基于声音处理的箱变变压器内部火花放电故障诊断方法

张 安,罗 琦,申 优,蔡骁强

(江西中电投新能源发电有限公司,江西 南昌 310000)

放电故障[1]易造成变压器绝缘事故,如果不给予足够的重视,则会导致严重的电网安全事故[2]。分析采集到的变压器声信号数据可以判断出其内部是否发生了放电故障,从而采取相应的措施进行维修,有效降低由变压器绝缘问题引起的停电事故,从而增强电网运行的可靠性和稳定性[3]。

王瑜等[4]采用点对称图像对变压器的局部放电信号特点进行分析。采集与分析箱变变压器数据,获取局部放电故障的状态信息,并利用点对称的方式把局部放电故障数据转化为图像,从中提取出故障特征。通过对正常和失效的两幅图进行对比,从而判定变压器有无局部放电的情况。苑津莎等[5]开发了基于知识推理系统的变压器的局部放电故障检测技术。处理局部放电传感器采集信息并获得相位解析的三维图,通过处理三维图实现变压器故障诊断和定位。结果表明该方法具有较好的准确率,可应用于实际的变压器局部放电故障诊断中。

本文将声音处理应用到了箱变变压器内部火花放电故障诊断方法设计中,以期保证箱变变压器的稳定运行。

1 箱变变压器内部火花放电故障诊断方法设计

1.1 分析箱变变压器内部火花放电声信号的产生机制

变压器内部火花产生的放电信号与正常的信号之间,受气隙、油隙等多种因素影响,导致其特征有较大的区别[6],本文在不同情况下,得到了变压器内部火花放电信号的时域波形,具体如图1所示。

图1 箱变变压器内部火花放电声信号的时域波形

对于箱变变压器而言,产生的火花放电声信号只有经过一个复杂的传播过程,才能进入油箱壁,然后再通过检测设备获取声信号。由于火花放电声信号的传播过程比较复杂[7],其中会有不同的噪声存在。导致声信号出现偏差的原因有很多种。那么声信号在变压器中传播的衰减系数为

(1)

式中:f为声信号的频率,Hz;η为变压器的密度信号,kg/m3;ρ0为变压器的黏度系数;c为声信号传播的速度,m/s;ζ为介质吸收的系数,dB/m;ϑ为传播的种类,个。

由式(1)可以看出,变压器内部火花放电故障的声信号在传播过程中的衰减系数与频率之间是正比关系。利用声音处理[8],可以检测到故障声信号的产生机理。

1.2 箱变变压器内部火花放电故障信号的共振稀疏分解

根据箱变变压器内部火花放电声信号的产生机理,利用共振稀疏分解[9],对箱变变压器内部火花放电故障信号进行分解,提取出故障诊断需要的特征。

利用共振稀疏分解采集到箱变变压器内部火花放电故障信号:一部分为高质量因子分解后得到的连续振荡信号,这些振荡的信号含有较多的噪声和更大的扰动;另一部分是通过对质量较差的因子分解,获得的暂态脉冲,它具有广泛的特征。因此,变压器信号中故障信号特征的提取精度是判断是否发生放电故障的关键指标。

在箱变变压器内部火花放电故障信号共振稀疏分解中,低频谐波分解是对低频谐波因子Y值的分解。与此类似,高质量系数Z的信号分解被界定为高谐振分解[10]。在转换质量较差的情况下,利用转换后的波形进行共振稀疏分解,能有效地抽取出特征。共振稀疏分解方法可以依据现场条件和所要抽取的信号和特性,调整所需要的数值,从而获得较高或较低的共振分量。在这些谐振分量中,分别设定为低谐振分量和高谐振分量[11]。箱变变压器内部火花放电故障信号的共振稀疏分解图如图2所示。

图2 两通道滤波器组

图2中,L0(ω)和L1(ω)为低通滤波器和高通滤波器,α、β为箱变变压器的高低尺度因子,x0(n)、x1(n)分别为低通和高通子带信号。

根据上述过程分离了变变压器内部火花放电故障的特征信号的高、低共振分量,且提高了箱变变压器内部火花放电故障的特征信号的提取精度。

1.3 箱变变压器内部火花放电故障诊断的实现

基于共振稀疏分解结果,构建了箱变变压器内部火花放电故障特征搜索模型,获取到箱变变压器内部火花放电故障特征参数[12],表达式为

(2)

式中:rk为放电故障特征值;γk为特征间的关联性系数。

根据箱变变压器运行规律无法实现放电故障发生的具体位置准确定位,因此根据箱变变压器的火花放电故障周期[13],可以确定其相应时长,计算箱变变压器内部火花放电故障的相应特性,可表示为

(3)

