基于激光测振与数字孪生融合的变压器故障诊断方法及系统与流程

摘要: 本发明涉及变压器故障诊断,具体涉及一种基于激光测振与数字孪生融合的变压器故障诊断方法及系统。背景技术:1、电力变压器是电力系统中承担电压变换、电能传输及功率分配...
基于激光测振与数字孪生融合的变压器故障诊断方法及系统与流程

本发明涉及变压器故障诊断,具体涉及一种基于激光测振与数字孪生融合的变压器故障诊断方法及系统。

背景技术:

1、电力变压器是电力系统中承担电压变换、电能传输及功率分配功能的关键设备,其运行状态直接影响电网的安全性和可靠性。变压器运行过程中,铁心硅钢片的磁致伸缩、铁心叠片间的电磁力以及绕组负载电流所受的电动力均会引起机械振动,上述振动经变压器本体及绝缘油传递至油箱表面。因此,变压器油箱表面的振动信号能够反映铁心压紧状态、绕组机械状态及相关结构件的工作状态,通过振动信号对变压器进行在线监测和故障诊断,已成为变压器状态检修的重要技术手段。

2、现有变压器振动监测方法通常采用压电式加速度传感器等接触式传感器采集油箱表面的振动信号,并结合时频分析方法提取故障特征。文献[1]公开了一种通过监测电力变压器铁心振动进行故障诊断的技术方案,其将振动传感器安装在变压器油箱表面,采集变压器正常状态和运行状态下的振动信号,通过集合经验模态分解获得本征模态分量,并利用瞬时频率和能量构造特征矢量,进而根据特征矢量距离判断铁心是否发生松动。该方法能够适用于变压器铁心非线性振动信号的分析,但仍需通过接触式传感器获取振动信号,传感器的安装位置、耦合状态、附加质量及现场布线均可能对测量过程和测量结果产生影响;对于带电运行、安装位置较高或者表面结构复杂的变压器,接触式传感器还存在布设不便和作业安全性不足的问题。

3、针对变压器振动信号的非线性和非平稳特性,文献[2]公开了一种基于集合经验模态分解和归一化相关系数的特征提取方法,其首先对采集的变压器振动信号进行集合经验模态分解,然后计算原始振动信号与各本征模态分量之间的归一化相关系数,筛选有效本征模态分量,并利用有效分量的能量构造表征绕组振动状态的特征矢量。该方法能够在一定程度上去除干扰项及伪分量,提高绕组状态特征提取的有效性,但其主要依据相关性指标筛选本征模态分量,难以同时兼顾模态能量强度、频谱有序度及噪声分布特征;同时,该方法未对变压器多方向振动分量进行空间解耦,也未将振动特征与变压器电磁-结构耦合机理进行融合,因而在复杂运行工况下仍存在故障特征表征不充分、故障位置识别能力有限的问题。

4、为克服接触式传感器布设困难的问题,文献[3]公开了一种采用激光测振方式获取变压器表面振动特性的技术方案,其通过支撑单元、激光测振单元、伸缩单元和反射单元之间的配合,将激光测振单元发射的激光反射至变压器表面,并接收由变压器表面返回的激光,从而在不接触变压器表面的情况下获取其振动特性数据。该技术方案能够提高变压器振动测量的安全性和现场测试效率,但其重点在于实现非接触式表面振动测量,未进一步解决激光多普勒测振过程中单方向测量所带来的方向敏感问题。由于激光多普勒测振通常获取的是被测点振动速度在激光测量方向上的投影,测量结果容易受到测量角度偏差、测点表面反射条件以及多方向振动耦合的影响;当测点同时存在轴向、径向及切向振动时,单方向测量信号难以直接还原真实的三维振动向量,从而影响后续故障特征提取和空间定位的准确性。

5、随着电力设备智能运维技术的发展,数字孪生技术逐渐被应用于变压器状态评估和故障诊断。文献[4]公开了一种融合变压器历史台账信息、高维监测数据与动态仿真模型的故障诊断定位系统,其通过通信感知模块获取设备底层监测数据,通过动态孪生模块构建不同故障类型、故障位置及故障程度下的动态劣化模型,并通过决策诊断模块实现变压器健康状态诊断和故障定位。该系统能够提高多源信息的综合利用能力,并在一定程度上缓解故障样本不足的问题,但其主要侧重多源监测信息、知识图谱、仿真模型和诊断算法的集成,未针对激光多普勒测振的单方向测量特性建立三维振动分量重构机制,也未将非接触振动测量、有效模态筛选、多维时频特征提取与变压器电磁-结构耦合响应的动态匹配过程相结合,因而难以充分利用变压器振动信号中的空间分布信息和故障机理信息。

