大型电力变压器振动分析及试验研究

大型电力变压器振动分析及试验研究

刘寅浩

身份证号码152127198701020319

摘要：配电变压器在电力系统的供电端发挥着关键性的作用，具有量大、分布范围广的特点，在降低功率损耗的前提下保持其低噪声运行是新型节能配电变压器设计和制造中必须考虑的关键问题，也是评价配电变压器生产质量的关键因素，对于电网节能降耗、提高供电服务质量具有重要意义。

关键词：大型电力变压器；振动分析；试验研究

引言

在能源互联网时代，加快新型电力系统建设对中国能源转型具有举足轻重的作用，而电力变压器是电力系统稳定运行的核心部件，为了确保其运行状态，需要加强监测管理，以此保障整个新型电力系统的安全性和稳定性。监测变压器的运行状态时，如果发现异常、潜在的设备故障问题 。目前,振动分析被认为是监测变压器运行状况的一种经济、无损的技术,利用加速度传感器采集的变压器振动信号,可以分析变压器内部运行状态。因此,振动信号的预测对电力变压器日常维护具有重要的理论和实际意义。

1变压器监测的现实意义

变压器绕组是变压器的重要组成部分，是电能转换和传输的关键。具体来说，变压器绕组是变压器的重要组成部分，主要负责电能的转换和传输，如果发生故障将导致设备停机，影响生产甚至造成安全事故。然而，离线检测方法应用前提是，必须保证设备停机状态，才能进行检测和维修，这无法保证设备的连续运行和安全性。通过变压器绕组监测技术，需对变压器的运行状态进行监测，及时发展运行中的故障，有效防止因故障引发的设备损坏和生产事故，以此提高电力设备运行的可靠性、安全性。监测技术能够提高设备的利用率和运行效率，并且有效缩减设备停机时间和维护成本。在减少风险和经济损失的同时，也更加环保和节能，符合我国可持续发展的理念。

2大型电力变压器振动分析及试验分析

2.1变压器振动特性

影响变压器振动信号因素很多，主要包含：铁芯、绕组以及冷却装置，并通过变压器油和油箱金属结构传递至变压器箱体表面，由电动力作用产生的绕组振动经过配电变压器油传递至箱体表面；由磁致伸缩、电磁吸引力产生的铁芯振动通过配电变压器绝缘油、垫脚及紧固螺栓传递至箱体表面；由冷却系统等外围设备运转产生的振动由油箱壁传递至箱体表面[1]。

2.2配电变压器振动信号特征量的提取

获得容量为1000kVA的变压器在正常和故障情况下的绕组和铁芯振动信号。从变压器的四个振动信号中提取特性尺寸,并对特性进行标准化。本文以峰值、主成分频率、基本频率系数、异常谐波系数50Hz为例,将各个特性与配电变压器的状态变化进行比较,比较各个特性在不同状态下的值,不同特性之间的差异,并不是每种状态都有明显的差异。例如,对于配电变压器绕组的正常振动信号,绕组的基本振动频率和正常振动信号为100Hz,而振动信号的基本频率为200Hz,这意味着元件的基本频率可以识别核心的振动信号。本文将单个特征量输入DBN网络中进行分类处理，单独使用一种特征量对变压器振动信号类型进行识别时，准确率最高的是基频占比，此时DBN网络对4种类型的振动信号识别准确率为89.3，而单独使用基频作为特征量时，DBN的识别准确率最低为50。由此说明仅使用一种特征量对变压器振动信号进行分类识别时，其准确率较低。本文从波形和IMF分量能量2个角度进行特征量的提取。在振动信号波形方面，本文选择均值、峰值、偏度、峭度、基频、基频占比、50Hz奇次倍频占比作为特征量。

2.3变压器电磁—结构场有限元建模

1)由于结构件对铁心的夹紧作用，认为铁心是一个没有任何间隙的整体，将铁心柱、铁轭、旁轭等部分等效为长方体；2)忽略垫块、绝缘纸等层间结构，将三相绕组等效为空心圆筒，且绕组内部电流密度均匀分布；3)磁场模型和结构场模型保持一致，铁心磁致伸缩力和麦克斯韦力作为结构场的载荷导入。同时，在电磁场分析中，合理设置油箱表面，使其满足磁力线平行边界标准条件，其余部分为自然边界条件。在结构场分析中，认为铁心底部固定不变，对铁心底部施加固定约束，约束底部所有方向的自由度。采用顺序耦合的方法，将电磁力以体载荷方式导入结构场中对铁心的机械特性进行分析[2]。

