一种大型电力变压器声学指纹预警装置的制作方法

1.本发明涉及变压器监测领域，具体涉及一种大型电力变压器声学指纹预警装置。


背景技术：

2.目前，在众多的变压器监测手段中，以噪声、温度、振动为代表的非电量监测方法因其不与被测设备产生直接的电或磁联系，对电力系统的安全运行影响微乎其微而被广泛应用。由于声音的产生由质点的振动引起，变压器的噪声主要来源是油箱、绕组、铁芯及冷却装置风扇等发生振动，由此可通过检测变压器箱体的振动来判断变压器内部的绝缘状况。
3.通常变压器运行在一个交变的电磁环境中，电场和磁场的周期性变化会导致变压器铁芯和绕组发生周期性振动，这些内部振动通过多重路径传递至变压器油箱，最终通过油箱的振动表现为噪声，由于振动检测法所得到的数据通常不能明显的表征电气设备的故障信息，而且振动参量比较难以检测，且得到的信号强度较弱和杂乱，很难及时判断设备的故障类型以及信息。


技术实现要素：

4.为了解决上述技术问题，本发明提供了一种大型电力变压器声学指纹预警装置，可以合理利用电力变压器运行时产生的噪声信号并对其进行分析达到变压器实时在线监测、故障诊断和早期预警的目的。应用声学原理、友好存储和交互策略对监测结果进行展示，有利于全面掌握变压器运行状态，提高设备管理效率，对于及时发现设备故障隐患并进行针对性的检修具有很强的指导。
5.本发明提供了一种大型电力变压器声学指纹预警装置，所述预警装置包括：声信号检测模块，用于检测变压器的运行状态，对故障物理学模型的变量进行监测，并与模型的计算值进行比较得到电力变压器的声音数据；声信号分析模块，用于分析目标源信号的统计规律特性，将采集到的声音数据分离出源信号，并在分离过程汇总逐步找寻最优的分离矩阵，使分离出的信号之间互相独立，以在噪声环境下提取出目标声信号；数据处理模块，用于向信号中加入有限次的白噪声序列，抑制emd的模态混叠，并通过对有限次的分解结果求均值来消除白噪声；特征提取模块，将目标声信号进行fastica分离，分离出若干个待处理的声信号，分别对分离出的待处理声信号进行ceemdan分解，ceemdan将待处理的声信号分解成若干个imf，将各阶imf组合构成特惠总能矩阵h，然后对其进行奇异值求解，求解出的奇异值构成电力变压器的故障声信号奇异谱，ceemdan把信号分解成频率从高到低的频带，求取各阶imf的能量并求取能量熵以得到电力变压器故障声信号的ceemdan能量熵，对各阶imf进行hilbert变换，求取边际谱，将求取的各熵值进行归一化处理，最后将特征向量组成特性向量用于分类和识别；
指纹模型构建模块，先对采集到的噪声信号进行预处理形成描述参数并制定模型构造过程，对所得状态监测数据进行处理，对三维异构数据进行归一化处理和插值计算，构造描述设备状态特征的三维模型和伪色图，以实现对监测数据的多维特征和发展趋势的直观数据展现。
6.作为上述技术方案的进一步改进，指纹模型构建模块包括电气设备层、监测对象层和应用层，根据专家知识的组合制定模型构造规则，通过规则检索相应的状态监测数据构造变压器噪声指纹，应用层划分为全局噪声和测点噪声并分别用于整合变压器的噪声状态描述、变压器噪声测点的局部噪声状态描述；其中，噪声指纹随着变压器运行工况的变化而变化，这些变化反映变压器的噪声水平和发展趋势，并间接反映变压器的运行状态，噪声指纹给出变压器噪声状态的独立诊断结果，以实现对噪声监测信息的表达描述或比对解释。
7.作为上述技术方案的进一步改进，测点噪声指纹用于描述变压器各测点所在局部的噪声状态，选取测点噪声主频、测点噪声主频幅值、测点噪声次频、测点噪声次频幅值、测点噪声主倍频、测点噪声主倍频幅值、测点噪声次倍频和测点噪声次倍频幅值来描述噪声状态，所选特征指标在体现各测点噪声信号强度时，对噪声信号的成分进行细致划分，其中，伪色图以二维形成呈现，根据伪色图的局部形状特征、色彩特征、纹理特征进行图像识别以评估变压器的噪声状态。
