國(guó)網(wǎng)上海市電力公司金山供電公司 常 俊 邵 峰 張 勇 馬少?gòu)?qiáng) 時(shí)曉敏 吳胤伯 尹思杰

隨著城鎮(zhèn)人口不斷集聚，用電需求量也大幅增長(zhǎng)，對(duì)電力系統(tǒng)的安全穩(wěn)定運(yùn)行提出了新的挑戰(zhàn)。變壓器作為電網(wǎng)系統(tǒng)中的核心設(shè)備，承接各區(qū)域間配送電，其運(yùn)行狀態(tài)對(duì)整個(gè)電力運(yùn)輸?shù)目煽啃跃哂兄匾饬x[1-2]，而變壓器在長(zhǎng)時(shí)間的使用過(guò)程中會(huì)產(chǎn)生絕緣劣化或者機(jī)械故障，影響區(qū)域的正常供電。因此，研究變壓器故障診斷技術(shù)，識(shí)別變壓器異常狀態(tài)，快速對(duì)異常變壓器進(jìn)行檢修，對(duì)提高電網(wǎng)的運(yùn)維管理能力有著重要作用。

目前，針對(duì)變壓器放電故障和機(jī)械故障，通常采用不同的判別手段識(shí)別故障類(lèi)型。放電故障的診斷多采用脈沖電流法[3]、超高頻檢測(cè)[4]等。脈沖電流法對(duì)變壓器的放電異常較為敏感，根據(jù)變壓器的視在放電量判斷變壓器的放電水平，但在現(xiàn)場(chǎng)實(shí)際操作中變壓器周?chē)嬖谳^強(qiáng)的電磁干擾（電暈放電和開(kāi)關(guān)動(dòng)作等），這些干擾同放電信號(hào)類(lèi)似，易引起誤導(dǎo)的同時(shí)還會(huì)淹沒(méi)期望原始放電信號(hào)，導(dǎo)致故障的誤判。

超高頻檢測(cè)主要通過(guò)接收變壓器放電時(shí)所激發(fā)的超高頻電磁波實(shí)現(xiàn)放電故障的識(shí)別，而現(xiàn)場(chǎng)的電磁干擾位于300MHz頻段以?xún)?nèi)，超高頻檢測(cè)可有避免干擾對(duì)結(jié)果的影響。歐陽(yáng)旭東[5]多次使用超高頻檢測(cè)方式對(duì)在運(yùn)變壓器進(jìn)行帶電試驗(yàn)，有效識(shí)別了放電性缺陷，證明了該方法在變壓器局部放電檢測(cè)中的有效性，但超高頻檢測(cè)難以評(píng)估放電的嚴(yán)重程度，且缺少視在放電量的標(biāo)定，導(dǎo)致該方法難以有效表征變壓器實(shí)際絕緣狀況。

變壓器機(jī)械故障的診斷多采用振動(dòng)分析[6]、油色譜分析[7]等。振動(dòng)檢測(cè)運(yùn)用于機(jī)械故障的診斷已較為成熟，通過(guò)對(duì)振動(dòng)信號(hào)的時(shí)頻域分析判斷設(shè)備的機(jī)械狀態(tài)，馬宏忠[8]借助變壓器繞組振動(dòng)機(jī)理，結(jié)合基頻及其倍頻分量等特征提出了基頻折算模型，有效診斷出變壓器繞組內(nèi)部故障，然而采用振動(dòng)的方式進(jìn)行檢測(cè)不可避免的需將振動(dòng)傳感器與變壓器外殼相接觸，除了現(xiàn)場(chǎng)安裝維護(hù)煩瑣外，安全距離也是影響該方法普及的重要因素。

油色譜原理為變壓器在不同運(yùn)行狀態(tài)下油液中所溶解的氣體含量有所不同，根據(jù)這一特性，薛浩然將各氣體含量比值作為特征參量，并利用布谷鳥(niǎo)算法與支持向量機(jī)的故障診斷模型進(jìn)行變壓器故障判斷，研究結(jié)果表明，該方法可有效檢測(cè)變壓器機(jī)械狀態(tài)，但油色譜檢測(cè)周期較長(zhǎng)無(wú)法有效判斷故障早期的異常狀況[9]，且該方法只適用于油浸式變壓器，具有較大的局限性。