2.4配电变压器振动信号的波形特征和能量特征

结合主成分分析和DBN网络的特点，提出了一种检测方法，主要是基于复合特征向量进行变压器机械故障检测。通过对试验数据的分析得出以下结论:a)振动信号的波形特性和能量特性能够反映变压器机械状态的变化，但使用单一特征量进行变压器机械状态识别通常会引发误判。b)在保存原始信息的基础上,使用主成分分析可以有效地降低复合特性的矢量测量,从而提高分类器的效率;c)对于基于复合特征向量的配电变压器的机械识别,使用DBN网络作为分类器比传统的BP神经网络具有更好的识别;d)实验结果表明,基于复合特性矢量的配电变压器故障机械识别可用于识别变压器故障。

2.5振动信号预测流程　

基于时间序列分析方法中的ARIMA模型，本文采用改进的屎壳虫优化算法，实现了ARIMA模型的p和q优化，构建了变压器振动信号预测模型。基于IDBO-ARIMA的电力变压器振动信号预测模型流,共分为数据预处理、ARIMA模型定阶和振动信号预测3个部分。在数据预处理方面,对原始变压器振动信号进行平稳性检验,若不平稳则对原始信号进行差分处理直至满足平稳性要求。在ARIMA模型定阶方面,将周期性突变机制引入蜣螂优化算法以提升算法的寻优能力,利用改进后的算法实现ARIMA模型的p和q定阶。在振动信号预测方面,基于稳定的时间序列,利用定阶后的ARIMA模型实现电力变压器振动信号的预测,并计算相关指标

[3]。

2.6物联网和人工智能监测

随着科学技术的创新，物联网技术、人工智能技术得到了快速发展，基于物联网和人工智能的监控技术在电力变压器监控领域得到了广泛的应用。该技术利用变压器的实时监控和数据采集，将相关数据传输到云端或本地服务器，并对其数据进行存储和详细分析，以实现对变压器健康状况的评估和故障预警。具体来讲，该技术主要有以下几个方面的特点:(1）多种监测指标:利用各种传感器、监测设备等技术手段，可以对变压器的多个指标进行监测，包括温度、振动、气体、湿度等，从而全面掌握变压器的运行状态。(2）实时监测:监测设备与云端或本地服务器相连接，实现数据的即时传输和处理，可以实时监测变压器的状态，并及时发现潜在的问题。(3）故障预警:最大化发挥人工智能算法的优势，全面采集运行数据，并对其进行分析和处理，准确掌握变压器当前可能存在的运行故障类型，并确定故障的具体位置,并给出预警信息，为后续的检修提供重要参考。(4）远程管理:利用物联网技术，可以对变压器进行远程监测和管理，实现对全国甚至全球范围内的变压器进行实时监测和管理。(5）数据分析:通过大数据分析和挖掘技术，可以对变压器运行数据进行深入分析和挖掘，从而为电力变压器的维护提供更加精准、智能化、可持续的解决方案。基于物联网和人工智能的监测技术已经得到广泛应用，并在变压器监测领域发挥越来越重要的作用。未来，该技术将不断完善和创新，推动电力变压器监测的发展，推动电力系统的可持续发展。

结束语

随着中国电力工业的发展，变压器绕组监测技术已逐渐成熟，并在电力系统中得到广泛应用。基于物联网和人工智能的新型监控技术具有高效率、准确性和实时性等特点，并且可以实现远程监测和诊断，促进电力系统稳定、可靠运行。在未来，如何将新型技术与传统技术进行融合，以实现更加全面、准确的变压器绕组监测将是研究热点。

参考文献：

[1]韩丹.大型电力变压器振动分析及试验研究[D].内蒙古工业大学,2018.

[2]邓嵩.大型电力变压器的振动信号采集与分析[D].华北电力大学,2016.

[3]彭明聪.大型电力变压器减振降噪技术应用研究[D].北京交通大学,2015.