8.作为上述技术方案的进一步改进，全局噪声指纹用于整台变压器的宏观噪声状态并通过全局噪声指纹描述，选取整机噪声声压均值、整机噪声声压级最大值、整机噪声声功率级来描述整台变压器的噪声状态，其中，伪色图以二维形式呈现，根据伪色图的局部形状特征、色彩特征、纹理特征进行图像识别以评估变压器的噪声状态。
9.作为上述技术方案的进一步改进，指纹模型构建模块还包括噪声指纹比对单元，通过存储噪声指纹并将噪声指纹与变压器实际工况联系，对不同工况、不同测点噪声指纹描述进行对比，统计归纳噪声指纹在变压器正常运行和故障状态下的变化规律，以获得初步的状态判断依据。
10.作为上述技术方案的进一步改进，噪声指纹比对单元包括正常－异常噪声指纹比对过程和测点－测点噪声指纹比对过程，正常－异常噪声指纹比对过程中的噪声指纹具有以下特征：测点噪声主频和主倍频分布具有一致性，表示当前变压器噪声来源以交变电，磁场变化和实用市电的设备振动或转动为主；以次频、次倍频为中心频率的噪声信号含量与主频、主倍频相比差异明显；变压器噪声响度水平稳定，在预设尺度的噪声指纹没有出现明显的突变点。
11.作为上述技术方案的进一步改进，所述预警装置还包括：声信号分类模块，用于故障声信号模型训练阶段与待测声信号识别阶段的变压器的故障声信号分类与识别，通过模拟配电变压器各种故障和现场实测各种故障声信号获取，再通过上述特征值提取过程提取故障声信号的特征值用于svdd模型训练，采用训练好的svdd配电变压器故障噪声信号模型对待测声信号进行识别。
12.本发明提供了一种大型电力变压器声学指纹预警装置，相对于现有技术，具有以下有益效果：
通过设置声信号检测模块、声信号分析模块、数据处理模块和指纹模型构建模块对在环境干扰的情况下，声信号对设备进行故障诊断，对于配电变压器周围具有干扰声源和故障声信号的非平稳性问题，对声信号的体区与处理是根据快速独立分量分析，其具有快速分离独立声源的特点以体区目标声源，采用ceemdan算法处理非平稳声信号。通过自适应的加入白噪声的方法解决模态混叠和采用eemd算法引入高斯白噪声难以完全消除的问题，信号重构好，通过对声信号提取与处理为配电变压器故障声信号提取与处理提供了技术支撑。变压器状态在线监测可以有效地避免由于定期维护对设备造成的维修过度或漏失所导致的设备运行可靠性的降低和经济损失，对采集到的噪声原始数据进行声学计算可以得到很多有价值的描述参数，将锁的描述参数按规则归纳，可以获得某台变压器某一时刻的噪声状态描述。
13.根据声学计算的基本原理和变压器噪声的普遍特征，确定了若干用于描述变压器噪声的声学参数，不仅包括了现有噪声监测中常见的声压级、声功率级参数，还具体细化了频域分析中的噪声主频、次频、主倍频、次倍频及对应幅值参数，增强了对复合噪声中基音意外的泛音，适于由交变电、磁场引起的噪声描述。指纹模型在监测过程中动态提取监测数据，形成某时段的变压器噪声指纹，噪声指纹通过三维模型和伪色图进行可视化展现，便于直观地分析设备状态，特殊指纹构成的噪声比对样本丰富了变压器状态区分的手段。
附图说明
14.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
15.图1为本发明实施例提供的预警装置的结构框图；图2为本发明实施例提供的特征提取的流程图；图3为本发明实施例提供的指纹模型构建的流程图。
具体实施方式
16.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
