变压器有载分接开关切换芯子振动信号监测及故障诊断研究.pdf

第第 39 卷卷 第第 7 期期 电电 力力 科科 学学 与与 工工 程程 Vol.39,No.7 2023 年年 7 月月 Electric Power Science and Engineering Jul.2023 基金项目：国家自然科学基金（51777075）。DOI:10.3969/j.ISSN.1672-0792.2023.07.007 变压器有载分接开关切换芯子振动信号 监测及故障诊断研究 韩正家1，任行健1，慈铁军1,2，刘 旭1，赵占占1，吴自高1（1.华北电力大学 能源动力与机械工程学院，河北 保定 071003；2.电力机械装备先进制造与智能运维河北省工程研究中心（华北电力大学），河北 保定 071003）摘 要：针对现有有载分接开关振动特性测试手段单一、采集到的振动切换波形数据信息少，难以形成更准确的故障诊断方法的问题，以有载分接开关内部切换芯子中性点处产生的机械振动信号作为研究对象，构建了以小波包变换、能量特征向量和支持向量机为基础的故障诊断模型。利用小波包变换方法将所采集到的振动信号进行频段分解，通过能量计算，将所获取小波包能量特征向量输入所建立的支持向量机分类器中，并利用支持向量机分类器输出结果实现有载分接开关状态识别和故障诊断。在所搭建的传感测试系统和实验平台上，开展了触头磨损、传动轴卡滞和弹簧削短缺陷状态故障模拟实验。测试时将振动加速度传感器吸附于有载分接开关切换芯子中性点处，并在实验中用油箱中注满变压器油以模拟实际运行状况。实验结果表明，所提出的诊断模型能够利用信号对故障进行分类识别，且具有较高的故障诊断准确率。关键词：调压变压器；有载分接开关；故障诊断；小波包变换；支持向量机 中图分类号：TM423；TM407 文献标识码：A 文章编号：1672-0792(2023)07-0061-09 Research on Vibration Signal Monitoring and Fault Diagnosis of Transformer On-load Tap Changer Switching Core HAN Zhengjia1,REN Xingjian1,CI Tiejun1,2,LIU Xu1,ZHAO Zhanzhan1,WU Zigao1(1.School of Energy Power and Mechanical Engineering,North China Electric Power University,Baoding 071003,China;2.Engineering Research Center for Advanced Manufacturing&Intelligent Operation and Maintenance of Electric Power Machinery of Hebei Province,North China Electric Power University,Baoding 071003,China)Abstract:In view of the problems that the existing on-load tap-changer vibration characteristic test method is single,the vibration switching waveform data information is few,and it is difficult to form a more accurate fault diagnosis method,a fault diagnosis model based on wavelet packet transform,energy eigenvector and support vector machine is proposed for the mechanical vibration signals generated at the neutral points of switching cores in on-load tap-changers.The vibration signal is decomposed into frequency bands by using the wavelet packet transform method.The energy eigenvector of the wavelet packet is input into the established support vector machine classifier through energy calculation,on-load tap-changer state recognition and fault diagnosis are realized by using the output of the support vector 62 电电 力力 科科 学学 与与 工工 程程 2023 年 machine classifier.The simulation experiments of contact wear,transmission shaft stuck and spring cutting defects were carried out on the sensor test system and experimental platform.During the test,the vibrating accelerometer were adsorbed on the neutral point of the switching core of the on-load tap changer,and the oil tank was filled with transformer oil