华北电力大学研究生院(华北电力大学研究生院官网)

华北电力大学研究生院，华北电力大学研究生院官网

阅读提示：本文约 2600 字

近年来电力变压器绕组变形、铁心松动等故障频发，而机械故障、直流偏磁等常引起变压器异常振动，如何通过振动信号识别实现变压器故障诊断是目前的研究热点和难点。 华北电力大学新能源电力系统国家重点实验室先进传感研究团队通过分析多台不同电压等级，不同型号变压器正常与典型故障下的振动信号，提出了一种基于振动信号多特征值的电力变压器故障检测方法，通过特征值优化、截断正态拟合与SMOTE数据扩充构建了“两段式”故障诊断算法，解决了现有诊断方法泛用性差，难以应用于不同变压器的问题，实现了多台变压器故障的“横向诊断”。

研究背景

在变压器故障检测的诸多方法中，振动分析法以其检测快速、对变压器影响小、检测精度高的优点，得到了国内外专家学者广泛的研究。

为何变压器运行时会产生振动？

变压器内部两大振源为铁心和绕组。运行时，铁心中通过交变主磁通，引起硅钢片产生磁致伸缩现象——平行于磁场方向伸长，垂直于磁场方向缩短，其振动基频为100Hz。绕组线匝内交变电流与漏磁场相互作用产生周期性安培力，引起绕组产生径向和轴向振动，其基频同样为100Hz。变压器的振动信号与内部机械部件状态紧密相关，例如绕组变形引起局部线匝位移，预紧力下降，往往使得振动信号幅值增大并产生高频分量，因此监测振动信号特征即可实现故障的判断和预警。

现有的基于振动信号的故障检测方法有哪些？

现有方法主要从振动的时域、频域入手，提取能量、频率等若干特征从而推断变压器状态。常用的方法有：特征值阈值法、希尔伯特-黄变换方法、小波包分解法等。

现有算法存在哪些不足？

（1）现有研究大多是针对某一特定型号或电压等级变压器开展的纵向比较，由此形成的诊断算法难以推广到其他型号或电压等级的变压器，泛用性较差。

（2）在振动历史数据缺失的情况下，基于时间域纵向对比的算法失效。

（3）在诊断特征向量的构造上，目前广泛使用“100Hz占比”、“总谐波畸变率(Total Harmonic Distortion, THD)”等诊断指标，但变压器正常运行时普遍存在的200Hz、300Hz等倍频分量将影响其诊断效果。

（4）现场测量的变压器大多处于正常工况，故障工况的振动数据短缺，而在实验室条件下人为设置故障，无法获取足量的不同型号、不同电压等级变压器振动数据，数据的缺失与不平衡将严重影响算法的分类效果。

论文所解决的问题、意义与方法概述

本文首先搜集整理各电压等级变压器正常与绕组变形、铁心松动、绕组松动、直流偏磁四类典型故障振动信号，解决了数据不足，数据来源单一的问题；其次分析了变压器正常运行时振动主频分布情况，将200Hz~400Hz低频倍频分量纳入正常，优化了“100Hz占比”、“THD”特征值的计算公式，解决了特征值易受倍频干扰，分类效果差的问题；再次构造了变压器工况模糊评价算法，提出了两段式诊断流程，实现多特征值融合；最后提出了振动特征值的截断正态分布拟合方法，采用SMOTE算法对故障数据进行扩充，解决了数据不平衡问题，进一步提高了分类精度。

论文方法及创新点

论文整体框架如图1所示。

图1 论文整体框架

首先进行数据搜集与筛选，共获得数据104组（69组正常，35组故障），对应变压器电压等级范围为2kV~500kV，涉及故障类型包含绕组变形、铁心松动、绕组松动、直流偏磁四类。

其次分析变压器正常情况下振动信号的频谱特点，如图2所示，受到振动的非线性和共振的影响，两台变压器振动频谱中倍频幅值大于基频，这将严重影响100Hz占比和以100Hz为阈值的THD这两个特征值的分类效果。

为减小倍频的影响，结合正常和故障变压器振动主频统计结果，本文将200Hz~400Hz低频倍频分量纳入正常范围，对两特征值进行如下修改：1）将100Hz占比改为低频占比；2）将THD的基频由100Hz改为100Hz和较低频率的倍频，称为倍频THD。