17.需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。相反，当元件被称作“直接在”另一元件“上”时，不存在中间元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
18.在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情
况理解上述术语在本发明中的具体含义。
19.参阅图1、图2和图3，本发明提供了一种大型电力变压器声学指纹预警装置，所述预警装置包括：声信号检测模块，用于检测变压器的运行状态，对故障物理学模型的变量进行监测，并与模型的计算值进行比较得到电力变压器的声音数据；声信号分析模块，用于分析目标源信号的统计规律特性，将采集到的声音数据分离出源信号，并在分离过程汇总逐步找寻最优的分离矩阵，使分离出的信号之间互相独立，以在噪声环境下提取出目标声信号；数据处理模块，用于向信号中加入有限次的白噪声序列，抑制emd的模态混叠，并通过对有限次的分解结果求均值来消除白噪声；特征提取模块，将目标声信号进行fastica分离，分离出若干个待处理的声信号，分别对分离出的待处理声信号进行ceemdan分解，ceemdan将待处理的声信号分解成若干个imf，将各阶imf组合构成特惠总能矩阵h，然后对其进行奇异值求解，求解出的奇异值构成电力变压器的故障声信号奇异谱，ceemdan把信号分解成频率从高到低的频带，求取各阶imf的能量并求取能量熵以得到电力变压器故障声信号的ceemdan能量熵，对各阶imf进行hilbert变换，求取边际谱，将求取的各熵值进行归一化处理，最后将特征向量组成特性向量用于分类和识别；指纹模型构建模块，先对采集到的噪声信号进行预处理形成描述参数并制定模型构造过程，对所得状态监测数据进行处理，对三维异构数据进行归一化处理和插值计算，构造描述设备状态特征的三维模型和伪色图，以实现对监测数据的多维特征和发展趋势的直观数据展现。
20.本实施例中，配电变压器的本体噪声信号主要由于铁芯和绕组的振动产生，配电变压器铁芯受到磁致伸缩与电磁力的作用产生振动，从而产生噪声信号，磁致伸缩力占主导地位，影响铁芯噪声信号的因素包括温度、磁钢片涂层、硅钢片材料等，配电变压器绕组受到电磁力作用震动产生声信号，当绕组松动后，预紧力减小，绕组固有频率接近电网二倍频会使绕组振动明显增大。
21.需要说明的是，为了有效的提取配电变压器故障声信号，选取比较高效的盲源分离算法fastica提取配电变压器故障声信号，采用可适应非平稳信号特征且重构误差较小的ceemdan方法处理故障声信号。配电变压器故障声信号特征提取方法具体步骤如下：s10：对采集到的配电变压声信号进行fastica分离，分离出若干个待处理的声信号；s11：分别对分离出的待处理声信号进行ceemdan分解；s12：ceemdan将待处理的声信号分解成若干个imf，将各阶imf组合构成特惠总能矩阵h，s13：然后对其进行奇异值求解，求解出的奇异值构成电力变压器的故障声信号奇异谱；s14：ceemdan把信号分解成频率从高到低的频带，求取各阶imf的能量并求取能量熵以得到电力变压器故障声信号的ceemdan能量熵；s15：对各阶imf进行hilbert变换，求取边际谱；
s16：将求取的各熵值进行归一化处理；s17：最后将特征向量组成特性向量用于分类和识别。
22.变压器噪声指纹模型构建的流程如下：s20：对采集到的噪声信号进行预处理形成描述参数并制定模型构造，对所得状态监测数据进行处理；s21：对三维异构数据进行归一化处理和插值计算；s22：构造描述设备状态特征的三维模型和伪色图，以实现对监测数据的多维特征和发展趋势的直观数据展现。