6、综上,现有变压器振动故障诊断技术仍存在以下不足:接触式振动测量方式存在传感器布设不便、现场安全性不足及空间信息获取能力有限等问题;常规时频分析方法对非线性、非平稳振动信号的适应性不足;现有模态筛选方法难以同时兼顾能量特征、频谱特征和噪声抑制;单方向激光测振难以直接实现多方向振动分量的解耦与重构;数字孪生模型与非接触振动测量、多分量振动解析及电磁-结构耦合机理之间尚未形成有效的虚实融合闭环。因此,有必要提供一种能够同时实现非接触高精度振动测量、三维振动分量重构、有效模态自适应筛选以及实测振动响应与数字孪生模型动态匹配的变压器故障诊断技术,以提高变压器故障类型识别和空间定位的准确性。

7、参考文献:

8、文献[1]:陈祥献,黄海,王婧頔. 电力变压器铁心松动故障监测方法:中国,cn101769787a[p]. 2010-07-07. 申请人:浙江大学.

9、文献[2]:张珂,李中,丁巧林.一种变压器振动信号绕组状态特征提取方法:中国,cn105547465a[p]. 2016-05-04. 申请人:华北电力大学(保定).

10、文献[3]:王延召,张建功,万保权,等. 基于激光测振的变压器振动测量装置及方法:中国,cn110763325a[p]. 2020-02-07. 申请人:国家电网有限公司,中国电力科学研究院有限公司,国网浙江省电力有限公司.

11、文献[4]:何怡刚,段嘉珺,吴晓欣,等. 基于数字孪生的变压器故障诊断定位系统:中国,cn112418451a[p]. 2021-02-26. 申请人:武汉大学.

技术实现思路

1、本发明提供一种基于激光测振与数字孪生融合的变压器故障诊断方法及系统,通过激光多普勒非接触测振、多方向振动分量解耦、自适应模态分解与数字孪生机理模型融合,实现变压器故障类型及位置的精准识别,具有测量精度高、抗干扰能力强、特征提取稳定、诊断结果可解释且无需复杂布置传感器网络的优点。

2、本发明采取的技术方案为:

3、基于激光测振与数字孪生融合的变压器故障诊断方法,包括以下步骤:

4、s1:通过激光多普勒测振仪对运行状态下变压器的多个位于关键结构部位的测点进行非接触振动测量,获得对应于至少三个非共面测量方向的振动速度信号;

5、s2:建立各测量方向的单位方向向量与测点的实际三维振动向量之间的映射关系,并根据各测点在非共面测量方向上的振动速度信号求解映射关系,重构得到各测点的三维振动分量;

6、s3:对重构得到的各三维振动分量中的至少一路振动信号进行集合经验模态分解,获得多阶本征模态函数分量,从多阶本征模态函数分量中筛选有效本征模态函数分量,并利用有效本征模态函数分量重构得到降噪振动信号;

7、s4:提取降噪振动信号的多维振动特征,并建立变压器的电磁-结构耦合数字孪生模型,根据变压器的电气参数和结构参数获得仿真振动响应,计算降噪振动信号与仿真振动响应之间的虚实相关匹配度;

8、s5:根据不同测点的多维振动特征、空间分布特征及虚实相关匹配度,对多个候选故障模式进行融合判别,确定变压器的故障类型及故障位置。

9、所述s1包括:

10、s1.1:在包括铁芯夹件在内的变压器振动敏感区域布置3~8个测点;

11、s1.2:控制激光多普勒测振仪采集各测点在0hz~5khz频率范围内的振动速度信号,采样频率为20khz~50khz,采样时长为1s~5s;

12、s1.3:通过精度不低于16位的模数转换模块,将采集到的模拟振动速度信号转换为数字振动速度信号。

13、s1.4:对数字振动速度信号进行去趋势处理,得到去趋势振动信号,其中,为连续采样时间;

14、s1.5:计算去趋势振动信号的均值和标准差,并按照下式进行归一化处理:

15、;

16、其中,为归一化振动信号;

17、s1.6:采用4阶巴特沃斯带通滤波器对归一化振动信号进行滤波,得到预处理振动信号:

18、;

19、其中,为预处理振动信号,表示4阶巴特沃斯带通滤波运算,滤波频带为20hz~2000hz。

20、所述s2包括:

21、s2.1:将第个测量方向的单位方向向量和测点的实际三维振动向量分别表示为:

22、;

23、;

24、其中,为第个测量方向的单位方向向量,为在三维坐标系方向上的方向分量,为在三维坐标系方向上的方向分量,为在三维坐标系方向上的方向分量,为测点的实际三维振动向量,为在方向上的振动分量,为在方向上的振动分量,为在方向上的振动分量,表示矩阵转置运算;

25、s2.2:建立第个测量方向上的振动速度信号与实际三维振动向量之间的映射关系:

26、;