變壓器發(fā)生故障時(shí)，除了產(chǎn)生振動(dòng)信號(hào)和放電信號(hào)，同時(shí)也會(huì)向外輻射聲音信號(hào)，由于聲音來(lái)源放電和振動(dòng)，放電和振動(dòng)信號(hào)中包含的變壓器故障信息同時(shí)，也會(huì)在聲音信號(hào)中保留下來(lái)，因此聲學(xué)診斷方法可以有效識(shí)別變壓器的異常狀態(tài)，并且可以有效追蹤變壓器的狀態(tài)變化，且聲信號(hào)的采集依托傳聲器，而傳聲器與變壓器之間相互獨(dú)立，不會(huì)干擾變壓器的運(yùn)行，有效避免了安全距離的局限性。

基于此，本文將變壓器輻射聲信號(hào)運(yùn)用于變壓器放電故障，以及機(jī)械故障的識(shí)別之中。結(jié)合變壓器運(yùn)行機(jī)理提取聲信號(hào)特征，并利用這些特征作為評(píng)估指標(biāo)，結(jié)合支持向量機(jī)模型進(jìn)行變壓器的狀態(tài)識(shí)別。

1 聲紋特征提取

1.1 數(shù)據(jù)預(yù)處理

變壓器聲信號(hào)由于受到傳聲器零點(diǎn)漂移或者現(xiàn)場(chǎng)環(huán)境的影響，數(shù)據(jù)真實(shí)性可能會(huì)有所偏離，導(dǎo)致分析結(jié)果存在較大誤差。本文使用時(shí)域差值的波形修正算法[10]消除趨勢(shì)項(xiàng)。

式中，N為采樣長(zhǎng)度。取y'（0）=0，并利用最小二乘法對(duì)y'（k）進(jìn)行一次擬合逼近趨勢(shì)項(xiàng)，最后用y'(k)減去趨勢(shì)項(xiàng)即可獲取真實(shí)信號(hào)。

1.2 特征量選取

當(dāng)變壓器運(yùn)行狀態(tài)發(fā)生變化時(shí)，其聲學(xué)特征量也會(huì)發(fā)生變化，目前變壓器故障特征量多采用時(shí)域、頻域特征，而這些普適特征不具有代表性，運(yùn)用于變壓器的故障診斷缺少有效的理論支撐，故障類(lèi)型同特征參量映射聯(lián)系較小，難以有效識(shí)別變壓器的運(yùn)行狀態(tài)，因此尋求具有代表性的特征量成為變壓器故障診斷的重中之重。

大量現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)表明，變壓器噪聲頻率的分布較為單一，正常運(yùn)行時(shí)的噪聲信號(hào)多以100Hz的基頻為主，偶爾會(huì)出現(xiàn)50Hz及奇數(shù)倍頻的現(xiàn)象，偶次能量占比較高，且噪聲能量主要集中在700Hz頻段內(nèi)，頻率復(fù)雜度較低；當(dāng)變壓器發(fā)生故障時(shí)，各頻段分量的幅值會(huì)有所變化，相應(yīng)的熵值也會(huì)發(fā)生改變，可由小波包能量熵作為參考依據(jù)。文中提出了基頻占比、奇偶次諧波比、小波包能量熵以及頻率復(fù)雜度作為變壓器故障特征量，其計(jì)算公式如下：

