基于多传感器融合声纹特征图谱的变压器铁芯松动故障诊断方法

变压器铁芯轻微松动故障给变压器安全稳定运行留下巨大隐患,目前尚缺乏切实可靠的诊断方法。提出一种基于多传感器融合声纹特征图谱的变压器铁芯松动故障诊断方法。首先,利用4个传感器采集声纹时序序列,通过小波变换生成声纹特征图谱,利用熵权法确定不同传感器信号的权重分配,将4个声纹特征图谱加权融合,从而形成多传感器融合声纹特征图谱。其次,将融合声纹特征图谱输入优化后的ShuffleNetV2模型,通过分组卷积和通道混洗得到铁芯松动程度。最后,通过现场试验验证了方法的有效性。结果表明,所提方法对25%,50%,75%及100%的松动程度均能实现可靠诊断,平均准确率高达99.6%。与采用傅里叶频谱(fast Fourier transform, FFT)、格拉米角场(Gramian angular field, GAF)、马尔可夫变换场(Markov transform field, MTF)以及混沌特征(recurrence plot, RP)等传统声纹特征图谱的诊断相比,所提方法识别准确率提高了12.2%;与采用单传感器声纹特征图谱的诊断相比,所提方法识别准确度提高了5.8%;与采用AlexNet、MobilleNetV2、GoogleNet以及ResNet等卷积神经网络模型的诊断相比,所提方法识别准确率提高了2.7%。

噪声预估下的变压器铁芯松动故障诊断技术

为精准诊断变压器铁芯松动故障,开展噪声预估下的变压器铁芯松动故障诊断方法的设计研究。根据信号在传输过程中可能携带的噪声,对信号实行交叉分段与分帧处理,引进海明窗函数,设计噪声预估下的变压器铁芯松动声纹信号采集;根据信号的功率频谱密度,建立针对提取信号的转换处理函数。使用Mel滤波器,设计信号的降维处理与数据矩阵的压缩处理;计算变压器铁芯在作业中的磁通密度,并计算因磁通量发生变化而直接引起的铁芯振动频率,将其作为松动故障特征频率,实现松动故障特征频率提取与故障诊断。设计对比实验,实验结果证明:噪声预估下的变压器铁芯松动故障方法实际应用效果良好,可以精准诊断变压器的松动故障形式,能够及时排查并高效率处理故障。

基于振动的变压器铁芯松动判定方法

为分析和判断电力变压器铁芯松动故障,对变压器油箱表面的振动信号进行研究,提出基于油箱表面振动信号的变压器铁芯松动故障诊断方法。首先,对变压器铁芯的振动特性进行分析,并确定振动信号中100Hz为铁芯松动特征频率。为避免变压器固有振动频率的影响,对油箱壁的共振原理进行了研究,提出了先用激振法确定变压器油箱表面的固有频率,避开固有振动频率对故障诊断的影响;提出了利用100Hz特征频率分量占总分量(1kHz以内)的比值来判断铁芯松动故障的方法。变压器铁芯松动后,利用比例阈值法纵向比较(与历史数据比较)各测点的振动信号,可确定变压器是否存在铁芯松动故障;通过各测点横向比较,可初步进行变压器铁芯松动故障定位。该方法简单有效,不需要考虑电压变化以及传感器型号不同对故障判断的影响。

基于振动的变压器铁芯松动定位

为对油浸式电力变压器铁芯松动进行定位判断,对变压器油箱表面测得的振动进行分析研究。首先理论分析变压器空载运行时油箱表面不同位置振动信号的特点以及变压器在铁芯松动前后振动信号的变化规律,然后对一台油浸式变压器进行实验,分析铁芯松动对油箱测点的影响。实验结果表明:振动信号基频分量幅值与空载电压的平方呈线性关系;当A、B、C三相中某一相铁芯发生松动故障时,此相铁芯上方对应位置测点的振动信号基频分量幅值比正常时增大,且随铁芯松动程度增大而变大,其他两点的振动幅值先减小后增大。可根据此规律进行铁芯松动诊断以及初步定位。