图2 1台500kV与1台330kV变压器油箱表面振动频谱

随后对两优化特征值的分类效果进行测试，结果如图3所示。

图3 传统特征值与本文提出的优化特征值分类效果对比

两优化特征值相比于原特征值分类效果明显提升，抗振动倍频干扰能力增强，其分类结果的区间重合度显著下降，分类效果分别提升了79%、76%。

随后利用5个特征值进行诊断算法构建。不同特征值对不同故障类型的敏感度不同，为避免各特征值间互相影响，将总诊断流程划分为一次诊断和二次诊断两部分，如图4所示。

其中一次诊断利用截断正态拟合实现初步分类（其原理类似贝叶斯分类器），将数据分成“正常”、“故障”和“不确定”三类，随后将“不确定”的数据输入二次诊断，这一步算法采用直接划定阈值方法。图5为一次诊断和二次诊断的流程。

图4 “两段式”诊断流程示意图

图5 一次诊断和二次诊断流程示意图

最后使用数据集进行算法训练与测试。

本文虽收集了大量数据，但由于实际情况中故障的变压器较少，因此仍存在故障数据不足的问题，为缓解数据不平衡对分类效果的影响，使用SMOTE算法对故障数据进行扩充，使得扩充后正常、故障的数据量相等，均为54组。

测试集有27组数据，其中包含15组正常样本、3组铁心松动样本、3组绕组变形样本、1组绕组松动样本和5组直流偏磁样本。将测试集数据输入经过训练的模型，其一次诊断与二次诊断结果分别如图6所示。所有的故障数据均被正确诊断出，2组正常数据被误诊为故障，算法对于不同电压等级的变压器分类准确度达到92.6%。

图6 测试集诊断结果

本文还对来自不同测点、不同负载情况变压器的数据进行了测试，在测试集范围内算法对不同测点的数据分类准确率为100%（12/12），对不同负载情况的数据分类准确率为93.3%（14/15）。表明算法基本不受测点位置、负载情况的干扰。

结论

本文搜集整理了各电压等级变压器正常和典型故障下的振动信号，提出了一种基于振动特征值的多变压器故障横向诊断方法。主要结论如下：

（1）统计了变压器振动主频分布情况，将100Hz~400Hz分量纳入正常的范围，对传统的100Hz占比、总谐波畸变率计算式进行了改进，大幅提升了两特征值的分类效果。

（2）构造了两段式诊断流程，一次诊断使用截断正态函数进行数据拟合，考虑了特征值定义域限制与变压器工况界限的模糊性；二次诊断对一次诊断的“不确定”数据进行进一步分类。

（3）使用SMOTE算法对故障数据进行扩充，缓解了数据不足和类别不平衡的问题。

（4）使用27组数据进行测试，结果表明算法对正常、故障变压器的分类准确度达到92.6%，适用于不同变压器的横向诊断和对不同测点、不同工作状态数据的分类。

团队介绍

华北电力大学新能源电力系统国家重点实验室先进传感研究团队主要开展高电压与绝缘技术、电气装备先进传感检测，先进输变电智能装备、电气设备诊断与大数据分析等方面的研究。研制了特高压宽频带GIS设备特快速暂态过电压测量传感器，构建了全光网输电线路状态感知方法，提出了多种针对变电设备的光学智能感知方法。坚持基础研究与服务国家重大需求并重，研究成果多次在我国特高压输电工程中得到了应用。

本文编自2023年第1期《电工技术学报》，论文标题为“基于振动信号多特征值的电力变压器故障检测研究”。本课题得到国家电网有限公司科技资助项目的支持。

引用本文

杜厚贤, 刘昊, 雷龙武, 仝杰, 黄建业, 马国明. 基于振动信号多特征值的电力变压器故障检测研究[J]. 电工技术学报, 2023, 38(1): 83-94. Du Houxian, Liu Hao, Lei Longwu, Tong Jie, Huang Jianye, Ma Guoming. Power Transformer Fault Detection Based on Multi-Eigenvalues of Vibration Signal. Transactions of China Electrotechnical Society, 2023, 38(1): 83-94.

阅读全文

中国电工技术学会

新媒体平台

学会官方微信

电工技术学报

CES电气

学会官方B站

CES TEMS

今日头条号

学会科普微信

新浪微博

抖音号

☎️ 《电工技术学报》：010-63256949/6981；邮箱：dgjsxb@vip.126.com ☎️ 《电气技术》：010-63256943；邮箱：dianqijishu@126.com ☎️ 《中国电工技术学会电机与系统学报（CES TEMS）》：电话：010-63256823；邮箱：cestems@126.com ☎️ 编务：010-63256994 ☎️ 订阅：010-63256817 ☎️ 商务合作：010-63256867/6838

华北电力大学研究生院(华北电力大学研究生院官网)

未经允许不得转载：考研培训网 » 华北电力大学研究生院(华北电力大学研究生院官网)