基頻占比則是基頻信號(hào)占總體信號(hào)能量的比重 ：

奇偶次諧波比[11]為：

式中，f2n為變壓器聲信號(hào)的偶次諧波，f2n-1為信號(hào)的奇次諧波，N表示為0～2000Hz內(nèi)50Hz的諧波數(shù)。

將變壓器聲信號(hào)進(jìn)行j層分解之后，獲得小波包序列Sji（i= 0～2j-1），由此得到各小波包的測(cè)度：

式中，SF（j,i）（l）表示sji序列進(jìn)行傅里葉變換后的第l個(gè)值，N為信號(hào)的長(zhǎng)度。

由信息熵理論可知，小波包能量熵[12-13]為：

式中，Hjl表示j層第l個(gè)小波包能量熵。

頻率復(fù)雜度為[14]為：

式中，C表示頻率復(fù)雜度，Ai為第i個(gè)50Hz倍頻諧波的幅值，Mi為第i個(gè)50Hz倍頻諧波占0～2000Hz內(nèi)的幅值比重。

2 現(xiàn)場(chǎng)試驗(yàn)測(cè)試

本文對(duì)變壓器的放電、繞組松動(dòng)兩種故障類(lèi)型進(jìn)行分類(lèi)判別，分析對(duì)象為一臺(tái)型號(hào)為SC 800/10的干式變壓器，額定電壓un為10kV，現(xiàn)場(chǎng)試驗(yàn)如圖1所示。為減少試驗(yàn)過(guò)程中環(huán)境噪聲對(duì)試驗(yàn)結(jié)果的干擾，本次試驗(yàn)在半消聲室內(nèi)進(jìn)行，試驗(yàn)采用控制變量的方式，通過(guò)外加銅絲導(dǎo)線以及控制繞組預(yù)緊力的方式制造放電及繞組松動(dòng)的故障。試驗(yàn)依據(jù)GB/T 1094.10—2003（IEC 60076-10：2001，MOD）“電力變壓器第10部分：聲級(jí)測(cè)定”規(guī)定的聲強(qiáng)、聲壓法測(cè)量實(shí)施方案，將三個(gè)傳聲器放置于距變壓器的1m處的三相前側(cè)進(jìn)行聲信號(hào)的采集，傳聲器布置如圖2所示。試驗(yàn)將根據(jù)表1工況分別進(jìn)行放電、繞組松動(dòng)的故障模擬，采樣頻率為48kHz，采樣時(shí)間為5s。進(jìn)行試驗(yàn)時(shí)，傳聲器采集干式變壓器輻射的聲信號(hào)，并通過(guò)數(shù)據(jù)采集儀將聲信號(hào)轉(zhuǎn)化為通用型數(shù)據(jù)格式，利用對(duì)樣本數(shù)據(jù)進(jìn)行分析處理。

3 變壓器狀態(tài)識(shí)別

對(duì)采集的變壓器聲信號(hào)進(jìn)行消除趨勢(shì)項(xiàng)的預(yù)處理，預(yù)處理后各個(gè)工況下的時(shí)域波形圖如圖3所示。將處理后的信號(hào)以0.5s的長(zhǎng)度分幀，在提取各工況分幀信號(hào)的特征值前，需對(duì)分幀信號(hào)加窗，減少截?cái)鄷r(shí)所導(dǎo)致的頻譜泄漏現(xiàn)象，經(jīng)大量試驗(yàn)測(cè)試，采用Hamming窗可有效地反映短時(shí)信號(hào)的頻率特性，對(duì)加窗后的聲信號(hào)進(jìn)行傅里葉變換，并以此提取特征值。為提升后續(xù)支持向量機(jī)中算法的收斂速度，對(duì)特征值進(jìn)行歸一化處理。

特征提取之后需建立變壓器狀態(tài)識(shí)別模型，將試驗(yàn)樣本進(jìn)行劃分，不同工況下的樣本各100個(gè)，其中75個(gè)列為訓(xùn)練樣本，25個(gè)列為測(cè)試樣本，將故障類(lèi)型進(jìn)行標(biāo)簽分類(lèi)，見(jiàn)表2。

表2 故障類(lèi)型標(biāo)簽

為建立分類(lèi)標(biāo)簽同變壓器特征參量之間的映射關(guān)系，選取高斯核函數(shù)作為核函數(shù)建立基于支持向量機(jī)的變壓器狀態(tài)識(shí)別模型：

式中，K（|x-y|）為高斯核函數(shù)，y為核函數(shù)的中心，σ表示函數(shù)的寬度參量。使用帶慣性權(quán)重ω的粒子群算法對(duì)支持向量機(jī)中的懲罰參數(shù)c和寬度參量σ進(jìn)行選優(yōu)，種群大小N=200，慣性權(quán)重ω=0.9，學(xué)習(xí)常數(shù)C1=1.4，C2=1.6。

經(jīng)粒子群優(yōu)化算法優(yōu)化，SVM模型具有較高的判別率，分類(lèi)準(zhǔn)確度達(dá)到94.4%，采用該模型對(duì)測(cè)試集進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果如圖4所示。在共計(jì)250個(gè)測(cè)試集中，有234個(gè)樣本的預(yù)測(cè)分類(lèi)和故障的實(shí)際分類(lèi)相一致，即該模型關(guān)于變壓器狀態(tài)識(shí)別的準(zhǔn)確度達(dá)93.6%，診斷結(jié)果見(jiàn)表3。

表3 測(cè)試集診斷結(jié)果

4 結(jié)語(yǔ)

本文對(duì)變壓器放電及繞組故障的聲信號(hào)進(jìn)行了分析，將基頻占比、奇偶次諧波比、小波包能量熵以及頻率復(fù)雜度作為表征變壓器故障的關(guān)鍵特征參量，并以此建立的變壓器狀態(tài)識(shí)別模型，該模型對(duì)變壓器的放電及繞組松動(dòng)的檢測(cè)準(zhǔn)確率達(dá)93.6%，對(duì)變壓器設(shè)備狀態(tài)檢測(cè)具有一定指導(dǎo)意義。由于條件的限制，模型的建立及驗(yàn)證都來(lái)自同一臺(tái)變壓器的數(shù)據(jù)，后續(xù)將該方法進(jìn)一步拓展至其他不同電壓等級(jí)的變壓器。