组故障进行判定。

针对上述问题，提出基于变压器声纹信号产生原理，采集变压器工作时发出的带有设备状态信息的声音，上传到在线检测系统终端，利用在线监测系统软件实现傅里叶变换、小波变换以及希尔伯特变换等算法对声纹数据进行处理，最终集成上述软硬件功能单元实现在线监测装置。

1 系统设计

1.1 系统结构

图1 系统整体框图

基于变压器声纹信号的在线监测系统主要由分布式麦克风(咪头)装置、中继器、主控、显示屏和系统分析软件组成，中继器主要用于传感器布线铺设长度超过80 m的场景。分布式麦克风装置是监测装置核心器件，其性能和稳定性决定采集的声纹信号的质量好坏，从而直接影响后期对变压器声纹信号图像分析处理和工作状态监测。考虑到变压器等大型电力设备的端面和麦克风放置的位置以及声音信号频率采集范围，本文采用声音信号频率采集范围定为20 Hz～20 kHz、灵敏度较高的高精度驻极体式的麦克风。同时采集声音信号时，应注意声源和麦克风的距离，通常声源应距麦克风0.3～0.7 m。若声源相距过远，则输出电压低，信噪比降低；若距离太近，则低音太重，声音模糊不清，麦克风容易过负荷而使输出严重失真。系统整体框图如图1所示。

1.2 硬件系统设计

系统硬件部分主要由声纹智能采集终端和声纹在线监测代理终端构成。硬件系统结构如图2所示。

图2 硬件系统结构框图

声纹智能采集终端是监测装置核心模块，通过多个通道的外置麦克风，传感信号分别连接到终端设备。终端对采集的声纹信息进行实时分析，实时输出预警信号，并将实时采集的声纹信号和预警信息发送至声纹在线监测代理终端。利用GPU的高运算能力，能够高效运行声纹异常检测模型算法，进行实时声纹信号的采集和诊断分析，并把声纹信号和预警信息发送到声纹在线监测代理终端。通过可配置功能，能够接收声纹在线监测代理终端的配置信息并应用。声纹采集终端主要包括传感器模块、采集模块和嵌入式处理模块等。通信端口技术参数如表1所示。

表1 声纹采集装置端口技术参数表

监测代理终端即中控柜部分，具备声纹智能分析功能，可根据实际需要来确定需要诊断的声纹信号。装置是部署于站端系统的设备:能够接入16路声纹智能采集终端设备，具有界面化配置程序；能够对每个声纹智能采集终端所对应的通道号进行配置；能够配置声纹采集终端的采集时间以及采集计划；能够配置每个采集通道的采集频率和编码格式等信息；能够配置是否启用实时声纹智能分析；能够配置声纹存储相关的配置信息，存储时长和存储路径等信息。

1.3 软件系统设计

在线监测系统软件通过图形界面直观地将分析后的数据展示出来，采用C#开发语言。通过录取声纹数据，按照指定格式存储并生产对应的索引文件，让终端可以通过HTTP协议下载。软件的配置和展示界面设计成B/S模式，便于在线监测代理终端的独立使用。后台服务既开发了接收声纹智能采集终端信息的服务程序，也开发了提供给声纹在线监测系统的SDK接口，提供标准的接口模式，便于接入第三方的客户平台。软件框架设计如图3所示。针对软件框架设计，声纹信号分析软件具有以下功能：①声纹实时播放；②录音回放；③配置文件；④绘制声波图和频谱图；⑤参数设置。