QFSN-600-2YH汽轮发电机定子铁芯松动现场处理

论述了 ６００ ＭＷ汽轮发电机铁芯松动产生原因和处理方法。

50MW水轮发电机组定子铁芯松动处理

紧水滩电站3号发电机在检修过程中发现定子铁芯89-90槽、203-204槽、274-275槽之间的定子下端部阶梯及其上方的第1个铁芯段存在松动现象,最大处有3.4 mm空隙。从定子膛内向外看,各松动铁芯下方的盒形压齿比两旁的盒形压齿位置略低。

一起发电机定子铁芯松动故障分析与处理

介绍了某电厂390H型全氢冷发电机定子端部铁芯松动、部分通风槽钢断裂飞出击伤发电机铁芯事件,提出了修理方案并进行了现场解体检查,列举了铁芯击伤和松动的处理措施,并采用卧式叠压铁芯技术进行现场修复,节省了运输费用,缩短了停机时间,经济效益可观。

水轮发电机组定子铁芯松动处理

东江水电厂大东江电站共有4台125 MW机组.2005年3月在1号机B级检修中发现定子铁芯有松动痕迹,最下层冲片378槽中共有263槽存在松动现象,占总槽数的69.6%.其中,向轴心方向位移的有261槽,最大径向位移达6.03 mm,平均径向位移为3 mm多.由于存在切向位移,有部分槽底垫条已被剪断,冲片极有可能已插入线棒.为了摸清其他机组定子铁芯有无松动,检修人员又对2,4号机进行了检查(3号机定子已改造),发现4号机定子铁芯松动情况与1号机大致相同.……

高压电机振动铁芯松动判定方法研究

为了辨析高压电机架构内铁芯特有的松动情形,对其表层范畴内的振动信号进行了判别和调研。通过辨析振动信号,能辨别出铁芯松动特有的故障源。对铁芯松动阈值进行纵向和横向对比,可查验配件的松动端点和明确铁芯松动的方位。这种判定方法具有简易性,不用考量配件的电压更替和传感器固有的型号差异。

300MW汽轮发电机定子铁芯松动原因分析及其处理

文章重点介绍了发电机定子铁芯松动产生的原因及其现场处理的方法 。

45MW水轮发电机定子铁芯松动的成功对策

江西柘林水电开发有限责任公司A厂1号水轮发电机于1972年8月投入运行,在2003年的大修中,发现发电机定子铁芯下部第一叠段多处局部松动、部分铁芯齿部振断已经脱落形成空洞、少量下压指存在不同程度的松动、断裂未脱落的矽钢片凸出定子铁芯内圆表面,且松动处铁芯颜色呈褐色并伴有受热挤压溢出的绝缘胶迹。在彻底进行定子改造条件尚不具备的前提下,如何快速修复其发生的问题,延长其使用寿命,江西柘林水电开发有限责任公司有着成功的经验。

汽轮发电机定子铁芯松动处理与防范措施

针对某电厂300 MW汽轮发电机在运行过程中产生的定子铁芯松动问题,介绍发电机定子铁芯松动的处理方法,包括松开定位筋螺母、处理凸起的硅钢片、拉紧铁芯及回装等方面,探讨了定子铁芯松动的原因,并提出了相应的防范措施。

基于Mel时频谱-卷积神经网络的变压器铁芯夹件松动故障声纹模式识别

铁芯的振动噪声与其紧固状况密切相关,对变压器铁芯松动故障进行声纹特性分析和故障诊断研究是实现电力变压器在线监测的重要内容。提出了一种基于Mel时频谱-卷积神经网络的变压器铁芯松动声纹识别方法。首先提出了基于Mel时频谱的噪声样本处理方法;然后搭建了铁芯夹件松动故障模型,对铁芯在不同松动程度与不同松动模式下的噪声信号进行研究,分析了噪声信号的频域特征;最后构建了Mel时频谱-卷积神经网络变压器铁芯松动声纹识别模型,以Mel时频谱降维处理后的噪声数据,作为深度学习的数据集,实现了铁芯松动故障的准确识别。可为变压器铁芯夹件松动故障诊断以及电网主设备的数据深度挖掘提供参考。