23.可选地，指纹模型构建模块包括电气设备层、监测对象层和应用层，根据专家知识的组合制定模型构造规则，通过规则检索相应的状态监测数据构造变压器噪声指纹，应用层划分为全局噪声和测点噪声并分别用于整合变压器的噪声状态描述、变压器噪声测点的局部噪声状态描述；其中，噪声指纹随着变压器运行工况的变化而变化，这些变化反映变压器的噪声水平和发展趋势，并间接反映变压器的运行状态，噪声指纹给出变压器噪声状态的独立诊断结果，以实现对噪声监测信息的表达描述或比对解释。
24.本实施例中，测点噪声指纹用于描述变压器各测点所在局部的噪声状态，选取测点噪声主频、测点噪声主频幅值、测点噪声次频、测点噪声次频幅值、测点噪声主倍频、测点噪声主倍频幅值、测点噪声次倍频和测点噪声次倍频幅值来描述噪声状态，所选特征指标在体现各测点噪声信号强度时，对噪声信号的成分进行细致划分，其中，伪色图以二维形成呈现，根据伪色图的局部形状特征、色彩特征、纹理特征进行图像识别以评估变压器的噪声状态。
25.需要说明的是，全局噪声指纹用于整台变压器的宏观噪声状态并通过全局噪声指纹描述，选取整机噪声声压均值、整机噪声声压级最大值、整机噪声声功率级来描述整台变压器的噪声状态，其中，伪色图以二维形式呈现，根据伪色图的局部形状特征、色彩特征、纹理特征进行图像识别以评估变压器的噪声状态。对于不同的设备个体，因制造工艺、运行条件、所处生命周期水平的差异而相互区别，但在确定时间点这种描述是唯一的，就类似于人的指纹一样，可以看作变压器噪声信息的指纹，将其定义为噪声指纹。所选特征指标在体现各测点噪声信号强度时，对噪声信号的成分进行了更佳细致的划分，提高了对不同噪声状态的辨识能力。
26.可选地，指纹模型构建模块还包括噪声指纹比对单元，通过存储噪声指纹并将噪声指纹与变压器实际工况联系，对不同工况、不同测点噪声指纹描述进行对比，统计归纳噪声指纹在变压器正常运行和故障状态下的变化规律，以获得初步的状态判断依据。
27.本实施例中，噪声指纹比对单元包括正常－异常噪声指纹比对过程和测点－测点噪声指纹比对过程，正常－异常噪声指纹比对过程中的噪声指纹具有以下特征：测点噪声主频和主倍频分布具有一致性，表示当前变压器噪声来源以交变电，磁场变化和实用市电的设备振动或转动为主；以次频、次倍频为中心频率的噪声信号含量与主频、主倍频相比差异明显；变压器噪声响度水平稳定，在预设尺度的噪声指纹没有出现明显的突变点。变压器典型噪声信号的主频、次频、主倍频、次倍频均在1000hz以下，1000hz以上噪声具有出现概率较小、信号幅值较低的特点。测点噪声指纹的二级指标值含义为其噪声描述参数的幅值，
即主频幅值、次频幅值、主倍频幅值、次倍频幅值，抽取15分钟测点噪声描述参数值进行四个点样条函数插值，得到的测点噪声指纹三维模型可以直观地呈现变压器测点噪声特征及其在15分钟内的变化趋势。
28.可选地，所述预警装置还包括：声信号分类模块，用于故障声信号模型训练阶段与待测声信号识别阶段的变压器的故障声信号分类与识别，通过模拟配电变压器各种故障和现场实测各种故障声信号获取，再通过上述特征值提取过程提取故障声信号的特征值用于svdd模型训练，采用训练好的svdd配电变压器故障噪声信号模型对待测声信号进行识别。
29.本实施例中，模拟变压器常见的三种放电故障，即针板放电、悬浮放电和沿面放电，提取变压器放电声信号特征，通过svdd对不同类型放电故障进行识别，结果表明fastica算法可以很好地提取放电故障声信号，通过svdd分类方法对不同放电故障进行识别，其识别效果较好，通过对变压器放电故障的识别的有效性，可提高变压器故障诊断的精度和效率。
30.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
31.以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。