图3 软件框架设计

2 系统可靠性分析

2.1 测试试验设计

针对声纹信号监测系统全天候和长时性工作条件，且麦克风对声纹信号具有决定性作用。本文选取咪头作为测试系统可靠性的对象，并通过分析软件来监测变压器工作状态，测试过程及结果分析如下。为验证本文所研究的终端系统可靠性，根据GB/T 2423.26—2008/IEC60068-2-41：1976《电工电子产品环境试验第2部分：试验方法》将咪头器件做了8次不同环境下的对比试验，其中高温试验为将咪头在90 ℃中放置72 h后取出，并在室内温度中冷却6 h以上；低温试验为将咪头在-40 ℃中放置72 h后取出，并在室内温度中冷却6 h以上；跌落试验为将咪头在1 m高处，从X、Y、Z三个方向，各3回，落于20 mm厚木板上；湿热试验设置温度为40 ℃, 湿度为90×(1±5%), 将咪头放入其中72 h后取出,并在室内温度中冷却6 h以上；温循试验为设置试验箱模仿现实温湿度,把产品放入其中循环10次,试验后取出并在自然环境中冷却6 h以上；振动试验为振动周波数10～55 Hz、全振幅1.5 mm于X、Y、Z三个方向，将咪头振动各2 h；热冲击试验为将咪头置于零下20 ℃下工作30 min，直到温度上升到70 ℃下工作30 min结束，进行32个循环，试验后取出并在自然环境中冷却6 h以上；静电试验为直流4 000 VDC，对咪头输出口进行10次放电。设定咪头试验前后1 kHz时灵敏度差异值≤3 dB[8]则为通过。每个环境下均采用15组咪头共同试验，减少试验偶然性。试验前和试验后测试咪头在1 kHz和70 Hz两种情况下的灵敏度。

2.2 试验结果及分析

从图4中1 KHz灵敏度差异试验结果分析得出，8种试验条件下每组咪头最大灵敏度差值为1.6 dB，满足试验预设结论即灵敏度差值≤3 dB,装置均能正常工作。

图4 咪头灵敏度可靠性试验对比图

3 典型结果

3.1 现场部署

故障定位方法主要采用波速成形理论，变压器内部一个声源点产生的声纹被外部四个端面收集到后，声源发出的声音信号经麦克风转换为电信号。经前置放大电路放大到采样端口的输入电压信号范围后传输至NEO核心板的A/D采样端口进行A/D转换。在NEO核心板中将采集的数据做一些预处理后直接进行计算，并将计算后的结果通过串口通信电路发送至数据中心，利用时域信号的时间差异计算得出声源点的位置。

3.2 实际故障检测

由于声纹传播的介质有三种即内部绝缘油、外壳(可忽略)和空气，当采集装置离变压器端面距离足够小的情况下，空气介质也可以忽略，因此只需计算内部绝缘油的影响。故障原因的确认是先由人工进行样本标记后，再进行时域、频域和时频谱图的特征量抽取，最后通过机器学习的模式进行声纹信号识别。

图5为某组合式有载分接开关切换过程中正常、弹簧动能不足及单相静触头松动时的振动波形。分接开关切换过程中的振动信号呈现强时变性和非平稳性，由几个形状及持续时间不同的冲击信号组成。当分接开关存在弹簧动能不足及单相静触头松动时，与分接开关正常时的振动信号相比较，其幅值和冲击信号的时间间隔等形态均发生了较为明显的变化。

图5 变压器声纹信号图

不同故障的声纹有的在时域上差异比较大，表现为幅值和包络线差异。有的经过FFT变换后频域的差异比较大，表现为基频幅值差异和多个基频的包络线差异。通过研究分析变压器振动信号所包含的丰富的设备信息，变压器声纹信号在线监测系统可对变压器机械故障进行有效监测分析及识别。

4 结束语

基于变压器声纹信号的在线监测装置系统，在变压器外部布置多个声纹传感器，收集声纹数据后，对现有波束成形技术进行改进和革新，从而进一步分析出变压器内部声源准确位置，并结合声纹特征参量定性分析故障原因。本文研究对于发展新一代智能不停电检测装备，提高电网设备智能管控水平具有重要的理论和应用价值，也能很好地满足未来电网智能运检工作中不停电状态检修的需求。