27、其中,为第个测量方向上测得的振动速度信号,,为测量方向总数量,,且至少三个单位方向向量之间为非共面关系。

28、s2还包括:

29、s2.3:根据个测量方向上的振动速度信号构建线性方程组:

30、;

31、其中,为由个振动速度信号构成的测量向量,为由个单位方向向量构成的阶方向矩阵;

32、s2.4:当时,直接求解线性方程组,得到实际三维振动向量;当时,采用最小二乘法按照下式求解实际三维振动向量:

33、;

34、其中,为方向矩阵的转置矩阵,为矩阵的逆矩阵;

35、s2.5:基于变压器的结构坐标系,将求解得到的、和分别转换为轴向振动信号、径向振动信号和切向振动信号。

36、所述s3包括:

37、s3.1:以重构得到的任一路振动信号作为待分解振动信号,向待分解振动信号中加入高斯白噪声,构造扰动信号:

38、;

39、其中,为第组扰动信号,为噪声幅值系数,为第组高斯白噪声,,为高斯白噪声叠加总次数,的取值范围为0.1~0.3,的取值范围为50~100;

40、s3.2:分别对组扰动信号进行经验模态分解,获得各组扰动信号对应的多阶本征模态函数分量;

41、s3.3:对不同扰动信号中同阶的本征模态函数分量进行平均,得到第阶本征模态函数分量:

42、;

43、其中,为经集合平均得到的第阶本征模态函数分量,为对第组扰动信号进行经验模态分解得到的第阶本征模态函数分量,,为本征模态函数分量的总阶数。

44、所述s3.2包括:

45、s3.2.1:在第轮分解中,将当前残差信号记为,并令:

46、;

47、构造第组扰动残差信号:

48、;

49、其中,为初始残差信号,为第轮分解前的当前残差信号,为第轮分解中对应于第组高斯白噪声的扰动残差信号;

50、s3.2.2:分别对各组扰动残差信号进行经验模态分解,并仅提取各组扰动残差信号的第一阶本征模态函数分量,其中,为第轮分解中对第组扰动残差信号进行经验模态分解得到的第一阶本征模态函数分量;

51、s3.2.3:对组第一阶本征模态函数分量进行平均,得到第阶自适应本征模态函数分量:

52、;

53、s3.2.4:从当前残差信号中扣除第阶自适应本征模态函数分量,得到新的残差信号:

54、;

55、其中,为第轮分解后得到的新的残差信号;将新的残差信号作为下一轮分解的当前残差信号,重复执行s3.2.1~s3.2.4,直至获得第1阶至第阶自适应本征模态函数分量。

56、所述s3在获得多阶本征模态函数分量之后还包括:

57、s3.4:计算第阶本征模态函数分量的能量密度:

58、;

59、其中,为第阶本征模态函数分量的能量密度,为采样点总数,为采样点序号,为第个采样点对应的采样时间,为第阶本征模态函数分量在采样时间处的幅值;

60、s3.5:对第阶本征模态函数分量进行快速傅里叶变换,并对频谱幅值进行归一化,得到归一化频谱分布,计算第阶本征模态函数分量的谱熵和能量比:

61、;

62、;

63、其中,为第阶本征模态函数分量的谱熵,为频率点序号,为频率点总数量,为第个频率点,为第阶本征模态函数分量在频率点处的归一化频谱分布值,表示自然对数运算,为第阶本征模态函数分量的能量比,为计算能量比时使用的辅助本征模态函数阶数序号,为第阶本征模态函数分量的能量密度,且:

64、;

65、s3.6:当且时,判定第阶本征模态函数分量为有效本征模态函数分量,并按照下式重构降噪振动信号:

66、;

67、其中,为降噪振动信号,为有效本征模态函数分量的阶数集合。

68、所述s4包括:

69、s4.1:提取降噪振动信号的时域特征,所述时域特征包括峰值、均方根值和峭度,分别表示为:

70、;

71、;

72、;

73、其中,为降噪振动信号的峰值,表示在全部采样时间内取最大值,为降噪振动信号的均方根值,为降噪振动信号的峭度,为降噪振动信号的均值,为降噪振动信号的标准差,为数学期望运算;

74、s4.2:对降噪振动信号进行快速傅里叶变换,获得主频及其倍频幅值,其中,为降噪振动信号的主频;对降噪振动信号进行希尔伯特变换,获得包络信号:

75、;

76、其中,为降噪振动信号的包络信号,为虚数单位,为希尔伯特变换,表示取模运算;

77、s4.3:根据包络信号计算包络能量:

78、;

79、其中,为包络能量,为包络信号在采样时间处的幅值;

80、s4.4:将变压器的电流、电压及结构参数输入电磁-结构耦合数字孪生模型,获得仿真振动响应,其中,为电磁-结构耦合数字孪生模型输出的仿真振动响应;