发电机定子铁芯的松动及紧固

简单介绍一起因发电机定子铁芯松动造成定子温度异常升高的缺陷,阐述了发现的过程。

水轮发电机定子温度高及铁芯松动的原因及对策

对某灯泡贯流式水轮发电机定子温度高、定子铁芯松动变形、定子铁芯塌陷扫膛等问题进行分析,制定并成功实施了改造方案。

定子铁芯松动导致线棒损伤原因分析及处理

根据某电厂QFSN-670-2型发电机定子接地故障处理和分析过程,本文介绍了QFSN-670-2型发电机定子接地故障的查找过程和处理过程,对发电机铁芯松动和处理进行了总结分析并提出防范措施。

一种基于大数据分析的水轮发电机定子铁芯叠片松动在线检测方法研究

本文主要目的是通过一种新技术的分析与应用,解决常规水轮发电机定子铁芯叠片松动预测实时性不强、效率较低的问题。主要实现方法是通过对常规水轮发电机定子铁芯叠片松动检测手段及方法中存在问题的剖析,研究出一种基于水轮发电机定子铁芯叠片松动故障机理与大数据分析处理技术相结合的故障在线预测技术和方法。具体做法是分析水轮发电机定子铁芯叠片松动后的现象,找出定子铁芯温度、定子铁芯垂直极频振动为关键因素的物理机理,利用小波算法、主成分分析等数据处理技术建立算法模型,提取相关运行数据的特征值和缓变量,通过特征值和缓变量的趋势和逻辑组合分析,完成水轮发电机定子铁芯叠片松动在线实时检测。本方法是机理研究与大数据技术相结合的技术应用,在水轮发电机定子铁芯叠片松动在线检测过程中,具有很强的指导作用。

基于模态分析的变压器铁芯故障诊断

为诊断变压器铁芯松动故障,提出了基于模态分析的故障诊断方法,通过变压器振动信号与铁芯固有频率的共振响应识别变压器故障。该方法的应用首先需要确定变压器铁芯固有频率随铁芯松动的变化规律,采用仿真软件ANSYS Workbench确定了变压器样机不同预紧力下铁芯固有频率的变化规律,再结合实验条件下采集的变压器铁芯故障前后的振动信号,验证了振动信号与铁芯固有频率的共振响应可以有效反映变压器故障状态。研究结果表明,铁芯固有频率会随着松动程度增加而减小。变压器样机发生铁芯松动故障后,振动信号与铁芯固有频率在500Hz分量处发生共振,幅值出现显著增大。

运行工况波动下基于振动信号的变压器故障诊断方法

为了在运行工况波动下利用变压器振动信号进行故障诊断,采集了不同负载电流下绕组松动与正常和不同空载电压下铁芯松动与正常情况下的振动信号,提取其在时域、频域、信息域上的特征量,建立振动信号特征量区分能力评估方法并引入线性判别分析(linear discriminant analysis,LDA)投影算法对特征量进行处理,利用支持向量机(support vector machine,SVM)分类器验证经处理得到的特征量的故障识别效果。研究结果表明:变压器运行工况波动下,绝大多数特征量的取值在正常和故障时存在交叠,受负载电流和空载电压的波动影响,区分故障能力较弱;该文建立的区分能力评估方法可筛选出运行工况波动下区分故障能力强的特征量,LDA算法可对存在交叠的特征量进行处理,滤去运行工况的影响。利用额定工况下的振动数据对变压器在运行工况波动下进行故障识别,经筛选和投影处理得到的特征量准确率远高于传统特征量,实现了在运行工况波动下利用变压器振动信号进行故障诊断。文中提出的方法可为变压器在三相不平衡、功率因数多变、谐波等变化工况下利用振动信号诊断变压器故障提供解决思路。

基于振动频谱分析和总谐波畸变率的电力变压器故障诊断方法研究

利用振动法对电力变压器进行监测是国内外研究的热点。目前,人们常采用振动信号的基频幅值作为诊断变压器特征指标,而变电站现场基频幅值受多种因素影响,这种状况导致了振动法较少应用于变电站现场。该文对实验室和变电站变压器振动信号进行频谱分析,采用总谐波畸变率作为特征指标诊断变压器运行状态。实验结果表明,空载时铁芯和箱体振动信号基频幅值与电压平方近似呈线性,短路时绕组和箱体振动信号基频幅值与电流平方近似呈线性。绕组变形和铁芯松动时,基频幅值和谐波含量显著增加。变压器运行年限越长,总谐波畸变率越大,当总谐波畸变率超过20时,变压器存在绕组或铁芯故障。