to simulate the actual operation.The experimental results show that the proposed diagnosis model can classify and identify the faults by using the signals,and has a high accuracy rate of fault diagnosis.Key words:regulating transformer;on-load tap changer;fault diagnosis;wavelet packet transform;support vector machine 0 引言 有载分接开关（On-load tap changer，OLTC）是有载调压变压器的重要组成部分，其结构可分为切换开关、分接选择器和操作结构 3 个部分。在变压器负载或励磁条件下，依靠 OLTC 改变绕组分接位置，可以实现输出电压在线调整，进而保证电力系统稳定运行1。相关调研结果表明，OLTC 发生故障的位置主要集中在切换开关、传动机构和快速机构处2。因 OLTC 动、静触头之间碰撞和摩擦而产生的机械振动，以及部件因磨损形成的振动事件，在时域上均表现为特定振动信号3,4。在该信号的时间序列中，包含有丰富的特性信息。对信号进行分析，可以实现对 OLTC 的故障监测5。对于切换波形数据的采集，目前广泛使用的设备是动作特性测量仪。因测量精度低、抗干扰能力不足，所以在实际过程中通过这种测量设备得到的数据信息量较少，无法实现切换过程中弧触头、过渡触头接触磨损程度的衡量。针对以上问题，本文提出以下解决思路：1）在现有故障诊断技术的基础上，重新设计传感测试系统；采用新型非嵌入式采集方式，在不影响 OLTC 本体运行状态情况下，实现切换芯子处振动信号的监测。2）利用小波包分解技术提取信号特征，采用支持向量机（Support vector machine，SVM）进行故障诊断。1 基于小波包变换与能量熵的信号处理 当 OLTC 出现机械故障时，其整个结构会发生动态变化，进而导致其固有频率等模态参数改变，最终造成其振动信号的变化6。从非平稳信号中提取出工程上有效信息，首先需要对信号进行预处理7,8。小波包分解的思想是：将信号进行小波包变换，分解并形成具有树形结构的小波包系数；然后，对每 1 层系数进行多频段划分；最后，根据信号特征自适应选择最优基函数，以提高分析能力9,10。以 3 层小波包分解为例。对于给定原始信号S，小波包分解图如图 1 所示。图 1 小波包分解 Fig.1 Wavelet packet decomposition 图 1 中 S(i,j)表示小波包分解后形成的第 i 层第j 个节点的小波包系数，g 表示低通滤波运算，h表示高通滤波运算。根据小波包分解的性质，对于给定分解级数l，信号可以分成 2l个子频带。经小波包分解所得到的节点，并不是按照分解之后得到的节点进行频带排序的，而是以二进制格雷码的顺序进行排序的。排序结果为：s3,0，s3,1，s3,3，s3,2，s3,6，s3,7，s3,5，s3,4。设原始信号最大频率为 fmax，则每个节点包含1/23 fmax频带信息。假设小波包分解的低通、高通滤波器分别为 gn和 hn，则第 a 层的小波包系数分解结果可表示为：第 7 期 韩正家，等：变压器有载分接开关切换芯子振动信号监测及故障诊断研究 63 ,L1,H 2 akasnsnk g k （1）,H1,H 2 akasnsnk h k （2）式中：,L asn和,H asn分别为第 a 层分解节点的 低频系数和高频系数。在机械故障诊断中，能量是较常用的特征统计量，因此有很多研究使用了小波包节点能量作为区分特征11-13。将能量熵理论引入到小波包分解算法中，即可以得到小波包能量熵。设有长度为 n 的待分析信号。以 3 层分解为例，小波包能量熵的计算过程为：步骤 1）首先对原始信号进行 3 层小波包分解，得到带有子频带的树形小波包系数。步骤 2）计算每个子频带信号的能量 Ej。2,1|,1,2,8njj kkEdj （3）式中：dj,k为第 j 个子频带信号的第 k 个值。步骤 3）计算总能量 E。81jjEE （4）步骤 4）计算每个子节点能量相对于源信号总能量的比值Pj。/jjPE E （5）步骤 5）计算小波包能量熵Hj。lnjjjHpp （6）最终可以得到 1 组具有 8 个点的小波包能量熵特征向量 H。128,HH HH （7）2 基于支持向量机的故障诊断 支持向量机（Support vector machine，SVM）的优势是，可在样本数量较少的情况下保证局部和全局最优解相同，具有较高的准确率和较好的泛化能力14。设线性可分样本集为(,)1,2,1,1 iidX YinRy x （8）式中：n为样本个数；x为d维输入向量，y为类别符号。d维空间中线性判别函数为()g xxbw，分类线方程为0 xbw。将判别函数进行归一化，使离分类面最近的 样本符合|()|1g x。此时分类间隔为2/|w。当分类间隔最大时，2|w最小，满足分类线 对所有样本正确分类，即：()10,1,2,iyxbinw （9）利用拉格朗日函数将SVM约束问题转化为：10,0,1,2,niiiiy aain（10）在此条件下，求解函数 Q(a)最大值。1,11()()2nniijijijii jQ aaa a y yx x （11）当*a为最优解时，*1niia yaw。根据khn-Tucker条件，在不等式约束下的二次函数极值问题的解中，将只有一部分ai不为0。这些不为0的解所对应的样本，就是H1、H2上的点。在求解上述问题后，得到的分类决策函数是：*1()sgn()sgn()niiiif xxba y xxbw（12）对于非线性问题的求解，可将非线性数据集通过非线性交换映射到高维空间中。在求解寻优目标函数和分类函数这类对偶问