81、s4.5:计算降噪振动信号与仿真振动响应之间的相关系数:

82、;

83、其中,为表征虚实相关匹配度的相关系数,为仿真振动响应在采样时间处的幅值;当时,判定电磁-结构耦合数字孪生模型与变压器的实际振动响应匹配。

84、所述s5包括:

85、s5.1:根据时域特征、主频及其倍频幅值、包络能量和虚实相关匹配度,计算各候选故障模式的故障特征匹配度;

86、s5.2:当100hz及其倍频幅值相对于正常运行基准值增加20%以上时,判定变压器存在铁芯异常;当大于1khz频段的包络能量超过正常运行基准值且时,判定变压器存在结构故障;

87、s5.3:对不同测点的故障特征匹配度和多维振动特征进行空间对比,确定故障位置,并从多个候选故障模式中确定变压器的故障诊断结果。

88、基于激光测振与数字孪生融合的变压器故障诊断系统,该系统包括:

89、振动信号采集模块,包括激光多普勒测振仪,所述振动信号采集模块被配置为对运行状态下变压器的多个位于关键结构部位的测点进行非接触振动测量,获得至少三个非共面测量方向上的振动速度信号;

90、三维振动重构模块,被配置为建立各测量方向的单位方向向量与各测点的实际三维振动向量之间的映射关系,并根据各测点在至少三个非共面测量方向上的振动速度信号求解映射关系,得到各测点的三维振动分量;

91、模态分解与降噪重构模块,被配置为对至少一个三维振动分量进行集合经验模态分解,获得多阶本征模态函数分量,从所述多阶本征模态函数分量中筛选有效本征模态函数分量,并利用有效本征模态函数分量重构得到降噪振动信号;

92、多维特征提取模块,被配置为提取降噪振动信号的多维振动特征;

93、数字孪生匹配模块,被配置为建立变压器的电磁-结构耦合数字孪生模型,根据变压器的电气参数和结构参数获得仿真振动响应,并计算降噪振动信号与仿真振动响应之间的虚实相关匹配度;

94、故障诊断模块,被配置为根据不同测点的多维振动特征、空间分布特征及虚实相关匹配度,对多个候选故障模式进行融合判别,确定变压器的故障类型及故障位置。

95、本发明一种基于激光测振与数字孪生融合的变压器故障诊断方法及系统,技术效果如下:

96、1)提高振动信号采集的安全性和准确性:

97、本发明采用激光多普勒测振方式获取变压器关键结构部位的振动信号,无需在带电运行的变压器表面安装接触式传感器,能够避免传感器附加质量、安装耦合状态及现场布线对测量结果的影响,降低传感器布设难度和带电作业风险,从而提高振动信号采集的安全性和准确性。

98、2)提高多维振动信息获取和故障定位能力:

99、本发明通过多个测点和多个非共面测量方向获取振动信号,并建立测量方向与实际三维振动向量之间的映射关系,实现轴向、径向和切向振动分量的解耦与重构,克服了单方向测量存在的方向敏感及多方向振动耦合问题,能够更加完整地反映变压器振动的空间分布特征,为故障区域定位提供可靠依据。

100、3)增强非线性、非平稳振动信号的分解能力:

101、本发明采用集合经验模态分解对变压器振动信号进行多尺度分解,并通过逐级递进的自适应分解方式提取本征模态函数分量,能够适应变压器振动信号的非线性和非平稳特性,抑制模态混叠及端点效应对分解结果的影响,提高多分量振动信号分离的稳定性和可靠性。

102、4)提高有效模态筛选和信号降噪效果:

103、本发明综合利用本征模态函数分量的能量密度、能量比和谱熵构建模态筛选机制,能够从能量强度和频谱有序度两个维度区分有效模态与噪声模态,减少伪分量和无关分量对故障特征的干扰,在抑制噪声的同时保留与变压器故障相关的有效振动信息,从而提高后续特征提取的准确性。

104、5)提高故障类型识别的全面性和可靠性:

105、本发明在降噪振动信号的基础上提取时域、频域及时频域多维振动特征,并通过多特征协同判别机制对多个候选故障模式进行融合分析,能够综合表征铁芯异常和结构故障的不同特征,避免单一特征或单一判据造成的漏判和误判,从而提高故障类型识别的全面性和可靠性。

106、6)增强故障诊断结果的机理解释能力:

107、本发明建立变压器电磁-结构耦合数字孪生模型,将实测振动信号与仿真振动响应进行动态匹配,实现振动数据驱动分析与变压器故障机理分析的融合,降低故障诊断对大量实际故障样本的依赖,使诊断结果能够对应具体的电磁-结构响应特征,从而提高故障诊断的可解释性,并有利于实现变压器运行状态监测和早期故障预警。