式中:A(t)为箱变变压器内部火花放电故障的相应特性数量;Vi为箱变变压器内部火花放电故障阈值。

箱变变压器内部火花放电故障信号初始特征向量与正常运行信号做乘积,得到实时监测的箱变变压器内部火花放电故障特征向量[14],通过匹配故障特征向量与故障数据,得到放电故障数据诊断函数f(x):

(4)

式中:当i=0时,说明箱变变压器不存在放电故障,当i=1时,表示变压器存在放电故障;ϑi,k,A、ϑi,k,D分别为第i类火花放电故障的特征值;ϑx,k,A、ϑx,k,D分别为诊断信号f(t)对应的火花放电故障统计值分量。

设定箱变变压器内部火花放电故障诊断参数为χ,通过箱变变压器内部火花放电故障诊断参数χ计算变压器正常运行下的信号与发生故障的信号f(t)之间的距离,计算公式如下:

di=χdi,A+(1-χ)di,D

(5)

式中:箱变变压器内部火花放电故障诊断参数χ在范围[0,1]内,根据故障诊断信号,可以识别箱变变压器的实际工作状态,根据工作状态类型可以判断内部火花放电故障的类别和故障点[15]。

根据以上过程,得到箱变变压器内部火花放电故障诊断的实现步骤,具体如下:

1)数据预处理

采集不同运行状态下,箱变变压器的实际运行数据,并对数据进行分析和归一化处理。然后按7:3比例将内部火花放电故障特征数据划分为训练集与测试集。

2)特征提取

利用Step1中得到的训练集,对其进行DAE训练和去噪处理,对火花放电故障数据进行特征升维,分别获得训练集对应的去噪后的放电故障特征数据。

3)故障诊断模型训练

利用Step2中获得的训练集,去噪处理放电故障特征数据,完成故障诊断模型的构建,将参数代入模型,实现对故障诊断。

根据以上步骤,构建了箱变变压器内部火花放电故障诊断模型,实现了箱变变压器内部火花放电故障的诊断。

2 实验分析

2.1 采集箱变变压器的运行声音

本文在实验过程中,选择型号为SZ10-5000/35、额定容量为5 000 kVA的变压器为被测对象,考虑到人耳对变压器正常运行过程中发出的声音无法准确辨识,因此,通过录制声信号实现特征分析。

箱变变压器运行声音的采集是通过以下两种方法实现,每种方法均采集一段箱变变压器运行声音。

为避免空气中噪声的影响,录制过程中将声音探头粘贴在变压器的箱体侧面,直接录制变压器本体传出的声信号;

将声音探头放置在变压器箱体附近,录制通过空气传播的声音信号。

以上两种方法采集箱变变压器的运行声音信号如图3所示。

图3 箱变变压器的运行声音采集情况

2.2 实验结果与分析

将局部放电传感器设备安装在无故障箱变变压器的外壁,启动电源后通过诊断仪显示变压器正常运行下的声信号实时波形。实验进行20 s之后,诊断仪显示“变压器正常运行”,导出诊断仪内部的数据。箱变变压器运行时的原始信号、滤波处理之后的信号以及频谱图如图4所示。

图4 正常变压器实验结果

图4的结果显示,变压器正常运行条件下,采集到的声信号经过滤波处理之后,只剩下了白噪声,并不存在脉冲状的信号。对于频谱图而言,高次谐波组成是100 Hz和以100 Hz为基频的高次谐波,只有部分信号超过了1 000 Hz,因此,可以说明采用文中方法时,可以判断箱式变压器处于正常运行状态,与诊断仪的结果相符。

将局部放电传感器设备安装在含内部火花放电故障的箱变变压器外壁,启动电源后通过诊断仪显示变压器的声信号实时波形。实验进行20 s之后,诊断仪发出警报,并显示“存在火花放电故障”的提示框。内部火花放电故障变压器运行过程中的原始信号、滤波后的信号以及小波变换后的视频分析结果,如图5所示。

图5 故障变压器的实验结果

根据图5的结果可知,人为施加故障之后,原始信号与变压器正常运行时的声信号基本一致,但是经过滤波处理之后,获取的信号存在脉冲状波形,因此说明采用文中的诊断方法时,可以准确诊断出变压器的内部火花放电故障。经过时频分析之后,得到的特征频率在6 000～8 500 Hz,说明变压器内部存在火花放电故障,与诊断仪的结果一致。

3 结 语

本文基于声音处理提出一种箱变变压器内部火花放电故障诊断方法。基于共振稀疏分解内部火花放电故障信号结果,建立了故障特征搜索模型,实现了火花放电故障诊断。经过实验测试发现,该方法在诊断箱变变压器内部的火花放电故障时具有更高的准确性。本文的研究虽然可以准确检测出变压器的故障,但是还存在很多不足,在今后的研究中,希望可以针对不同类型的变压器故障进行诊断和分析,以期进一步提高变压器的运行稳定性。